Het afgelopen decennium is gekenmerkt door een ongekende technologische versnelling. Wat begon als een hulpmiddel voor het automatiseren van routinematige processen, is uitgegroeid tot een motor van creatie die onze perceptie van technologie op de proef stelt. Kunstmatige intelligentie (AI) is tegenwoordig geen belofte voor de toekomst meer, noch een concept dat beperkt is tot onderzoekslaboratoria of grote bedrijven in Silicon Valley. Het is een tastbare realiteit, aanwezig in ons dagelijks leven en, in steeds grotere mate, in de transformatiestrategieën van publieke en private organisaties.
Onder de algemene noemer 'kunstmatige intelligentie' bestaan echter verschillende paradigma's die vaak door elkaar worden gehaald. De baanbrekende komst van modellen zoals ChatGPT heeft generatieve AI centraal gesteld in alle discussies, maar we mogen traditionele of voorspellende AI niet vergeten, die al jarenlang cruciale infrastructuren van onze samenleving ondersteunt. Voor overheidsinstanties is het begrijpen van het onderscheid tussen de twee niet alleen een academische kwestie; het is een strategische noodzaak om te bepalen welk instrument voor elke uitdaging moet worden ingezet om de dienstverlening aan burgers te verbeteren.
Wat is traditionele AI: de waarde van nauwkeurigheid en historische gegevens?
Traditionele AI, vaak voorspellende of discriminerende AI genoemd, is de technologie die ons de afgelopen jaren het meest consistent heeft vergezeld. De werking ervan is gebaseerd op de analyse van grote hoeveelheden historische data met een duidelijk doel: patronen identificeren, informatie classificeren of voorspellingen doen over toekomstig gedrag.
Deze technologie "creëert" niets nieuws. De waarde ervan ligt in de analytische mogelijkheden en de op bewijs gebaseerde besluitvorming. Wanneer een traditioneel AI-systeem data ontvangt, gebruikt het statistische regels en machine learning-algoritmen om een waarschijnlijkheid of categorie te bepalen. Het is in wezen een optimalisatie- en classificatietool.
In het bedrijfsleven zien we overal voorbeelden van traditionele AI. De aanbevelingssystemen van platforms zoals Spotify of Netflix zijn het bekendste voorbeeld: ze analyseren wat je eerder hebt beluisterd of bekeken om met verrassende nauwkeurigheid de volgende content voor te stellen. In de logistiek en energiesector gebruiken bedrijven zoals Walmart of Red Eléctrica de España AI om de vraag te voorspellen op basis van weersomstandigheden of lokale gebeurtenissen, zodat het aanbod aansluit op de realiteit. Zelfs in de cybersecurity detecteren de systemen van Visa en Mastercard fraude in realtime door transacties te identificeren die afwijken van het gebruikelijke patroon van een gebruiker.
Deze betrouwbaarheid maakt traditionele AI onvervangbaar in kritieke omgevingen waar nauwkeurigheid van essentieel belang is voor de veiligheid, zoals bij medische diagnoses op basis van beelden of het beheer van elektriciteitsnetwerken.
Generatieve AI: de sprong naar de synthese van nieuwe content
Waar traditionele AI de wereld analyseert, lijkt generatieve AI deze te willen beschrijven, tekenen of programmeren. Deze modaliteit heeft de afgelopen tijd een enorme media- en technologische explosie doorgemaakt dankzij haar vermogen om originele content te produceren – of het nu tekst, afbeeldingen, muziek, video of computercode is – op basis van eenvoudige verzoeken in natuurlijke taal.
Het is echter noodzakelijk om het concept 'creativiteit' in generatieve AI te ontmystificeren. In tegenstelling tot het menselijk brein hebben deze modellen geen vonken van inspiratie of bewustzijn. Het zijn extreem geavanceerde statistische modellen die getraind zijn op enorme hoeveelheden bestaande informatie. Wat ze doen, is de waarschijnlijkheidsverdeling leren van de elementen waaruit een dataset bestaat (bijvoorbeeld welk woord meestal op een ander volgt in een bepaalde context) om resultaten te genereren die menselijk en plausibel lijken.
De toepassing van deze technologie is revolutionair. Op het gebied van tekstverwerking kunnen chatbots op basis van taalmodellen (LLM) complexe rapporten schrijven, uitgebreide documenten samenvatten of fungeren als veel geavanceerdere virtuele assistenten dan traditionele assistenten. In de ontwerpwereld creëren tools zoals DALL·E of Midjourney illustraties op basis van tekstuele beschrijvingen, en in de technische sector zorgen tools zoals GitHub Copilot voor een revolutie in programmeren door codefragmenten voor te stellen en fouten autonoom te corrigeren.
Volgens toonaangevende adviesbureaus zoals Gartner heeft generatieve AI het potentieel om een aanzienlijk rendement op investering (ROI) op te leveren, maar ze waarschuwen dat het succes ervan afhangt van een robuust bestuur. In tegenstelling tot traditionele AI brengt generatieve AI risico's met zich mee die complexer zijn om te beheersen, zoals algoritmische vooroordelen (het reproduceren van vooroordelen die aanwezig zijn in trainingsdata), zogenaamde "hallucinaties" (het genereren van valse informatie die de schijn van waarheid wekt) en open discussies over privacy en auteursrecht.
Fundamentele verschillen: hoe kies je de juiste technologie?
Voor elke manager in de publieke sector of manager digitale transformatie is het essentieel om te weten wanneer welk type AI ingezet moet worden. Het gaat er niet om de meest moderne variant te kiezen, maar om de variant die het meest geschikt is voor het beoogde doel.
Traditionele AI is de beste optie wanneer het doel voorspelling en optimalisatie is. Als een overheid de werkdruk van een klantenservice voor de komende maand wil voorspellen, of risicopatronen in de volksgezondheid wil identificeren, heeft ze de nauwkeurigheid van historische gegevens nodig. Het is ook ideaal voor het opsporen van afwijkingen, zoals mogelijke fouten in de verwerking van bestanden of ongeautoriseerde toegang tot kritieke systemen.
Generatieve AI is daarentegen het ideale instrument wanneer we iets moeten creëren, synthetiseren of personaliseren. Het is ongeëvenaard in het snel ontwikkelen van prototypes, het genereren van educatieve content aangepast aan verschillende niveaus of het vereenvoudigen van administratieve taal om deze begrijpelijker te maken voor de burger.
Een opkomende trend die door Gartner wordt benadrukt, is wat bekend staat als "Composite AI". Deze strategie kiest niet voor het ene of het andere model, maar integreert verschillende modellen om complexe problemen op te lossen. Zo zou traditionele AI bijvoorbeeld energieverbruiksgegevens van een openbaar gebouw kunnen analyseren en, zodra een inefficiëntie wordt gedetecteerd, zou generatieve AI automatisch een gepersonaliseerd aanbevelingsrapport voor de beheerders van dat gebouw kunnen opstellen.
De impact op de publieke sector: de AOC-ervaring
Binnen de Open Administratie van Catalonië (AOC) is kunstmatige intelligentie geen experiment meer, maar een realiteit die wordt geïntegreerd in de dagelijkse werking van onze oplossingen. De publieke sector heeft een extra verantwoordelijkheid: ervoor zorgen dat deze technologieën worden gebruikt om maatschappelijke waarde te creëren, met respect voor de fundamentele rechten van de burgers.
Op het gebied van traditionele AI onderzoeken de AOC en andere overheidsinstanties al geautomatiseerde besluitvormingssystemen om procedures te stroomlijnen die voorheen wekenlange handmatige beoordeling vereisten. Werkbelastingvoorspellingen maken een betere planning van personeel mogelijk, waardoor wordt voorkomen dat diensten overbelast raken tijdens piekuren.
Wat betreft generatieve AI is het potentieel enorm. Er worden chatbots voor burgerdiensten ontwikkeld die niet alleen voorgeprogrammeerde antwoorden geven, maar ook in staat zijn de intentie van de gebruiker te begrijpen, hen door een procedure te leiden en complexe procedures te vereenvoudigen. Recente Europese studies wijzen erop dat de implementatie van deze tools miljoenen uren per jaar kan besparen voor ambtenaren, waardoor zij zich kunnen richten op taken met meer toegevoegde waarde en directe aandacht, terwijl AI de meest omslachtige bureaucratie afhandelt. Naar schatting kan de productiviteit binnen de gehele overheid met wel 9% verbeteren.
De weg ernaartoe is echter niet zonder uitdagingen. Overheden worden geconfronteerd met datafragmentatie (gegevens die zich in verschillende organisaties bevinden en vaak niet met elkaar worden gedeeld) en de noodzaak om strikt te voldoen aan de Algemene Verordening Gegevensbescherming (AVG) en de LOPDGDD. Daarnaast bestaat er een wettelijke en democratische plicht om transparència Algoritmisch: de burger heeft het recht te weten wanneer hij of zij interactie heeft met een AI en welke criteria zijn gevolgd bij het nemen van een beslissing die hem of haar raakt.
Op weg naar ethisch en verantwoord bestuur.
Wil de AI-revolutie echt voordelen opleveren, dan is het nodig om verder te gaan dan alleen de technische implementatie. De AOC zet zich in voor een strategie gebaseerd op vier fundamentele pijlers:
- Bestuur en ethiek: Stel duidelijke regelgevende en procedurele kaders vast. We kunnen niet toestaan dat technologie zich ontwikkelt zonder menselijke controle die eerlijkheid waarborgt en vooringenomenheid voorkomt.
- Opleiding: Technologie is op zichzelf noch goed noch slecht; de impact ervan hangt af van hoe mensen haar gebruiken, ontwerpen en beheren. Daarom is het essentieel om overheidspersoneel niet alleen te trainen in het gebruik van tools, maar ook in cruciale digitale vaardigheden zoals... snelle techniek (de kunst om de juiste vragen aan AI te stellen) en in de kritische interpretatie van de resultaten.
- Geleidelijke strategie: De beste aanpak is om te beginnen met concrete, gecontroleerde gebruiksscenario's, te leren van fouten en succesvolle oplossingen op te schalen met behulp van samengestelde AI.
- Prioriteit voor maatschappelijke waarde: De vraag zou niet moeten zijn: "Wat kan AI doen?", maar: "Hoe kan AI ons helpen betere diensten te leveren, ongelijkheden te verminderen en de rechten van burgers te waarborgen?".
Conclusie: Een gedeelde toekomst
Kortom, traditionele AI en generatieve AI zijn geen concurrenten in een technologische race; het zijn twee complementaire instrumenten in dezelfde transformatiebox. De eerste biedt ons de stabiliteit, precisie en het geheugen van data, terwijl de laatste ons de veelzijdigheid, synthese en meer natuurlijke interacties biedt – zoals spraak of alledaagse geschreven taal – die de menselijke relatie met complexiteit vergemakkelijken.
Bij de AOC is de missie duidelijk: het beste van twee werelden benutten om een wendbaardere, intelligentere en vooral op de behoeften van de mensen gerichte overheid te creëren. Digitale transformatie is geen optie meer, maar de weg naar de duurzaamheid en kwaliteit van de publieke dienstverlening in de 21e eeuw.
