Kennisbank artikel van GovChatNL en vaardigheden opdoen

Inhoudelijk verslag van het webinar op 2 april 2026

Generatieve AI kan weg- en waterbeheerders ondersteunen bij het zoeken, verwerken en genereren van informatie. Tijdens dit webinar van Platform WOW en Provincie Overijssel laten Pieter Ale de Boer, assetmanager Kunstwerken en Vaarwegen, en Marko Groffen, adviseur kunstmatige intelligentie, zien hoe dit in de praktijk werkt. Daarbij bespreken zij GovChatNL en demonstreren zij aan de hand van een vraagstuk rond waterstofverbrossing drie niveaus waarop generatieve AI kan worden ingezet.

Inhoudsopgave

GovChatNL: AI voor en door de Nederlandse overheid

Bekijk de terugblik vanaf hier op YouTube

GovChatNL is een interprovinciaal samenwerkingsinitiatief en een platform waarop Nederlandse overheidsorganisaties generatieve AI kunnen toepassen. Het initiatief ontstond nadat ChatGPT beschikbaar kwam. Verschillende overheidsorganisaties wilden met deze technologie experimenteren, maar zagen ook het belang van veilig en verantwoord gebruik en besloten gezamenlijk aan een oplossing te werken. De terugblikpagina van het webinar beschrijft GovChatNL op dat moment als een samenwerkingsinitiatief van zes provincies. De tijdens het webinar gebruikte presentatie over GovChatNL en AI in het werk toont daarnaast de gemeente Meierijstad als deelnemende organisatie.

GovChatNL als gezamenlijk AI-platform

Een belangrijke aanleiding is de afhankelijkheid van grote Amerikaanse technologiebedrijven. Voor bestaande programma’s zoals Word en PowerPoint is het moeilijk om op korte termijn van leverancier te veranderen. Generatieve AI is een relatief nieuwe technologie, waardoor overheidsorganisaties nu nog bewust kunnen kiezen hoe zij deze in hun organisatie willen implementeren.

AI kan volgens de sprekers vooral ondersteunen bij het zoeken, verwerken en genereren van informatie. Daarbij werd aangehaald dat een gemiddelde kantoormedewerker ongeveer een vijfde van de werktijd aan zoekwerk besteedt. Bij een werkweek van vijf dagen komt dat neer op ongeveer één dag. Wanneer AI een deel van dat werk overneemt, ontstaat meer tijd voor de inhoudelijke kerntaken.

Vier technische componenten

Een AI-platform zoals GovChatNL bestaat in de basis uit vier componenten:

  • een gebruikersinterface waarin medewerkers opdrachten kunnen geven en resultaten kunnen bekijken;
  • een AI-component met één of meer taalmodellen;
  • opslag voor onder meer kennisbanken en chatgeschiedenis;
  • een omgeving waarin de software wordt gehost, bij voorkeur binnen Europa.

GovChatNL begon als een standaardchatbot en werd vervolgens uitgebreid met de mogelijkheid om een kennisbank aan te leggen. De volgende ontwikkelstap is een omgeving met virtuele collega’s, in technische termen agents genoemd. Deze agents moeten specifieke taken kunnen uitvoeren en daarvoor verschillende hulpmiddelen kunnen aanroepen.

Modulair, autonoom en taakgericht

De ontwikkeling van GovChatNL rust op drie pijlers: modulair, autonoom en taakgericht. De vier technische componenten zijn modulair opgebouwd, zodat organisaties onderdelen kunnen uitwisselen zonder dat de gehele toepassing voor de gebruiker verandert. Dit is belangrijk omdat overheidsorganisaties verschillende IT-landschappen en uiteenlopende eisen voor hosting en dataopslag hebben.

De modulaire opzet ondersteunt ook de autonomie van organisaties. Zij kunnen bijvoorbeeld een model van OpenAI gebruiken, overstappen op het Europese taalmodel Mistral of een model zelf hosten. Volgens de sprekers kan alleen het taalmodel in principe binnen een dag worden vervangen, terwijl de rest van het platform blijft staan. Bij een volledig commerciële oplossing kan een organisatie sterker aan het ecosysteem van één leverancier gebonden raken.

Taakgericht betekent dat GovChatNL hulpmiddelen kan bevatten die aansluiten op het werk van de overheid. Genoemde voorbeelden zijn een beleidskompas, een schrijfcoach en een toepassing die teksten omzet naar taalniveau B1. Organisaties kunnen zulke hulpmiddelen gezamenlijk ontwikkelen en met andere deelnemers delen.

Verschil met Microsoft Copilot

GovChatNL kan dezelfde soorten taalmodellen en databronnen gebruiken als andere generatieve AI-toepassingen. Provincie Overijssel draaide de taalmodellen tijdens de demonstratie via Microsoft. Op het scherm was GPT-4.1 geselecteerd; Groffen lichtte mondeling toe dat Overijssel GPT-4 en Mistral Large aanbood. Het verschil zit vooral in de keuzevrijheid. Een organisatie bepaalt zelf welk taalmodel, welke opslagomgeving, welke hosting en welke databronnen worden gebruikt.

Ook SharePoint kan als databron worden aangesloten. De sprekers benadrukken dat de keuze voor GovChatNL niet betekent dat Microsoft of andere commerciële leveranciers volledig worden uitgesloten. Het platform moet organisaties vooral de mogelijkheid geven om later van leverancier, taalmodel of hostingomgeving te veranderen.

Privacy, beheer en open source

De sprekers raden af om gratis openbare AI-toepassingen voor werkdocumenten te gebruiken. Welke gegevens een leverancier verwerkt, hangt mede af van de afspraken die een organisatie met die leverancier heeft gemaakt. Zelf een taalmodel draaien biedt volgens hen de meeste regie rond privacy. GovChatNL maakt deze keuze technisch mogelijk.

Voor het gebruik van Microsoft Copilot waren binnen Provincie Overijssel aanvullende richtlijnen ingesteld, met name voor persoonsgegevens en privacygevoelige gegevens. Tijdens het webinar werd ook genoemd dat vanuit het Rijk een Data Protection Impact Assessment, een DPIA, rond Microsoft liep. Microsoft geeft aan informatie niet voor training te gebruiken, maar volgens de sprekers moet een organisatie ook inzicht hebben in wat er verder met de gegevens gebeurt.

GovChatNL gebruikt waar mogelijk open-sourcesoftware. Daar staat tegenover dat meer autonomie ook meer eigen beheer vraagt. Bij een commerciële oplossing neemt de leverancier doorgaans meer beheer over, maar heeft de organisatie minder regie. Dit is volgens de sprekers een fundamentele keuze die iedere organisatie zelf moet maken.

Aanvullende informatie over het huidige platform

Op de gekoppelde officiële website van GovChatNL wordt het huidige platform verder uitgewerkt. Daar staat dat gebruikers via een App Launcher toegang kunnen krijgen tot taakgerichte AI-toepassingen, waaronder de Versimpelaar voor teksten op B1-niveau. De website noemt ook beheer per toepassing met Role-Based Access Control en een keuze van het taalmodel per app.

Dezelfde officiële website vermeldt ondersteuning voor koppelingen met gangbare taalmodelaanbieders, lokale en cloudgebaseerde hosting en integratie met Identity and Access Management-systemen zoals OAuth2, SSO en Microsoft Entra ID. Ook staat daar dat GovChatNL over een goedgekeurde DPIA als referentie beschikt. Dit is aanvullende actuele platforminformatie en staat los van de tijdens het webinar genoemde, toen nog lopende DPIA van het Rijk rond Microsoft.

GovChatNL moet niet worden verward met GPT-NL. GovChatNL is een platform waarop verschillende AI-modellen kunnen worden toegepast. GPT-NL is een afzonderlijk project waarin TNO een taalmodel ontwikkelt op basis van Nederlandse data, met aandacht voor het auteursrecht op trainingsdata. GPT-NL zou in de toekomst wel als taalmodel aan GovChatNL kunnen worden gekoppeld.

Drie niveaus voor het toepassen van generatieve AI

Bekijk de terugblik vanaf hier op YouTube

Pieter Ale de Boer demonstreert drie niveaus waarop generatieve AI in het werk kan worden ingezet. De aanleiding is een praktijkvraagstuk rond waterstofverbrossing bij bruggen. Na het instorten van een brug in Duitsland kreeg hij van Rijkswaterstaat het signaal dat mogelijk ook een brug in zijn areaal met dit risico te maken had. Er zou een brief naar de Tweede Kamer gaan en hij moest zijn eigen directie informeren.

Na het eerste telefoongesprek had hij ongeveer één uur om zich in het onderwerp te verdiepen voordat het vervolgoverleg met Rijkswaterstaat plaatsvond. Hij gebruikte generatieve AI en online beschikbare onderzoeken om zich voor te bereiden.

Niveau 1: een open vraag stellen

Op het eerste niveau wordt een taalmodel als vraag-en-antwoordmodule gebruikt. Een gebruiker kan bijvoorbeeld vragen wat waterstofverbrossing is. Wanneer precies dezelfde vraag meerdere keren wordt gesteld, kan het model antwoorden produceren die verschillen in lengte, vorm, structuur en inhoud.

Een taalmodel beschikt niet over een vaste woordenboekdefinitie van ieder begrip. Het is getraind op grote hoeveelheden tekst en heeft verbanden tussen woorden geleerd. Tijdens het genereren voorspelt het steeds welk woord waarschijnlijk op de voorgaande tekst volgt. De sprekers vergelijken dit met een geavanceerde vorm van automatisch aanvullen. Omdat het model met kansberekening werkt, kan dezelfde vraag steeds een ander antwoord opleveren.

Een taalmodel controleert zijn antwoorden niet automatisch op feiten. Een vloeiend geschreven antwoord is daarom niet noodzakelijk een correct antwoord. Een open vraag zonder aanvullende context levert bovendien meestal een algemeen resultaat op.

Niveau 2: chatten met documenten

Pieter Ale de Boer vond op de website van Rijkswaterstaat negen PDF-bestanden over waterstofverbrossing, met in totaal meer dan 150 pagina’s tekst. Later in het webinar wordt dezelfde verzameling aangeduid als 155 pagina’s. Zonder AI zou hij deze documenten afzonderlijk moeten lezen, terwijl hij slechts één uur voorbereidingstijd had.

Provincie Overijssel analyseert waterstofverbrossing met GovChatNL

De presentatie toont welke negen bronnen in de kenniscollectie waren geladen:

  • Adviesmemo Rijkswaterstaat waterstofverbrossing;
  • Evaluatie van een pilot-onderzoek naar mogelijke waterstofverbrossing;
  • Second opinion TNO – Advies RWS bruggen gevoelig voor waterstofverbrossing;
  • onderzoeken naar mogelijke waterstofverbrossing van voorspanstaal in de viaducten Steenenhoek, Oosterhout, Geldrop en Breda;
  • Onderliggende beslisnota Kamerbrief waterstofverbrossing;
  • Kamerbrief waterstofverbrossing.

Hij voegde de documenten toe aan een werkruimte in GovChatNL en stelde vervolgens vragen op basis van deze verzameling. Het taalmodel bleef generatieve antwoorden maken, maar kreeg de documenten als inhoudelijk kader. Hierdoor werden de antwoorden gerichter en werden bronverwijzingen toegevoegd. De gebruiker kon vanuit het antwoord doorklikken naar het betreffende document en de informatie daar controleren.

Met de documentcollectie kon hij onder meer vragen wat waterstofverbrossing is, welke typen bruggen mogelijk kwetsbaar zijn en welke eerste stappen Provincie Overijssel moest zetten. Hij liet de antwoorden ook omzetten in een stappenplan. Daardoor kon hij gericht bepalen welke passages hij zelf moest lezen en welke vragen hij tijdens het vervolgoverleg wilde stellen.

Toen het gesprek met Rijkswaterstaat een uur later begon, kende hij de algemene uitleg al en had hij zijn vervolgvragen voorbereid. Hierdoor kon het gesprek direct een inhoudelijke stap verder gaan. AI verving het lezen van de bronnen niet, maar hielp om snel richting te kiezen en relevante passages te vinden.

AI als hulpmiddel voor verschillenanalyses

AI kan ook documenten onderling vergelijken. In de demonstratie liet Pieter Ale de Boer het systeem zoeken naar verschillen tussen informatie van Rijkswaterstaat en TNO. Het systeem signaleerde bijvoorbeeld een verschil tussen een advies om binnen vijf jaar te vervangen en een standpunt dat vervanging niet strikt noodzakelijk zou zijn.

Zo’n resultaat moet altijd in de oorspronkelijke documenten worden gecontroleerd. Het voordeel is dat AI snel een mogelijke rode draad of een inhoudelijk verschil zichtbaar maakt. Dit kan vooral helpen bij grotere hoeveelheden informatie waarop een gebruiker wil reflecteren.

De AI kon in dit geval niet rechtstreeks vaststellen welke objecten in het areaal van Provincie Overijssel mogelijk met waterstofverbrossing te maken hadden. De benodigde specificaties lagen deels in een analoog archief. Collega’s moesten daarom fysieke documenten terugzoeken en kennisinstituten werden ingeschakeld voor de verdere inhoudelijke beoordeling. Wanneer assetinformatie en technische specificaties digitaal en goed doorzoekbaar zijn, kan AI volgens de sprekers gerichter ondersteunen bij zoeken, samenvatten en vergelijken.

Beperkingen van het contextvenster

Een taalmodel kan slechts een begrensde hoeveelheid tekst tegelijk verwerken. Deze hoeveelheid wordt uitgedrukt in tokens, waarbij een token ongeveer een deel van een woord is. Tijdens het webinar werd voor GPT-4.1 een contextvenster van één miljoen tokens genoemd, overeenkomend met ongeveer 700.000 woorden.

Wanneer een gebruiker één miljoen woorden invoert in een model dat ongeveer 700.000 woorden kan verwerken, worden volgens de uitleg de laatste 300.000 woorden niet meegenomen. Het is daarom niet mogelijk om zonder meer alle informatie van een organisatie aan één chat toe te voegen en te verwachten dat ieder document volledig in het antwoord wordt verwerkt. Tijdens de Q&A werd daarbij toegelicht dat het oudere probleem waarbij een model vooral het begin en einde van een document gebruikte en informatie uit het midden minder goed meenam, inmiddels voor een groot deel is verbeterd.

Voor grotere informatieverzamelingen kan Retrieval Augmented Generation, afgekort RAG, worden gebruikt. Hierbij zoekt het systeem eerst relevante bronpassages en geeft het die vervolgens aan het taalmodel om een antwoord te genereren. Anders dan een letterlijke zoekactie met Control-F kan het systeem ook zoeken naar begrippen en passages die inhoudelijk op de zoekvraag lijken. De sprekers vergelijken dit met zoeken via Google, maar dan binnen de eigen database. De kwaliteit hangt mede af van de opbouw van de database en de gebruikte zoekmethode. Alleen RAG met een vectordatabase is niet in alle situaties voldoende.

Niveau 3: gerichte instructies en een gewenste vorm

Op het derde niveau wordt AI niet alleen gebruikt om informatie te vinden, maar als gereedschap dat een gericht eindproduct opstelt. De gebruiker geeft dan instructies over de inhoud, het doel, de bronnen, de schrijfstijl en de gewenste vorm.

Pieter Ale de Boer vroeg het systeem bijvoorbeeld om een beslisnota voor het managementteam over waterstofverbrossing te maken. Naast de inhoudelijke documenten voegde hij de interne schrijfwijzer van Provincie Overijssel toe. Daardoor kreeg het systeem niet alleen informatie over het onderwerp, maar ook aanwijzingen over de gewenste opbouw, toon en schrijfstijl.

Een bestaande memo of een ander voorbeelddocument kan eveneens als instructie dienen. Het systeem kan de structuur daarvan volgen en informatie op de vaste plek in het document opnemen. De gebruiker hoeft het document dan niet volledig vanaf nul te schrijven, maar kan sneller beginnen met de inhoudelijke controle en eindredactie.

In een tweede voorbeeld werd gevraagd om een tabel met het nummer en type voorspanstaal, het jaartal en een risicoprofiel. Het systeem gebruikte daarvoor de ingeladen rapportages. Het voegde uit zichzelf ook namen en identificerende gegevens van bruggen toe. Dit laat zien dat het antwoord ondanks een gerichte instructie generatief blijft. Wanneer uitsluitend vooraf bepaalde velden mogen worden opgenomen, moet dat expliciet in de opdracht staan.

Een goede opdracht aan AI formuleren

Bekijk de terugblik vanaf hier op YouTube

De kwaliteit van het resultaat hangt sterk samen met de kwaliteit van de instructie. Een algemene opdracht zoals “maak een memo” laat veel keuzes over aan het taalmodel. Een gerichte opdracht beschrijft waarom de informatie nodig is en wat de gebruiker precies verwacht.

De sprekers adviseren om in ieder geval de volgende onderdelen mee te geven:

  • de context en het doel van de opdracht;
  • de specifieke vraag of taak;
  • de bronnen die het systeem wel of niet moet gebruiken;
  • de doelgroep waarvoor het resultaat bedoeld is;
  • de gewenste toon en het taalniveau, bijvoorbeeld professioneel of B1;
  • de gewenste vorm, zoals een tabel, memo, template of opsomming;
  • de onderwerpen, velden of aantallen die expliciet in het antwoord moeten staan.

Een eerste instructie mag volgens de sprekers een volledige alinea zijn. Daarna kan de gebruiker het resultaat stapsgewijs verfijnen. Pieter Ale de Boer omschrijft dit als een trechter: klein beginnen, meer informatie toevoegen en het geheel uiteindelijk weer laten terugbrengen tot de kern.

De vergelijking met een collega helpt om het gewenste detailniveau te bepalen. De vraag wat er tijdens een overleg is besproken, laat veel ruimte voor interpretatie. De vraag om in drie punten samen te vatten wat er over één specifiek onderwerp is gezegd, levert waarschijnlijk een gerichter antwoord op. Hetzelfde geldt voor een opdracht aan generatieve AI.

De gebruiker blijft eindredacteur

Ook met aanvullende documenten en een gedetailleerde instructie kan een taalmodel fouten maken. De gebruiker blijft daarom verantwoordelijk voor de uiteindelijke tekst, analyse of beslissing. Bronverwijzingen moeten worden gecontroleerd en specialistische uitspraken moeten in de oorspronkelijke documenten worden teruggelezen.

De kans op fouten hangt volgens de sprekers mede af van het onderwerp. Over onderwerpen die vaak in de trainingsdata voorkomen, kan een model doorgaans betrouwbaarder antwoorden dan over zeer specialistische onderwerpen. Een exact percentage fouten konden zij niet noemen.

Taalmodellen zijn bovendien niet vanzelf goed in rekenen. Omdat zij tekst genereren door waarschijnlijke vervolgstappen te voorspellen, is deze werkwijze niet geschikt voor betrouwbare berekeningen. Een rekenmachine kan wel als afzonderlijk hulpmiddel aan een AI-agent worden gekoppeld. De agent kan dan herkennen dat een vraag een berekening vereist, de rekenmachine aanroepen en het resultaat verwerken in het antwoord.

De conclusie op de presentatie vat de rolverdeling kernachtig samen: AI is gereedschap en wordt pas nuttig in handen van een domeinexpert. De inhoudelijke deskundige blijft verantwoordelijk voor de controle en het eindresultaat.

Vragen en antwoorden

Bekijk de terugblik vanaf hier op YouTube

Hoeveel kennis gaat verloren wanneer AI documenten samenvat?

Door alleen de AI-samenvatting te lezen, kan een gebruiker zijdelingse kennis uit de oorspronkelijke documenten missen. AI is daarom vooral een hulpmiddel om snel eerste inzichten te krijgen en te bepalen waar verder moet worden gezocht. Pieter Ale de Boer leest de relevante documenten uiteindelijk ook zelf. De samenvatting, invalshoek of reflectie helpt hem om sneller met een grote hoeveelheid informatie aan de slag te gaan.

Kan worden gecontroleerd of alle bronnen zijn meegenomen?

De gebruiker kan het systeem vragen waarop een antwoord is gebaseerd en welke bronnen zijn gebruikt. Volledigheid blijft echter moeilijk vast te stellen wanneer meer informatie wordt ingevoerd dan het model tegelijk kan verwerken. Een taalmodel kan dan stoppen met lezen zodra de grens van het contextvenster is bereikt. De hoeveelheid aangeboden informatie moet daarom worden afgestemd op de capaciteit van het gekozen model.

Hoe gaat generatieve AI om met afbeeldingen?

Een multimodaal model kan afbeeldingen interpreteren. Een gebruiker kan bijvoorbeeld een foto van handgeschreven notities uploaden en vragen wat erop staat. Voor het genereren van beelden moet een afzonderlijk beeldgeneratiemodel aan GovChatNL worden gekoppeld.

Bij beeldgeneratie geldt eveneens dat een nauwkeurige instructie belangrijk is. De sprekers adviseren om vooral te beschrijven wat wel zichtbaar moet zijn. Een negatieve instructie kan het model juist op het uitgesloten onderwerp richten. Wanneer een chat door eerdere instructies een ongewenste richting heeft gekregen, kan het helpen om een nieuwe chat met een schone context te beginnen.

Provincie Overijssel had beeldgeneratie tijdens de demonstratie niet in GovChatNL geactiveerd. Beeldinterpretatie was technisch wel mogelijk. Of beeldgeneratie beschikbaar is, hangt af van het model dat een organisatie aan het platform koppelt.

Provincie Overijssel maakt informatieproducten met NotebookLM

Voorbeelden van andere genoemde toepassingen en modellen zijn Microsoft Copilot, ChatGPT, Gemini, Nano Banana en NotebookLM. Pieter Ale de Boer vertelde dat hij met NotebookLM bijvoorbeeld tien YouTube-video’s verwerkt tot een podcast op maat of een infographic. Gratis consumententoepassingen worden niet geschikt geacht voor vertrouwelijke werkcontext.

Kan GovChatNL via een API met bestaande systemen worden verbonden?

GovChatNL kan via API’s met bestaande systemen worden gekoppeld. API staat voor Application Programming Interface en is een manier waarop verschillende softwaretoepassingen informatie kunnen uitwisselen.

Gemeente Meierijstad koppelt TOPdesk aan GovChatNL

De gemeente Meierijstad had TOPdesk aan GovChatNL gekoppeld. Medewerkers kunnen daardoor vragen stellen over bijvoorbeeld verlof, waarna GovChatNL de benodigde informatie via een API rechtstreeks uit TOPdesk ophaalt. Ook SharePoint kan als databron worden gekoppeld. In theorie kan ieder systeem met een geschikte API worden aangesloten.

De technische mogelijkheid betekent niet dat iedere koppeling zonder meer wenselijk is. Een organisatie moet vooraf bepalen welke kennisbanken en gegevens toegankelijk mogen worden voor AI. GovChatNL is erop gericht dat de organisatie zelf bewust kiest welke informatie wordt ontsloten, in plaats van automatisch alle beschikbare data aan een model beschikbaar te stellen.

Kan Claude met GovChatNL worden gebruikt?

Door de modulaire opzet kunnen in principe verschillende modellen aan GovChatNL worden gekoppeld. Claude werd tijdens het webinar genoemd als een model dat sterk wordt toegepast bij het genereren van programmeercode. Ook Codex werd in deze context genoemd.

Bij door AI gegenereerde software blijft menselijke controle noodzakelijk. Code kan bugs, fouten en beveiligingsproblemen bevatten. Een overtuigende demonstratie betekent daarom niet automatisch dat een toepassing veilig en geschikt is voor productie. De organisatie moet zelf de technische regie en eindverantwoordelijkheid behouden.

Hoe kunnen organisaties deelnemen aan GovChatNL?

GovChatNL is een open community waarbij overheidsorganisaties kunnen aansluiten. Meer informatie over het gedachtegoed, de roadmap, de deelnemende organisaties en contactmogelijkheden staat op govchat-nl.nl. De community komt eens per twee weken bij elkaar en de broncode is beschikbaar via GitHub.

Een medewerker die GovChatNL binnen de eigen organisatie wil introduceren, kan volgens de sprekers doorgaans beginnen bij de afdeling bedrijfsvoering. Die afdeling kan vervolgens contact opnemen met de community om de mogelijkheden te bespreken.

Kunnen AI-toepassingen volledig lokaal draaien?

Documenten kunnen ook offline met scripts worden doorzocht. Genoemd werd dat Python-scripts kunnen worden gebruikt om documenten en tekeningen lokaal te verwerken. Scripts en vooraf bepaalde beslisbomen geven meer regie over de keuzes die een systeem maakt. Bij complexere onderdelen die interpretatie vereisen, kan aanvullend een taalmodel worden ingezet.

Ook taalmodellen kunnen lokaal worden gedraaid. Groffen verwees daarbij naar GPT-NL als voorbeeld van een model dat een organisatie zelf kan draaien. Daarnaast werd het lokaal transcriberen van overleggen genoemd, zodat audio, stemmen en namen niet naar een buitenlandse clouddienst hoeven te worden gestuurd. Een combinatie van vaste scripts, beslisbomen en taalmodellen kan volgens de sprekers een geschikte basis vormen voor toekomstige agents.

Wat zijn de belangrijkste voordelen van GovChatNL?

Het belangrijkste voordeel is keuzevrijheid. Een organisatie kan GovChatNL zo instellen dat gegevens alsnog via een Amerikaanse leverancier worden verwerkt, maar kan ook kiezen voor hosting en verwerking binnen Europa of voor een volledig lokaal model. Tijdens de demonstratie draaide de Azure-omgeving in Europa met een ouder model, mede om de gebruikskosten lager te houden.

GovChatNL is daarmee zowel een hulpmiddel voor medewerkers als een manier om generatieve AI bewust in een organisatie te implementeren. De organisatie houdt zelf regie over het taalmodel, de hosting, de opslag, de aangesloten databronnen en de taakgerichte hulpmiddelen. Welke inrichting geschikt is, blijft afhankelijk van de eisen, middelen en keuzes van de afzonderlijke organisatie.

Dit artikel is samengesteld met behulp van AI op basis van de terugblik Terugkijken webinar Generatieve AI in de GWW – 2 april 2026. Mochten er onjuistheden in staan, neem dan contact met ons op.