Minder generieke taalmodellen, meer ai-agents

MINDER GENERIEKE TAALMODELLEN, MEER AI-AGENTS

Mijn stelling: voor de meeste organisatie is de implementatie van vakgerichte AI-agents strategisch waardevoller dan een brede uitrol van algemene taalmodellen zoals Copilot of ChatGPT. Meerdere bronnen onderbouwen dit al:

✳️ De OECD analyseerde 200 praktijkvoorbeelden van AI-inzet bij overheden wereldwijd (zie https://www.oecd.org/en/publications/2025/06/governing-with-artificial-intelligence_398fa287/full-report/ai-in-public-service-design-and-delivery_09704c1a.html). De succesvolle toepassingen zijn nagenoeg altijd domeinspecifiek.

✳️ Het World Economic Forum stelde in januari 2026 vast dat het vertrouwen van burgers in overheidsdienstverlening daalt, juist omdat de verwachte snelheid en efficiëntie uitblijven (zie https://www.weforum.org/stories/2026/01/the-new-era-of-public-sector-service-is-about-building-trust-through-agentic-ai/). Agentic AI (agents die specifieke taken autonoom uitvoeren) wordt aangewezen als het instrument om die kloof te dichten.

✳️ 61% van de publieke sector-leiders wereldwijd verwacht meer dan de helft van het toekomstige AI-budget te besteden aan agents, zo blijkt uit een onderzoek onder 251 senior publieke sector-leiders (zie https://cloud.google.com/blog/topics/public-sector/key-insights-from-our-inaugural-survey-on-the-roi-of-ai-in-the-public-sector).

Waarom is dit relevant voor de Nederlandse publieke sector?

✳️ Generieke taalmodellen zijn breed inzetbaar maar leveren geen vakspecifieke uitkomsten. Een waterschap heeft andere informatiebehoeften dan een sociale dienst of een omgevingsdienst.

✳️ Medewerkers oefenen in algemene taalmodellen (te veel) met prompts, wat de productiviteit weer laat afnemen, maar ook slecht is voor het energiegebruik van de taalmodellen

✳️ Vakgerichte agents kunnen worden getraind op domeinspecifieke data, waaronder wet- en regelgeving, vergunningsprocessen, subsidiestromen. Dit vergroot de nauwkeurigheid en betrouwbaarheid van AI.

✳️ De OECD-analyse toont aan dat agents met een 'human-in-the-loop'-ontwerp het vertrouwen in AI-output bij overheidsmedewerkers substantieel verhogen, wat adoptie versnelt.

✳️ Binnen het gebruik van agents kan ook (technisch) eerder gekozen worden voor kleine soevereine, open source, en energie-efficiente taalmodellen

Dus: bepaal eerst welk vakproces de meeste waarde biedt bij gedeeltelijke automatisering. Investeer vervolgens in een agent die dat proces beheerst. Met de juiste data, governance en menselijke controle. De uitrol van een algemeen taalmodel zonder deze focus leidt tot beperkt rendement en verhoogd risico op onbetrouwbare output (o.a. hallucinatie, sycofantie).

#AIagents #DigitaleOverheid #PubliekeSector #Gemeente #Innovatie #GoverningWithAI