AI-werkmodellen voor lokale besturen
De echte waarde van AI wordt zichtbaar wanneer ze wordt ingebouwd in het dagelijkse werk. Daarom ontwikkel ik AI-werkmodellen voor terugkerende processen en opdrachten binnen lokale besturen. Dat kan volledig op maat, vertrekkend van een bestaand werkproces in de organisatie.
Voor een aantal veelvoorkomende toepassingen kan ik ook vertrekken van beproefde werkmodellen die al ontwikkeld en getest zijn en die vervolgens worden aangepast aan de eigen bronnen, processen, afspraken en kwaliteitscriteria. Sommige modellen zijn organisatiebreed inzetbaar, andere ondersteunen een specifieke dienst of een volledig project.
De basis is telkens dezelfde: eerst het werk structureren, bronnen en kwaliteitscriteria expliciet maken en bepalen waar menselijke beoordeling nodig blijft. Pas daarna bouwen we AI in als ondersteuning. Afhankelijk van de organisatie, beschikbare licenties, informatiebronnen en gewenste manier van samenwerken kan ik deze AI-werkmodellen bouwen in ChatGPT, Microsoft Copilot of Claude. Waar nodig bekijken we eerst welke omgeving het best past bij de toepassing en de organisatie.
Begin bij het werk, niet bij de tool
Een demonstratie toont snel wat AI technisch kan. Ze zegt nog niet of de toepassing past bij de werking van een lokaal bestuur. Daarvoor moet duidelijk zijn welke informatie binnenkomt, welke stappen terugkeren, wie beslissingen neemt, welke uitzonderingen bestaan en aan welke kwaliteit het resultaat moet voldoen.
Die structuur hoeft niet vooraf volledig uitgewerkt te zijn. AI kan net helpen om een bestaand werkproces te analyseren, terugkerende stappen zichtbaar te maken, ontbrekende afspraken te detecteren en processen scherper te structureren. De inhoudelijke keuzes en verantwoordelijkheden blijven daarbij bij de organisatie.
Pas wanneer voldoende duidelijk is hoe het werk verloopt en welke kwaliteit verwacht wordt, kan AI gericht worden ingebouwd voor voorbereiding, analyse, structurering, formulering en controle.
Structuur eerst, dan versnellen. Controle eerst, dan produceren.
.png)
Welke gemeentelijke werkprocessen kunnen we structureel versterken met AI, binnen duidelijke grenzen en met menselijke eindverantwoordelijkheid?
Welke processen zijn geschikt?
Niet elke taak vraagt een agent of projectomgeving. Een geschikt startproces heeft voldoende herhaling, een herkenbare structuur en een duidelijke meerwaarde. De risico’s moeten beheersbaar zijn en de medewerker moet het resultaat kunnen controleren.
-
Het proces komt regelmatig terug
-
Input, stappen en gewenste output zijn voldoende herkenbaar
-
Er bestaan betrouwbare bronnen of die kunnen worden georganiseerd
-
Kwaliteitscriteria en beslismomenten kunnen expliciet worden gemaakt
-
AI ondersteunt voorbereiding of controle, maar neemt geen inhoudelijke of bestuurlijke beslissing over
-
Er zijn representatieve cases beschikbaar om te testen
.png)
De aanpak in zeven stappen
1. Selecteren
We kiezen een proces met voldoende volume, duidelijke meerwaarde en beheersbare risico’s
2. Ontleden
We brengen input, stappen, rollen, beslissingen, uitzonderingen en kwaliteitscriteria in kaart
3. Structureren
We maken templates, checklists, contextdocumenten en bronsets die ook zonder AI duidelijkheid creëren
4. Configureren
We bouwen een projectomgeving, vaste instructies of een taakgerichte assistent in de passende tool
5. Testen
We testen met echte cases en controleren waar de toepassing veronderstelt, nuance mist of onvoldoende veilig reageert
6. Invoeren
Gebruikers krijgen een handleiding en opleiding over correcte invoer, controle en opvolging
7. Evalueren
We verzamelen fouten en verbeterpunten en sturen context, instructies en proces bij
De mens blijft beslissen
AI kan informatie samenvatten, argumenten clusteren, een eerste ontwerp maken, ontbrekende gegevens signaleren of een document toetsen aan vaste criteria. De medewerker blijft verantwoordelijk voor interpretatie, beoordeling, juridische of bestuurlijke afweging en het finale resultaat.
Die rolverdeling wordt niet pas achteraf toegevoegd. Ze wordt bij het ontwerp van de werkwijze vastgelegd, samen met controlepunten en escalatieregels voor uitzonderingen of onzekerheid.
Concrete AI-werkmodellen
Een aantal toepassingen heb ik intussen uitgewerkt tot herbruikbare werkmodellen. Ze vertrekken vanuit een vaste methodiek, maar worden aangepast aan de bronnen, processen, afspraken en kwaliteitscriteria van de organisatie. Voor elk van deze modellen is een vrijblijvende online demo mogelijk.
1. Organisatiebrede AI-schrijfwijze
Veel organisaties gebruiken AI al om teksten te schrijven of te herschrijven. Maar een vlot geformuleerde tekst is nog geen goede tekst.
De AI-schrijfwijzer controleert daarom eerst de opdracht. Is het doel duidelijk? Voor wie schrijven we? Ontbreekt noodzakelijke informatie? Zijn er onduidelijkheden die eerst moeten worden opgelost?
Pas daarna ondersteunt AI bij structuur en formulering volgens de afgesproken schrijfstijl, tone-of-voice en kwaliteitscriteria van de organisatie.
De medewerker blijft verantwoordelijk voor inhoud en finale goedkeuring.
Mogelijke aanpak: implementatie op maat of open praktijkopleiding.
2. AI-assistent voor klantencontact
Medewerkers in het klantencontact moeten snel antwoorden kunnen geven, terwijl informatie vaak verspreid zit over verschillende bronnen.
Dit werkmodel ondersteunt hen bij algemene, niet-dossiergebonden vragen op basis van vooraf bepaalde en beheerde bronnen. Het helpt een helder antwoord formuleren en past afgesproken doorverwijzingsregels toe wanneer een vraag dossiergebonden, onzeker of gevoelig wordt.
De assistent adviseert. De medewerker beoordeelt en beslist.
Mogelijke aanpak: implementatietraject op maat, fysiek of online.
3. AI-werkomgeving voor communicatiediensten
AI kan veel meer betekenen voor een communicatiedienst dan sneller teksten produceren.
Dit werkmodel ondersteunt het volledige communicatiewerk: communicatievragen analyseren, input structureren, communicatieadvies voorbereiden, dossiers opvolgen, teksten en kanaalvarianten uitwerken en kwaliteit bewaken.
De omgeving wordt opgebouwd met de eigen bronnen, formats, tone-of-voice, kanalen en werkafspraken van de dienst. Zo ontstaat geen verzameling losse prompts, maar een gedeelde en gecontroleerde manier van werken.
Mogelijke aanpak: implementatietraject op maat of open praktijkopleiding.
4. AI-werkomgeving voor magazines en periodieke publicaties
Een magazine produceren bestaat uit veel meer dan artikels schrijven. Onderwerpen moeten worden verzameld en geselecteerd, input komt van verschillende diensten of auteurs, teksten moeten worden geredigeerd en ingekort, correctierondes opgevolgd en inhoud opnieuw vertaald naar andere kanalen.
Dit werkmodel ondersteunt die volledige productieketen. Het kan worden ingericht voor inwonersmagazines, personeelsbladen, ledenbladen, activiteitenkranten, politiekranten en andere periodieke publicaties.
De bestaande redactieformule en menselijke eindredactie blijven het uitgangspunt.
Mogelijke aanpak: implementatietraject op maat of open praktijkopleiding.
5. AI-werkomgeving voor website- en intranetprojecten
Een nieuwe website of intranet vraagt eerst een grote inhoudelijke oefening. Welke informatie bestaat? Welke bron is actueel? Welke informatie ontbreekt? Wie is eigenaar? Hoe structureren we dienstverlening zodat bezoekers ze begrijpen?
Deze AI-werkomgeving ondersteunt het volledige inhoudelijke project: van inventarisatie en broncontrole tot productfiches, inhoudsstructuur, redactie, validatie en overdracht.
AI versnelt het project, maar de organisatie blijft eigenaar van haar dienstverlening, informatie en keuzes.
Mogelijke aanpak: implementatietraject op maat, fysiek of online.
6. AI-werkomgeving voor crisiscommunicatie
Tijdens een incident of crisis ontstaat snel veel informatie uit verschillende bronnen. Tegelijk moeten communicatieprofessionals snel werken zonder onbevestigde informatie als feit te behandelen.
Deze werkomgeving helpt informatie structureren, onderscheid maken tussen bevestigde, onbevestigde en ontbrekende gegevens, communicatierisico's signaleren en consistente boodschappen en updates voorbereiden.
AI neemt geen crisisbeslissingen en publiceert niet autonoom. De crisisorganisatie en communicatieprofessional behouden controle over wat wordt bevestigd en gecommuniceerd.
Mogelijke aanpak: implementatietraject op maat, gekoppeld aan de eigen crisiswerking en getest met een oefenscenario.
Betrouwbare bronnen en vaste criteria
Een toepassing is zo betrouwbaar als de informatie waarop ze steunt. Daarom leggen we vast welke bronnen leidend zijn, hoe actualiteit wordt bewaakt en wat gebeurt wanneer bronnen elkaar tegenspreken. Ook formats en kwaliteitscriteria worden expliciet gemaakt.
Die structurering heeft op zichzelf al waarde. Ze maakt het proces begrijpelijker voor medewerkers en vormt tegelijk de context waarbinnen AI gecontroleerd kan werken.
Geen generieke automatisering
De toepassing wordt niet boven op het bestaande werk geplaatst. We verbeteren eerst het proces en bouwen daarna ondersteuning die aansluit bij de expertise van de medewerkers, de informatiebronnen en de beslisverantwoordelijkheid.
Soms is een eenvoudige dossiergerichte chat voldoende. Soms is een gedeeld contextdocument nodig. Pas bij voldoende herhaling en een duidelijke taak is een aparte assistent of agent zinvol.
Werkprocessen staan nooit los van de organisatie
Een concrete toepassing raakt ook andere sporen. Gebruikers hebben opleiding nodig, afspraken moeten duidelijk zijn, het interne verhaal moet kloppen en de nieuwe werkwijze moet beheerd en geëvalueerd worden. Daarom vormt deze pijler de praktische toepassingslaag van het Vijfsporenmodel.
Van een terugkerende taak naar een werkende toepassing
Een eerste analyse maakt zichtbaar waar de tijd verloren gaat, welke informatie nodig is en welke rol AI realistisch kan opnemen. Op basis daarvan ontstaat een afgebakende werkwijze die met echte dossiers wordt getest en door medewerkers zelf gecontroleerd kan worden.