Waar kan AI écht het verschil maken in een lokaal bestuur?
Van communicatie en beleidsrapportering tot overheidsopdrachten en openbaar domein: in vrijwel elke dienst bestaan werkprocessen die met AI kunnen worden versterkt. Maar hoe herken je de interessantste toepassingen?
AI wordt in lokale besturen steeds vaker gebruikt voor individuele opdrachten. Een tekst herschrijven, een document samenvatten, een verslag structureren of ideeën verzamelen. Die mogelijkheden zijn intussen behoorlijk bekend.
Maar de grootste organisatorische kansen ontstaan wanneer we kijken naar de volledige werkprocessen waarin die opdrachten plaatsvinden.
Hoe verloopt een dossier van het begin tot het einde? Welke informatie wordt gebruikt? Wie neemt welke beslissing? Welke documenten worden voorbereid? Waar ontstaan vertragingen, herhalingen of kwaliteitsverschillen?
Door die processen met AI te analyseren, kunnen we veel gerichter bepalen waar ondersteuning meerwaarde oplevert.
1. Communicatie: van losse teksten naar een gedeelde werkomgeving
Communicatiediensten behoren tot de meest voor de hand liggende toepassingsgebieden.
Een communicatiedienst verwerkt voortdurend informatie, vertaalt complexe dossiers naar begrijpelijke boodschappen, bewaakt de huisstijl en publiceert via uiteenlopende kanalen.
Een AI-werkomgeving kan het volledige communicatieproces ondersteunen: van analyse en communicatieplanning tot tekstproductie, kanaalvertaling, eindredactie en kwaliteitscontrole.
Denk aan de voorbereiding van nieuwsberichten, persberichten, gemeentemagazines, sociale media en webpagina's. Door vaste organisatiecontext, bronnen, formats en kwaliteitscriteria te gebruiken, kan een gedeelde werkomgeving zorgen voor meer consistentie en minder herhalingswerk.
Ook buiten de communicatiedienst liggen kansen. Een organisatiebrede agent kan medewerkers ondersteunen bij het opstellen van heldere brieven, e-mails, interne mededelingen of standaarddocumenten volgens afgesproken richtlijnen.
2. Beleidsrapportering: van verspreide input naar consistente rapporten
Lokale besturen kennen heel wat terugkerende rapporteringsmomenten.
Diensten leveren voortgangsinformatie aan, beleidsdoelstellingen worden opgevolgd, projecten worden geëvalueerd en periodiek moeten rapporten worden samengesteld.
Denk aan interne kwartaalrapporteringen, managementrapporten en de jaarlijkse opvolging van prioritaire beleidsdoelstellingen.
AI kan helpen om informatie uit verschillende diensten te verzamelen en te structureren, resultaten te vergelijken met geplande acties, ontbrekende informatie te signaleren en eerste rapportversies op te stellen.
Een gedeelde AI-werkomgeving kan daarbij werken met vaste doelstellingen, indicatoren, rapporteringsformats en bronafspraken.
Zo wordt rapportering minder afhankelijk van individuele schrijfwijzen en kunnen medewerkers meer aandacht besteden aan de inhoudelijke beoordeling van resultaten en afwijkingen.
De betrouwbaarheid van de onderliggende gegevens en de formele validatie blijven daarbij essentieel.
3. Overheidsopdrachten: van behoefteanalyse tot een beter voorbereid bestek
De voorbereiding van een overheidsopdracht is vaak een informatie-intensief proces. Een dienst moet haar behoeften formuleren, technische vereisten verzamelen, bestaande documenten raadplegen, criteria uitwerken en de nodige opdrachtdocumenten voorbereiden.
AI kan dat proces op verschillende momenten ondersteunen.
Ze kan helpen om een behoefteanalyse te structureren, bestaande bestekken te vergelijken, ontbrekende specificaties zichtbaar te maken en een eerste ontwerp van het bestek op te stellen.
Ook bij de controle op volledigheid, interne consistentie en aansluiting bij afgesproken formats kan AI een nuttige rol opnemen.
Dat biedt kansen op tijdswinst en kwaliteitsverhoging. Juridische vereisten, correcte procedures, beoordelingscriteria en formele beslissingen vragen uiteraard de nodige deskundige controle.
4. Openbaar domein: van vaststelling op het terrein naar opvolging
Ook bij technische en uitvoerende diensten zijn er interessante mogelijkheden.
Denk aan medewerkers die tijdens een terreinbezoek schade, gebreken of onderhoudsbehoeften vaststellen.
Een vaststelling kan bestaan uit enkele foto's, locatiegegevens, korte notities en een beschrijving van het probleem.
AI kan die informatie helpen omzetten naar een gestructureerde vaststellingsfiche, een voorstel voor verdere opvolging, een ontwerp van een brief of een interne werkopdracht.
Een procesgerichte AI-werkomgeving kan medewerkers begeleiden vanaf de eerste registratie tot de voorbereiding van opvolgingsdocumenten en kwaliteitscontrole. Daarbij kunnen vaste categorieën, formats, procedures en verantwoordelijkheden worden gebruikt.
De technische beoordeling, prioriteitsbepaling en eventuele veiligheidsbeslissingen blijven bij de bevoegde medewerkers.
5. Beleidsnota's en besluitvorming: hogere kwaliteit door een vaste werkwijze
De voorbereiding van nota's voor het college, het vast bureau of de gemeenteraad is een ander belangrijk toepassingsgebied.
Een degelijke nota vraagt een helder feitenbeeld, correcte bronnen, relevante voorgeschiedenis, financiële informatie, een onderbouwde motivatie en een concreet beslissingsvoorstel.
AI kan helpen om dossierinformatie te analyseren, verschillende bronnen samen te brengen, ontbrekende elementen op te sporen en conceptnota's volgens een vast sjabloon uit te werken.
Een goed ingerichte werkomgeving kan bovendien een kwaliteitscontrole uitvoeren op volledigheid, consistentie, bronverwijzingen en formulering.
Hier ligt een belangrijke kans om binnen de organisatie met gedeelde kwaliteitsnormen te werken.
De inhoudelijke afweging, juridische toetsing en bestuurlijke beslissing blijven bij de bevoegde personen en organen.
6. En er zijn nog veel meer mogelijkheden
Dezelfde werkwijze is toepasbaar op uiteenlopende processen binnen een lokaal bestuur.
Denk aan HR-processen, de voorbereiding van vacatureteksten en functiebeschrijvingen, projectopvolging, subsidieadministratie, dienstverlening aan burgers, interne kennisdeling, vergunningendossiers en de voorbereiding van vergaderingen.
Wat hebben veel van deze werkzaamheden gemeen? Ze verwerken informatie uit verschillende bronnen, volgen terugkerende stappen, vereisen een herkenbare output en kennen vaste kwaliteitscriteria.
Dat zijn interessante kenmerken om AI-ondersteuning te onderzoeken.
Een proces hoeft daarbij niet volledig gestandaardiseerd te zijn. AI kan juist helpen om de bestaande werkwijze eerst in kaart te brengen.
Van procesbeschrijving naar een AI-werkomgeving
Dat is een van de interessantste ontwikkelingen voor organisatieontwikkeling.
Met AI kun je een bestaand werkproces reconstrueren vanuit procedures, documenten, voorbeelden en de praktijkkennis van medewerkers. Via reverse engineering ontstaat een eerste procesbeschrijving, die vervolgens kan worden gevalideerd en visueel voorgesteld.
Daarna kun je AI inzetten om het proces te verbeteren. Waar gebeurt dubbel werk? Welke stappen kunnen eenvoudiger? Welke informatie kan beter worden georganiseerd? Hoe ziet het gewenste toekomstige proces eruit?
Ook dat toekomstige proces kan AI helpen uitwerken en visualiseren.
Vervolgens kun je een AI-werkomgeving ontwerpen die medewerkers bij de verschillende processtappen ondersteunt.
Zo'n omgeving kan informatie analyseren, documenten voorbereiden, kennis beschikbaar maken, controles uitvoeren en medewerkers begeleiden bij de uitvoering.
De mate van ondersteuning verschilt per processtap. Sommige handelingen lenen zich voor verregaande automatisering, andere vragen nadrukkelijk menselijke beoordeling.
Hoe bepaal je waar je begint?
Niet elke mogelijke toepassing verdient meteen een pilootproject. Een lokaal bestuur moet keuzes maken op basis van verwachte meerwaarde, frequentie, beschikbare bronnen, procesduidelijkheid, risico's en eigenaarschap.
Een proces dat dagelijks terugkeert en veel zoek- of correctiewerk veroorzaakt, kan bijzonder interessant zijn. Een zeldzame taak met weinig impact of grote juridische risico's vraagt een andere afweging.
Ook de mogelijkheden van de organisatie spelen mee. Zijn er medewerkers die het proces goed kennen? Is er voldoende tijd om te testen? Wie beheert de toepassing nadien?
Binnen mijn Vijfsporenmodel vormt dit de kern van het spoor Concrete toepassingen in werkprocessen. Het model verbindt de ontwikkeling van toepassingen met vier andere organisatievoorwaarden: beleid en governance, opleiding en basiskennis, interne communicatie, en adoptie en organisatieverandering.
Zo kan een interessant idee doorgroeien naar een gecontroleerde en overdraagbare werkwijze.
Begin bij het werk dat vandaag al gebeurt
De mogelijkheden van AI binnen lokale besturen zijn bijzonder breed. Het is daarom zinvol om organisatiebreed te zoeken naar werkprocessen waar veel informatie wordt verwerkt, kwaliteit belangrijk is en medewerkers regelmatig vergelijkbare opdrachten uitvoeren.
De centrale vraag wordt dan: welke werkzaamheden kunnen we met AI beter, consistenter en efficiënter organiseren?
Vanuit die vraag kun je processen beschrijven, verbeteringen ontwerpen en gericht AI-werkomgevingen ontwikkelen.
Tijdens mijn praktijkdag Van AI-experiment naar organisatieaanpak op donderdag 26 november in Mol werken we met het Vijfsporenmodel aan die bredere organisatorische aanpak. Deelnemers vertrekken vanuit hun eigen organisatiecontext en werken toe naar een eerste samenhangende AI-roadmap.
Opmerkingen