Datakwaliteit: de achilleshiel van AI-projecten bij gemeenten

Daniel Verloop

In de wereld van artificiële intelligentie (AI) geldt het oude adagium: garbage in, garbage out. Nergens is dit zo relevant als bij de implementatie van AI-projecten door Nederlandse gemeenten. Recente onderzoeken tonen aan dat de kwaliteit van data een grote uitdaging vormt, met verstrekkende gevolgen voor de effectiviteit en betrouwbaarheid van AI-toepassingen in de publieke sector.

De stand van zaken: een zorgwekkend beeld

Uit een onderzoek van GemeentenNL onder 274 gemeenten komen enkele opvallende cijfers naar voren[6]:

  • 63% van de respondenten beoordeelt de kwaliteit van hun data als onvoldoende of matig
  • 72% vindt dat de eigen organisatie onvoldoende of matig omgaat met data
  • 66% geeft aan dat de eigen data-analyse moet verbeteren
  • 73% van de gemeenten zegt nog niet klaar te zijn voor een datagedreven organisatie

Deze cijfers schetsen een zorgwekkend beeld van de huidige staat van datakwaliteit bij Nederlandse gemeenten. Ze vormen een directe bedreiging voor het succes van AI-projecten die afhankelijk zijn van hoogwaardige, betrouwbare gegevens.

De gevolgen van slechte datakwaliteit

De impact van ontoereikende datakwaliteit op AI-projecten is meervoudig:

  1. Onbetrouwbare resultaten: AI-systemen die gevoed worden met onnauwkeurige of onvolledige data zullen onvermijdelijk leiden tot onbetrouwbare uitkomsten[2]. Dit kan resulteren in verkeerde besluitvorming en inefficiënt beleid.
  2. Inefficiëntie en verhoogde werkdruk: Slechte datakwaliteit leidt vaak tot extra handmatige correcties en controles, wat de potentiële voordelen van AI-implementaties teniet doet[4].
  3. Beperkte innovatie: De complexiteit van de dataketen kan een belangrijke belemmering vormen bij het ontwikkelen van ethische en effectieve AI-toepassingen[3]. Dit remt innovatie en vooruitgang in de publieke sector.
  4. Compliance-risico’s: Het gebruik van onbetrouwbare data in AI-systemen kan leiden tot niet-naleving van wet- en regelgeving, met name als het gaat om privacygevoelige informatie[4].

Oplossingsrichtingen: van garbage naar goud

Om de “garbage in, garbage out” situatie te verbeteren, kunnen gemeenten verschillende strategieën overwegen:

1. Verbetering van gegevensmanagement

Er liggen grote kansen voor gemeenten om hun operationeel vermogen te vergroten door de datakwaliteit te verhogen[2]. Dit vereist een systematische aanpak van datacollectie, -opslag en -beheer.

2. Investeren in kennis en vaardigheden

Gemeenten moeten prioriteit geven aan de ontwikkeling van digitale vaardigheden en kennis over gegevensmanagement[5]. Dit kan door middel van gerichte trainingen en het aantrekken van specialisten op het gebied van data science en AI.

3. Leren van succesvolle voorbeelden

Programma’s zoals ‘AI met Impact’ bieden gemeenten de mogelijkheid om kennis en ervaring op te doen over het verantwoord ontwikkelen en toepassen van AI[3]. Door best practices te delen, kunnen gemeenten leren van elkaars successen en mislukkingen.

4. Ethische overwegingen integreren

Bij de ontwikkeling van AI-systemen moet expliciet aandacht worden besteed aan publieke waarden en ethische kwesties[4]. Dit zorgt niet alleen voor betere acceptatie van AI-toepassingen, maar ook voor een hogere kwaliteit van de uitkomsten.

5. Samenwerking en kennisdeling stimuleren

Initiatieven zoals de Nederlandse AI-coalitie bevorderen samenwerking tussen overheid, bedrijfsleven en onderzoeksinstellingen[4]. Deze kruisbestuiving kan leiden tot innovatieve oplossingen voor datakwaliteitsproblemen.

Van uitdaging naar kans

De huidige staat van datakwaliteit bij Nederlandse gemeenten vormt een significante uitdaging voor succesvolle AI-implementaties. Het “garbage in, garbage out” principe is hier onmiskenbaar van toepassing. Toch biedt deze situatie ook kansen.

Door prioriteit te geven aan het verbeteren van datakwaliteit, te investeren in kennis en vaardigheden, en samen te werken aan best practices, kunnen gemeenten de fundamenten leggen voor betrouwbare, efficiënte en ethisch verantwoorde AI-systemen.

De weg naar hoogwaardige AI in de publieke sector begint bij de data. Door vandaag te investeren in datakwaliteit, bereiden gemeenten zich voor op een toekomst waarin AI een waardevolle bondgenoot is in het dienen van de burger en het verbeteren van de publieke dienstverlening.

Wilt u meer weten over hoe uw gemeente de datakwaliteit kan verbeteren en AI-projecten succesvol kan implementeren? Neem contact op met CiviQs voor expert advies en ondersteuning bij uw AI-governance vraagstukken.

Over de Auteur

Daniel Verloop is expert in AI-innovatie, governance en ethiek voor de publieke sector. Als senior AI consultant bij CiviQs, AI specialist bij gemeente Montferland, lid van de EU AI Alliantie en het kernteam Publieke Diensten van de Nederlandse AI Coalitie (NLAIC) bevordert hij mensgerichte AI in de samenleving. Zijn expertise omvat AI-strategie, compliance met de EU AI Act en implementatie van AI-oplossingen voor overheden.