Webinar: Aan de slag met AI binnen de Overheid met Marloes Pomp

AI gaat voor grote veranderingen zorgen in onze samenleving en economie en heeft de potentie om maatschappelijke uitdagingen op te lossen. Voorbeelden van toepassingen van AI halen regelmatig het nieuws, denk aan zelfrijdende auto’s en het beter stellen van medische diagnoses. Ook steeds meer overheidsorganisaties hebben de ambitie om met AI aan de slag te gaan, maar hoe doe je dat nou eigenlijk? Hoe start je zelf een AI experiment en waar moet je zoal op letten?

Diverse overheidsorganisaties hebben meegedaan aan het AI pilot programma, dat werd georganiseerd door het Data Science Initiative, een initiatief van de gemeente Den Haag. De resultaten en lessons learned zijn gebundeld in een publicatie die tijdens het webinar zijn gelanceerd.

Tijdens dit webinar krijg je praktische tips en meerdere handleidingen over hoe je zelf met AI kunt experimenteren: Hoe geef je een AI pilot vorm? Welke stappen moet je dan doorlopen? Hoe kies je het beste AI model voor jouw project? Hoe werkt het eigenlijk als je satellietbeelden of luchtfoto's wilt gebruiken? Ook komt een aantal concrete casussen aan bod van o.a de gemeente Den Haag, Rijkswaterstaat, het ministerie van Sociale Zaken en Logius/ Digicampus.

Na dit webinar weet je hoe je kunt leren door te doen, zodat je ontdekt hoe AI de eigen processen raakt. En hoe je daarna kunt opschalen en implementeren, binnen de eigen organisatie of in samenwerking met publiek-private partnerschappen zoals de Nederlandse AI Coalitie.

Webinar Aan de slag met AI binnen de Overheid

Welkom bij dit webinar. Mijn naam is Marloes
en ik ga je alles vertellen over hoe je zelf met AI aan de slag kunt.
Dat doe ik niet alleen.
Koen en Désirée zitten klaar om al jullie vragen te beantwoorden.
Maak het ze nou niet te makkelijk vanmiddag. Hou ze een beetje bezig.
Voordat we starten ben ik heel benieuwd hoe het met jullie gaat.
Normaal gesproken kom je als spreker een zaal binnen
en dan krijg je wel gevoel bij de sfeer.
Nu kan dat niet, dus laat me via de poll weten hoe de vlag erbij hangt.
Als publiek zijnde begroet je normaal gesproken degene naast je.
Je lacht even, je zwaait.
Misschien kunnen jullie elkaar nu even begroeten in de chat.
Ik heb begrepen dat Koen en Désirée al die berichtjes moeten doorzetten.
Dan hebben we hen ook meteen even aan het werk gezet.
We wachten even. Ik geef jullie even de tijd om te reageren.
Dat is goed om te zien. Met de meesten van jullie gaat het hartstikke goed.
Ik zie een paar mensen die aangeven: ik heb me wel eens beter gevoeld.
Speciaal voor jullie heb ik aan het einde van dit webinar nog iets.
We lanceren vandaag... TROMGEROFFEL
O ja, ik vergeet de roffel. We lanceren vandaag een publicatie
met daarin de resultaten van de eerste ronde met AI-pilots binnen de overheid.
Deze pilots zijn geïnitieerd door het Data Science Initiative.
Dat is een programma van de gemeente Den Haag
waarin ze onderzoeken hoe data science en AI
kunnen bijdragen aan het publieke domein,
waarbij ze vooral inzoomen op de thema's vrede, recht en veiligheid.
Daarbij werken ze op enkele onderdelen samen met de Nationale AI Coalitie.
Daarover zal ik later in het webinar ook meer vertellen.
Die publicatie met daarin alle resultaten
krijgen jullie na afloop van dit webinar per mail toegestuurd.
Hij zal ook even via de chat gedeeld worden.
Ik zal jullie tijdens dit webinar meenemen in de belangrijkste resultaten.
Alles wat vandaag voorbij komt in het webinar, alle websites, rapporten,
krijgen jullie allemaal, dus je hoeft niet mee te schrijven.
Heel veel mensen hebben toch het gevoel dat AI ons wat overkomt.
Ik denk zelf van niet. AI wordt gewoon gemaakt door mensen.
De beste manier om de toekomst van AI te voorspellen is die zelf te creëren.
Ik hoop dan ook dat jullie tijdens dit webinar genoeg ideeën of tips krijgen
om ook zelf mede de toekomst van AI vorm te geven.
Dit is dus niet een webinar waarbij ik helemaal ga uitleggen wat AI is
en welke typen AI er zijn. Ik ga vooral uitleggen: hoe kun je nou beginnen?
Hoe kun je je eigen AI-experimenten of pilots starten?
Ja, ik dacht: jullie moeten een uur tegen me aankijken.
Dan is het ook wel leuk om wat te weten over wie ik ben en wat ik zoal doe.
Ik reis normaal gesproken heel veel voor mijn werk.
Ik spreek heel veel op internationale congressen.
Ik ben bij de Nationale AI Coalitie en de Dutch Blockchain Coalition
verantwoordelijk voor de internationale strategie.
Daarnaast begeleid ik het AI- pilotprogramma binnen de overheid.
Nog wat privéweetjes.
Ik heb twee fantastische pubers van bijna 15 en 16
en nog een nakomertje van anderhalf.
Een soort tweede leg, maar dan van dezelfde man.
Velen van jullie hebben hem ook al wel eens gezien.
De eerste maanden heb ik hem mee op reis genomen, en ook mee naar kantoor.
Dat was supergezellig.
Privé, ik waarschuw alvast, de slides die nu komen, krijgen jullie niet.
Privé is mijn grote hobby om feestjes te organiseren.
Dit is mijn woonkamer. De eerste foto die je daar ziet, is the day after.
Daarboven, dat rode, is mijn keuken, dat was Sinterklaas afgelopen december.
Maar het is nog veel leuker om feestjes bij andere mensen te organiseren.
Dan heb je die troep niet in huis.
Dus hier zie je een bruiloft van mijn bovenburen,
het verjaardagsfeest van een vriendin van mij,
ik vind 't leuk om de aankleding te doen.
Ik hou dus enorm van themafeestjes. Mijn man wat minder.
Onder luid protest doet hij gelukkig elke keer braaf mee.
Verder ben ik enorm fan van huizen ruilen.
Je ziet daar een ruil met iemand in Marrakesh.
Aangezien we dit jaar waarschijnlijk in Nederland moeten blijven,
ik ben nog op zoek naar een leuke swap. Dus laat het me weten als je wil ruilen.
Verder zie je daar mijn knaloranje Tesla.
Die heb ik al 10 jaar. Heel veel mensen vragen mij: doet de batterij het nog?
Ja, hij doet het nog.
Je kunt met een gerust hart een elektrische bolide aanschaffen.
Genoeg over mij. Ik ben natuurlijk ook heel benieuwd naar jullie.
Ik heb bedacht: tijdens dit webinar stel ik me jullie als volgt voor:
als een soort awesome publiek. Dit mag natuurlijk ook.
Al hebben jullie na deze rare introductie...
Misschien heeft het meer dit effect gegeven.
Maar goed, we gaan aan de slag.
Dit webinar bestaat uit vier hoofdstukken.
In het eerste hoofdstuk vertel ik jullie vooral over:
hoe zag dat AI-innovatietraject er nou eigenlijk uit?
Wie hebben er meegedaan? Wat is het resultaat?
En hoe kun je zelf zo'n pilot starten binnen de overheid?
In het tweede hoofdstuk gaan we inzoomen op een aantal handleidingen
die zijn geschreven door de pilot- deelnemers, met daarin diverse tips.
Dan gaan we inzoomen op een aantal concrete casussen.
Tot slot zal ik meer vertellen over hoe verder en hoe kun jij daaraan meedoen.
Het eerste hoofdstuk.
Het AI-innovatietraject, hoe zag dat er nou eigenlijk uit?
Het bestond uit twee onderdelen.
Je ziet de buitenste ring, dat was een gezamenlijk leertraject.
Dat bestond uit allerlei deep dives
waarin we hebben gekeken naar een bepaald aspect van AI.
Bijvoorbeeld de juridische aspecten, de ethische aspecten.
We hebben een fantastische deep dive georganiseerd met het CBS
waarin we naar verschillende aspecten van data keken.
Ik vond zelf de training van Bellingcat heel leuk, waarbij ons werd geleerd:
hoe kun je optimaal zoeken in openbare online bronnen?
Dat was een gezamenlijk stukje.
In de binnenste ring zie je de stappen...
het stukje dat door pilotorganisaties zelf werd uitgewerkt.
Ze hebben allemaal aan een eigen casus gewerkt.
Dat begon met een assessment. Je moet een casus uitzoeken.
Sommigen hadden die al en anderen hebben we daarbij geholpen.
Daarna hebben we een plannetje geschreven van:
wat wil je dan doen in het pilottraject? Ze hadden ongeveer zes maanden.
Wat is dan realistisch? Wat wil je aan het eind geleerd hebben?
Vervolgens hebben we per pilot twee bijeenkomsten georganiseerd.
In de eerste bijeenkomst vertelde de pilotorganisatie:
zo werkt het bij ons nu en dit zouden we graag willen.
In de tweede bijeenkomst gaven AI-experts aan:
dit zijn onze ideeën, volgens ons zou je het zo kunnen aanpakken.
Vervolgens hebben we gekeken per pilotorganisatie:
wie wil met wie verder?
Soms was dat één AI-start-up, soms waren het meerdere.
Soms was het een universiteit. Die werden dan aan elkaar gematcht.
Die gingen samen hun eigen experiment voorbereiden.
Wie waren dan die teams? Ik zal ze allemaal even kort doorlopen.
Allereerst hadden we het droneteam van Rijkswaterstaat.
Ariea zal straks in een video nog wat meer vertellen over hun casus.
We hadden een tweede team van Rijkswaterstaat, die zijn lekker bezig,
en die hebben echt al heel mooie concrete toepassingen van AI
voor Rijkswaterstaat ontdekt.
Het tweede team heeft vooral gekeken naar:
hoe zou je de oevers van de Maas, of van grote rivieren in het algemeen,
op een slimme manier kunnen inspecteren?
En misschien op termijn het onderhoud kunnen voorspellen?
Het derde team was van Sociale Zaken.
Zij hebben gekeken naar: zou je ook een digitale assistent kunnen bouwen
die ambtenaren kan helpen bij het beantwoorden van Kamervragen?
Daar zal Peter Vermeulen straks iets meer over vertellen via video.
Het derde team was een samengesteld team van Logius en Digicampus.
Zij keken naar de combinatie van gestandaardiseerde gegevens en AI.
Hun casus komt later in dit webinar nog uitgebreid aan bod.
Bartold staat heel Remi op de slide,
maar hij heeft met een aantal collega's geholpen
bij zowel de data deep dive als de ethische deep dive.
Zij hebben vooral gekeken naar transparant en toetsbaar AI-gebruik.
Zij zijn ervan overtuigd
dat CBS-data de basis kan vormen voor een eerlijk algoritme.
Zij denken daarover ook heel graag mee met andere overheidsorganisaties.
Dus zoek je een expert op dat gebied, neem dan met het CBS contact op.
In de publicatie vind je ook een mooi interview met de DG van het CBS.
Het laatste team zijn mijn favoriete dames van de gemeente Den Haag.
Dat zijn data-analisten en zij hebben gekeken naar de casus bijstand.
Zij hebben gekeken van: zou je kunnen voorspellen
wie de meeste kans maakt om vanuit de bijstand weer aan het werk te komen?
En wat is dan de ideale combinatie aan instrumenten
om mensen te helpen weer aan het werk te komen?
Die mensen zijn dus heel druk aan het werk geweest de afgelopen maanden.
Wat heeft dat nu opgeleverd?
We hebben al die resultaten gebundeld in een publicatie.
In die publicatie kun je vier dingen terugvinden.
Allereerst een omschrijving van de casussen waaraan ze hebben gewerkt.
Als tweede drie handleidingen waar ik straks nog iets meer over zal vertellen.
Als derde staan er ook... Marieke van Putten zie je daar in beeld.
Die heeft samen met Olof Schuring een SBIR-traject uitgevoerd.
Dat is een subsidie waarbij bedrijven samen met de overheid
naar innovatieve AI-oplossingen hebben gekeken.
De winnaars van het traject kun je in de publicatie vinden.
Waarschijnlijk doe je nog wat leuke inspiratie op door de voorbeelden.
Als vierde vind je een aantal opiniestukken terug.
We hebben onder anderen Kees van der Klauw geïnterviewd.
Dat is de directeur van de Nationale AI Coalitie.
Maar ik heb ook mijn oude vrienden Bas Eenhoorn en Roel Bekker gevraagd.
Bas Eenhoorn was de digicommissaris
en Roel Bekker is de voormalig SG Vernieuwing Rijksdienst.
Ik heb hen gevraagd: kijk eens terug op de digitalisering van de overheid.
Wat verwacht je nou eigenlijk van AI in het publieke domein?
Onderin zien jullie nog Jeroen Naves van het advocatenkantoor Pels Rijcken.
Hij heeft een mooi artikel geschreven met praktische tips
over de juridische aspecten van AI-projecten binnen de overheid.
Jullie krijgen dat allemaal na afloop.
Je bent denk ik wel even zoet om dat allemaal te lezen.
Ik zal wat highlights uitlichten tijdens dit webinar.
Veel mensen vragen aan mij: hoe begin je dan?
Hoe krijg je zo'n pilot van de grond?
Ik heb ter afsluiting van dit eerste hoofdstuk een paar tips verzameld.
De eerste tip is eigenlijk: focus je vooral op dat het een leertraject is.
Net als bij een muziekinstrument: je moet oefenen.
Het helpt niet om alleen over AI te lezen of YouTube-filmpjes te kijken.
Je zult echt moeten oefenen.
AI-pilots zijn dus in eerste instantie een leertraject
en niet een AI-implementatie.
Want jij bent namelijk geen computer.
Een computer kan leren op basis van datasets.
Jij zult gewoon aan de slag moeten
en moeten ervaren en doorleven wat AI is en wat je er wel en niet mee kunt.
Ik weet niet of jullie het hebben gezien, maar er was een AI-songfestival.
Daarbij hebben teams wereldwijd gestreden
om het beste songfestivalliedje te maken door middel van AI.
Het team uit Australië heeft gewonnen
en de VPRO heeft daar ook een YouTubeserie over gemaakt.
Die zal ik ook meesturen na afloop. Het is echt een aanrader.
Daarin proberen ze de vraag te beantwoorden:
kan een computer een muzikant vervangen?
Dat onderzoeken ze met allerlei bekende muzikanten.
Heel leuk om te zien.
Het winnende team van Australië hebben hun AI-model gevoed
met allerlei dieren uit Australië, waaronder koala's.

DIERENGELUIDEN

Laten we even gaan luisteren wat eruit komt
als je een AI-model voedt met dit soort geluidsfragmenten.
Dan klinkt het zo.

TECHNOMUZIEK

Ik ben benieuwd of je het wat vond.
Mijn volgende tip gaat erover: samen leer je meer en sneller.
We hebben in dit pilottraject...
We verzamelen niet voor niets een groepje aan pilotorganisaties.
Dat doen we omdat als iedereen een stukje uitzoekt en deelt met elkaar,
dan kun je in zes maanden tijd echt ontzettend veel leren.
Mijn tip is ook: verzamel een groepje om je heen
of sluit je aan bij een groepje andere organisaties
die met AI aan de slag willen.
Dat scheelt je heel veel werk en het is ook leuker om het samen uit te pluizen.
Ik heb Peter Vermeulen van CIO-office van Sociale Zaken en Werkgelegenheid
gevraagd waarom hij heeft meegedaan aan dit pilottraject.
Laten we even luisteren naar zijn antwoord.
Bij SZW hechten we veel waarde aan learning by doing.
Vooral op het gebied van AI. De techniek is nog volop in ontwikkeling.
AI is in algemene zin een zeer breed begrip.
Er valt heel veel onder. Veel verschillende technieken liggen eronder
en daarmee ook verschillende verandermogelijkheden en -opties.
Binnen SZW willen we graag kleinschalig experimenteren
om op die manier iteratief te kunnen leren.
Dat betekent dat we geen grote stappen zetten,
dat we alles kort cyclisch doen.
Dat betekent kleine stapjes, vooral kijken:
hoe gaat de gebruiker ermee om?
De organisatorische discussie, maar ook een ethische discussie.
Wat vinden we wel en wat vinden we niet gewenst?
Hoe gaat de samenwerking tussen mens en machine eruitzien?
Hoe gaat het werk van de beleidsmedewerker eruitzien?
Dat is voor ons op dit moment relevant. Ook om te weten:
hoe staat onze organisatie ervoor als we AI op andere plekken willen toepassen?
Waar moeten we allemaal rekening mee houden?
Je ziet dat er heel veel focus is op techniek.
Maar uiteindelijk gaat het om: hoe wordt het gebruikt? Hoe wordt het ingezet?
Welke waarborgen horen daarbij?
Levert het werkgeluk op? Dat soort vragen.
Dat zijn toch wat meer de praktische kanten,
die je met een experiment als het goed is
snel beantwoord krijgt, dat soort vragen.
Mijn volgende tip is: stel een heel leuk gemotiveerd team samen.
Een klein teampje. Focus je niet te veel op de techniek zelf.
AI zelf kan niet zoveel. Je hebt vooral een leuk gemotiveerd team nodig.
En je hebt vooral ook ambtenaren nodig die hun nek durven uitsteken.
Het is niet zo makkelijk om een pilot van de grond te krijgen in de overheid
als je het resultaat nog helemaal niet weet.
We konden ook bij deze ronde pilots pas achteraf zeggen wat eruit gekomen is
en wat we geleerd hebben en wat we ook niet geleerd hebben.
Dat had ik van tevoren niet kunnen voorspellen.
Dat betekent dat je dus echt je nek moet durven uitsteken,
dat er ook andere dingen uit kunnen komen dan je van tevoren had gedacht.
Daarom ook een dik thank you
aan de ambtenaren die deze ronde hebben meegedaan.
Jullie zijn de ambtenaren die hun nek hebben uitgestoken.
Dat is wat mij betreft een compliment waard. Dus bij dezen.
Mijn volgende tip is: vergeet je MT niet.
Michel van Leeuwen, dat is de nieuwe directeur AI
bij het ministerie van Justitie en Veiligheid.
Die gaat alle MT's binnen het justitie- en veiligheidsdomein uitdagen
om zelf ook aan de slag te gaan met een AI-experiment.
Zodat ze zelf ook kunnen ontdekken hoe je verantwoord AI kunt toepassen
in je eigen werkveld.
Als er MT-leden kijken vanuit Justitie, je kunt je aanmelden voor zo'n sessie.
Een kickstartsessie met je MT.
Koen zal het e-mailadres delen in de chat, waar je dan naartoe kunt mailen.
Ben je nou van een andere organisatie, je kunt ook je eigen MT uitdagen
en hen vragen om met een casus te komen waarmee je aan de slag kunt.
Mijn volgende tip is: ga ook eens kijken...
Je kunt natuurlijk heel goed zelf een pilot starten,
maar ga ook eens snuffelen bij de Nationale AI Coalitie.
AI raakt natuurlijk vrijwel elk domein.
Dat zie je ook terugkomen in de structuur van de AI Coalitie.
Je ziet in de blauwe blokken daarboven allerlei toepassingsgebieden.
Energie, landbouw, noem maar op.
Voor elk toepassingsgebied is een werkgroep ingericht.
Daar komen ook zo nu en dan nieuwe werkgroepen bij.
Momenteel heeft de AI Coalitie zo'n 300 leden.
Ook heel veel overheidsorganisaties, bedrijfsleven, universiteiten.
Samen hebben zij een heel programma gemaakt.
Dus als je zelf werkt op het gebied van gezondheid en zorg,
kijk of er een project is waarbij je kan aansluiten.
Natuurlijk wil ik de werkgroep rondom publieke dienstverlening uitlichten.
Die wordt gecoördineerd door Binnenlandse Zaken.
Als je op zoek bent naar een van de coördinatoren van de werkgroepen,
die staan op de website. De link naar de website zal ik ook nadien meesturen.
Ook is het goed om te weten dat naast werkgroepen per toepassingsgebied
er ook werkgroepen zijn voor verschillende bouwstenen.
Die lopen als het ware horizontaal door al die andere werkgroepen heen,
omdat ze er allemaal mee te maken hebben.
Dat zijn dingen als de Human Capital-agenda,
maatschappelijke acceptatie en allerlei vragen rondom data delen.
Dus ga ook vooral daar eens kijken hoe je aan een project mee kan doen.
Het maakt je een betere gesprekspartner in dat soort werkgroepen
als je zelf ook eens met je voeten in de modder hebt gestaan.
Ook daarom is het best belangrijk als je zelf eens ervaart wat AI kan.
Mijn laatste tip voor dit gedeelte is: de meeste organisaties
beginnen in eerste instantie met een AI-pilot in hun eigen organisatie.
Daar kom je nog wel uit.
Maar al vrij snel zul je ontdekken dat je ook andere organisaties nodig hebt
en ook hun data nodig hebt om tot een goede oplossing te komen.
De meeste AI-projecten gaan heel erg over samenwerken.
Je kunt een pilot gebruiken om de samenwerking
als een soort hefboom van de grond krijgen.
Ik had vanochtend een call met het aanjaagteam ondermijning.
Zij hebben een werkgroep gemaakt om te onderzoeken of AI kan bijdragen
aan het opsporen van criminaliteit op bedrijfsterreinen.
Dan heb je niet alleen data van politie nodig,
maar ook van een energiemaatschappij, of over het watergebruik
of wie hoeveel auto's heeft gekocht.
Dat zijn complexe projecten.
We willen in een volgende ronde daar meer aandacht aan schenken.
Maar een mooi rapport waar ik jullie al op wil wijzen,
is verantwoord datadelen voor AI.
Die krijgen jullie ook na afloop toegestuurd.
Dan komen we bij het tweede hoofdstuk. Hoe kun je zelf aan de slag?
Wat we bij de pilots hebben gedaan, is...
Aan de ene kant hebben ze een eigen casus uitgewerkt.
Bij een aantal projecten zagen we: die hebben veel werk gestopt
in het uitvogelen van een aantal zaken
die voor andere overheidsorganisaties ook ontzettend handig zijn.
Die lessen hebben we gebundeld in drie verschillende handleidingen
die ik nu kort met jullie wil doorlopen.
De eerste handleiding is gemaakt door het droneteam van Rijkswaterstaat.
Zij hebben allerlei experimenten gedaan en vervolgens teruggekeken van:
met de kennis van nu, nadat je de experimenten hebt gedaan,
hoe had je het dan idealiter willen aanpakken?
Dat hebben ze verwerkt tot een stappenplan
dat je in de eerste handleiding terug kunt vinden.
Voordat we daar verder op ingaan,
luisteren we eerst even naar Ariea die wat meer vertelt over hun casus.
Ja, onze praktijkproef over AI gaat over kunstwerken
en voor iedereen die niet in de bouwwereld werkt,
kunstwerken zijn bruggen, tunnels en dat soort objecten.
Binnen Rijkswaterstaat hebben wij naast een jaarlijkse controle
altijd ook een uitgebreide zesjaarlijkse inspectie.
Als we die inspectie doen, moeten we vaak een weg afsluiten,
hoogwerkers inhuren om in de pylonen te komen.
De inspecteurs zitten dan in gammele bakjes om beton en staal te controleren
op scheuren en andere gebreken.
We zijn nu aan het onderzoeken of we dat met een drone veiliger kunnen doen.
Zodat we bijvoorbeeld ook geen hoogwerkers meer moeten inzetten
en banen moeten afsluiten.
Het grote voordeel van zo'n drone is dat we heel veel fotomateriaal krijgen.
Met kunstmatige intelligentie kunnen we
dat fotomateriaal bekijken of er scheuren en gebreken inzitten.
Daar hebben we een aantal pilots mee gedaan waaruit blijkt dat het lukt.
In de verdere toekomst willen we ook graag kunnen voorspellen
wanneer het onderhoud moet gaan plaatsvinden
omdat we dan weten wanneer we scheuren kunnen verwachten.
Maar voorlopig concentreren we ons gewoon op het herkennen van gebreken
met artificiële intelligentie.
In de handleiding worden deze stappen uitgewerkt.
In eerste instantie focus je vooral op wat het beste model is
en daarna ga je kijken naar de continuïteit.
Hun belangrijkste tip is eigenlijk gewoon:
AI werkt alleen als je het direct gestructureerd aanpakt.
Waar moet je dan zoal aan denken? Zij liepen er onder andere tegenaan:
het zijn echt twee werelden die samenkomen. Hou daar rekening mee.
Dan bedoel ik niet de wereld van Rijkswaterstaat en die van AI.
AI zelf is ook een domein waarin twee verschillende werelden samenkomen.
Namelijk die van de data scientist, die vooral wil experimenteren,
en die van de ICT'ers, de ontwikkelaars,
die vooral een zo stabiel mogelijk product willen maken.
Dat geeft helemaal niks, maar het is wel handig om daar rekening mee te houden,
omdat ze soms ook andere doelen of andere resultaten voor ogen hebben.
Dus dat is een tip die ze willen meegeven.
Een tweede tip, het klinkt als een open deur:
maak veel fouten en leer daarvan.
Ik zag het onder andere ook bij de casus van de gemeente Den Haag.
Je kunt echt alleen maar tot een goed AI-model komen
door gewoon heel veel te proberen.
Als je geen fouten of dingen bent tegengekomen die niet lukten,
dan kun je er ook wel vanuit gaan dat je nog niet het beste model hebt gevonden.
Dat kost even tijd.
Een andere, dit vind ik zelf een van de moeilijkste dingen van een AI-traject:
begin met een passende businesscase.
Ik zie bij heel veel pilots: je gaat aan de slag met de AI-experts.
Je wordt al vrij snel best enthousiast over wat er allemaal kan.
Maar dat wil natuurlijk nog niet zeggen
dat het dan ook wenselijk is en je het ook moet doen.
Dat je het op een andere manier moet doen.
Daarom is het belangrijk dat je van begin af aan
burgers of collega's die een bepaalde oplossing moeten gaan gebruiken,
dat je hen betrekt om dat steeds af te toetsen:
willen ze dat wel zo? Is het wel wenselijk?
Hier kun je niet vroeg genoeg mee beginnen.
Zorg dat je de juiste data hebt en schoon deze op.
Dat komt ook in de tweede handleiding aan bod.
Het kost gemiddeld 50-80% van je AI- project om de data op orde te krijgen.
Dus onderschat dat niet.
Besteed vervolgens ook aandacht aan de continuïteit,
maar ook aan het monitoren van je AI-model.
Als het nu bijvoorbeeld 95% betrouwbaar is,
hoe weet je dan of het dat volgend jaar nog steeds is?
De tweede handleiding hebben we geschreven met de gemeente Den Haag.
Zij waren een tijdje op weg. Ze hadden ook al een eerste AI-model gemaakt.
Ze hadden al allerlei data verzameld.
Maar vervolgens hadden ze de vraag: hoe kies je eigenlijk het juiste AI-model?
Voordat we daar verder naar kijken, luisteren we eerst even naar Nitesh.
Hij is onderzoeker bij de TU Delft en verbonden aan de Digicampus.
Hij zet in op waarom het zo belangrijk is dat je het juiste model kiest.
Veel AI-projecten in de publieke sector lopen vast.
Er zijn vaak meerdere redenen waarom projecten vastlopen.
Soms is er sprake van scope greed, dus te veel eisen.
Soms is de technologie nog te experimenteel
en niet volwassen genoeg voor toepassing in de publieke sector.
Bij AI-projecten spelen ook factoren
als onduidelijkheid over hoe de algoritmen werken
en mogelijke vooringenomenheid van algoritmen een belangrijke rol.
Door deze onduidelijkheid
krijg je een gebrek aan draagvlak en vertrouwen bij gebruikersgroepen.
Een recent voorbeeld hiervan
is de stopzetting van SyRI voor fraudebestrijding.
Steeds meer mensen begrijpen dat AI grote gevolgen gaat hebben in 't leven.
Als ze opeens op het achtuurjournaal zien dat de overheid AI gebruikt,
ontstaat er wantrouwen. Dan is er geen draagvlak voor de oplossing.
Om AI succesvol toe te passen in de publieke sector
moet je volledige transparantie bieden
en gebruikers vooraf betrekken in de ontwikkeling van AI-oplossingen.
Het bijkomend voordeel hiervan is dat gebruikers
zelf betekenis geven aan publieke waardes als privacy en controle.
Deze taak moeten we niet overlaten aan developers en bestuurders.
Bij Digicampus staan we nog aan het begin van onderzoek
naar de toepassing van AI in de publieke sector.
Hierbij werken we samen met de Data Science Initiative.
We hanteren een open experimentele leerstrategie.
Het eerste experiment met toepassing van machine learning
op open publieke data uit het onderwijsdomein loopt nog tot de zomer.
Waar we op letten, is dat alles open en transparant gebeurt.
We gebruiken open data,
open source tools voor het ontwikkelen van algoritmen.
Alle resultaten zijn online te downloaden. Op basis van feedback
van burgers, wetenschappers, data scientists en developers
gaan we onze werkwijze verfijnen en de volgende stappen bepalen.
Door deze agile benadering bouwen we stapsgewijs
aan meer capaciteit voor de toepassing van AI in de publieke sector.
Wat je in die publicatie kan vinden, in de tweede handleiding,
is een overzicht van welke modellen er zijn.
We hebben geprobeerd ze zo te omschrijven
dat je ook zonder al te veel technische achtergrond wel een idee krijgt:
wat kan dit type model? Waar is het geschikt voor?
Hoe moet je dan je data voorbereiden als je een bepaald model wil gebruiken?
Ik vond het leuke bij de gemeente Den Haag,
en je kunt in de publicatie ook lezen tot welke keuze ze gekomen zijn,
maar ik vond het interessant om te zien dat ze in eerste instantie begonnen met:
we moeten een heel transparant model hebben.
Maar dat ze erachter kwamen door een combinatie van technieken te kiezen,
dat ze het beste van beide werelden konden hebben,
namelijk én een transparant model én een kwalitatief goed model.
Ik hoop dat het overheidsorganisaties een vertrekpunt geeft.
Dat je een beeld krijgt in hoofdlijnen van: wat moet ik kiezen?
Wat is voor mij interessant? Er zijn allerlei linkjes opgenomen,
zodat je ook verder kunt zoeken als je een bepaalde keuze hebt gemaakt.
Ook in die handleiding hebben we natuurlijk aandacht voor het fundament.
Moet je data verzamelen en moet je data voorbewerken.
Bij de gemeente Den Haag kwamen we er ook achter:
alle data hadden anders voorbewerkt moeten worden bij nader inzien.
Dus dat gaan ze nu alsnog doen.
Dan kom je natuurlijk op het punt dat je je model kunt gaan trainen
als je de keuze hebt gemaakt. Je gaat testen en evalueren.
Het model weer beter maken.
Dat heb ik inmiddels ook wel bij alle pilots gezien,
het is een continu proces. Het kan altijd weer beter.
Ergens moet je natuurlijk ook een keuze maken in hoeveel verder je dan gaat.
De derde handleiding die ik wil uitlichten, is die van Rijkswaterstaat.
Zij wilden kijken: kun je satellietbeelden of luchtfoto's
gebruiken voor het inspecteren van de oevers van een rivier?
Dat begon natuurlijk met uitzoekwerk. Wat zie je op een satellietbeeld?
Hoeveel meer zie je dan op een luchtfoto?
Hoe kom je aan die satellietbeelden? Wat kost dat eigenlijk?
Om te voorkomen dat elke overheids- organisatie dat opnieuw moet uitzoeken,
hebben we ook die kennis samen met het Netherlands Space Office gebundeld
in deze handleiding.
Aan het begin van de handleiding staat ook een flowchart,
zodat je vrij snel naar het juiste hoofdstuk toe kunt.
Ik ben ondertussen heel benieuwd hoe het met mijn awesome publiek gaat.
Zijn er inmiddels vragen?
Jullie kunnen die intypen. Mocht je nog geen vragen hebben,
ik ben natuurlijk ontzettend benieuwd naar wie er nu kijken.
Misschien zouden mensen even een selfie willen maken.
Mijn nummer staat daar in beeld. Misschien kun je die dan aan me sturen.
Dan probeer ik daar achteraf een mooie compilatie van te maken.
Neem even een foto, app hem naar mij of stuur een berichtje.
Dan ben ik benieuwd wat ik straks binnenkrijg.

TECHNOMUZIEK START

Ik zie al... Ik hoop dat het lukt met de selfie.
Ik zal ondertussen twee vragen beantwoorden.
De eerste vraag is: is het kickstart- AI-programma alleen voor het ministerie
of ook bijvoorbeeld voor DJI?
Ja, absoluut, het is eigenlijk voor alle onderdelen,
maar ook bijvoorbeeld voor het OM, maar ook dus voor DJI.
Stuur vooral een mailtje als je daar meer informatie over wil.
De tweede vraag die ik hier binnenkrijg, is:
hoe betrek je in een data science- project de ervaringsexperts
die vast geen AI-kennis hebben, maar wel van de problematiek, goed mee?
Dat proberen we dus te doen... Want het is net zo goed andersom.
De AI-experts moeten ook goed leren begrijpen
hoe de domeinexperts denken en werken.
Dus dat is waarom we die twee sessies aan het begin hebben.
Eentje waarin de domeinexperts uitleggen
hoe hun werk eruitziet, hoe de processen lopen.
En een tweede waarin de AI-experts uitleggen wat hun ideeën zijn
of hoe hun werk eruitziet. Wat er wel of niet kan.
Gaande het proces merk je dat ze elkaar ook steeds beter beginnen te begrijpen.
Dat kost natuurlijk wel heel wat gesprekken.
Dat is ook onderdeel van zo'n pilottraject.
Dat je elkaars taal leert spreken. Dat is echt beide kanten op.
Een AI-start-up of een AI-expert aan een universiteit
moet net zo goed leren hoe processen binnen de overheid werken.
Dat is denk ik ook net de charme van zo'n pilottraject.
Dat je elkaars werelden ontdekt.
We gaan door naar twee concrete casussen.
We beginnen met de casus van Digicampus en Logius.
Zij onderzoeken: hoe komt de overheid er als databedrijf uit te zien?
Om die vraag te beantwoorden hebben ze gekeken
naar een casus waarbij ze SBR-data hebben gecombineerd met AI.
Hoe hun pilot eruitzag, kun je zien in deze animatie.
VOICE-OVER: Jettie bakt het lekkerste brood van de hele buurt.
Aan het einde van ieder kwartaal wordt haar administratie verzorgd
door een algoritme waardoor financiële rapportages
niet meer Jetties grootste zorg zijn.
Dat is waar we naartoe werken. Zero Effort Reporting.
Een maatschappij die wij met kunstmatige intelligentie ontzorgen.
En we zijn al goed op weg. Met Standard Business Reporting
zorgen we ervoor dat de administratieve last van Jettie wordt verlaagd
door meerdere rapportages aan te laten leveren vanuit één data-administratie.
Op nationaal niveau zorgt dit voor meer vertrouwen
in de financiën van het bedrijfsleven en de overheid
door toegenomen financiële transparantie.
Een belangrijke boost voor de Nederlandse economie.
Sinds 2000 heeft SBR veel digitale transformaties ondergaan.
Zo is SBR het exclusieve kanaal voor system-to-system-aanleveringen
naar de belastingdienst en Kamer van Koophandel,
gebruiken banken SBR voor 't ontvangen van kredietrapportages van bedrijven,
en kunnen intermediairs de vooraf ingevulde aangiften
voor de inkomstenbelasting via SBR ophalen namens klanten.
Maar we zijn er nog niet.
Jettie en haar accountant doen nog steeds veel handmatige berekeningen.
In de toekomst willen we naar Zero Effort Reporting,
het gebruik van kunstmatige intelligentie,
zelflerende algoritmes onder supervisie van de mens,
Zie dit als Jetties persoonlijke assistent.
Klopt er iets niet? Dan adviseert de assistent Jettie
om advies in te winnen bij haar accountant.
Maar er kan meer.
Voorspellingen over financiële situaties,
zodat Jettie van tevoren eventuele mindere perioden ziet aankomen
en advies kan vragen aan haar financieel adviseur,
gebaseerd op wijzigingen in de markt, rente,
of de mogelijkheden van subsidies passend bij haar bakkerij.
Bij Digicampus onderzoeken we de mogelijkheden
van nieuwe technologieën zoals AI voor overheidsdienstverlening.
We zoeken onze AI workbench.
Deel je ervaringen en experimenteer mee.
Zo werken we samen aan financiële transparantie,
een vertrouwensboost in de overheid het bedrijfsleven,
en een prettige situatie voor bakker Jettie.
Hij werd in de animatie al aangekondigd. Ze hebben ook een workbench gemaakt.
Een website waarop ze hun algoritme hebben geplaatst,
zodat je ook hun experiment zelf kunt herhalen.
Of nog beter: dat je zelf een experiment start met gestandaardiseerde gegevens
in combinatie met AI.
Die kun je dan vervolgens ook op deze workbench plaatsen.
De tweede casus heb ik al genoemd: de inspectie van de oevers van de Maas.
Zij hebben ook een animatie over hun project. Laten we daarnaar kijken.
VOICE-OVER: Rijkswaterstaat checkt regelmatig
of er oevererosie plaatsvindt langs de grote rivieren.
Dit moet goed geïnspecteerd worden,
zodat de scheepsvaart niet gehinderd wordt door te kleine doorgangen
en om objecten die langs de oevers staan veilig te stellen.
Ook is oevererosie vervelend voor landeigenaren aan de rivieroevers.
Zoals boer Harm.
Momenteel is dit een arbeidsintensief en handmatig proces.
Met het Data Science Initiative zoekt Rijkswaterstaat
naar de mogelijkheden om data en AI efficiënt in te kunnen zetten
zodat deze processen datagedreven en geautomatiseerd kunnen worden.
Zo wordt er onderzocht of met bestaande en toegankelijke databronnen
gekoppeld aan AI-modellen, de oevererosie sneller ontdekt kan worden.
Uit een eerste verkenning blijkt dat de afkalving van oevers
heel goed gedetecteerd kan worden met publiek beschikbare luchtbeelden.
Wel zijn er uitdagingen,
denk aan begroeiing en false positives door een veranderend waterpeil.
Er is in deze pilot voor gekozen
om ook de techniek remote sensing- based monitoring in te zetten.
Zo kunnen beelden worden gesegmenteerd
naar wateroppervlak, vegetatieoppervlak of kale bodem/strandoppervlak.
Met deze datagedreven methode kan Rijkswaterstaat
veel eerder ingrijpen waar nodig
en trends rondom het onderhoud in beeld brengen.
Aan de hand van de resultaten van deze eerste verkenning
gaat Rijkswaterstaat verder testen
of het mogelijk is om de monitoring van oevererosie eenvoudiger te maken
middels bestaande en toegankelijke databronnen.
Mogelijk kan deze data in de toekomst uitgebreid worden
met een voorspellend AI-model.
De mogelijkheden die data science en artificial intelligence
met zich meebrengen voor monitoring en management
zijn niet beperkt tot Rijkswaterstaat of boer Harm.
Heeft dit filmpje je geïnspireerd om zelf aan de slag te gaan?
Lees dan de handleiding. Aan de slag met AI binnen de overheid.
Maar alle ambtenaren die nu kijken, willen natuurlijk vooral weten:
wanneer krijg ik die assistent als hulp bij het beantwoorden van vragen?
Peter, laat het ons weten.
De komende maanden staan in het teken
van het daadwerkelijk implementeren van het experiment.
Dus we gaan de AI uitproberen.
We gaan het als volgt doen: we hebben een digitale assistent,
die moet de beleidsmedewerker gaan helpen
bij het beantwoorden van schriftelijke Kamervragen.
Dat gaan we de komende periode testen.
We hopen in september een evaluatie te kunnen uitvoeren
waarbij we hopen dat natuurlijk de uitkomsten positief zijn.
Dat we er gelukkig van worden, van het gebruik van AI.
Mocht dat niet het geval zijn, dan hebben we ook een heleboel geleerd.
Dan hebben we een wensenlijstje
wat er misschien nog aan verbeterd of veranderd kan worden.
Maar dat is ook het leuke. We zitten in de experimenteerfase.
Die ruimte hebben we dus ook nog om dat te gaan doen.
We doen het in groepjes van twee experimenten,
van twee keer 10 personen.
Daarmee is het ook beperkt en overzichtelijk.
Daarmee moeten we voldoende antwoorden kunnen krijgen,
maar ook voldoende input om de toekomst in te kunnen gaan
met de verdere doorontwikkeling.
Ik hoop dat jullie er nog steeds zo bij zitten.
We gaan even kijken of er nog vragen zijn.
Een vraag van Francis: Ik neem aan dat er vanuit de politie
ook mensen hieraan meewerken.
Ik denk dat hij doelt op het voorbeeld van het aanjaagteam ondermijning.
Dat klopt, daar werkt de politie aan mee.
Sterker nog, de politie is ook nauw betrokken bij de werkgroep veiligheid
binnen de AI Coalitie.
We gaan ook een tweede ronde starten. Ik kom daar zo eventjes op.
Die is speciaal gericht op het veiligheidsdomein.
In de publicatie kun je een artikel vinden
dat ook speciaal gaat over de kansen van AI voor het veiligheidsdomein.
Daar heeft ook de politie aan bijgedragen.
Een tweede vraag.
Zijn er naar jullie weten projecten binnen de rijksoverheid
om medewerkers om of bij te scholen op het gebied van AI?
Ja, absoluut. Er zijn...
RADIO zelf, ik laat dat voorbeeldje straks nog even zien,
heeft materiaal beschikbaar.
Maar ook binnen de Nationale AI Coalitie is er bijvoorbeeld AI in a Day.
Een cursus die je kunt volgen. En je hebt de Nationale AI-Cursus.
Een gratis online cursus om de basics van AI onder de knie te krijgen.
Dus mogelijkheden genoeg, denk ik.
Een laatste vraag.
Van Louise.
Aan een experiment of een pilot willen MT-leden best meewerken,
maar implementatie raakt de primaire processen en vraagt echt verandering,
en dan ontstaat weerstand. Hoe verhelp je dat?
Ja, heel herkenbaar.
Alleen, dat is iets wat je al mee moet nemen in je pilottraject.
Hoe verder? Dat ten eerste.
Maar het doel van de pilots is dus ook niet per se
dat je al die dingen gaat implementeren. Het doel is eerst om te leren.
Maar ontstaat er een heel goede businesscase,
zoals de inspectie van de oevers van de Maas,
ja, dat zie ik bijvoorbeeld bij Rijkswaterstaat,
dan ontstaat er ook wel een breder draagvlak om daarmee verder te gaan.
Maar dit is ook typisch iets waar je misschien hulp bij kunt gebruiken.
Ik zal zo meteen nog een paar tips geven van onderdelen binnen de overheid
die je daar mogelijk bij kunnen helpen.
Dan gaan we door. Hoe nu verder?
Nou, we gaan een tweede ronde starten.
Het idee is om enerzijds een ronde voor het veiligheidsdomein te organiseren
en aan de andere kant een groep, vergelijkbaar met nu,
met diverse thema's.
Mocht je nou denken: daar wil ik ook aan meedoen,
laat het me dan weten. Dan stuur ik je in de komende dagen meer informatie.
Maar de pilots smaken ook naar meer. Daarom hebben de gemeente Den Haag,
de AI Coalitie en YES!Delft het initiatief genomen
om ook een GovTech Accelerator op te tuigen.
We zullen daar het pilotprogramma uiteindelijk ook in onderbrengen.
GovTech Accelerator is meer.
Het zal een programma zijn waarbij aan de ene kant start-ups gevraagd worden
om met oplossingen te komen voor de publieke sector, een soort pushmodel.
Aan de andere kant wordt overheden gevraagd om challenges in te dienen
waarvoor zij graag een oplossing willen hebben.
Dat brengen we dan samen in een community rondom GovTech.
Dat gaan we de komende tijd uitwerken.
Ik zal jullie daar uiteraard ook van op de hoogte houden.
Nou, je telt tegenwoordig niet echt meer mee als je geen eigen podcast hebt.
Daarom starten we ook een podcast over de toekomst van Nederland.
De eerste serie zal gaan ook over het gebruik van AI binnen de overheid.
Michel van Leeuwen, directeur AI Justitie, is onze eerste gast.
Deze nemen we begin juni op.
Mocht je zelf nog suggesties hebben van: die moet je echt spreken,
laat het me weten, dan ga ik erachteraan.
Pilots zijn natuurlijk niet de enige manier om met AI aan de slag te gaan.
Er zijn meerdere wegen naar Rome.
Je kunt daarom ook een aantal mooie initiatieven in de publicatie vinden.
Een aantal daarvan wil ik nu even kort uitlichten.
Allereerst is daar de Rijksbrede Innovatie Community, het RIC.
Daar kun je als rijksambtenaar lid van worden.
Daar kun je ook allerlei inspiratie over AI vinden
of kennisuitwisseling rondom AI.
Dus ben je een rijksambtenaar, word dan vooral lid.
Verder heeft Abram Klop binnen I-Interim Rijk
een heel mooi netwerk gemaakt van interimmers die momenteel
aan data science of AI-projecten werken.
Dus daar is ook al een schat aan informatie.
Dit is ook meteen mijn tip als je in de implementatiefase komt.
Ga dan ook eens kijken binnen I-Interim Rijk
of daar mensen rondlopen die jou verder kunnen helpen
op basis van de expertise die ze al hebben.
I-Interim Rijk heeft natuurlijk ook een heel mooi traineeprogramma.
Ik ben zelf vooral fan van de datatrainees en cybertrainees.
Die kun je natuurlijk ook vragen om je te helpen bij een pilot
of bij andere activiteiten op het gebied van data science en AI.
Daar lopen echt heel leuke pareltjes rond.
Dus scout ze vooral.
Dan heeft Betty Feenstra...
Voor mensen die wat luiig zijn, zoals ik, is het ideaal dat Betty elke maand
al het AI-nieuws binnen en buiten de overheid verzamelt.
Dat krijg je dan eens per maand in je mailbox.
Betty zat bij Binnenlandse Zaken
en heeft net een nieuwe baan bij de gemeente Amsterdam.
Maar ze blijft gelukkig de nieuwsbrief verzorgen
en in de publicatie vind je ook een link
waar je je kunt inschrijven voor die nieuwsbrief.
Dan natuurlijk RADIO zelf.
Wil je meer leren over AI, kijk dan ook echt even op hun website.
Daar staat een zelfscan, allemaal podcasts, online cursusmateriaal.
Daar is echt van alles te vinden om je te scholen
op het gebied van AI en andere technologieën.
En voor alle ABD'ers die kijken...
Irma Walraven organiseert dit jaar de ABD-app over data, innovatie en ICT.
Ik heb het programma gezien.
Het is echt een heel mooi programma dat vlak na de zomer van start gaat.
Als je daaraan meedoet, zul je mij ook weer een avond treffen.
Dan kunnen we misschien echt de discussie aan.
Nou, dan naderen we bijna het einde van dit webinar.
Ik heb eerder al gezegd: de publicaties krijgen jullie allemaal per mail.
Koen en Désirée zullen zo ook de link via de chat delen
zodat je alles kunt downloaden.
Ik wil eerst ook de gemeente Den Haag nog heel erg bedanken.
Danny, Frans, ik weet dat jullie kijken.
Bedankt voor alle support en dat jullie dit mogelijk hebben gemaakt.
Ik wil jullie bedanken voor het kijken. Ik wens jullie heel veel leesplezier.
Ik hoop dat jullie er wat aan hebben.
Voor alle mensen die aan het begin al aangaven:
nou, het is wel eens beter met me gegaan...
Voor jou zijn speciaal deze ballonnen.

MUZIEK: 99 LUFTBALLONS - NENA

Verder is hier de documentatie te vinden:
https://datascienceinitiative.eu/projects/ai-overheid/

Rapporten en initiatieven, die zijn genoemd tijdens het webinar:
Website Nationale AI Coalitie
AI Songfestival
Workbench Digicampus
Rapport: Verantwoord datadelen voor AI