AI tool van gemeente Huizen signaleert hulpvragen vroegtijdig

De gemeente Huizen heeft met hulp van SAS een AI-tool ontwikkeld om het proces van het toekennen van een bijstandsuitkering te versnellen en te verbeteren. De verwachting is dat de werkdruk van de consulenten door het gebruik van de tool daalt en dat de zorgsignalen sneller opgepikt worden. Koen Buikema, teamleider Bedrijfsvoering en Informatiemanagement van de gemeente Huizen, doet uit de doeken hoe de bankafschriftentool tot stand kwam en wat de effecten zijn.

De gemeente Huizen, waar ook Blaricum, Eemnes en Laren onder vallen (ongeveer 70.000 inwoners) krijgt op jaarbasis tussen de 3500 en 4000 aanvragen voor bijstandsuitkeringen en herbeoordelingen te verwerken. Die worden uitgevoerd door gemeentelijke consulenten op basis van een digitaal aanvraagformulier, waarmee ook  bewijsstukken worden gevraagd om de rechtmatigheid van de aanvraag te beoordelen. Een overzicht van de banktransacties van de aanvrager over de afgelopen drie maanden is onderdeel van de gevraagde stukken. Voorheen bekeken de consulenten de pdf’s van de bankafschriften van de aanvrager handmatig, waar ze per aanvraag 8 tot 12 uur mee kwijt waren. De nieuwe Bankafschriftentool doet hetzelfde werk binnen een uur.

Vroeg zorgsignalen oppikken

Koen Buikema is verantwoordelijk voor de nieuwe AI-tool en legt uit hoe het werkt. “We laten de pdf’s met de banktransacties uitlezen door een afgeschermd LLM (Large Language Model) dat de transacties analyseert, rubriceert en overzichtelijk presenteert in een dashboard. Daarin is te zien hoeveel geld er is binnengekomen en uitgegeven, en welke pintransacties, automatische afschrijvingen en online betalingen zijn gedaan. Dat overzicht vormt als het ware een profielschets van de persoon die een bijstandsuitkering aanvraagt. Uit de transacties kan een consulent ook eventuele zorgsignalen destilleren, zoals gameverslaving, marihuanagebruik, dure boodschappen, vreemde transacties en overmatige contante geldopnames. Die zorgsignalen pikten de consulenten voorheen ook op,” zegt Buikema.

De signalen die uit de analyse van banktransacties naar voren komen, ziet de gemeente Huizen als potentiële hulpvragen van de inwoner, zegt Buikema. “Wanneer de aanvrager van een uitkering bijvoorbeeld met regelmaat uitgaven doet in een coffeeshop, kan er sprake zijn van een drugsprobleem, waar die persoon misschien wel hulp van de gemeente bij wil hebben. Wanneer iemand die een bijstandsuitkering aanvraagt wekelijks voor 100 euro boodschappen doet in de supermarkt, gaat het geld er snel doorheen. Al dit soort hulp- of zorgvragen willen we als gemeente graag zo vroeg mogelijk detecteren, zodat we beter kunnen helpen en kunnen voorkomen dat het probleem onnodig groot wordt.”

Hulpvragen helder

Wanneer een consulent een inwoner de bijstandsuitkering toekent, volgt er altijd een gesprek met de aanvrager. Buikema: “De consulenten willen mensen het liefst natuurlijk aan het werk krijgen, vrijwilligerswerk laten doen of anderszins laten participeren in de samenleving. In elk geval voorkomen dat ze in een isolement raken. Daarnaast hebben ze aan de hand van de potentiële zorgvragen aanknopingspunten om die onderwerpen in het gesprek aan te snijden. Het is ons niet te doen om de administratieve last voor de consulenten te reduceren. We willen de juiste hulpvraag helder hebben, en als de behoefte er is de juiste interventie inzetten. Daar is de tool voor bedoeld.”

Uit consultatie van het Inwonerspanel van de gemeente Huizen blijkt dat de inwoners blij zijn met de meer objectieve beoordeling van hun uitkeringsaanvraag. Buikema: “Waardeoordelen en bias zijn menselijk en komen ook voor bij onze consulenten. De tool maakt de uitkeringsbeoordeling objectiever en dat wordt gewaardeerd. Maar er bestaat ook iets als bemoeizorg. Een consulent kan naar aanleiding van signalen in de analyse vragen naar hoe iemands softdruggebruik zich verhoudt met de doelstelling om te re-integreren. Maar als de betrokkene het daar niet over wil hebben en zegt dat er op dat punt geen zorgvraag is, dan houdt de consulent er ook over op.”

Uitdagingen in sociale domein

Net als veel andere gemeenten kampt Huizen met structurele uitdagingen in het sociale domein. Zoals de wachtlijsten in jeugdhulp, GGZ en ouderenzorg en duurzame inzet van mensen met een afstand tot de arbeidsmarkt verloopt moeizaam. Op de vraag of de vroege signalering van zorgvragen met de bankafschriftentool de druk op de zorgketen vergroot, antwoord Buikema: “De druk in de keten komt voort uit een onderbenutting van de preventieve zorg. We zijn vaak te veel achteraf bezig en dan komen mensen in dure zorg terecht. Deze tool helpt er sneller bij te zijn. We zetten het niet in om te bezuinigen. We kunnen meer doen met hetzelfde aantal mensen, doordat we efficiënter werken. De doorlooptijd van een bijstandsaanvraag kan van acht weken misschien wel naar zes weken.”

Het idee voor de tool kwam van Buikema en zijn team, dat SAS en Notilyze als partners inschakelde om het te verwezenlijken. “Ze hebben met ons meegedacht, de oplossing in een half jaar gebouwd en ervoor gezorgd dat we voldoen aan alle wet- en regelgeving. Als kleine gemeente hebben wij niet alle benodigde expertise in huis. De Bankafschriftentool draait op het platform SAS Visual Analytics, maakt gebruik van Robotic Process Automation (RPA) voor de analyse van data en teksten. Het LLM draait in SAS Studio. We gebruiken de tool sinds mei en de resultaten zijn positief.” Buikema denkt dat de werkwijze ook bruikbaar is voor andere toepassingen in het sociale domein van de gemeente. “Het smaakt echt naar meer, maar we zetten kleine stappen en communiceren er open en transparant over.”