Laten we bij het onvermijdelijke beginnen. Een groot deel van het werk van een beleidsmedewerker bestaat uit het lezen, samenvatten, vergelijken en herschrijven van tekst. Nota's, consultatiereacties, evaluaties, Kamerstukken, adviezen, wetsteksten. Dat is precies het werk waar een taalmodel goed in is. Wie dat ontkent, ontkent niet AI — die ontkent de aard van beleidswerk.

Het gebeurt ook al. De eerste Overheidsbrede Monitor Generatieve AI van TNO telde eind 2025 een groei van acht naar eenentachtig generatieve-AI-toepassingen bij overheidsorganisaties in één jaar, waarvan zevenendertig al in de implementatiefase. Ongeveer 26.500 rijksambtenaren van acht ministeries krijgen in 2026 toegang tot een intern draaiende AI-chatbot voor schrijven, samenvatten en redigeren. De Europese Commissie deelde in 2024 al GPT@EC uit aan haar eigen medewerkers.

Het scherpste voorbeeld komt uit het Verenigd Koninkrijk. Onder de naam Humphrey — een knipoog naar Yes Minister die minder grappig is dan hij lijkt — bouwde de Britse overheid onder meer Consult, dat consultatiereacties analyseert, en Parlex, dat decennia parlementaire debatten doorzoekt. Bij een test op een Schotse consultatie kwam Consult tot dezelfde thema's als menselijke analisten, met een F1-score van 0,76 op zo'n tweeduizend reacties. Het departement schat dat toepassing op ongeveer vijfhonderd consultaties per jaar — nu goed voor vijfenzeventigduizend mensdagen analysewerk — jaarlijks twintig miljoen pond aan personeelskosten kan schelen.

Twintig miljoen pond is geen efficiencyslag. Dat is een herinrichting van een beroepsgroep.

Waarom het alleen kan met data-architectuur

Nu de bekentenis die de meeste AI-verkopers overslaan: dit werkt niet door een model op een berg documenten los te laten.

Geen enkel taalmodel verwerkt twintig jaar beleidsdocumenten en twintig wetbundels in één run. Niet omdat het contextvenster te klein is — die vensters zijn inmiddels enorm — maar omdat een groot venster iets anders is dan een bruikbaar venster. In het inmiddels klassieke Lost in the Middle toonden onderzoekers dat modelprestaties het hoogst zijn wanneer het antwoord vooraan of achteraan staat, en significant degraderen wanneer het uit het midden moet komen. De NoLiMa-benchmark liet zien dat elf van dertien modellen met een venster van 128.000 tokens of meer bij 32.000 tokens al onder de helft van hun korte-contextprestatie zakken zodra letterlijke woordovereenkomst ontbreekt en er semantisch geredeneerd moet worden. GPT-4o viel daar van 99,3 naar 69,7 procent. Chroma's context-rot-onderzoek testte achttien modellen en vond dat prestaties structureel onbetrouwbaarder worden naarmate de input langer wordt, zelfs bij simpele taken.

Vertaal dat naar de schaal van het probleem. Het Basiswettenbestand van KOOP bevat ongeveer 45.000 regelingen met ruim 100.000 versies, dagelijks bijgewerkt, samen zo'n 160 gigabyte XML. Dat is de ondergrens van wat "alle Nederlandse wetgeving" als tekstcorpus betekent, nog voor er één beleidsnota of evaluatie bij komt.

De ontbrekende schakel is dus niet een groter model. Het is parsing, chunking, metadata, versiebeheer, verwijzingen tussen regelingen, en pipelines die weten welk fragment op welk moment relevant is. Dat is de saaie kant van dit vak en het is de kant die bepaalt of de rest werkt.

Het goede nieuws is dat Nederland daar niet blanco staat. KOOP verbindt overheidsinformatie met wet- en regelgeving via Linked Data Overheid. Het regelregister documenteert methoden om regelgeving machine-uitvoerbaar te maken: Calculemus-FLINT, RegelSpraak, Wetsanalyse, DMN. En BZK ontwikkelt een proof-of-concept, RegelRecht, die wetten als uitvoerbare code modelleert — AOW, huurtoeslag, zorgtoeslag, bijstand, Kieswet, studiefinanciering — expliciet om interpretatieverschillen door programmeurs en het "computer says no"-probleem tegen te gaan. Op Europees niveau schuift AKN4EU, gebaseerd op Akoma Ntoso, dezelfde kant op, al is dat nadrukkelijk nog work in progress.

Dat zijn geen AI-projecten. Dat zijn dataprojecten. En zonder die dataprojecten is elk AI-project bij de overheid een dure demonstratie.

Wat er gebeurt als je die volgorde omdraait

Nederland hoeft niet ver te zoeken naar wat er misgaat wanneer een systeem eerder wordt uitgerold dan doordacht. De rechtbank Den Haag oordeelde in 2020 dat SyRI in strijd was met artikel 8 EVRM wegens onvoldoende transparantie en waarborgen. De Autoriteit Persoonsgegevens beboette de Belastingdienst met 2,75 miljoen euro voor het jarenlang onrechtmatig en discriminerend verwerken van dubbele nationaliteit, en met 3,7 miljoen voor de zwarte lijst FSV waarop 270.000 mensen stonden, onder wie tweeduizend minderjarigen. Het Rotterdamse bijstandsfraude-algoritme gebruikte 315 variabelen; niet-Nederlandstaligen scoorden ongeveer tweemaal zo hoog en alleenstaande moeders kwamen veertig procent vaker in de hoogste risicoscores voor.

En de Algemene Rekenkamer, die geen enkel belang heeft bij dramatiek, inventariseerde in 2024 433 AI-systemen bij zeventig rijksorganisaties. Bij vijfendertig procent van de systemen in gebruik was onbekend of het systeem presteerde zoals verwacht. Voor meer dan de helft was geen risicoafweging vastgesteld. In het vervolgonderzoek van mei 2026 concludeerde de Rekenkamer dat een onderzocht douane-algoritme "aan geen enkele norm voor IT-beheer uit ons toetsingskader" voldeed.

Dit zijn geen argumenten tegen AI bij de overheid. Het zijn argumenten vóór data-architectuur, registratie en toetsbaarheid als voorwaarde, niet als sluitpost.

En dan de rode lijn

Nu het deel dat geen enkel model voor u kan oplossen.

Beleid is geen optimalisatieprobleem. Beleid is het product van een democratisch proces in een rechtsstaat. Een model kan iets uitvoeren dat aantoonbaar goed is voor het algemeen belang, en tegelijk volstrekt onverenigbaar zijn met de democratische wil van het volk. Dat is geen bug. Dat is het punt.

Neem rekeningrijden. Onderzoek na onderzoek wijst dezelfde kant op: in de doorrekening van Betalen naar gebruik daalt het aantal autokilometers met tot twintig procent, de congestie met drieënveertig tot achtenzestig procent, en de uitstoot met zeventien tot vierentwintig procent, bij budgetneutrale tarieven van rond de zeven cent per kilometer. Het Kennisinstituut voor Mobiliteitsbeleid kwam in 2022 tot vergelijkbare conclusies — met de fraaie paradox dat betalen naar gebruik leidt tot mínder autogebruik maar méér autobezit.

Een model dat maatschappelijke kosten en baten optimaliseert, zou hier binnen één run uitkomen. En het zou vermoedelijk ook in staat zijn de burger van zijn gelijk te overtuigen.

Maar de techniek wordt als dermate intrusief ervaren dat een aanzienlijk deel van het electoraat zich er fel tegen verzet. Bij de verkiezingen van oktober 2025 stonden vier partijen achter kilometerheffing naar tijd en plaats en negen ertegen. In het coalitieakkoord van begin 2026 staat rekeningrijden vervolgens níét: het wordt "te ingewikkeld en niet haalbaar" genoemd. Hoogleraar transportbeleid Bert van Wee wees er droogjes op dat Nederland hier al sinds 1988 over discussieert.

Achtendertig jaar discussie is inefficiënt. Het is ook precies hoe een democratie hoort te werken wanneer een meerderheid iets niet wil.

Daar ligt de grens. Een AI kan uitrekenen wat optimaal is. Een AI kan nooit bepalen wat aanvaardbaar is. Het model functioneert bij de gratie van de tenuitvoerlegging van de wens van het volk — en op het moment dat het die wens zelf gaat invullen, is het geen instrument meer maar een bestuurder zonder mandaat.

De wetgever heeft dat trouwens ook zo bedoeld. Artikel 22 AVG geeft het recht niet te worden onderworpen aan een uitsluitend geautomatiseerd besluit met rechtsgevolgen. De EU AI Act merkt in bijlage III expliciet als hoog risico aan: systemen die namens overheidsinstanties de aanspraak op essentiële publieke voorzieningen beoordelen, en systemen die de uitslag van verkiezingen of referenda beïnvloeden. Die hoogrisicoverplichtingen zijn met het digital-omnibusakkoord van mei 2026 doorgeschoven naar december 2027 en augustus 2028 — meer tijd om het goed te doen, of meer tijd om het uit te stellen. Dat is een keuze, geen lot.

Wat ons betreft

AI kan vervangen wat gekend en genormeerd is. Dat is meer beleidswerk dan menig beleidsmedewerker prettig vindt om te horen, en het gaat sneller dan het departementale tempo aankan.

Maar AI zal nooit in staat zijn de wens van een volk in te vullen. En zolang wij die twee dingen uit elkaar houden — het uitvoerbare en het aanvaardbare — is dit een van de meest zinvolle toepassingen die er bestaat.

Zolang wij ze door elkaar halen, is het de duurste manier ooit bedacht om de democratie te omzeilen met de beste bedoelingen.

Bronnen