AI-gestuurde ondersteuning voor burgers bij het maken van een melding

Waarde voor Amsterdam

De Gemeente Amsterdam behandelt op dit moment elke melding handmatig, ook wanneer er geen verdere actie vereist is. In dergelijke gevallen informeert de gemeente burgers bijvoorbeeld over een geplande oplossing of legt uit waarom een probleem niet opgelost kan worden vanwege beleidsregels of juridische beperkingen. Dit soort meldingen, die ongeveer 25-30% van het totaal uitmaken, worden nu op dezelfde manier afgehandeld als meldingen die wél vervolgacties vereisen. Dit leidt tot onnodige vertragingen, lagere tevredenheid en inefficiënt gebruik van middelen. 

De voorgestelde Agentic RAG-oplossing biedt uitkomst door meldingen die geen vervolg vereisen automatisch te beantwoorden. Burgers ontvangen direct een heldere, empathische en op maat gemaakte reactie, zonder dagenlang te hoeven wachten. Dit verbetert de transparantie, zodat burgers beter begrijpen welke acties worden ondernomen (of niet) en waarom. De aanpak sluit beter aan op de behoeften van de melder en verhoogt de gebruiksvriendelijkheid. 

Daarnaast vermindert de oplossing de werkdruk van gemeentelijk personeel, waardoor meer tijd vrijkomt voor het behandelen van complexe meldingen. Het systeem is bovendien schaalbaar en kan worden toegepast in andere gemeenten of op andere terreinen, zoals het verwerken van subsidieaanvragen of vergunningen. Hiermee wordt het meldproces efficiënter en toekomstbestendiger. 

Gebruikersonderzoek en inzichten

Gebruikersonderzoek speelde een belangrijke rol in de ontwikkeling van dit project. Uit enquêtes en tests blijkt dat burgers positief staan tegenover AI-gegenereerde reacties, mits er altijd een optie is om een menselijke medewerker in te schakelen. Snelheid, eenvoud en transparantie over het gebruik van AI bleken cruciaal voor acceptatie. Daarnaast maakt de mogelijkheid om het meldproces in meerdere talen aan te bieden de dienst toegankelijker. 

Vertrouwen in het systeem hangt af van factoren zoals privacybescherming, empathische en nauwkeurige reacties en bewezen betrouwbaarheid van de technologie. Deze aandachtspunten vormen belangrijke richtlijnen voor verdere ontwikkeling. 

Technische implementatie en resultaten

De Agentic RAG-architectuur is modulair opgezet en combineert verschillende tools om informatie dynamisch op te halen en meldingen af te handelen. Momenteel wordt gebruikgemaakt van GPT-4o, maar het systeem is zo ontworpen dat het ook andere modellen kan ondersteunen, afhankelijk van specifieke behoeften zoals taalondersteuning of schaalbaarheid. 

Hoewel de prestaties veelbelovend zijn, vooral bij het ophalen van relevante informatie uit gemeentelijke databronnen, is er ruimte voor verbetering in de communicatiestijl en toon van de reacties. Door iteratief te werken, kunnen deze aspecten in de toekomst worden verfijnd. Uitdagingen zoals de complexiteit van het systeem en de beperkingen van grote taalmodellen (zoals willekeurige uitkomsten) blijven echter aandachtspunten. 

Ethische overwegingen 

Tijdens ethische workshops is de oplossing beoordeeld aan de hand van de Amsterdamse Visie op AI, die nadruk legt op betrouwbaarheid, transparantie en inclusiviteit. Positieve mogelijkheden zijn onder meer verbeterde bruikbaarheid door meertalige ondersteuning, empathischere reacties en meer transparantie door AI-antwoorden te baseren op gemeentelijk beleid. Tegelijkertijd zijn risico’s zoals taalbias, ongelijke servicekwaliteit en mogelijke privacykwesties onder de loep genomen. 

Om deze risico’s te beperken, moet het systeem duidelijke communicatie bieden over het gebruik van AI, stereotypering in reacties vermijden en alternatieve communicatiekanalen behouden om aan de uiteenlopende behoeften van burgers te voldoen. 

Klimaatimpact en duurzaamheid 

De inzet van AI-technologie, zoals Agentic RAG, brengt een aanzienlijke milieu-impact met zich mee door het energie-intensieve gebruik van grote taalmodellen (LLM’s). Factoren zoals modelgrootte, frequentie van AI-oproepen en de lengte van prompts dragen bij aan het energieverbruik. Het gebruik van multi-purpose modellen voor specifieke taken vergroot de milieu-impact verder. 

Om de duurzaamheid te verbeteren, kan het systeem taakspecifieke modellen gebruiken, het aantal AI-oproepen beperken en de prompts en antwoorden optimaliseren. Het gebruik van zelfgehoste, open-source modellen biedt daarnaast meer controle over de ecologische voetafdruk. Door een balans te vinden tussen prestaties en duurzaamheid kan de Gemeente Amsterdam haar klimaatdoelen ondersteunen zonder in te boeten op efficiëntie. 

Conclusies 

De Agentic RAG-oplossing biedt burgers snelle, empathische en nauwkeurige reacties op meldingen, waardoor de tevredenheid stijgt en de werkdruk van gemeentelijk personeel afneemt. Zo kunnen eenvoudige meldingen, die tot 30% van het totaal uitmaken, voortaan automatisch worden afgehandeld. 

Burgers staan positief tegenover AI-gegenereerde reacties, zolang de communicatie transparant is en efficiëntie en toegankelijkheid vooropstaan. Het systeem laat veelbelovende resultaten zien, maar verdere verfijning is nodig op het gebied van toon, stijl en vooringenomenheid. Ook de milieu-impact vraagt om gerichte aanpassingen. 

Aanbevelingen voor vervolgstappen 

Het AI Lab adviseert om samen te werken met het team achter het huidige Signalen-systeem om integratie en eigenaarschap van de oplossing te bespreken. Het gebruik van het gemeentelijke "Generatieve AI Ontwikkelingsproces" zorgt ervoor dat het systeem voldoet aan de geldende AI-standaarden en ethische richtlijnen. 

Belangrijke vervolgstappen zijn onder meer het vaststellen van prestatie- en ethische benchmarks, zoals nauwkeurigheid en transparantie. Iteratieve verbeteringen kunnen worden getest in kleinschalige pilots, waarna het systeem verder wordt opgeschaald. 

Met deze stappen kan de Gemeente Amsterdam op een verantwoorde en duurzame manier gebruikmaken van AI, wat leidt tot betere dienstverlening voor burgers en meer efficiëntie binnen de organisatie.