AI in de bijstand: algoritme als hand op de knip of bondgenoot voor transparantie?

Maar het experiment werd stilgelegd. Waarom? Omdat transparantie, uitlegbaarheid en datakwaliteit op dit moment nog niet op orde waren. En daarmee staat de vraag open: kan AI wél helpen bij het bewaken van de uitgaande geldstromen in het sociaal domein?

Zeker. Maar dan moet het niet het nieuwe toeslagenspook worden. AI heeft potentieel, maar dan als assistent met gezond verstand, niet als kille robot met een Excel-fetisj.

Waarom zouden gemeenten AI inzetten?

De geldstromen in de Participatiewet zijn fors. Gemeenten keren jaarlijks miljarden uit aan bijstand, bijzondere bijstand, schulddienstverlening en re-integratie. Daarbij geldt:

• Rechtmatigheid is cruciaal: het geld moet terechtkomen waar het hoort.
• Verantwoording naar Rijk en raad is streng.
• Capaciteit bij handhaving en control is schaars.

En dus is er een logische vraag: kan AI helpen om signalen eerder op te pikken, fouten sneller te vinden en eerlijkheid te bevorderen?

Wat voor AI dan?

Niet alles wat met data werkt is “AI”. Maar er zijn wél concrete vormen van kunstmatige intelligentie die gemeenten kunnen inzetten — mits goed geborgd:

Anomaliedetectie op uitkeringsbedragen

Spoor afwijkingen op in uitkeringspatronen:

• Ongebruikelijke stijging in bijzondere bijstand
• Dubbele of te frequente betalingen
• Herhaalde betalingen aan hetzelfde IBAN vanaf verschillende dossiers

2. Natuurlijk taalverwerking (NLP)

Analyseer bezwaarbrieven, klachten of klantcontact:

• Opvallende herhaling van klachten over een bepaald proces
• Escalaties in communicatie kunnen trends blootleggen

3. Process mining op het uitkeringsproces

Laat AI (process mining) reconstrueren hoe besluiten echt tot stand komen:

• Verschillen tussen beleid en praktijk
• Langlopende dossiers of dossiers met veel uitzonderingen

4. Voorspellende modellen voor rechtmatigheidsrisico’s

Niet om automatisch te beslissen, maar om capaciteit gericht in te zetten:

• Welke dossiers hebben kenmerken van verhoogd risico (bijv. vaak mutaties)?
• Welke processen vertonen herhaaldelijke afwijkingen?

5. AI-ondersteunde interne controle

Automatische steekproefselectie gebaseerd op risico in plaats van toeval:

• Slimmere inzet van schaarse auditcapaciteit
• Integratie met platforms zoals Key2Control

Kansen ≠ blind vertrouwen

AI inzetten in het sociaal domein is géén kwestie van “aanzetten en gaan”. Er zijn terechte zorgen:

• Transparantie: hoe is het algoritme opgebouwd? Kun je het uitleggen aan inwoners, gemeenteraad en de krant?
• Uitlegbaarheid: als iemand bezwaar maakt, moet de gemeente snappen en onderbouwen waarom er een signaal kwam.
• Datakwaliteit: AI die op foute of bevooroordeelde data leert, leidt onherroepelijk tot oneerlijke uitkomsten.

AI is geen wondermiddel, maar ook geen vijand. Het gaat om verantwoord inzetten: toetsen, toelichten en altijd menselijk toezicht behouden.

Hoe je als gemeente verantwoord begint

Wil je als gemeente slim starten met AI in het sociaal domein? Dan geldt:

• Begin klein en transparant (bijv. signalering, niet automatisch ingrijpen)
• Gebruik AI als ondersteuning, nooit als beslisser
• Combineer inzet met bestaande interne beheersing (AO/IC, horizontaal toezicht)
• Publiceer welke algoritmes je gebruikt en toets deze op effecten

Conclusie: AI als assistent, niet als eindverantwoordelijke

AI kan absoluut bijdragen aan een eerlijker, efficiënter en transparanter systeem voor bijstandsverlening. Maar dan niet als vervanger van de menselijke maat, maar als bondgenoot in het verbeteren van interne beheersing.

De uitdaging is om niet achter de hype aan te rennen, maar slimme technologie verantwoord in te zetten. Zodat AI niet de hand op de knip wordt, maar juist een kompas voor rechtmatigheid.

Top 5 AI-toepassingen voor gemeenten in de bijstand

Pieter de Kok RA

Partner bij Coney Minds