Stop met dezelfde AI-fundering opnieuw te gieten: De winst voor de overheid zit in herbruikbare bouwstenen

Toch gebeurt in de praktijk nog te vaak het omgekeerde. Een team bouwt iets waardevols op, terwijl elders een ander team met een gelijkaardige nood opnieuw bijna van nul begint. Dat is geen uitzondering, maar een patroon. En precies daar ligt vandaag de echte uitdaging. De vraag is niet langer of AI werkt binnen de overheid. Die vraag is intussen al lang beantwoord. De vraag is hoe we ervoor zorgen dat een succes in één agentschap niet geïsoleerd blijft, maar een voorsprong wordt voor het volgende. Niet telkens dezelfde fundering opnieuw gieten, maar bewust voortbouwen op elkaars successen via herbruikbare bouwstenen die sneller, veiliger en consistenter inzetbaar zijn over entiteiten heen.

Wat is het probleem van losse AI-successen?

De huidige situatie lijkt in veel opzichten op een archipel. Op elk eiland staat een waardevol initiatief: een slimme toepassing, een sterk model, een team dat ervaring heeft opgebouwd en weet wat werkt. Dat zijn echte successen. Maar zolang die successen los van elkaar blijven bestaan, blijft ook hun impact beperkt.

Wat los blijft, kost telkens opnieuw:

• Dubbel leergeld: wat het ene team met veel moeite leert, moet het volgende team vaak opnieuw ontdekken.
• Versnipperde keuzes: teams maken eigen keuzes in tooling, aanpak en architectuur, waardoor samenhang ontbreekt.
• Ongelijke governance en security: wat in de ene context goed geregeld is, blijft elders nog onduidelijk of onvolledig. De weerbaarheid van het geheel wordt zo meebepaald door de zwakste schakel.
• Te specifieke oplossingen: toepassingen werken binnen één dossier of entiteit, maar zijn niet opgezet om vlot hergebruikt of opgeschaald te worden.

Dat is de kern van het probleem. Niet dat er te weinig goede initiatieven zijn, maar dat te veel van die initiatieven naast elkaar blijven bestaan zonder door te groeien tot gedeelde bouwstenen. En precies daardoor verliest de overheid tijd, samenhang en schaal.

Hoe gaan we van losse use case naar herbruikbare bouwsteen?

Hier ligt het echte kantelpunt. De strategische waarde van AI zit niet alleen in een afzonderlijke toepassing, maar in de capability eronder: een patroon dat je meerdere keren kunt inzetten, in verschillende contexten en voor verschillende diensten.

Veel toepassingen lijken op het eerste gezicht sterk op maat van één agentschap of dossier. Maar onder de oppervlakte komen vaak dezelfde mechanismen terug. Denk aan het matchen van entiteiten, het extraheren van voorwaarden uit lange documenten, het detecteren van afwijkingen of het herkennen van relevante signalen in grote hoeveelheden tekst. De context verschilt, maar de onderliggende capability is vaak dezelfde. Net daar ontstaat de kans op hergebruik.

Dat betekent ook dat we niet moeten wachten tot één centraal orgaan elke bouwsteen vooraf heeft uitgetekend of zelf heeft gebouwd. De kracht zit er net in dat entiteiten vanuit hun eigen noden concrete use cases kunnen realiseren, en dat we die vervolgens zo opzetten dat andere entiteiten ze veilig en efficiënt kunnen hergebruiken. Lokale initiatiefkracht en gedeelde opschaling moeten elkaar hier versterken.

Een goed voorbeeld daarvan is de datakwaliteit-toolbox voor Basisregisters. Die is vertrokken vanuit een concrete nood: het detecteren en oplossen van duplicaten en inconsistenties in registers, maar werd bewust opgezet als een herbruikbare toolbox in plaats van een eenmalige oplossing voor één register. De onderliggende capabilities, zoals koppelen, ontdubbelen en valideren van gegevens, zijn immers ook in andere contexten relevant. Vanuit diezelfde logica hebben we de toolbox verder uitgebreid met een matcher die gebouweenheden verrijkt met eigendomsinformatie. Ook daar zie je hetzelfde patroon terug: een concrete use case levert directe waarde op, maar tegelijk ontstaat een bouwsteen die breder inzetbaar wordt.

Hetzelfde principe geldt voor andere AI-capabilities, zoals het anonimiseren van persoonsgegevens, spraak-naar-tekst of documentuitlezing. De AI is daarbij de onderliggende technologie, maar de echte bouwsteen die je deelt, is de betrouwbare dienst errond: met beveiliging, logging, kwaliteitscontrole en duidelijke afspraken over gebruik.

Als de overheid zulke bouwstenen bewust organiseert, stijgt de snelheid van elke volgende use case bijna vanzelf. Teams kunnen dan voortbouwen op wat al werkt, in plaats van telkens opnieuw dezelfde fundering te leggen. Dat levert niet alleen efficiëntiewinst op. Het verlaagt ook de foutenmarge, beperkt herstelwerk en zorgt ervoor dat burgers en ondernemingen sneller en consistenter geholpen worden. En precies daar moet de waarde van AI uiteindelijk zichtbaar worden.

Overheid als platform: een gedeelde sokkel om op te bouwen

Het positieve is dat de overheid die beweging vandaag al zelf op gang brengt. Met GovOS, het Government Operating System, worden digitale bouwstenen samengebracht tot een gedeeld platformfundament, in plaats van telkens nieuwe, losstaande oplossingen naast elkaar te zetten. Dat is een belangrijke stap: niet elk agentschap hoeft nog zelf vanaf nul te beginnen om veilig, digitaal en toekomstgericht te kunnen werken.

GovOS is daarbij uitdrukkelijk geen allesomvattend systeem dat lokaal initiatief wegdrukt. Het is een samenhangende set van bouwstenen, standaarden en afspraken, waarin ook AI een volwaardige plaats krijgt naast infrastructuur, veiligheid, integratie, data, dossieropbouw en loketwerking. Zo ontstaat een gedeelde sokkel waarop verschillende entiteiten kunnen voortbouwen, met ruimte voor hun eigen context en prioriteiten. Wie daar dieper op wil ingaan, vindt dezelfde logica ook terug in onze blog De Platform Paradox.

De onderliggende keuze is eenvoudig en verstandig: organiseer centraal wat duur, complex of risicovol is om telkens apart op te bouwen, en laat lokaal wat dicht bij de werking en de gebruiker moet blijven. Centraal horen zaken zoals security, standaarden en het platformfundament. Lokaal blijven proceskennis, adoptie en de uitzonderingen die eigen zijn aan elk beleidsdomein of agentschap.

Die aanpak vermijdt twee klassieke valkuilen tegelijk. Enerzijds de versnippering waarbij iedereen zijn eigen oplossing bouwt, met hoge kosten en beperkte herbruikbaarheid als gevolg. Anderzijds een te zwaar centraal model dat wel uniformiteit belooft, maar in de praktijk vernieuwing vertraagt. Een gedeelde sokkel maakt net het midden mogelijk: voldoende samenhang om schaal te creëren, en voldoende ruimte om lokaal relevant te blijven.

Vertrouwen vooraf: betrouwbare AI met de mens centraal

Bij de inzet van AI mag één principe nooit op de achtergrond raken: de mens blijft centraal. Burgers moeten erop kunnen vertrouwen dat de overheid AI veilig, proportioneel en zorgvuldig gebruikt. Medewerkers moeten begrijpen waarom een systeem tot een voorstel komt, en de ruimte hebben om bij te sturen of in te grijpen wanneer de impact op burgers, dossiers of beslissingen groot is.

Vertrouwen is daarbij geen sluitstuk, maar een randvoorwaarde vanaf het begin. Zonder vertrouwen stokt de adoptie. En zonder adoptie blijft zelfs de beste technologie beperkt tot losse experimenten, zonder blijvende impact op de werking van de overheid.

Dat vertrouwen bouw je niet met een sterke demo alleen. Het vraagt een doordachte aanpak waarin platform, applicaties, data en AI samenkomen, met kennis van de publieke context en ervaring in echte implementaties. Uiteindelijk telt niet alleen of een oplossing technisch werkt, maar of ze duurzaam verankerd raakt in processen, teams en dienstverlening. Precies daar ontstaat betrouwbare AI die ook op langere termijn waarde blijft leveren voor de Vlaamse maatschappij.

Door collectieve intelligentie wint iedereen

De overheid moet vandaag niet meer bewijzen dat AI potentieel heeft. Dat bewijs ligt er intussen, in concrete toepassingen die tijd winnen, fouten helpen vermijden en medewerkers beter ondersteunen in hun werk. De volgende stap is daarom geen optelsom van nieuwe losse experimenten, maar een gerichte keuze voor hergebruik, schaalbaarheid en betrouwbaarheid. Dat vraagt meer dan technologie alleen: duidelijke governance, gedeelde bouwblokken, afspraken over data en veiligheid, en een aanpak die toelaat om succesvolle toepassingen sneller over diensten en entiteiten heen uit te rollen.

Als we dat goed organiseren, is de winst breed en tastbaar. Burgers krijgen snellere en consistenter dienstverlening. Medewerkers krijgen meer ruimte om zich te richten op dossiers waar menselijk oordeel echt het verschil maakt. En de overheid zelf versterkt haar uitvoeringskracht, omdat kennis, capaciteit en oplossingen niet telkens opnieuw moeten worden opgebouwd. Precies daar ligt de echte meerwaarde: AI benaderen als een duurzame publieke capability, ingebed in de werking van de overheid en gericht op collectieve intelligentie in plaats van geïsoleerde innovatie.