De meeste OCMW’s staat het water aan de lippen. Uit cijfers van de POD Maatschappelijke Integratie blijkt dat het absolute aantal leefloonontvangers jaar na jaar toeneemt. Begin dit jaar voerde de federale regering de beperking van de werkloosheidsuitkering in de tijd in, wat resulteerde in een toestroom van nieuwe OCMW-cliënten. Zelfs volgens de meest conservatieve schattingen ontvangt een op de drie personen die door de maatregel hun werkloosheidsuitkering verloor nu hulp van de lokale OCMW’s.
Meer recente rapporteringen spreken zelfs van ruim een op de twee. Diezelfde OCMW’s passen voortdurend veranderende regelgeving toe. In maart nog veranderde de berekeningswijze van de bestaansmiddelen voor leeflonen. Dit alles gebeurt bovendien tegen een achtergrond van opeenvolgende crises die zich ook lieten voelen in de OCMW’s, de COVID-19-pandemie, de oorlog in Oekraïne en de energiecrisis. Niet alleen zijn er steeds meer cliënten die begeleiding aanvragen, ook hun profielen worden steeds complexer.
In deze omstandigheden vervullen OCMW’s een aartsmoeilijke kerntaak, het garanderen van eenieders menselijke waardigheid. Dat kan op verschillende manieren, bijvoorbeeld via financiële hulp in de vorm van een leefloon of een ander type van maatschappelijke dienstverlening.
Efficiëntie wordt dan vaak gelijkgesteld aan een snellere besluitvorming of minder administratief werk.
Daarbij spelen maatschappelijk assistenten een cruciale rol. De wet schrijft voor dat alleen zij een sociaal onderzoek mogen uitvoeren en hun bevindingen daarbij dienen neer te schrijven in een sociaal verslag. Dit gebeurt overigens binnen een wettelijk kader dat de ruimte laat om besluiten te nemen op basis van casuïstiek.
Vervolgens is het aan het Bijzonder Comité voor de Sociale Dienst (BCSD) om als vertegenwoordigers van de samenleving te oordelen of de voorstellen van de maatschappelijk assistenten al dan niet worden goedgekeurd.
In diezelfde context worden dataficatie en algoritmische besluitvorming steeds vaker ingezet om onze welvaartsstaat te stroomlijnen. Een mooie Belgische illustratie daarvan is het linken en delen van overheidsdata via de Kruispuntbank van de Sociale Zekerheid (KSZ), een toepassing die alle maatschappelijk assistenten in het OCMW gebruiken om hun sociaal onderzoek uit te voeren.
In 2006 won de KSZ nog de prijs in de categorie e-government en innovatie van de Verenigde Naties als vernieuwend project in de openbare dienstverlening. Fast forward naar 2026, waarin een nieuwe technologie steeds meer de intrede maakt binnen de Belgische OCMW’s: AI.
De grote hoop die in een adem genoemd wordt met de nieuwe AI-toepassingen, is dat ze het bureaucratisch proces dat gepaard gaat met OCMW-dienstverlening efficiënter maken. Dit onder het elan van administratieve vereenvoudiging.
Efficiëntie wordt dan vaak gelijkgesteld aan een snellere besluitvorming of minder administratief werk. Door algoritmen of AI een deel van het besluitvormingsproces te laten overnemen, dienen maatschappelijk assistenten meer ruimte te krijgen voor zogenaamd écht sociaal werk. Daarmee bedoelt men regelmatig het werk dat geleverd wordt in direct contact met de cliënt.
Kortom, de belofte die AI de OCMW’s brengt is die van minder administratie en meer cliëntcontact voor maatschappelijk assistenten.
Automatiseerbaar
Kritische stemmen waarschuwen voor de implementatie van AI binnen OCMW’s. Een gekend argument is dat echt sociaal werk mensenwerk is, wat niet door algoritmen of computers kan worden uitgevoerd. Inschatten of iemands menselijke waardigheid in het gedrang is en bijgevolg sociale dienstverlening geleverd dient te worden, vraagt namelijk een professioneel en contextueel oordeel.
Hoe kan een algoritme dat gestandaardiseerde besluiten neemt, geen relatie opbouwt met de cliënt en niet opgeleid is als maatschappelijk werker zulke beslissingen nemen of ondersteunen? Om de belofte van AI te realiseren dient dus een onderscheid te worden gemaakt tussen de taken van maatschappelijk assistenten die te automatiseren zijn, namelijk hun administratieve taken, en de taken die dat niet zijn, ofwel het sociaal werk.
Inschatten of iemands menselijke waardigheid in het gedrang is, vraagt een professioneel en contextueel oordeel.
Dat legt een spanning bloot. Een sociaal verslag schrijven geldt doorgaans als zo’n administratieve taak. Het vraagt van een maatschappelijk assistent om zich achter een computerscherm te plaatsen en data in te voeren in een vaak voorgestructureerd sjabloon. Maatschappelijk assistenten verwerken daarbij zowel informatie die direct gelinkt is aan de toekenningsvoorwaarden voor bijvoorbeeld leeflonen – denk aan een inschatting van werkbereidheid – als informatie die relevant is voor de ruimere begeleiding van de cliënt.
Vandaag de dag gebeurt dit in sommige OCMW’s deels automatisch en worden er al bepaalde elementen voorgestructureerd op basis van eerder ingeschreven data in het softwaresysteem. Met de eerdere contextschets in het achterhoofd is het dus niet verwonderlijk dat enkele OCMW’s het schrijven van sociale verslagen identificeren als mogelijke toepassing voor AI.
Hoewel deze OCMW’s het doel delen om maatschappelijk assistenten te ontlasten, blijkt in de praktijk dat zij opmerkelijk verschillende keuzes maken over hoe die AI-toepassing er precies uit moet zien.
Een eerste onderscheid betreft welke data gebruikt worden als input voor het AI-systeem. Zo zijn er bepaalde AI-toepassingen die verschillende bronnen van data combineren en op basis hiervan de meest relevante informatie selecteren en samenvatten. Meer specifiek worden in dat geval documenten, KSZ-data en opnames van cliëntgesprekken geanalyseerd door de AI-toepassing zelf en vervolgens samengevat tot informatie voor het sociaal verslag.
Een andere toepassing werkt louter met spraakopnames van de maatschappelijk assistent. In dat geval is het de maatschappelijk assistent die eerst zelf de oefening maakt welke data relevant zijn.
Een ander onderscheid betreft de manier waarop systemen worden geprompt. In een prompt worden aan de AI-toepassing instructies meegegeven over hoe sociale verslagen gegenereerd dienen te worden. Zo kunnen spreektaal en vakjargon verduidelijkt worden voor het systeem, kan meegegeven worden welk soort informatie prioriteit dient te krijgen of kunnen interne richtlijnen over de interpretatie van wetgeving in de onderliggende code van het systeem worden ingebed.
Ten slotte is er onder de experimenterende OCMW’s variatie in hoe de output van de systemen gepercipieerd wordt. Sommige maatschappelijke assistenten geven aan actief te worden aangemoedigd om de door AI gegenereerde verslagen aan te passen. Andere maatschappelijk assistenten menen dat de geautomatiseerde verslagen objectiever zijn dan zijzelf omdat AI-systemen meer informatie kunnen verwerken.
Er zit dus grote verscheidenheid tussen OCMW’s in hoe ze vandaag met AI-toepassingen experimenteren, zelfs wanneer het de automatisering van dezelfde taak betreft. Eerste bevindingen wijzen erop dat dit te maken heeft met hoe de OCMW’s de taak van maatschappelijk assistenten precies definiëren.
Valse tweedeling
Dat een ogenschijnlijk administratieve taak dankzij AI geautomatiseerd kan worden en daarbij in een verschillende mate beslissingsvrijheid laat aan maatschappelijk assistenten, vertelt ons iets over hun professionele rol binnen de organisatie. Met name wanneer efficiëntie gelijkgesteld wordt aan meer cliëntcontact en minder administratie, leeft de indruk dat sociaal werk en administratie per definitie niet samen gaan.
Dat klopt niet. Het administratieve proces waarbij een maatschappelijk assistent bijvoorbeeld data ingeeft in een computersysteem omvat verschillende handelingen. Denk aan het omzetten van data naar informatie, afwegen welke informatie het meest relevant is, deze informatie interpreteren binnen een wetgevend kader, en vervolgens deze informatie neerschrijven en framen binnen een juridische werkelijkheid.
Dit biedt een maatschappelijk assistent tal van mogelijkheden om een professioneel oordeel te vellen.
Stel dat een cliënt aangeeft psychisch moe te zijn. Moet deze informatie in rekening genomen worden om de werkbereidheid te beoordelen? Of is dit informatie die niet relevant is voor de beoordeling van het recht op leefloon en moet dit bijgevolg niet worden overgemaakt aan het BCSD? Hoe moet dit worden beschreven? Volstaat het om in een sociaal verslag te zetten dat de cliënt ‘psychisch moe’ is, of moet vermeld zijn dat de cliënt aangeeft dat die psychisch moe is?
LEES OOK
De informatie classificeren vraagt om een interpretatie van wetgeving en om contextuele kennis van de cliënt. Zo’n contextuele inschatting kan niet worden gemaakt zonder enige relatie met de cliënt. Het vraagt een zekere professionaliteit met sociale, technische, juridische en dus ook administratieve kennis.
Het is in dit administratieve proces dat de maatschappelijk assistent bovendien de rechten van een cliënt kan realiseren en deze kan bijstaan met sociale dienstverlening. Ook in het administratieve, of nét in het administratieve kan een maatschappelijk assistent dus het verschil maken voor een cliënt. Wie ben ik om te zeggen dat dit geen echt sociaal werk is?
De informatie classificeren vraagt om een interpretatie van wetgeving en om contextuele kennis van de cliënt.
De technische opties, waarover al dan niet bewuste keuzes worden gemaakt, raken precies aan deze vragen. Anders dan te identificeren wat administratie versus echt sociaal werk is, lijkt het relevant waar en in hoeverre we een professioneel oordeel verwachten van een maatschappelijk assistent bij het schrijven van een sociaal verslag.
De valse tweedeling tussen administratie en sociaal werk laat zien dat administratie an sich niet het probleem is waar OCMW’s mee kampen. De administratieve procedures eigen aan de werking van OCMW’s vragen professionaliteit en vormen de instrumenten om cliënten te geven waar ze recht op hebben.
Anderzijds draagt het nog een ander risico met zich mee als we administratief sociaal werk niet herkennen als sociaal werk. Het vertroebelt de kost van automatisering. Hoewel de AI-systemen die ik onderzocht inderdaad veelbelovend lijken in het sneller schrijven van sociale verslagen en de daarbij behorende mentale werklast verminderen, kunnen ze in bepaalde contexten raken aan administratief werk dat niet herkend wordt als sociaal werk.
Dit doet denken aan wat in de techsector bekend staat als technische schuld. Dat verwijst naar het kluwen van code en technische systemen dat ontstaat door de implementatie van quick fixes voor bepaalde bugs. De term verwijst dus naar de aanpak van specifieke problemen in code met snelle, ad hoc aanpassingen, zonder het grotere logische geheel van de code te bekijken.
Technische schuld ontstaat niet steeds uit onvoorzichtigheid en kan ook bewust worden opgelopen. Quick fixes kunnen ervoor zorgen dat deadlines worden gehaald of zijn soms het beste alternatief in een beperkte handelingsruimte.
Trojaans paard
Naar analogie kan er in een OCMW sociale schuld ontstaan. Efficiëntiewinsten op korte termijn door uitbesteding van de professionele handelingsruimte van maatschappelijk assistenten, kunnen op langere termijn resulteren in skill degradation, oftewel het verlies van bepaalde kennis en competenties.
Wanneer maatschappelijk assistenten bijvoorbeeld vertrouwen op een algoritme om complexe, technische wetgeving te implementeren, kan dit ertoe leiden dat ze na verloop van tijd juridische kennis verliezen, waardoor ze niet meer weten waar ze precies hun discretionaire ruimte kunnen innemen.
De overbelasting van OCMW's is geen technisch probleem. Ze is het gevolg van bewuste beleidskeuzes die steeds meer verantwoordelijkheid leggen bij het lokale niveau om sociale uitdagingen aan te pakken, zonder daar voldoende ondersteuning tegenover te zetten.
De efficiëntiewinst waarover gesproken wordt, komt dus met een prijskaartje. Doordat administratief sociaal werk niet als een essentiële professionele vaardigheid wordt gezien, ontstaat zo het risico dat het kostenplaatje van automatisering vertroebeld raakt.
Het voorgaande maakte verschillende zaken duidelijk. Ten eerste is het onmogelijk om te spreken over dé effecten van AI in Belgische OCMW’s. Met de technologie wordt op zeer uiteenlopende manieren geëxperimenteerd. Hoe AI geïmplementeerd wordt in een OCMW is afhankelijk van contextuele factoren en van hoe de rol van een maatschappelijk assistent wordt gedefinieerd.
Daarenboven is het onderscheid tussen administratie en écht sociaal werk niet zinvol. Ook administratieve handelingen kunnen een professionele inschatting vergen en maken dus deel uit van echt sociaal werk. Administratief werk hekelen zonder meer leidt de aandacht af van de uitdaging waarmee ik dit stuk begon.
Hoewel AI zeker een meerwaarde kan betekenen in OCMW’s is de idee dat AI een oplossing is voor de overbelasting van de OCMW’s problematisch.
De overbelasting is namelijk geen technisch probleem. Ze is het gevolg van bewuste beleidskeuzes die steeds meer verantwoordelijkheid leggen bij het lokale niveau om sociale uitdagingen aan te pakken, zonder daar voldoende ondersteuning tegenover te zetten. Als een Trojaans paard dreigt de belofte van AI zo dat beleidsprobleem te maskeren als een efficiëntieprobleem.
