AI jonge man met smartphone met koptelefoon en rijdende tram

Hoe een vijfstappenplan overheden helpt succes te hebben met AI

Overheden vragen zich niet meer af of ze gebruik moeten maken van AI, maar hoe het op verantwoorde, effectieve en op grote schaal kan worden toegepast.


In het kort
  • Veel overheden worstelen na de pilotfase met het opschalen van AI, door problemen bij de toepassing, kostenoverschrijdingen als gevolg van ontoereikende planning en de complexiteit van integratie.
  • Een gedisciplineerd vijfstappenplan helpt organisaties ideeën te vertalen naar meetbare impact, ondersteunt verantwoorde invoering van AI en helpt problemen bij opschalen op te lossen.
    • Middels een systematische benadering kan enorme vooruitgang worden geboekt ten aanzien van productiviteit, dienstverlening en veerkracht – en worden de valkuilen die veelbelovende AI-initiatieven in de weg staan vermeden.

    Het vertalen van AI-ambities naar daadwerkelijke voordelen staat hoog op de agenda van overheidsfunctionarissen. De discussie gaat niet langer over het nut van AI, maar om inzicht te krijgen in de volledige complexiteit ervan en om zich voor te bereiden op het opschalen van een succesvol pilot naar feitelijk voordeel voor de burger. De weg van ambitie naar impact is echter geplaveid met uitdagingen. De ervaring van de wereldwijde EY-organisatie leert dat slechts 20% à 25% van de AI-proofs of concept (PoCs) wordt vertaald naar een bredere toepassing.

    Uit ons onderzoek blijkt dat drie fundamentele obstakels de opschaling van AI in de weg staan: problemen bij de toepassing die de technische en operationele capaciteit te boven gaan, onderschatte kosten en gebrek aan financiering, en integratieproblemen zoals verouderde systemen, weerstand onder gebruikers en nalevingsvereisten. Deze obstakels verklaren waarom veelbelovende pilots niet leiden tot maatschappelijke waarde – en waarom een gestructureerde, gedisciplineerde aanpak essentieel is.

    Essentiële bouwstenen als basis

    In ons vorig rapport, Hoe kan de transformatieve kracht van data en AI meer maatschappelijke waarde creëren? | EY - Nederland, identificeerden we vijf essentiële bouwstenen om AI-initiatieven van overheden tot een succes te maken. Deze zijn: gepaste data- en technologie-infrastructuur, methodische ontwikkeling van talent, adaptieve organisatiecultuur, uitgebreid ethisch bestuur en gezamenlijk beheer van ecosystemen.

    Als organisaties deze bouwstenen eenmaal hebben gelegd, staan ze nog steeds voor het cruciale probleem om ideeën om te zetten in organisatiebreed toegepast AI: Hoe kun je de complexiteit van het opschalen van AI begrijpen en daarmee blijvende maatschappelijke waarde creëren?

    Uit ons onderzoek onder 492 overheidsfunctionarissen in 14 landen blijkt dat dit een heikel punt is. Meer dan 60% van de ondervraagden noemt privacy- en beveiligingskwesties als voornaamste obstakel, naast andere systemische obstakels, waaronder een gebrek aan strategische afstemming, ontoereikende data-infrastructuur en ethische kwesties.

    Van ideeën naar impact: gids voor overheidsfunctionarissen voor verantwoorde invoering van AI

    Ontdek hoe overheden AI na pilots kunnen opschalen om daadwerkelijke impact en meetbare maatschappelijke waarde te creëren

    De noodzaak voor systematische implementatie

    Traditionele methoden voor het inzetten van technologie blijken ontoereikend voor het toepassen van AI. Anders dan conventionele IT-systemen vereisen AI-systemen iteratieve ontwikkeling, continu leren en adaptief bestuur. Het vereist verandermanagement, naleving van regelgeving en ethisch toezicht dat veel verder gaat dan technische implementatie. Dit creëert de noodzaak voor een gestructureerde benadering van de uitvoering. Organisaties moeten beschikken over methodieken die rekening houden met de unieke kenmerken van AI en tegelijkertijd duurzame waarde creëren.

    Het door ons ontwikkelde vijfstappenplan voorziet in deze behoefte door een kader te bieden dat is gebaseerd op ervaring met baanbrekende AI-systemen bij overheidsorganisaties wereldwijd. Dit kader richt zich specifiek op waar het met name mis gaat bij het opschalen van AI: onduidelijke kostenraming en definitie van de waardepropositie, ontoereikende operationele voorbereiding, gebrekkige opzet van de pilot, organisatorische weerstand en het onvoldoende leren van pilots. Het aanpakken van elk van deze stappen leidt systematisch tot een duurzame transformatie van AI.

    Hoofdstuk 1: Een beproefd vijfstappenplan

    Leer van overheden die u voor zijn gegaan en volg de routekaart naar succes.

    Moderne vrouwelijke universiteitsstudent die op laptop werkt
    1

    Stap 1

    Identificeren en prioriteren van strategische kansen

    Een succesvolle transformatie naar AI begint met een resultaatgerichte instelling in plaats van het concentreren op technologie. Succesvolle organisaties identificeren voordat ze specifieke AI-toepassingen evalueren eerst de operationele uitdagingen en mogelijke verbeteringen in de dienstverlening aan burgers.Dit vormt een fundamentele verandering in hoe overheden investeringen in AI benaderen. In plaats van te vragen “Waar kunnen we AI toepassen?”, moeten vooruitziende leiders zich afvragen: “Naar welke strategische resultaten streven we, en hoe kan AI helpen deze doelen te bereiken?” Deze aanpak helpt ervoor te zorgen dat AI-initiatieven tegemoetkomen aan een duidelijke behoefte en het succes meetbaar is.

    De meest effectieve strategieën combineren top-down strategische afstemming met operationele inzichten vanuit de basis. Organisaties die praktijkvoorbeelden van AI afstemmen op hun voornaamste beleidsprioriteiten en tegelijk eerstelijns perspectieven vastleggen, creëren goede uitgangspunten voor waardevolle opportuniteiten. De Amerikaanse staat Maryland illustreert deze top-down benadering door alle praktijkvoorbeelden van AI-toepassingen te toetsen aan de door de gouverneur vastgestelde 10 prioriteiten om ervoor te zorgen dat zij deze bredere beleidsdoelstellingen ondersteunen. Zoals een hoge ambtenaar opmerkte: Het belangrijkste bij de uitvoering van elk project op het gebied van kunstmatige intelligentie is dat het doelgericht is. AI is niet meer dan een instrument dat aangewend moet worden voor een bepaald doel.

    De bottom-up-benadering wordt geïllustreerd door het digitaliseringsinitiatief voor kinderconsultaties van het Japanse Digital Agency, waarmee counselors consultaties onmiddellijk mondeling vast kunnen leggen, resulterend in minder gevallen van burn‑out en verbetering van de teamgebaseerde zorg. Hiermee wordt direct ingespeeld op operationele behoeften en worden gestructureerde, zoekbare gegevens gecreëerd die de basis leggen voor meer geavanceerde analyses. Zoals directeur-generaal Keisuke Murakami toelichtte: “Als we alleen van bovenaf een aanpak zouden opleggen zonder de werkelijke situatie aan de basis te kennen, zal het in de praktijk niet werken.”

    Toonaangevende overheidsorganisaties creëren solide prioriterende criteria – waarmee de haalbaarheid, kosten, risico's en impact worden geëvalueerd – om weloverwogen keuzes te maken. Ze stellen realistische verwachtingen rond PoC’s, die doorgaans een lage productieratio hebben maar waardevolle inzichten bieden.

    Voornaamste aanbevelingen voor overheden die AI toepassen:

    • Richt je eerst op resultaten – Bepaal de maatschappelijke waarde die je wilt creëren voordat je AI-oplossingen overweegt.
    • Combineer een bovenaf opgelegde aanpak met een door de basis aangegeven benadering – Breng strategische prioriteiten in overeenstemming met operationele inzichten van medewerkers en burgers om relevantie en praktische impact te garanderen.
    • Vervang ad-hoc-inspanningen door gestructureerde, transparante processen – Gebruik ideeëntrechters, prioriteringskaders en governance-toezicht om potentiële praktijkvoorbeelden te evalueren.
    Twee mannen in koffieshop
    2

    Stap 2

    Uitgebreide voorbereiding voor het op verantwoorde wijze implementeren van AI

    Een grondige voorbereiding is de sleutel tot succes bij opschalen. Of de infrastructuur gereed is, blijkt van cruciaal belang: 45% van de ondervraagden noemt ontoereikende digitale en datasystemen als obstakel voor implementatie.
     

    Voordat ze grote investeringen doen, moeten organisaties nagaan of hun technologische infrastructuur, gegevensbeheer, naleving van regelgeving en ethische kaders ondersteuning bieden aan AI-oplossingen op operationele schaal. De meest succesvolle projecten maken gebruik van architectuurstrategieën waarbij de technische mogelijkheden zijn afgestemd op behoeften op het gebied van beveiliging en governance.
     

    Het Estlandse Bürokratt-platform demonstreert deze aanpak middels een gedecentraliseerde model dat gegevens verwerkt binnen afzonderlijke agentschappen. Elk agentschap behoudt de controle over zijn eigen gegevens, beperkt onnodige gegevensuitwisseling en vermindert het risico op grootschalige inbreuken. Veilige interoperabiliteit en de authenticatiedienst van Estland zorgen ervoor dat alleen geverifieerde gebruikers toegang krijgen tot diensten, terwijl de naleving van de Algemene Verordening Gegevensbescherming (AVG) en open-source-transparantie de bescherming van de privacy verder versterken.
     

    Estland vraagt daarnaast weloverwogen toestemming van de burger en stelt burgers in staat hun datagebruik te monitoren en toestemmingen te delen met providers. Ongeveer 450.000 burgers controleren regelmatig de toegang tot data via de Data Tracker. Via het portaal kunnen ze te allen tijde hun toestemmingen bekijken, volgen en intrekken. Op die manier blijven agentschappen ervoor verantwoordelijk dat gegevens uitsluitend worden gebruikt voor het specifieke doel waarvoor ze zijn verzameld.
     

    Ethische bestuurskaders verdienen minstens zoveel aandacht, vooral omdat 42% van de organisaties ethische zorgen noemen als obstakel voor implementatie. In plaats van ethiek als een bijkomstigheid te beschouwen, maakt in de meest effectieve benaderingen een gedisciplineerde risicobeoordeling deel uit van het ontwikkelingsproces. Het verplichte Algorithmic Impact Assessment (AIA)-proces in Canada illustreert deze proactieve aanpak. Stephen Burt, Chief Data Officer van de Canadese overheid: “De richtlijn was gebaseerd op beginselen van algoritmische transparantie, het aanpakken van data-bias en het bieden van verhaal.” Als je niet blij bent met de beslissing, hoe pak je dat dan aan?”

    Voornaamste aanbevelingen voor overheden die AI toepassen:

    • Evalueren van de gereedheid van infrastructuur en data – Ga voor het uitvoeren van een pilot na of de technologische architectuur de AI-werklast veilig kan ondersteunen en valideer de kwaliteit van de data.
    • Integreer vanaf het begin privacy en ethisch bestuur – Hanteer privacy-by-designprincipes en stel duidelijke ethische richtlijnen op.
    • Blijf vanaf het begin voortdurend in gesprek met toezichthouders – Betrek toaezichthouders vanaf de ontwerpfase om dure herzieningen later te vermijden.
    Glimlachende oudere vrouwelijke dansgroep met draaiende hoepels
    3

    Stap 3

    Ontwerp van een strategische pilot en grondige evaluatie

    De volgende stap is het vertalen van ideeën in actie. Pilots zijn essentieel om oplossingen in de praktijk of onder gesimuleerde omstandigheden te testen, om zo vast te stellen wat werkt en de waarde te valideren. Alleen de meest veelbelovende pilots worden opgeschaald voor algemene toepassing.

    Het creëren van de juiste omstandigheden voor effectieve pilots is cruciaal. Vooruitstrevende overheden creëren gecontroleerde omgevingen waarin operationele situaties worden nagebootst, inclusief regelgevende zandbakken die tijdelijk flexibiliteit bieden om AI-oplossingen te testen onder feitelijke beleidsbeperkingen, en live tests waarin geanonimiseerde datasets echte dienstverlening simuleren. Sommige agentschappen creëren gesimuleerde werkstromen– digitale tweelingen van eerstelijnsoperaties – om te observeren hoe AI-tools in realistische scenario’s werken, zonder werkende systemen te verstoren. Deze opstellingen maken het mogelijk om veilig te experimenteren, terwijl toezicht en naleving worden gewaarborgd en het vertrouwen van het publiek wordt gehandhaafd.

    De meest succesvolle pilot-ontwerpen richten zich op samenwerking tussen mens en AI in plaats van automatisering, en creëren werkstromen die de menselijke expertise versterken in plaats van te vervangen. Het betrekken van mensen bij het ontwerpproces draagt er daarnaast toe bij dat AI-pilots worden geïntegreerd in bestaande werkstromen en iteratieve ontwikkeling ondersteunen.

    Cruciaal voor het slagen van de pilot is een realistische inschatting van de schaalvoordelen. Pionierende organisaties anticiperen op langetermijnkosten en schaalbehoeften en nemen die op in businesscases, waarin rekening wordt houden met de kosten over de gehele levenscyclus om de benodigde financiering veilig te stellen. Sommige schattingen suggereren echter dat wanneer organisaties opschalen van pilot naar productie de kosten van AI-projecten routinematig met vijf à 10 keer onderschatten. Kostenramingen moeten rekening houden met verschillende soorten kosten:

    • Technologie en data, waaronder netwerkinfrastructuur, datavoorbereiding en -opslag, automatiseringsbehoeften, software en licenties, en energieverbruik
    • Talent en menselijk kapitaal, inclusief het aantrekken of bijscholen van personeel en verandermanagement
    • Bestuur, beveiliging en compliance met betrekking tot cyberbeveiliging, privacy, juridisch en ethisch toezicht
    • Operationele integratie en onderhoud, inclusief het opnieuw vaststellen van werkstromen, gebruikersondersteuning en het opnieuw trainen van modellen en lange-termijn onderhoud.

    Inzicht in elk van deze aspecten is essentieel voor een juiste toewijzing van middelen en om dure verrassingen te vermijden.

    Tot slot, goed presterende agentschappen stellen duidelijke evaluatiecriteria vast voor pilotprojecten, gericht op meetbare resultaten in plaats van technologische vernieuwing. De in Estland toegepaste methodiek illustreert deze discipline door elke pilot te evalueren aan de hand van vier criteria: tijdsefficiëntie, kosteneffectiviteit, innovatiepotentieel en meetbare impact. Zoals Ott Velsberg, Chief Data Officer van de Estlandse regering, benadrukt: “Coole AI-ideeën zijn niet genoeg. We moeten cijfers hebben."

    Voornaamste aanbevelingen voor overheden die AI implementeren:

    • Plan het opschalen vanaf het begin – Neem uitgebreide kostenmodellen op in pilot businesscases en maak vooraf een schatting van de volledige productiekosten.
    • Ontwerp met mensen in het midden – Betrek eindgebruikers in een vroeg stadium en pas mensgerichte ontwerpbeginselen met iteratieve ontwikkeling toe.
    • Stel duidelijke, realiseerbare doelen en evalueer streng– Definieer specifieke, meetbare doelstellingen en gebruik kwantitatieve criteria om de resultaten van pilotprojecten te beoordelen.
    Aziatische mannelijke ondernemer met smartphone in geparkeerde auto
    4

    Stap 4

    Organisatorisch veranderingsmanagement en klaar om op te schalen

    Succesvolle schaalvergroting vereist een geïntegreerd beheer van technische infrastructuur en organisatorische verandering. Organisaties moeten operationele modellen vaststellen die de inzet van AI ondersteunen en tegelijkertijd de culturele aanpassing begeleiden die nodig is voor blijvende adoptie. Doeltreffende benaderingen zorgen voor een evenwicht tussen gecentraliseerde, technische expertise en ingebedde domeinkennis, zodat oplossingen zowel technisch robuust zijn als operationeel relevant.

    Betrokkenheid van het personeel is cruciaal, aangezien 31% van de organisaties zorgen over werkgelegenheid noemt als obstakel voor implementatie. De meest succesvolle strategieën pakken deze zorgen aan door duidelijk te communiceren over de ondersteunende rol van AI en door medewerkers actief te betrekken bij het systeemontwerp. Deze mensgerichte benadering erkent dat duurzame AI-adoptie niet alleen training van, maar ook een partnerschap met het personeel vereist.

    Aangezien 38% van de organisaties een tekort aan talent als belangrijk obstakel noemt, werken vooruitziende leiders aan capaciteit over de lange termijn. Het Australische Digital Transformation Agency is met zijn beoordeling van capaciteit en gerichte ontwikkelingsprogramma's een voorbeeld van deze aanpak. Lucy Poole, General Manager, Strategy, Planning and Performance Division: “Vanuit het perspectief van personeelscapaciteit en planning werken we momenteel aan het uitvoeren van de in het Australian Public Service (APS) Data, Digital and Cyber Workforce Plan 2025–30 omschreven initiatieven. Doel is de belangrijkste uitdagingen in alle drie de disciplines te identificeren en te beginnen met het opbouwen van diepgaander kennis, geletterdheid en praktische technische vaardigheden. Dit is essentieel om ervoor te zorgen dat APS klaar is om in te spelen op zowel de behoeften van vandaag als die van de toekomst.”

    Inkooptransformatie ondersteunt duurzaam opschalen door rekening te houden met de iteratieve aard van AI in plaats van AI in traditionele contractmodellen te dwingen. Deze evolutie opent de deur naar een breder ecosysteem, waarin gevestigde tech-ondernemingen samen met innovatieve startups domeinexpertise en baanbrekende capaciteiten ontwikkelen. Zoals de inmiddels gepensioneerde kapitein Manuel Xavier Lugo, Senior Military Advisor, Chief Digital and Artificial Intelligence Office, Office of the Secretary of Defense, voormalig commandant van Task Force Lima, VS opmerkt: “Er zijn geen toetredingsdrempels meer. Ook kleinere bedrijven die een oplossing bieden voor een bepaald probleem horen erbij.” Om succesvol te zijn moet er interne inkoopexpertise worden ontwikkeld waarmee AI-oplossingen effectief kunnen worden geëvalueerd en samenwerkingsverbanden worden bevorderd die verder gaan dan traditionele relaties met leveranciers.

    Voornaamste aanbevelingen voor overheden die AI implementeren:

    • Selecteer geschikte operationele modellen – Zoek een evenwicht tussen gecentraliseerde technische expertise en ingebedde domeinkennis.
    • Stel betrokkenheid van het personeel voorop– Wees duidelijk over de ondersteunende rol van AI en betrek medewerkers bij het ontwerpen van systemen.
    • Moderniseer de inkoop – Schakel over op flexibele, inclusieve benaderingen waarbij diverse leveranciers betrokken zijn en interne evaluatiecapaciteiten worden opgebouwd.
    Indiaas meisje gebruikt een digitaal tablet op het metrostation
    5

    Stap 5

    Meten van impact en kennisoverdracht

    Door systematisch te meten en kennis te delen, worden individuele implementaties getransformeerd tot organisatorische capaciteiten. Hierdoor wordt institutionele leer- en opschalingscapaciteit binnen de overheid gecreëerd.

    In plaats van zich uitsluitend te richten op kostencriteria stellen vooruitstrevende overheden uitgebreide prestatie-indicatoren op en vragen belanghebbenden om feedback om de volledige operationele waarde van AI vast te leggen.

    Bij de meest geavanceerde benaderingen maakt de meting deel uit van doorlopend programmabeheer en wordt niet beschouwd als een afzonderlijke stap na de implementatie. Deze aanpak is zichtbaar bij het ministerie van Binnenlandse Zaken van Australië. Teams definiëren van tevoren de resultaten, indicatoren en evaluatiemaatregelen van het programma en monitoren zowel de beoogde als onbedoelde impact van AI-initiatieven via real-time portefeuilleanalyse. Volgens Pia Andrews stelt dit het ministerie in staat de koers aan te passen op basis van live data in plaats van te wachten op evaluatiemomenten.

    Door regelmatig aan de leiding, het personeel en het publiek verslag uit te brengen over de voortgang en impact van de implementatie van AI, worden transparantie en het afleggen van verantwoording bevorderd en het vertrouwen van de belanghebbenden vergroot.

    Het delen van kennis middels gestructureerde praktijkgemeenschappen versnelt de adoptie binnen de organisatie, wat overlap voorkomt en de institutionele capaciteit vergroot. Volgens een ambtenaar van de staat Maryland creëert deze gezamenlijke aanpak exponentiële waarde: “We hebben een praktijkgemeenschap opgezet waarvan in wezen alle mensen die AI gebruiken deel uitmaken. We vragen elkaar, ‘Tegen welke problemen lopen jullie aan? Kunnen we het niet zo doen dat we het wiel niet opnieuw hoeven uit te vinden?’”

    Door te leren van elkaars ervaringen, door samen overwinningen te vieren, mislukkingen te bespreken en het proces open te stellen, veranderen overheidsfunctionarissen AI-pilots in bouwstenen voor transformatie.

    Voornaamste aanbevelingen voor overheden die AI toepassen:

    • Definieer KPI’s en uitgangspunten voor implementatie: Stel criteria vast die het volledig scala aan voordelen weergeven.
    • Creëer doorlopende feedbackloops: Monitor de voortgang en verzamel input van stakeholders om verfijning direct mogelijk te maken. • Wissel kennis uit binnen overheidsorganisaties: Organiseer evenementen met verschillende agentschappen en houd kennisbeheersystemen in stand om de invoering te versnellen.

    Gevolgen voor overheidsfunctionarissen

    De inzet is hoog. Door doortastend op te treden om deze obstakels te overwinnen, kunnen in meerdere opzichten transformatieve mogelijkheden worden gerealiseerd – van grotere efficiëntie en een betere werknemerservaring tot meer betrokkenheid van de burger, strategische serviceplanning, financiële optimalisatie en organisatorische veerkracht. Wie achterblijft, riskeert stijgende kosten, gemiste kansen voor productiviteitswinst en onvervulde publieke verwachtingen.

    De tijd om in actie te komen wordt steeds kleiner, waardoor het van groter belang dan ooit is om de complexiteit van het opschalen van AI te beheersen en zo blijvende maatschappelijke waarde te creëren. Het vijfstappenkader biedt een gestructureerd kader om over te stappen van het ontwikkelen van een AI-strategie in de pilotfase naar volledige implementatie en meetbare impact.


    Lokaal perspectief

    Van pilot naar publieke waarde: hoe een vijfstappenplan AI laat slagen

    De Nederlandse Digitaliseringsstrategie positioneert AI als een systeemtechnologie met een blijvende en transformerende impact op de overheid. Dat vraagt om meer dan experimenteren. Het vraagt om een aanpak die voorkomt dat AI-toepassingen blijven steken in pilots en daadwerkelijk publieke waarde gaan leveren. De inzichten in dit EY-artikel biedt daarvoor een scherp en praktisch perspectief.

    AI heeft zich ontwikkeld van een veelbelovende technologie tot een structureel onderdeel van moderne uitvoering. Toch laat de praktijk zien dat slechts een beperkt deel van AI proof of concepts daadwerkelijk wordt opgeschaald. Volgens EY ligt dat zelden aan de technologie zelf, maar aan gebrekkige keuzes vooraf, onderschatte kosten, onvoldoende voorbereiding en het ontbreken van organisatorische verandering. Zonder samenhangende aanpak blijft AI hangen in belofte in plaats van impact.

    De eerste stap in de EY roadmap is het scherp identificeren en prioriteren van strategische kansen. Niet de technologie staat centraal, maar het probleem dat opgelost moet worden. Succesvolle organisaties beginnen bij maatschappelijke of uitvoeringsdoelen en bepalen pas daarna of AI een geschikt instrument is. Deze focus voorkomt versnippering en zorgt dat AI-initiatieven vanaf het begin gekoppeld zijn aan meetbare resultaten.

    De tweede stap is grondige voorbereiding op verantwoorde inzet. EY benadrukt dat datakwaliteit, infrastructuur, privacybescherming, security en governance op orde moeten zijn voordat wordt opgeschaald. Dit vraagt om bewuste investeringen en duidelijke kaders. Zonder deze basis ontstaat vertraging, herwerk en verlies van vertrouwen, juist op het moment dat toepassingen groter worden.

    De derde stap betreft het zorgvuldig ontwerpen en evalueren van pilots. Pilots zijn geen eindpunt, maar een leerinstrument. Ze moeten realistische gebruikssituaties simuleren, mens en AI laten samenwerken en worden beoordeeld op aantoonbare impact. Alleen toepassingen die hun waarde bewijzen in de praktijk verdienen opschaling.

    De vierde stap richt zich op organisatorische verandering en schaalgereedheid. Opschaling vraagt om aanpassing van processen, nieuwe vaardigheden en actief verandermanagement. EY benadrukt dat medewerkers betrokken moeten worden bij ontwerp en implementatie. AI vergroot effectiviteit alleen als mensen het vertrouwen hebben om ermee te werken.
    De vijfde en laatste stap is continu leren en bijsturen. AI-systemen zijn nooit af. Monitoring, hertraining en voortdurende toetsing zijn nodig om prestaties, rechtvaardigheid en legitimiteit te borgen.

    De kernboodschap is helder. Het vijfstappenplan laat zien dat succesvolle AI inzet vraagt om discipline, keuzes en leiderschap. In combinatie met de richting die de Nederlandse Digitaliseringsstrategie geeft, ontstaat een consistent handelingsperspectief om de stap te maken van pilot naar duurzame publieke waarde.

    Lees de samenvatting van het rapport hier.

    Anna van den Breemer-Kleene
    EY Nederland Partner Consulting, Public Sector, AI




    Samenvatting 

    De overgang van de AI-strategie naar meetbare impact vereist een gestructureerde uitvoering van technische, organisatorische en bestuurlijke aspecten. Hoewel de uitdagingen groot zijn – van het opschalen van de kosten tot het rekening houden met de zorgen van medewerkers en naleving van regelgeving – biedt dit stappenplan overheden een duidelijk pad voorwaarts. Naarmate de mogelijkheden van AI toenemen en de verwachtingen van het publiek stijgen, wordt het venster voor het nemen van strategische actie steeds kleiner, waardoor systematische implementatie zowel een kans als een noodzaak wordt.

    Gerelateerde content

    Hoe organisaties werk herontwerpen rondom menselijke vaardigheden in het AI‑tijdperk

    Lees hoe AI werk en leiderschap verandert en waarom menselijkheid cruciaal is voor een productieve, betekenisvolle en verantwoorde AI‑toekomst.

    De toekomst van organisaties: mensen centraal in de AI-transformatie

    Ontdek hoe leiders menselijkheid centraal houden in een AI-tijdperk. Laat je inspireren om technologie in te zetten voor échte vooruitgang!

    De kracht van AI in de publieke sector

    Ontdek de kracht van AI in de publieke sector en hoe het maatschappelijke problemen kan oplossen. Bekijk het interview met Cecile Heemels en Anna van den Breemer.


      Over dit artikel

      Auteurs