AI staat hoog op de agenda binnen de publieke sector. Gemeenten, uitvoeringsinstanties, provincies en andere overheidsorganisaties onderzoeken volop hoe AI kan helpen om processen slimmer, sneller en efficiënter te maken.
Van vergunningsaanvragen en burgercommunicatie tot verkeersanalyse, dataverwerking en beleidsvorming: de potentie van AI is enorm.
Tegelijkertijd groeit ook de complexiteit.
Want hoe innoveer je snel zonder grip op data, governance en soevereiniteit te verliezen? Hoe voorkom je dat publieke organisaties afhankelijk worden van technologieplatformen waar onvoldoende controle bestaat over data, regelgeving en eigenaarschap? En hoe zorg je ervoor dat AI niet alleen experimenteel blijft, maar daadwerkelijk verantwoord naar productie gebracht kan worden?
Dat zijn precies de vraagstukken die centraal stonden tijdens een aflevering van het ITQ Private Cloud Café met Jan Saan, medeoprichter van GLBNXT, en Tjerk Bakker, Sales Lead Public Sector bij ITQ.
De publieke sector wil wel innoveren, maar snelheid blijft een uitdaging
Volgens Jan Saan ontbreekt het binnen de publieke sector niet aan ambitie of kennis. De grootste uitdaging zit vooral in snelheid, besluitvorming en complexiteit.
Veel organisaties begrijpen dat AI een fundamentele rol gaat spelen in toekomstige dienstverlening. Tegelijkertijd zijn publieke organisaties verantwoordelijk voor miljoenen burgers, gevoelige data en kritieke processen. Dat maakt innovatie automatisch risicovoller dan binnen veel commerciële organisaties.
Daardoor ontstaan langere besluitvormingstrajecten, uitgebreide governance processen en een sterke focus op zekerheid en controle.
Toch is niets doen geen optie meer.
AI ontwikkelt zich te snel om af te wachten. Organisaties die te lang blijven hangen in strategische discussies zonder concrete stappen te zetten, lopen het risico dat innovatie hen uiteindelijk voorbijgaat.
AI begint niet bij modellen, maar bij data
Eén van de belangrijkste thema’s uit het gesprek is dat AI adoptie uiteindelijk veel minder draait om modellen dan organisaties vaak denken.
De echte uitdaging zit in data.
Waar staat die data?
Wie heeft toegang?
Welke data mag gebruikt worden?
Welke regelgeving geldt?
En hoe zorg je ervoor dat gevoelige informatie niet onbedoeld terechtkomt in publieke AI platformen?
Binnen de Nederlandse overheid blijkt dat nog steeds een enorme uitdaging. In veel gevallen is onvoldoende inzichtelijk waar data precies wordt opgeslagen of welke cloudplatformen betrokken zijn bij verwerking.
Volgens ITQ en GlobalNext draait het vraagstuk daarom niet uitsluitend om public versus private cloud, maar vooral om controle, inzicht en wendbaarheid.
Waarom Private AI steeds relevanter wordt
Juist daarom groeit de interesse in Private AI oplossingen.
Private AI draait niet alleen om infrastructuur. Het gaat om controle over data, modellen, governance en keuzevrijheid. Organisaties willen kunnen bepalen waar data wordt verwerkt, wie toegang heeft en welke AI modellen worden ingezet.
Voor publieke organisaties wordt datasoevereiniteit daarmee steeds belangrijker.
Niet alleen vanwege regelgeving of compliance, maar ook vanuit strategisch perspectief. Want zodra organisaties volledig afhankelijk worden van één leverancier of één ecosysteem, ontstaat automatisch een vorm van vendor lock in.
En precies daar wringt het vaak.
Veel organisaties willen wél innovatie, maar tegelijkertijd ook de flexibiliteit behouden om toekomstige technologische keuzes te kunnen blijven maken.
One AI to rule them all bestaat niet
Een andere belangrijke conclusie uit het gesprek is dat veel organisaties AI nog te generiek benaderen.
In de praktijk heeft niet iedere use case een gigantisch publiek AI model nodig.
Sterker nog: voor veel toepassingen binnen de publieke sector zijn kleinere, specifieke modellen vaak veel effectiever, goedkoper en beter beheersbaar. Denk aan toepassingen rondom vergunningverlening, documentanalyse of interne kennisontsluiting.
Volgens Jan Saan ligt daar juist de kracht van Private AI.
Door purpose driven modellen in te zetten voor specifieke use cases, blijven oplossingen beter controleerbaar, energie efficiënter en minder complex.
Dat maakt AI niet alleen veiliger, maar ook veel realistischer toepasbaar voor publieke organisaties.
Innovatie vraagt om kleine iteraties
Waar traditionele IT trajecten vroeger vaak maanden of zelfs jaren duurden voordat resultaten zichtbaar werden, werkt dat binnen AI fundamenteel anders.
AI innovatie vraagt om korte iteraties.
Experimenteren.
Leren.
Bijsturen.
Opnieuw testen.
Juist daarin ontstaat momenteel een spanningsveld binnen de publieke sector. Want bestaande processen, besluitvorming en governance structuren zijn vaak nog ingericht op langlopende projecten met uitgebreide goedkeuringsprocedures.
Maar AI ontwikkelt zich sneller dan die traditionele processen kunnen bijhouden.
Dat betekent niet dat governance minder belangrijk wordt. Integendeel.
Succesvolle AI adoptie vraagt juist om duidelijke guardrails, heldere dataclassificatie en goede governance structuren. Alleen moeten die processen innovatie ondersteunen in plaats van blokkeren.
Private AI hoeft niet complex of duur te zijn
Volgens ITQ en GlobalNext bestaat nog te vaak het beeld dat Private AI automatisch duur, complex en alleen haalbaar voor grote organisaties is.
In werkelijkheid hoeft dat helemaal niet zo te zijn.
Niet iedere organisatie heeft een “Ferrari” nodig. Veel use cases kunnen prima draaien op kleinere, efficiëntere AI omgevingen die specifiek zijn ingericht voor één doel of proces.
Juist door klein te beginnen, ontstaat ruimte om sneller waarde te leveren, risico’s beheersbaar te houden en organisaties stap voor stap mee te nemen in AI adoptie.
En dat is misschien wel de belangrijkste conclusie van het gesprek.
Succesvolle AI strategieën beginnen niet bij technologie alleen.
Ze beginnen bij bewustwording, governance, data controle en de bereidheid om daadwerkelijk te starten.
Wil je ontdekken hoe jouw organisatie met AI kan innoveren zonder de controle over data, governance en digitale soevereiniteit te verliezen? Ontdek hoe ITQ Private AI je helpt bij het bouwen van een schaalbaar en toekomstbestendig AI platform.
Wil je meer over dit onderwerp weten? Luister dan ook vooral deze podcast aflevering.
