AI voor meldingen openbare ruimte: sneller bij de juiste afdeling
Kort antwoord
Meldingen openbare ruimte zijn een klassiek voorbeeld van AI die goed werkt: veel volume, korte teksten en een fout die snel wordt opgemerkt. Amsterdam categoriseert meldingen al jaren met een machine learning-model in het open-source systeem Signalen. Taalmodellen kunnen daar een stap aan toevoegen: foto’s duiden, een melding samenvatten en de melder een begrijpelijke terugkoppeling sturen.
Een voorbeeld dat al draait
Amsterdam verwerkt honderdduizenden meldingen over de openbare ruimte per jaar. In Signalen, het meldingensysteem dat de gemeente als open source beschikbaar stelt, bepaalt een model op basis van de woorden in een melding in welke categorie die hoort en welke afdeling hem oppakt. Het staat, met uitleg, in het Algoritmeregister.
Dat is precies het soort toepassing waar je mee wilt beginnen: veel volume, een duidelijke uitkomst, en een verkeerde categorie wordt snel rechtgezet. Zie Waar begint u met AI-automatisering?
Wat een taalmodel eraan toevoegt
| Stap | Klassiek model | Met een taalmodel |
|---|---|---|
| Categoriseren | Op basis van woorden | Ook bij vage of lange meldingen, en in meer talen |
| Foto’s | Niet | Een beschrijving van wat op de foto staat, ter controle |
| Dubbele meldingen | Op locatie | Ook op inhoud: dezelfde boom, anders omschreven |
| Terugkoppeling | Standaardtekst | Een begrijpelijk bericht over wat er gebeurt en wanneer |
| Rapportage | Tellingen | Samenvattingen van terugkerende problemen per wijk |
Waar u op let
- Persoonsgegevens in meldingen. Inwoners noemen namen, kentekens of adressen van buren. Verwerk meldingen daarom op een eigen omgeving, niet bij een externe AI-dienst.
- Foto’s met mensen. Een foto van een fout geparkeerde auto bevat een kenteken; een foto van een straat soms gezichten. Bewaar niet langer dan nodig.
- Gelijke behandeling van wijken. Als prioritering meeweegt, controleer dan of wijken met minder melders niet achterop raken.
- Het register. Een model dat meldingen routeert of prioriteert, hoort in het Algoritmeregister. Zie Het Algoritmeregister.
- De melder weet dat het AI is als hij met een assistent communiceert. Zie AI in het klantcontact.
Hoe werqly hierin past
werqly vervangt uw meldingensysteem niet. Het levert het taalmodel dat ernaast draait, op een eigen node: categoriseren, foto’s duiden, dubbelingen herkennen en terugkoppeling opstellen, via een koppeling met het systeem dat u al gebruikt. Meldingen en foto’s blijven in uw eigen infrastructuur. Zie AI voor gemeenten en overheid.
Veelgestelde vragen
Vragen over dit onderwerp
Gebruiken gemeenten al AI voor meldingen openbare ruimte?
Ja. Amsterdam categoriseert meldingen met een machine learning-model in Signalen, dat als open source beschikbaar is en door meer gemeenten wordt gebruikt. De werking staat beschreven in het Algoritmeregister.
Wat voegt een taalmodel toe aan een bestaand meldingensysteem?
Betere categorisering bij vage of lange meldingen, het duiden van foto’s, het herkennen van dubbele meldingen op inhoud en een begrijpelijke terugkoppeling aan de melder. Het systeem zelf blijft hetzelfde.
Moet zo’n toepassing in het Algoritmeregister?
Als het model bepaalt waar een melding heen gaat of hoe snel die wordt opgepakt, wel: het heeft dan gevolgen voor inwoners. Beschrijf doel, gegevens, werking en wie verantwoordelijk is.
Welke privacyrisico’s zitten in meldingen?
Namen, adressen en kentekens van derden in de tekst, en gezichten en kentekens op foto’s. Verwerk ze in een eigen omgeving, beperk wat wordt bewaard en verwijder foto’s zodra de melding is afgehandeld.
Bronnen
Dit artikel is algemene informatie, geen juridisch advies. Regels en richtsnoeren veranderen; controleer bij twijfel de genoemde bronnen of vraag uw jurist of FG.