De Scan-auto heeft altijd gelijk, totdat je bezwaar maakt
Er zijn van die momenten waarop technologie ineens heel tastbaar wordt, niet als een abstract verhaal over innovatie of efficiëntie, maar gewoon op straat, in de vorm van een parkeerboete die zonder discussie lijkt vast te staan. Je hebt niet betaald, zo luidt de conclusie, en die conclusie komt niet van een mens die een situatie heeft beoordeeld, maar van een systeem dat langsreed, een kenteken registreerde en op basis van een paar datapunten een oordeel velde dat geen ruimte lijkt te laten voor nuance.
Het voelt daardoor anders dan een boete van een handhaver, omdat er geen gesprek mogelijk is en geen interpretatie zichtbaar wordt gemaakt, maar alleen een uitkomst die zich presenteert als feit.
Efficiënt, schaalbaar en ogenschijnlijk objectief, en precies daarom zo overtuigend dat je bijna automatisch aanneemt dat het wel moet kloppen.
En toch blijkt dat vaak niet zo te zijn.
Wat de scanauto ziet (en vooral wat niet)
De kracht van de scanauto zit in de eenvoud van het model, omdat het proces bestaat uit het vastleggen van een kenteken, het koppelen daarvan aan een tijdstip en een locatie, en het vergelijken van die combinatie met een database waarin parkeerrechten zijn geregistreerd.
Binnen die logica is de wereld overzichtelijk, want er is betaald of er is niet betaald, en daarmee lijkt de conclusie vanzelfsprekend.
Alleen is de werkelijkheid zelden zo overzichtelijk als het model dat haar probeert te beschrijven.
De bestuurder die net uitstapt en zijn parkeerapp opent, valt buiten de timing die het systeem hanteert. De ondernemer die staat te laden en lossen wordt teruggebracht tot een stilstaand voertuig zonder context. De houder van een invalidenkaart achter de voorruit bestaat niet zolang die kaart niet digitaal gekoppeld is aan het kenteken. Het systeem registreert wat het kan zien, maar alles wat buiten die beperkte waarneming valt, verdwijnt uit beeld.
De scanauto kijkt, maar begrijpt niets van wat er gebeurt.
De illusie van objectiviteit
Wat deze situatie interessant maakt, is niet dat er fouten worden gemaakt, maar dat de uitkomst van het systeem een status krijgt die verder gaat dan die van een gewone inschatting.
Een boete die voortkomt uit een scanauto voelt als een objectieve waarheid, alsof de afwezigheid van een mens automatisch betekent dat de conclusie zuiverder is en minder vatbaar voor discussie.
Maar die ogenschijnlijke objectiviteit is gebouwd op een zeer beperkte selectie van de werkelijkheid.
Data is nooit een volledige weergave van wat er gebeurt, maar altijd een keuze in wat wel en niet wordt vastgelegd, en in dit geval is die keuze extreem smal omdat alleen kenteken, tijd en locatie worden meegenomen.
Alles wat daarbuiten valt, intentie, context, uitzonderingen, bestaat simpelweg niet binnen het systeem en kan dus ook niet meewegen in de uitkomst.
Wat resteert, is geen objectieve waarheid, maar een consistente uitkomst binnen een beperkt kader.
De stille correctie achteraf
Gemeenten zijn zich daarvan bewust en hebben daarom een tweede laag ingebouwd waarin mensen alsnog naar de situatie kijken, meestal pas nadat iemand bezwaar heeft gemaakt en de context opnieuw onder de aandacht brengt. Foto’s worden opnieuw bekeken, verklaringen worden meegewogen en in een aanzienlijk aantal gevallen wordt de oorspronkelijke boete ingetrokken.
Dat betekent dat het systeem in eerste instantie te kort door de bocht was, maar dat die correctie pas plaatsvindt nadat iemand de moeite heeft genomen om het proces in gang te zetten.
De volgorde is daarmee opvallend: eerst beslist de machine, daarna wordt door een mens beoordeeld of die beslissing klopt. Niet omdat dat inhoudelijk de beste aanpak is, maar omdat het efficiënt is en schaalbaar blijft, zelfs als een deel van de beslissingen achteraf moet worden teruggedraaid.
Efficiëntie eerst, nuance daarna.
Wat dit zegt over hoe we systemen gebruiken
De scanauto laat zien hoe we omgaan met systemen die snel en op grote schaal beslissingen kunnen produceren, omdat we geneigd zijn om die uitkomsten als uitgangspunt te nemen en pas bij twijfel terug te gaan naar de werkelijkheid die eraan ten grondslag ligt.
Dat werkt zolang de foutmarge acceptabel is en de mogelijkheid tot correctie bestaat, maar het creëert ook een situatie waarin de eerste interpretatie van het systeem zwaarder weegt dan de context waarin die interpretatie is ontstaan.
Daarmee verschuift de manier waarop we naar de werkelijkheid kijken, omdat wat niet in de data zit, ook niet in de eerste beoordeling wordt meegenomen, en pas later, als iemand zich verzet tegen de uitkomst, weer zichtbaar wordt.
Efficiëntie is geen begrip
De aantrekkingskracht van dit soort systemen is logisch, omdat ze snelheid en schaal bieden die met mensen alleen niet haalbaar zijn, en daarmee een gevoel van controle creëren in situaties die anders lastig te overzien zijn. Maar die efficiëntie heeft een grens die niet in de technologie zelf zit, maar in wat er wordt vastgelegd en wat buiten beeld blijft.
Hoe beter we worden in het verwerken van data, hoe groter het risico dat we vergeten dat data slechts een afgeleide is van de werkelijkheid en nooit die werkelijkheid zelf.
En precies daar ligt het verschil tussen registreren en begrijpen.
De ongemakkelijke conclusie
De scanauto is niet het probleem, maar een logisch gevolg van hoe we technologie inzetten om grip te krijgen op een complexe werkelijkheid. Het probleem ontstaat pas op het moment dat we de uitkomst van dat systeem behandelen als waarheid, zonder stil te staan bij wat er niet is meegenomen in de berekening.
We bouwen systemen die sneller zijn dan mensen en laten die systemen eerst beslissen, om vervolgens achteraf te corrigeren waar dat nodig blijkt te zijn. Dat is efficiënt, maar het vraagt ook iets van ons, namelijk het besef dat de eerste uitkomst niet hetzelfde is als de juiste uitkomst.
De werkelijkheid past niet in een dataset.
En zolang dat zo is, blijft er altijd iets bestaan wat buiten het bereik van een systeem ligt.
Niet wat er wordt gemeten, maar wat er werkelijk gebeurt.