Digitalisering en de toekomst van het werk bij gemeenten

Rapportage deskresearch

Digitalisering en de toekomst van het werk bij gemeenten TRENDANALYSE HR

Het is niet onze taak de toekomst te voorspellen, maar ons erop voor te bereiden. – Pericles –

INHOUD

MANAGEMENTSAMENVATTING 4 INLEIDING 9 Aanleiding 9 Doel van het onderzoek 11 Verloop van het onderzoek 11 Reikwijdte van het onderzoek 12 1 TECHNOLOGISCHE ONTWIKKELINGEN 13 De zelfrijdende auto 14 Siri – personal assistent in de iPhone 14 Robots 14 Conclusies hoofdstuk 1 15 2

ONTWIKKELINGEN BIJ GEMEENTEN, GEVOLGEN VOOR HET WERK 18 Gevolgen van het NUP, mogelijkheden van prefill 20 Selfservice door burgers 20 Rationalisering van werkprocessen bij gemeenten / werken met beslisbomen 21 Werken met big data, machine learning en andere rationaliseringen 21 Enkele voorbeelden van huidige ontwikkelingen bij gemeenten 23 Conclusies en aanbevelingen hoofdstuk 2 26

3 MAATSCHAPPELIJKE ONTWIKKELINGEN, GEVOLGEN VOOR HET WERK BIJ GEMEENTEN Strategisch personeelsbeleid 21st century skills/Future work skills Sturing/governance Verandermanagement Informatiefuncties Andere invloeden van digitalisering op werk bij gemeenten

29 30 31 32 33 33 33

4 CONCLUSIES EN AANBEVELINGEN 34 Conclusies 35 Aanbevelingen 36

BIJLAGEN 37 BIJLAGE 1: Literatuurlijst en lijst geïnterviewde deskundigen

38

BIJLAGE 2: Technologische ontwikkelingen BIJLAGE 2A: Toelichting bij de verwachte ontwikkelingen (onderdeel p)

40 58

BIJLAGE 3: Ontwikkelingen bij gemeenten, gevolgen voor het werk (toelichting bij hoofdstuk 2)

61

BIJLAGE 4: Gevolgen van automatisering en robotisering voor functies en taken / invloed op HR21

72

4

MANAGEMENTSAMENVATTING

DI GI TAL I S E R I N G E N DE TOE KOMS T VAN H E T W E R K B I J G E ME E N T E N

Recente rapporten geven aan, dat door de technologische ontwikkelingen veel meer taken geautomatiseerd zullen worden. Daardoor wordt veel werk overgenomen door computers en het is de vraag of er voor iedereen vervangend werk te vinden zal zijn. Naar aanleiding van deze rapporten is ‘digitalisering’ opgenomen in het jaarplan Overheid in Beweging 2014 van het A+O fonds Gemeenten als onderdeel van het thema ‘Lerende overheid’. De begeleidingscommissie Overheid in beweging, waarin sociale partners van gemeenten en vertegenwoordigers van gemeenten (HR-adviseurs) zitting hebben, heeft de onderzoekvraag als volgt geformuleerd: Wat zijn de belangrijkste technologische ontwikkelingen voor gemeenten voor komende jaren en wat zijn de te verwachten gevolgen hiervan voor taken, werkzaamheden en functies van gemeenten op korte, middellange en lange termijn? Door middel van deskresearch (gebruik van al beschikbare onderzoeken en bronnen) en interviews met een aantal experts moet inzicht verkregen worden in de gevolgen van technologische ontwikkelingen voor het werk in de gemeenten. Daarbij gaat het om: n in kaart brengen van kennis over technologische ontwikkelingen (digitalisering, automatisering, mobiel internet, social media en robotisering) uit publicaties en door middel van interviews bij stakeholders in het veld; n in kaart brengen welke diensten, werkzaamheden, taken en functies van gemeenten hierdoor worden geraakt en in welk tempo; n check bij enkele experts; n samenbrengen van resultaten in een rapportage. Het startpunt van het onderzoek was het boek The second machine age. Work, progress and prosperity in a time of brilliant technologies van Brynjolfsson en McAfee (Massachusetts Institute of Technology; MIT) en de studie The future of employment. How susceptible are jobs to computerisation? van Osborne en Frey (Oxford University). Brynjolfsson en McAfee beginnen hun boek met een aantal voorbeelden, waarbij de vooruitgang voor een lange tijd slechts beperkt was. In de laatste paar jaren trad er ineens een versnelling op, en konden gecompliceerde taken door computers worden gedaan. En dat op meerdere gebieden, van kunstmatige intelligentie, zelfrijdende auto’s tot robots. Brynjolfsson en McAfee noemen de digitale vooruitgang indrukwekkend, maar tegelijkertijd is het nog maar een kleine indicatie van wat er komen gaat. We zitten nog maar in de dageraad van de ‘second machine age’. Osborne en Frey gaan ook in op de technologische ontwikkelingen. Zij geven op basis van die ontwikkelingen aan welke taken de computer in de komende jaren zal kunnen uitvoeren. Zij onderscheiden een hoog, middel en laag risico op automatisering voor beroepen, afhankelijk van de waarschijnlijkheid dat ze worden geautomatiseerd. Naar hun schatting valt 47 procent van de totale werkgelegenheid in de VS in de categorie met een hoog risico. Dat betekent dat de betreffende beroepen potentieel geautomatiseerd kunnen worden in een nog niet duidelijk aantal jaren, misschien een decennia of twee. De rekenkracht van computers is de laatste jaren exponentieel toegenomen. Maar om die exponentiële groei vol te houden moeten er wel harde grenzen worden overwonnen. Op allerlei gebieden zijn er nieuwe en verbeterde sensoren. Met een sensor neemt een machine de omgeving waar of kan informatie worden verzameld, waarmee industrie- en informaticaprocessen bestuurd kunnen worden. Op basis van die informatie kunnen ontwikkelingen real-time worden gevolgd.

5

DI GI TAL I S E R I N G E N DE TOE KOMS T VAN HE T W E R K B I J G E ME E N T E N

Door sensoren kunnen robots ‘zien’ wat ze doen of waar ze lopen. Ook kunnen ze op basis van de informatie van sensoren actie ondernemen. Robots (computers) zijn niet meer geheel en al voorgeprogrammeerd. In een grote hoeveelheid informatie kunnen ze patronen herkennen en die zelf gaan toepassen. Zo ‘leren’ ze gaandeweg dingen. Daarnaast kunnen robots gemakkelijker geïnstrueerd worden. Daardoor worden computers ‘slimmer‘. Hierbij moet de kanttekening worden gemaakt dat een robot die vol hangt met sensoren, nog veel te duur is. Voorlopig zullen er dus robots zonder of met een zeer beperkt aantal sensoren op de markt verschijnen. Deze zullen een aanvulling zijn op het werk van de mens. Het gebruik van social media is de laatste vijf jaren verdubbeld. De ontwikkeling van mobiel internet door middel van smartphones en tablets is bijzonder snel gegaan. De verwachting is, dat het gebruik nog veel zal groeien. De smartphones en tablets voorzien in een betere toegang tot internet. En cloudcomputing neemt een grote vlucht. Door de informatie afkomstig van sensoren, social media, transacties en dergelijke, is sprake van een ‘data-explosie’: 90 procent van alle data wereldwijd is gecreëerd in de laatste twee jaar. Dankzij betere algoritmes en software kan deze berg informatie (big data) worden doorzocht en kunnen er nuttige conclusies uit worden getrokken. Door de combinatie van social media, mobiel internet, betere analysemogelijkheden en cloud-computing ontstaan nieuwe, innovatieve producten. De analyse van big data geeft mogelijkheden om ontwikkelingen real-time te volgen en daar direct op in te spelen. Met behulp van apps worden eenvoudig extra functies aan een mobiel apparaat toegevoegd. Daardoor kunnen ze bijvoorbeeld gebruikt worden om snel informatie te raadplegen. Bedrijven (inclusief gemeenten) kunnen bepaalde diensten via een app beschikbaar stellen. De verwachting is, dat klanten en medewerkers de IT-afdelingen zullen dwingen om op mobiele applicaties over te stappen. Via 3D-printing kunnen dingen van allerlei (nog niet alle) materialen worden gemaakt. Dit zal op termijn de nu gebruikelijke fabricagemethoden veranderen. Door een combinatie van allerlei ontwikkelingen komen er autonome voertuigen (bijvoorbeeld zelfrijdende auto’s). Ook bij het ‘internet der dingen’ (een voorgestelde ontwikkeling van het internet, waarbij alledaagse voorwerpen zijn verbonden met het netwerk en gegevens kunnen uitwisselen, zie ook bijlage 2, onderdeel m) worden allerlei nieuwe ontwikkelingen gecombineerd. Met andere woorden, de ontwikkelingen gaan inderdaad bijzonder snel! In de communicatie met mensen is de computer fors vooruitgegaan in het begrijpen en beantwoorden van eenvoudige vragen en het uitvoeren van eenvoudige opdrachten. Verdergaande communicatie is nog een groot probleem. De computer begrijpt de emotie van mensen (nog?) niet. De bovengenoemde ontwikkelingen hebben gevolgen voor het werk in zijn algemeenheid en voor het werk bij gemeenten. Door machine learning wordt een aantal taken door de computer overgenomen. Het gaat dan met name om data-entry via optical character recognition (OCR), spraak omzetten in tekst, juridische en andere Watson-achtige databases (Watson is de ‘computer-arts’ van IBM, zie bijlage 2 onderdeel d voor een toelichting) en de mogelijke inzet van sensoren/drones voor toezichtstaken. Afgezien van de ontwikkeling van machine learning leiden de meeste technologische ontwikkelingen niet vanzelf tot wijziging van het werk bij gemeenten. Om gebruik te maken van de toenemende technische mogelijkheden, moeten gemeenten eerst de werkprocessen verder rationaliseren. De routinematige taken worden daarna geautomatiseerd. Gemeenten en hun ICT-leveranciers zijn wel bezig met het rationaliseren van werkprocessen en met andere ontwikkelingen die tot verdergaande digitalisering leiden (bijvoorbeeld NUP, selfservice, opzetten van systemen voor geautomatiseerde afhandeling van aanvragen, en kennissystemen die met behulp van ‘beslisbomen’ de besluitvorming ondersteunen, dan wel ‘zelf besluiten maken’).

6


Veel toegevoegde waarde in het (gemeentelijk) werk komt te liggen in data- en app-toepassingen. App-gebruik sluit aan bij de leefwereld van gebruikers. Apps kunnen op meerdere manieren worden gebruikt: als hulpmiddel bij selfservice, bij het laten indienen van aanvragen, en bij het verstrekken van informatie over producten en bestuurlijke processen. De app is in opkomst bij gemeenten, maar wordt nog maar zeer beperkt gebruikt. Gemeenten kunnen de mogelijkheden daarvan beter benutten. Hoe meer bovenstaande ontwikkelingen leiden tot selfservice et cetera, hoe meer werkzaamheden zullen verdwijnen bij gemeenten. Waarschijnlijk zal dit geleidelijk gaan. Big data in combinatie met business intelligence (BI) gaat zorgen voor real-time informatie en voor voorspellende waarde. Voor het verwerken van de data zijn andere specialismen nodig dan waar gemeenten nu op inzetten. Door direct te reageren op de real-time informatie, verandert de inhoud van de politieke besluitvorming, de rol van bestuurders, het werk van beleidsmedewerkers én de beleidscyclus. De inzet van de gemeente wijzigt van top-down (intentie gestuurd) naar bottom-up en op feiten gestuurd. Een beleidsplan voor vier jaar met een tussenevaluatie na twee jaar en een evaluatie na vier jaar heeft geen zin meer. Het benutten van big data vindt deels plaats bij bestaande werkzaamheden (bijvoorbeeld bestrijding van fraude met uitkeringen). Toepassingen van big data op nieuwe terreinen zullen leiden tot een andere manier van werken (zie boven). De gevolgen die het gebruiken van big data heeft voor de werkgelegenheid kunnen nog niet worden ingeschat. Door deze ontwikkelingen vervagen de grenzen tussen traditionele functies en vakdisciplines en verandert de beroepspraktijk in snel tempo. Over twintig jaar zal een groot deel van de huidige beroepen verdwenen, dan wel ingrijpend gewijzigd zijn. Een loopbaan overspant meer dan 45 jaar. Tijdens de carrière zal een medewerker zich dus voortdurend moeten bijscholen en wellicht zelfs meermaals moeten omscholen. In een loopbaan zullen meerdere carrièrewendingen plaatsvinden. ‘Education permanente’ en ‘een leven lang leren’ zijn begrippen die daarbij van belang zijn. Opleidingen, ook de beroepsopleiding, zullen daarop moeten inspelen. Tijdens de opleiding raakt de inhoudelijke kennis deels al verouderd. Opleiding zal daarom meer gericht moeten zijn op skills, adaptiviteit en principes, dan op kennis. Aangezien ontwikkelingen dermate snel gaan dat zij (inhoudelijk) niet te voorspellen zijn, is het zaak om mensen en organisaties in staat te stellen met verandering als zodanig te kunnen omgaan. Zoals Pericles reeds zei: het is niet onze taak de toekomst te voorspellen, maar ons erop voor te bereiden. In dit verband zijn met name zogeheten ‘future work skills’ (of: ‘21st century skills’) van belang. Deels gaat het daarbij om het effectief/productief/efficiënt gebruiken van technische middelen, en deels om het effectief toepassen van deze middelen ten behoeve van menselijke interactie, producten en dienstverlening.

7


De University of Phoenix hanteert in een studie (Davies, Fidler & Gorbis 2011) de volgende indeling van wat zij ‘future work skills’ noemt: n Sense-Making: ability to determine the deeper meaning or significance of what is being expressed. n Social Intelligence: ability to connect to others in a deep and direct way, to sense and stimulate reactions and desired interactions. n Novel and Adaptive Thinking: proficiency at thinking and coming up with solutions and responses beyond that which is rote or rule-based. n Cross-Cultural Competency: ability to operate in different cultural settings in a truly globally connected world, a worker’s skill set could see them posted in any number of locations – they need to be able to operate in whatever environment they find themselves. n Computational Thinking: ability to translate vast amounts of data into abstract concepts and to understand data-based reasoning. n New Media Literacy: ability to critically assess and develop content that uses new media forms, and to leverage these media for persuasive communication. n Transdisciplinarity: literacy in and ability to understand concepts across multiple disciplines. n Design Mindset: ability to represent and develop tasks and work processes for desired outcomes. n Cognitive Load Management: ability to discriminate and filter information for importance, and to understand how to maximize cognitive functioning using a variety of tools and techniques. n Virtual Collaboration: ability to work productively, drive engagement, and demonstrate presence as a member of a virtual team. Deze vaardigheden spelen voor zowel individuen, het onderwijs, bedrijven als overheden (beleidsmakers) om adaptief te kunnen omgaan met de vele veranderingen die gaan komen. De transformatie naar de toekomstige rol van de overheid in een verregaand gedigitaliseerde maatschappij is niet louter een kwestie van sturing op inhoudelijke aspecten. Het is vooral een zaak van verandermanagement. Naast governance is er door het groeiende belang van informatie en informatietechnologie ook een groeiende behoefte aan uitvoerende functies op dat werkterrein. Naar hun aard ingedeeld zijn de conclusies van het onderzoek: Technologische ontwikkelingen n De ontwikkeling van technologie, van digitalisering en van de invloed die dat op ons leven en werk heeft, zal in de komende decennia sneller gaan dan ooit tevoren. n Die versnelling zal dermate groot zijn, dat een voorspelling van wát die digitalisering is, en van wát die invloed op ons werk is, op dit moment niet te geven is voor de langere termijn. n Dat er verandering komt, dat die fundamenteel is en dat die verandering hard gaat, is wél zeker. Shift happens.

8


Invloed op het werk bij gemeenten n Technologische ontwikkeling heeft tot gevolg dat met name het werk in mutatieverwerking (data-entry) gaat verdwijnen. In de inrichting en het beheer van informatievoorziening komt er meer werk. n Routinematig kenniswerk wordt overgenomen door informatiesystemen (zoals zoekfuncties, IBM-dokter Watson – zie bijlage 2, onderdeel d). Tevens zullen beslissingsondersteunende systemen in toenemende mate beslissingnemende systemen zijn. n Veel toegevoegde waarde in het (gemeentelijk) werk komt te liggen in data en in app-toepassing. App-gebruik sluit ook aan bij de leefwereld van gebruikers. n Big data in combinatie met business intelligence (BI) gaat zorgen voor real-time informatie, voor voorspellende waarde, een andere manier van werken en dat vraagt om andere specialismen dan waar gemeenten nu op inzetten n We kunnen in het gemeentelijk werk meer (bestaande) technologie toepassen dan we doen. Er wordt nog te weinig gestuurd op informatie als productiefactor. Hoe kunnen gemeenten zich hierop voorbereiden? n Meer dan ons inhoudelijk voor te bereiden op veranderingen is het zaak om onszelf in staat te stellen verandering als zodanig aan te kunnen, ongeacht de inhoud van die verandering. Dit is een zaak van verandermanagement, onderwijs en strategisch personeelsbeleid.

9

INLEIDING


In het jaarplan Overheid in Beweging 2014 van het A+O fonds Gemeenten is digitalisering opgenomen als onderdeel van het thema ‘Lerende overheid’. Doel is gemeenten te ondersteunen bij de HR-aspecten van de veranderingen en ontwikkelingen op het terrein van digitalisering en de gevolgen hiervan voor het werk. De begeleidingscommissie Overheid in beweging besloot in 2014 om te starten met deskresearch (inventarisatie) om op basis hiervan te kunnen adviseren over vervolgacties. De deskresearch moet een beeld geven van de belangrijkste verwachte technologische ontwikkelingen voor de komende jaren voor gemeenten en de gevolgen hiervan voor de organisatie en het personeel (functies en scholing). De deskresearch is uitgevoerd door Jan Smit, gemeente Staphorst, en Radboud van der Linden, geme3ente Breda en is begeleid door Renz Davits, A+O fonds Gemeenten en een werkgroep namens de begeleidingscommissie waarin participeerden Roy Vermeulen, gemeente Amersfoort, Robert Wijk, gemeente Heerhugowaard, Ingrid Clerkx, FNV, Saskia Marsman, CNV en Janine Schreck, VNG CvA. In voorliggend rapport brengen we in kaart welke technologische ontwikkelingen er zijn, zeggen we iets over de mate van voorspelbaarheid daarvan, en gaan we na welke van die ontwikkelingen van invloed zijn op gemeentelijk werk en wat die invloed is. Tot besluit volgen conclusies en aanbevelingen. De kern van de boodschap van voorliggend onderzoek is dat we, meer dan ons inhoudelijk voor te bereiden op de veranderingen, onszelf in staat stellen verandering als zodanig aan te kunnen. Eeuwen geleden heeft Pericles dit zo treffend verwoord: ‘Het is niet onze taak de toekomst te voorspellen, maar ons erop voor te bereiden.’ Dit is een zaak van verandermanagement, onderwijs en strategisch personeelsbeleid. Dit is een zaak voor instituties, organisaties, bestuur, management en medewerkers. In de conclusies komt dit punt terug. AANLEIDING Recente rapporten (Brynjolfsson & McAfee 2014; Frey & Osborne 2013) geven aan, dat door de technologische ontwikkelingen veel meer taken geautomatiseerd zullen worden, waardoor veel werk wordt overgenomen door computers en het de vraag is of er voor iedereen vervangend werk te vinden zal zijn. Brynjolfsson en McAfee van het Massachusetts Institute on Technology (MIT) brachten in 2011 het boek Race against the Machine uit. Zij constateerden, dat tijdens de recessie in de VS (2007-2009) de werkloosheid met 5,7 procent steeg. In 2010 waren de investeringen in apparatuur en dergelijke en software terug op 95 procent van de historische top. Volgens een economische wetmatigheid nemen bedrijven als ze weer groeien, winst maken en weer investeren, ook weer werknemers in dienst. Maar toen de recessie was beëindigd, namen de Amerikaanse bedrijven maar een beperkt aantal nieuwe werknemers aan. Er werden drie verklaringen gegeven: de oorzaak is cyclisch (de economie groeit nog niet genoeg om mensen weer aan het werk te krijgen), er trad stagnatie op (de productiviteit daalde, er werd onvoldoende geïnnoveerd) en ze hadden te maken met ‘end of work’ (er is recent juist veel technologische vooruitgang geweest, waardoor veel banen verloren zijn gegaan). Vervolgens gaan de auteurs in op de technologische ontwikkelingen en de impact daarvan op de benodigde vaardigheden, het effect op lonen en op werkgelegenheid. In september 2013 verschenen de uitkomsten van een onderzoek van Frey en Osborne, beiden van de Universiteit van Oxford, naar de gevoeligheid van banen voor automatisering. In die studie wijzen ze onder andere op de bevindingen van Brynjolfsson en McAfee. Daarnaast constateren ze, dat automatisering door de technische ontwikkelingen niet meer beperkt is tot routinematige taken,

10


maar ook haar intrede doet bij niet-routinematige taken, waaronder taken van kenniswerkers. Het is technisch mogelijk bijna elke taak, waarvoor op basis van patroonherkenning voldoende gegevens over de uitvoering beschikbaar zijn, te automatiseren. Zij geven aan welke taken zij wel en niet gevoelig achten voor automatisering. Op basis van deze inschatting en de informatie in een bestand van het Amerikaanse ministerie van Werkgelegenheid over 702 beroepen, schatten zij in dat 47 procent van de totale werkgelegenheid in de VS in de categorie met een hoog risico valt. Dat betekent dat de betreffende beroepen potentieel automatiseerbaar zijn in een nog niet duidelijk aantal jaren, misschien een decennia of twee. Brynjolfsson en McAfee (MIT) gaan in het boek The second machine age. Work, progress and prosperity in a time of briljant technologies (vertaald als Het tweede machinetijdperk. Hoe de digitale revolutie ons leven zal veranderen), dat begin 2014 verscheen, dieper in op de ontwikkeling die zij al schetsten in Race against the machine. Zij constateren, dat de exponentiële groei van de rekenkracht en de komst van steeds meer digitale informatie uit allerlei bronnen (zoals social media en sensoren) leiden tot allerlei innovaties in producten. Elke ontwikkeling vormt weer een bouwsteen voor een nieuwe ontwikkeling. Zelf lerende computers kunnen cognitieve taken gaan uitvoeren. De levensstandaard is enorm gegroeid in de VS en wereldwijd. Het bruto binnenlands product per persoon ook. De productiviteitsgroei komt van innovaties in technologie en van productietechnieken. Tussen 1973 en 2000 was de productiviteitsgroei in de VS gemiddeld 1,56 procent en van 2000 tot en met 2011 1,88 procent. Het gemiddelde inkomen groeide in die jaren slechts 0,1 procent. Per opleidingsniveau zijn er ook verschillen. Het inkomen van hoger opgeleiden groeide meer. Tijdens en na de crisis bleef de productiviteitsgroei in de VS doorgaan. Het aantal banen nam tijdens de crisis af. Bij voorgaande crises nam het aantal banen na de crisis weer toe. Dit keer niet. De schrijvers denken dat er sprake is van ‘technologische werkloosheid’. De vraag naar relatief ongeschoolde werknemers neemt af. In de laatste drie hoofdstukken geven Brynjolfsson en McAfee aanbevelingen voor individuen, voor de politiek en voor de lange termijn. Conclusies uit het genoemde rapport en de genoemde boeken: n We komen in een tijdperk met verbazingwekkende technologische ontwikkelingen. n Dat zal de levenstandaard fors verhogen, maar ook leiden tot minder werkgelegenheid. Binnen nu en twintig of dertig jaar gaan computers heel veel werk overnemen. n In de ‘first machine age’ werd vooral fysiek werk geautomatiseerd, in de komende ‘second machine age’ worden ook cognitieve (verstandelijke) taken geautomatiseerd. n Niet alléén ‘blue collar jobs’, maar nu ook ‘grey & white collar jobs’, dus ook kantoorbanen, zullen verdwijnen. n Het betreft vooral banen van de middenklasse. n Minder vatbaar voor automatisering zijn banen: – in een ongestructureerde situatie – die om creativiteit vragen – waarin mensen gestimuleerd moeten worden – met interpersoonlijke relaties – waarin voor andere mensen wordt gezorgd. Te verwachten is, dat in dit soort banen nog enige groei zit (bijvoorbeeld door vergrijzing is meer zorg nodig). n Naar verwachting komt er veel minder vervangend werk, de arbeidsmarkt krimpt in. n De inkomensongelijkheid zal verder toenemen, de sociale mobiliteit zal verminderen. n Omdat werk essentieel is voor personen in gemeenschappen, geven Brynjolfsson en McAfee ook aanbevelingen op de vraag ‘hoe kunnen we werk houden in de economie?’ (aanpassen van opleidingen, aanmoedigen van ondernemerschap, aanpassing van het belastingstelsel door werk minder te belasten of zelfs te subsidiëren en door een minimuminkomen te garanderen).

11

DOEL VAN HET ONDERZOEK


Het doel van het onderzoek is na te gaan welke effecten technologische ontwikkelingen als digitalisering en robotisering hebben op het werk bij de gemeenten en wat de te verwachten gevolgen hiervan zijn voor taken, werkzaamheden en functies van gemeenten op de korte, middellange en lange termijn. Door middel van deskresearch en interviews met een aantal experts moet inzicht worden verkregen in de gevolgen van technologische ontwikkelingen voor het werk in de gemeenten. Daarbij gaat het om: n In kaart brengen van kennis over technologische ontwikkelingen (digitalisering, automatisering, mobiel internet, social media en robotisering) uit publicaties en door middel van interviews bij stakeholders in het veld; n in kaart brengen welke diensten, werkzaamheden, taken en functies van gemeenten hierdoor worden geraakt en in welk tempo; n check bij enkele experts; n samenbrengen van resultaten in een rapportage. Behalve aan de verwachte technologische ontwikkelingen is het ook relevant om beknopt aandacht te besteden aan het Nationaal Uitvoeringsprogramma Dienstverlening en e-overheid (iNUP) en de gevolgen voor gemeenten. Het eindresultaat is een rapportage met een beeld van de belangrijkste technologische ontwikkelingen voor komende jaren en wat de te verwachten gevolgen hiervan zijn voor diensten, taken, werkzaamheden en functies van gemeenten op korte, middellange en lange termijn. Op basis van de definitieve rapportage worden vervolgstappen bezien met de begeleidingscommissie Overheid in beweging. In de voorbereiding zijn de volgende vervolgvragen naar voren gekomen: n Wat zijn de (kwantitatieve en kwalitatieve) gevolgen van de geschetste ontwikkelingen voor de arbeid in gemeentelijke organisaties (op korte en lange termijn)? Welke kansen en bedreigingen voor werkgelegenheid kunnen dit zijn? n Welke nieuwe arbeids- en organisatieconcepten zijn belangrijk? n Hoe kunnen we de opleiding, instroom, ontwikkeling en het behoud van medewerkers integreren met kennis over de toekomst van arbeid in de gemeentelijke sector? n Welke maatregelen en strategieën voor de toekomst van arbeid moeten er worden ontwikkeld? VERLOOP VAN HET ONDERZOEK Een overzicht van de voor deze rapportage geraadpleegde literatuur en de geïnterviewde deskundigen treft u aan als bijlage 1. In het begin van het onderzoek lag de focus op de technologische ontwikkelingen. Pas als die bekend zijn, kunnen de gevolgen in beeld worden gebracht. De belangrijkste vragen daarbij waren: n Wat zijn de technologische ontwikkelingen? n Welke nieuwe hulpmiddelen vergroten de mogelijkheden van de computer? n Hoe ‘intelligent’ worden de computers en hoe komt die ‘intelligentie’ tot stand? n Wat kunnen die ‘intelligente’ computers straks meer dan nu (en wanneer)? n Is die ‘intelligentie’ zo groot, dat de computers interactief om kunnen gaan met mensen? Daarnaast is in de interviews ook steeds gevraagd: n Welke gevolgen hebben de technologische ontwikkelingen voor het werk bij gemeenten? n Welke vaardigheden hebben medewerkers van gemeenten in de toekomst nodig om te ‘overleven’ bij de verwachte ontwikkelingen respectievelijk om te kunnen omgaan met die ‘intelligente’ computers?

12


In de tweede fase lag de focus meer op de digitale ontwikkelingen in ‘gemeenteland’, zoals: n Het i-NUP (Nationaal Uitvoeringsprogramma Dienstverlening en e-overheid): welke gevolgen heeft dat?; n Prefill van aanvraagformulieren op de websites van gemeenten: Mc Kinsey Global Institute zegt, dat door prefill bij belastingen in Zweden de werkgelegenheid bij de Belastingdienst met 15 procent terugliep (waarschijnlijk gaat dit om de Inkomstenbelasting). Is een dergelijke ontwikkeling ook mogelijk bij gemeenten?; n Zelfservice van de burgers: bij banken, verzekeringen en reisbureaus doen burgers nu veel werk zelf via internet. Daardoor is het aantal banen fors teruggelopen. Is zoiets ook denkbaar bij gemeenten?; n Rationalisering: ‘Voordat robots konden functioneren in de industrie, is er eerst zestig jaar gewerkt aan het rationaliseren van het productieproces. Het vakmanschap werd uiteengerafeld in deeltaken. De gestructureerde taken werden door robots overgenomen. Wat niet gestructureerd kon worden, bleef voor de vakman over’ (citaat Van Est, Rathenau Instituut). In het gesprek met KING (KwaliteitsInstituut Nederlandse Gemeenten) is gewezen op zo’n rationaliseringstraject (GALO; geautomatiseerde aanvraag levensonderhoud). Zijn er meer trajecten bekend? Wat zijn de gevolgen?; n Big data: Frey en Osborne (Oxford University) zeggen: ‘Het is technisch mogelijk bijna elke taak, waarvoor op basis van patroonherkenning voldoende gegevens over de uitvoering beschikbaar zijn (= big data), te automatiseren.’ Op welke vakgebieden denkt men te beschikken over big data en wat denkt men daarmee te bereiken? Tijdens de periode van de deskresearch hebben we diverse congressen bezocht over dit onderwerp, bijvoorbeeld het SZW-congres, de UWV Arbeidsmarktdag en ICToop Overijssel. Tijdens het onderzoek heeft het onderwerp een hoge vlucht genomen. We brengen hier de SZW-rede van minister Asscher in herinnering (29 september 2014). Daarin ging hij in op digitalisering en het effect op werk, maatschappij, overheid(sfinanciering) en economie. Hij gaf een eerste politiek signaal dat volledige werkgelegenheid mogelijk niet bereikt zal worden. De minister sprak over een enorm potentieel verlies aan banen voor de Nederlandse economie. REIKWIJDTE VAN HET ONDERZOEK De scope van Asschers uitspraak is veel breder dan die van dit onderzoek. Of het werkgelegenheidseffect in diezelfde verhouding ook op het volume van het gemeentelijk werk van toepassing verklaard kan worden, behoeft een nadere kwalitatieve en kwantitatieve analyse, waartoe een aanbeveling wordt gedaan. Tot besluit van deze inleiding: met dit rapport beogen we een schets te geven van de ontwikkelingen op het onderzoeksonderwerp. Het onderzoek heeft een relatief korte doorlooptijd gekend. We hadden dan ook geen uitputtende wetenschappelijke studie voor ogen. Nota bene: momenteel vindt er veel onderzoek naar dit onderwerp en aanverwante onderwerpen plaats en tijdens de relatief korte onderzoeksperiode zijn er veel publicaties en reportages verschenen in diverse media. Het onderwerp is hot. Vanuit de gegeven schets kunnen onderwerpen in een vervolg nader uitgediept worden en mogelijk tot beleid geformuleerd worden. Het rapport geeft aanbevelingen daartoe. Tijdens het onderzoek is meer informatie verzameld dan direct gebruikt is voor dit rapport. Voor vervolgonderzoeken kan deze informatie gebruikt worden.

1

TECHNOLOGISCHE ONTWIKKELINGEN

14

In hun boek The second machine age beginnen Brynjolfsson en McAfee (Massachusetts Institute of Technology; MIT) met een aantal voorbeelden. We geven deze in dit hoofdstuk kort weer, gevolgd door voorlopige conclusies naar aanleiding van de geïnventariseerde ontwikkelingen.


DE ZELFRIJDENDE AUTO In 2001 schreef DARPA (een onderdeel dat research doet binnen het Amerikaanse leger) een wedstrijd uit voor autonome (= zelfrijdende) voertuigen, die in 2004 een rit van 150 mijl door de Mojavewoestijn moesten afleggen. Het resultaat was ontmoedigend. Van de vijftien auto’s die geslaagd waren voor een test op de openbare weg haalden twee auto’s de start niet, één kwam bij de start niet meer vooruit. Na drie uur waren nog maar vier auto’s in de strijd. Uiteindelijk haalde de beste een afstand van slechts 7,4 mijl. In 2010 maakte Google bekend, dat hun volledig autonome auto al enige tijd succesvol had gereden op Amerikaanse wegen en snelwegen. In 2012 hebben de autonome auto’s van Google al meer dan 100.000 mijl gereden zonder menselijke bemoeienis. Er zijn twee ongelukken geweest… toen het sturen was overgenomen door mensen. SIRI – PERSONAL ASSISTENT IN DE IPHONE In 2004 werd door Levy en Murnane aangegeven, dat complexe communicatie te moeilijk is voor de computer en daarom het domein van mensen zou blijven. In 2011 introduceerde Apple Siri als een intelligente personal assistent in de iPhone 4S. Mensen konden tegen Siri praten en vragen stellen en Siri zou bepalen wat de mensen willen en de gevraagde actie uitvoeren en met een synthetische stem zeggen wat ze had gedaan. Na acht maanden werd de stand opgemaakt: veel mensen vonden dat Siri niet goed werkte. Ze begreep niet wat ze zeiden, vroeg voortdurend om verduidelijking en gaf rare en onjuiste antwoorden. Maar, in de loop van 2012 kon de Siri-techniek natuurlijke spraak goed verwerken. Wat in 2004 nog voor onmogelijk werd gehouden, was in 2012 al gerealiseerd. ROBOTS Het Japanse bedrijf Honda presenteerde in 2006 voor het publiek ASIMO, een op mensen lijkende robot. De robot zou een licht oplopende trap beklimmen. Op de derde tree verdraaide de knie, en de robot viel achterover. Inmiddels kan ASIMO de trap op en af gaan, een voetbal wegtrappen en dansen. In fabrieken doen robots al jarenlang veel werk. Dat gaat allemaal volgens gestructureerde handelingen, die in een computerprogramma zijn vastgelegd. Als het werk verandert, moet alles opnieuw geprogrammeerd en afgesteld worden (een grote fabriek kan daardoor een maand stil liggen). In 2008 begon de firma Rethink Robotics aan een nieuwe generatie robots, die niet geprogrammeerd worden door dure ingenieurs. Werknemers kunnen de robot een taak (nieuw of gewijzigd) ‘leren’ door de robotarm beet te pakken en de bewegingen voor te doen. In een uur tijd kunnen de werknemers leren hoe ze de robot moeten instrueren. Als de robot twee armen heeft, kan hij zelfs twee taken die niets met elkaar te maken hebben, tegelijk uitvoeren. Bij deze voorbeelden was de vooruitgang voor een lange tijd slechts beperkt. In de laatste paar jaren trad er ineens een versnelling op, en konden gecompliceerde taken door computers worden gedaan. En dat op meerdere gebieden, van kunstmatige intelligentie, zelfrijdende auto’s tot robots. Brynjolfsson en McAfee noemen de digitale vooruitgang indrukwekkend, maar tegelijkertijd is het nog maar een kleine indicatie van wat er komen gaat. We zitten nog maar in de dageraad van de ‘second machine age’.

15


Een van de door ons geïnterviewden, professor L. Schomaker, hoogleraar Kunstmatige intelligentie aan de Rijksuniversiteit Groningen en directeur Research & Education van het Instituut ALICE (Artificial Intelligence and Cognitive Engineering), geeft ook aan dat ‘het nog veel sneller gaat dan we zelf hebben verwacht’. Naast de bekende factoren als snellere processors en grotere opslagcapaciteit komt dat vooral door het feit dat we veel meer gegevens ter beschikking hebben. De bovenstaande en de toekomstige ontwikkelingen zijn of worden mogelijk door belangrijke technologische vooruitgang op de volgende gebieden: a Toename van de rekenkracht door snellere processors; b Meer en verbeterde sensoren, waardoor veel meer waarnemingen worden gedaan; c Grotere opslagcapaciteit; d Betere algoritmes en software waardoor grote hoeveelheden informatie doorzocht en verwerkt kunnen worden; e Veel informatie beschikbaar dankzij de sensoren, social media, transacties, enzovoort / big data; f Machine learning (ML) / ‘slimmere’ computers; g Het bewegingsrepertoire van robots wordt telkens groter; h 3D-printing; i Internetten met gebruik van een mobiel apparaat; j Social media; k Cloud computing; l Nexus of forces; m Het internet der dingen. In bijlage 2 lichten we deze ontwikkelingen verder toe. Daarnaast gaan we ook in op de volgende vragen: n Hoe succesvol is de computer in het omgaan met mensen? o Welke mogelijkheden bieden genoemde ontwikkelingen voor burgerparticipatie? p Welke ontwikkelingen worden de komende tijd verwacht (en op welke termijn ongeveer)? CONCLUSIES HOOFDSTUK 1 Een uitgebreide toelichting op de hierna geformuleerde conclusies vindt u in bijlage 2. Op veel onderdelen is grote vooruitgang geboekt: n

n

De rekenkracht van computers is de laatste jaren fors toegenomen. Zolang de rekenkracht exponentieel blijft toenemen, zal de rekenkracht steeds sneller oplopen in de ‘tweede helft van het schaakbord’ (volgens de legende van de verdubbelende rijstkorrels op het schaakbord, zie bijlage 2 onder onderdeel a). Maar er moeten wel harde grenzen worden overwonnen om die exponentiële groei vol te houden. Op allerlei gebieden zijn er nieuwe en verbeterde sensoren. Met een sensor neemt een machine de omgeving waar of kan informatie worden verzameld waarmee industrie- en informaticaprocessen bestuurd kunnen worden. Ze winnen veel informatie in. Op basis van die informatie kunnen ontwikkelingen real-time worden gevolgd.

n

Er is sprake van een ‘data-explosie’: 90 procent van alle data wereldwijd is gecreëerd in de laatste twee jaar. Die zijn vooral afkomstig van sensoren, social media, transacties, enzovoort. n De opslagcapaciteit is fors toegenomen.

n

n

Dankzij betere algoritmes en software kan deze berg informatie (big data) worden doorzocht en kunnen er nuttige conclusies uit worden getrokken. Computers zijn niet meer geheel en al voorgeprogrammeerd. In een grote hoeveelheid informatie kunnen ze patronen herkennen en die zelf gaan toepassen. Zo ‘leren’ ze gaandeweg dingen. Daarnaast kunnen robots gemakkelijker geïnstrueerd worden, en worden ze ‘slimmer’.

16

n


n

n

n

n

n

n

n

n

Dankzij sensoren hebben robots steeds meer interactie met de omgeving. Dat wil zeggen, dat ze kunnen ‘zien’ wat ze doen of waar ze lopen. Ook kunnen ze op basis van de informatie van sensoren actie ondernemen. Daarvoor nemen ze zelfstandig een besluit. Een belangrijke kanttekening is dat robots uit de tweede generatie (zonder sensoren) circa € 10.000 kosten, en robots uit de derde generatie (die vol hangen met sensoren) nu circa € 10 miljoen kosten. Op termijn zal dat wel goedkoper worden, maar voorlopig zijn deze veel te duur om overal te gebruiken. Voorlopig zullen dus de robots zonder sensoren of met een zeer beperkt aantal sensoren op de markt verschijnen. Deze zullen een aanvulling zijn op het werk van de mens. Via 3D-printing kunnen dingen van allerlei (nog niet alle) materialen worden gemaakt. Voorbeelden zijn: huizen, koekjes, edelstenen, kunstmatige botten, een 3D-mal van een oor waarbij de ‘inkt’ ook levende cellen bevat (met injectie van andere cellen en na drie maanden broedcel was het oor klaar), een werkende nier en een nieuwe lever. Voordelen van 3D-printen zijn onder andere: een ontwerp kan op een simpele manier worden aangepast, het toevoegen van details is niet arbeidsintensief en het ruwe materiaal wordt rechtstreeks omgezet in een eindproduct (geen verspilling). De ontwikkeling van smartphones en tablets en daarmee het gebruik van mobiel internet is bijzonder snel gegaan. De verwachting is, dat deze ontwikkeling nog veel zal groeien. De smartphones en de tablets voorzien in een betere toegang tot internet. Met behulp van apps worden eenvoudig extra functies aan een mobiel apparaat toegevoegd. Ze kunnen bijvoorbeeld gebruikt worden om snel informatie te raadplegen. Bedrijven (inclusief gemeenten) kunnen bepaalde diensten via een app beschikbaar stellen. Volgens research bureau Gartner zullen klanten en medewerkers de IT-afdelingen dwingen om op mobiele applicaties over te stappen. En volgens de notitie Where the jobs are. The app economy hebben bedrijven ontdekt dat ze een app nodig hebben als gezicht naar buiten. ‘De app-economie bouwt een nieuwe voordeur naar ieders huis en in sommige gevallen zelfs een geheel nieuw huis.’ Het gebruik van social media is de laatste vijf jaren verdubbeld. Social media genereren enorm veel data (big data), die in sommige onderzoeken worden gebruikt. En in de (nabije) toekomst zullen worden gebruikt. Cloud computing neemt een grote vlucht. Cloud-diensten zijn goedkoper (mits men geen nog goed werkend bestaand systeem heeft). Werknemers hebben, als zij beschikken over een internetverbinding, overal toegang tot bedrijfsgegevens. Voor de overheid is er een aantal aandachtspunten, onder andere gelet op geldende regelgeving (bijvoorbeeld voor de Gemeentelijke Basisadministratie Persoonsgegevens (GBA), tegenwoordig Basisregistratie Personen (BRP) geheten). De combinatie van de vier krachten (Social, Mobile, Analytics en Cloud) en hun wederzijdse versterking wordt algemeen erkend als een technologie gedreven kracht met een grote impact op organisaties, individuen en samenlevingen. Deze vier fenomenen hebben de IT-wereld en de wereld in het algemeen al veranderd en zullen dat in de nabije toekomst nog meer doen. In het internet der dingen (een voorbeeld van combinatie van meerdere ‘krachten’, zie bijlage 2, onderdeel m ) zullen ‘slimme’ apparaten informatie verzamelen, uitwisselen en soms zelfstandig acties uitvoeren. De verwachting is dat het aantal aansluitingen op internet als gevolg van aansluiting van ‘dingen’ in drie jaar zal verdubbelen.

17

n


n

Bij de communicatie met mensen is de computer fors vooruitgegaan bij het begrijpen en beantwoorden van eenvoudige vragen en het uitvoeren van eenvoudige opdrachten. Verdergaande communicatie is nog een groot probleem. De computer begrijpt de emotie van mensen (nog?) niet. De technologische ontwikkelingen bieden ook nieuwe mogelijkheden voor burgerparticipatie. Ook is van belang, dat de kosten van computing fors zijn gedaald. In 1992 waren de kosten voor een miljoen transistors 222 dollar, in 2012 zijn de kosten voor hetzelfde aantal transistors nog 0,06 dollar (maar, we hebben er in 2012 ongeveer 2,6 miljard in een geïntegreerde schakeling = 156 dollar).

Uit dit overzicht blijkt dat de technische ontwikkelingen heel snel gaan. Op diverse punten is ook al het een en ander weergegeven van verwachte ontwikkelingen. De impact van de digitalisering op het dagelijks leven en op het werk is erg groot. Dit wordt als volgt samengevat in het rapport From exponential technology to exponential innovation (2013) van het Deloitte Center of the Edge (VS) (vertaling van ons): ‘Exponentiële groei van belangrijke digitale technologieën is brandstof voor exponentiële innovaties. […] Waar de mate van verbetering versnelt, zien we snelle vooruitgang gebaseerd op de kern van deze exponentiële techniek. De huidige snelheid van technologische vooruitgang is ongeëvenaard in de geschiedenis en vertoont nog geen stabilisering, zoals andere historische technische innovaties, bijvoorbeeld elektriciteit, uiteindelijk wel deden. Deze snelle vooruitgang heeft de kracht om industrieën te verstoren. Het verstorende vermogen van exponentiële technologieën wordt versterkt als ze op innovatieve manieren gecombineerd worden. De impact wordt verder versterkt als deze technologieën samengevoegd worden in open platforms en ecosystemen. Dit maakt het mogelijk, dat technologische vernieuwingen snel worden gemaakt, gebaseerd op de eerdere golven van innovatie. Dat reduceert de investering en verkort de tijd om de volgende golf van innovatie op de markt te brengen. Exponentiële innovaties bewegen zich snel over grenzen heen, waardoor traditionele definities niet meer opgaan. Ze worden gecombineerd met volledig nieuwe ontwikkelingen als moleculaire biologie en materiaalwetenschap (houdt zich bezig met het ontdekken van nieuwe materialen), waardoor vooruitgang mogelijk wordt, maar die vooruitgang zal ook leiden tot verstoring in een voortdurend vergrotende reikwijdte van industrieën, functies en branches.’

2

ONTWIKKELINGEN BIJ GEMEENTEN, GEVOLGEN VOOR HET WERK

19


‘Voordat robots konden functioneren in de industrie, is er eerst zestig jaar gewerkt aan het rationaliseren van het productieproces. Het vakmanschap werd uiteengerafeld in deeltaken, waarvan de meeste gestructureerd werden. Die werden door robots overgenomen. Wat niet gestructureerd kon worden, bleef voor de vakman over. Dat geldt ook voor de taken bij gemeenten.’ Dit is een uitspraak uit een van onze gesprekken met deskundigen. Om te beoordelen waar gemeenten staan en wat de ontwikkelingen zijn, voerden we gesprekken met vertegenwoordigers van landelijke verenigingen van managers van gemeentelijke diensten op diverse terreinen. Daarbij legden we de volgende vragen voor: n Welke gevolgen heeft het NUP (Nationaal Uitvoeringsprogramma)? Mc Kinsey Global Institute zegt, dat door prefill bij belastingen (waarschijnlijk de Inkomstenbelasting) in Zweden de werkgelegenheid bij de Belastingdienst met 15 procent terugliep. Is een dergelijke ontwikkeling (prefill van aanvraagformulieren op de websites) ook mogelijk bij gemeenten? n Bij banken, verzekeringen en reisbureaus doen burgers nu veel werk zelf via internet. Door deze ‘selfservice’ is het werk fors teruggelopen. Is zoiets ook denkbaar bij gemeenten? n Worden werkprocessen gerationaliseerd? Wordt er gewerkt volgens de ‘Lean-principes’? Gaat men werken met beslisbomen? n Frey en Osborne (Oxford University) zeggen: ‘Het is technisch mogelijk bijna elke taak waarvoor op basis van patroonherkenning voldoende gegevens over de uitvoering beschikbaar zijn (= big data), te automatiseren.’ Op welke vakgebieden denken gemeenten te beschikken over big data en wat denken zij daarmee te bereiken? De eerste indruk is, dat er een heel andere manier van werken gaat ontstaan. Elke ‘koepel’ is op de een of andere manier wel bezig met deze ontwikkelingen. De een is daar ver in (bijvoorbeeld de Nederlandse Vereniging voor Burgerzaken), een ander is alléén bezig met de al bekende volgende stap. De scope reikt voor velen nog niet veel verder dan de ontwikkelingen in de eerstkomende jaren. Er is ook gekeken naar de ICT-leveranciers van de gemeenten. Er zijn twee leveranciers met een uitgebreid productenpakket: Centric en PinkRoccade. Daarnaast zijn er meerdere kleine ICTleveranciers. Soms laten grote gemeenten (alléén of samen) zelf hun software maken. Voor zover (snel) op internet te vinden was, is gekeken waar de twee grote leveranciers mee bezig zijn. Voor Centric stond het Productbeleid lokale overheid 2014/2015 op de website (een zeer korte horizon). Van PinkRoccade kon slechts hier en daar wat worden gevonden. Als aanvulling is in bijlage 4 ‘Gevolgen van automatisering en robotisering voor functies en taken / invloed op HR21’ opgenomen: a een samenvatting van datgene wat Frey en Osborne in The future of employment. How susceptible are jobs to computerisation? zeggen over taakonderdelen/vaardigheden die wel of juist niet het risico lopen om geautomatiseerd te worden; b een overzicht van het risico per beroep (op basis van functieprofielen uit de VS) volgens de appendix bij het rapport van Frey en Osborne (uitsluitend voor beroepen die lijken overeen te komen met banen bij gemeenten); c een eerste ‘vingeroefening’: Is het risico van automatisering te bepalen op basis van de beschrijvingen in het functiewaarderingssysteem HR21? De beschrijvingen zijn heel algemeen, maar bevatten meestal wel enige aanwijzingen. Hier moet nog dieper op worden ingegaan. Twee aandachtspunten vallen buiten de scope van dit onderzoek: n Bij selfservice en alle andere digitale ontwikkelingen moet de overheid, dus ook de gemeente, aandacht schenken aan (dan wel een alternatief blijven bieden voor) mensen die niet digi-vaardig zijn. n Er moet voldoende aandacht zijn voor privacyaspecten. Daarnaast moet nog beoordeeld worden wat de gevolgen van afspraken uit het Convenant Smarter Cities / Digitale Steden Agenda zijn voor het werk bij gemeenten.

20

Op 6 maart 2013 werd het Convenant Smarter Cities afgesloten tussen de minister van Economische Zaken, het G32 stedennetwerk, de G4-steden en de Stichting Stedenlink. Daarin is een aantal afspraken gemaakt voor de Digitale Steden Agenda.


In de hierna volgende paragrafen beschrijven we de onderwerpen die in de gesprekken met deskundigen aan bod kwamen globaal, en de gevolgen van de geschetste ontwikkelingen voor het werk bij gemeenten. Nadere toelichtingen en achtergrondinformatie vindt u in bijlage 3. GEVOLGEN VAN HET NUP, MOGELIJKHEDEN VAN PREFILL Door de basisregistraties en door samenwerkingsverbanden werken organisaties samen in ketens en netwerken. ICT-systemen moeten het mogelijk maken, dat processen door meerdere organisaties lopen en dat informatie van de ene organisatie gebruikt wordt in de andere om daar de volgende ambitie te realiseren. Dat betekent, dat organisaties ervoor moeten zorgen, dat hun deel van de informatie ‘op orde’ is. Er komt bij de gemeenten minder werk door: n de basisregistraties (op voorwaarde dat ze ‘op orde’ zijn). Daardoor is er geen zoekwerk meer. Op de gegevens van de basisregistratie kan worden vertrouwd; n de WOZ-beschikking en andere post digitaal te versturen via de Berichtenbox van MijnOverheid; n het voorinvullen van basisgegevens in web-formulieren (prefill eFormulieren). De gemeente vraagt niet meer naar gegevens die ze al heeft. Dit bespaart tijd bij de burgers en bij de gemeente. Als er geen wijzigingen in de vooraf ingevulde gegevens zijn aangebracht, hoeven deze gegevens ook niet meer gecontroleerd te worden. Er komt meer werk door: n terugmeldingen door afnemers van gegevens uit de basisregistraties. Afnemers die over andere informatie beschikken dan die zij uit de basisregistratie kregen, moeten dat melden aan de bronhouder van die basisregistratie. De bronhouder heeft de plicht uit te zoeken wat juist is en de gegevens zo nodig aan te passen. SELFSERVICE DOOR BURGERS Met het gebruik van apps kan worden tegemoetgekomen aan de eisen van burgers. De app is al bezig met een opmars in ‘gemeenteland’. Hoe ver dat gaat, is nog niet helemaal duidelijk. Gesprekken met ICT-leveranciers kunnen meer duidelijkheid bieden. Door gebruikmaking van apps wordt een deel van het werk door de burger zelf gedaan. App-gebruik kan ook bijdragen aan het gebruik van de juiste gegevens. Omdat er nog gesproken moet worden met de ICT-leveranciers concluderen wij (voorlopig) dat door selfservice (inclusief gebruik van apps) bij de gemeenten minder werk komt doordat: n de burger een aantal handelingen verricht (Wet Elektronische Dienstverlening Burgerlijke Stand, parkeerdiensten, HRM, afspraken maken, kwijtschelding en belastingzaken); n er vooraf duidelijkheid (en meestal) overeenstemming is over de gebruikte gegevens en uitgangspunten (bijvoorbeeld over de WOZ-waarde). Dat scheelt bezwaren en correcties achteraf. Door selfservice (inclusief gebruik van apps) komt er meer werk doordat: n er meer aandacht en tijd nodig is voor controles bij niet-goedwillenden; n de apps beheerd moeten worden (het bouwen van apps zal extern plaatsvinden).

21

RATIONALISERING VAN WERKPROCESSEN BIJ GEMEENTEN / WERKEN MET BESLISBOMEN


Alle gemeenten zijn op de een of andere manier bezig met het verbeteren en rationaliseren van werkprocessen. Sommige zullen dat doen door middel van een verbeterproces, bijvoorbeeld Leanmanagement. Andere zullen dat op ad-hocbasis doen. Hoe meer processen gerationaliseerd, gereguleerd zijn, des te groter de kans op (gehele of gedeeltelijke) automatisering. De standaardisering en regionalisering bij gemeenten en waterschappen zijn bedoeld om efficiency te behalen. Te verwachten is dus, dat er op termijn banen vervallen. Volgens Divosa leidt dit waarschijnlijk tot een verplaatsing van mensen (in plaats van ontslag), omdat de medewerkers nodig zijn om mensen beter naar werk te geleiden. Rationalisering van processen zal meestal ook leiden tot rationalisering van functies. In veel functies zitten routinematige en niet-routinematige taken. De routinematige taken worden afgescheiden, de functie wordt opgevuld met andere niet-routinematige taken. Direct of op termijn worden de routinematige taken geautomatiseerd. Door rationalisering van werkprocessen komt er minder werk doordat: n kennissystemen en snelbalies worden ingezet; n processen die voldoende ‘rule-based’ zijn, geautomatiseerd worden afgehandeld. Medewerkers zorgen ervoor, dat de antwoorden voor onderdelen die nog persoonlijk beoordeeld moeten worden, worden ingevuld; n routinematige taken worden afgescheiden en (op termijn) geautomatiseerd worden; n bij samenwerking met andere gemeenten/waterschappen de processen ook gerationaliseerd worden. Welke taken overgenomen worden door de computer en welke functies het betreft, hangt af van de processen die worden gerationaliseerd/geautomatiseerd. Door rationalisering van werkprocessen komt er incidenteel meer werk: n processen moeten gerationaliseerd worden en beslisbomen moeten worden gemaakt. Er verandert wel iets: beoordelaars van onderdelen in het primair proces kunnen ‘lager’ opgeleid zijn. Het gaat om standaardbeslissingen die door de geautomatiseerde beslisregels worden ondersteund. Een ‘hogere’ opleiding is aan de orde om de complexere gevallen als casemanager te behandelen (denk ook aan de soft skills). WERKEN MET BIG DATA, MACHINE LEARNING EN ANDERE RATIONALISERINGSPROCESSEN Big data De toepassingen van big data bevinden zich op terreinen waar gemeenten nu al fors op inzetten (fraudebestrijding bijvoorbeeld), maar vooral op nieuwe terreinen (bijvoorbeeld voorspellen van zorgbehoeften). Gebruikmaken van big data zal leiden tot een andere manier van werken. Er komt meer werk. Er zijn andere specialismen nodig dan waar gemeenten nu over beschikken. Door gebruikmaking van big data komt er minder werk: n bij toezicht in de openbare ruimte: mensen kunnen effectiever worden ingezet; n op het gebied van beleidsontwikkeling. Er kan sneller worden geanticipeerd op ontwikkelingen, zodat er geen vierjarenbeleidsplannen meer worden opgesteld. Wel moeten uitgangspunten, streefsituatie en in te zetten middelen worden bepaald. Daar zijn minder beleidsambtenaren voor nodig.

22


Door gebruikmaking van big data komt er meer werk doordat: n ontwikkelingen real-time gevolgd moeten worden en daar zo nodig direct op moet worden ingespeeld; n nieuwe functies ervoor moeten zorgen dat uit de grote hoeveelheid informatie zinvolle conclusies kunnen worden getrokken. Machine learning De volgende voorbeelden van machine learning kunnen invloed hebben op het werk bij gemeenten. Optical character recognition (OCR) Door optical character recognition (OCR; optische tekenherkenning) kunnen gescande of gefotografeerde afbeeldingen en getypte of geprinte tekst worden omgezet in machinetaal, die door de computer te lezen is. Enkele gemeenten gaven aan dat zij OCR voor factuurverwerking al hebben ingevoerd. In een beleidsstuk beschrijft ICT-leverancier Centric het aanbod van een volledig belastingconcept, waarbij verschillende taken automatisch uitgevoerd kunnen worden. Hoewel niet geheel duidelijk is om welke taken het gaat, zal ook hier een deel van het werk wegvallen. Door gebruikmaking van OCR is/komt er minder werk: ten aanzien van de invoer van gegevens bij afdelingen als DIV, Financiën en Belastingen. Spraak omzetten in tekst Computers worden steeds beter in het omzetten van spraak naar tekst. De indruk bestaat, dat meestal niet de gehele tekst letterlijk wordt gedicteerd. Meestal zullen de kernpunten letterlijk zijn en zullen er wat aanwijzingen worden gegeven over bepaalde onderdelen. Die aanwijzingen zal de secretaresse verder moeten uitwerken, vaak op een bekende manier. Dat betekent, dat de secretaresse toch het een en ander moet doen. Door gebruikmaking van software die ‘spraak omzet in tekst’ komt er minder werk: n voor secretaresses en andere administratieve krachten (niet duidelijk is hoe ver dat zal gaan). Juridische en andere Watson-achtige databases In navolging van Dokter Watson van IBM (de database ten behoeve van het diagnosticeren van kanker, zie bijlage 2 onderdeel d) wordt in de VS gewerkt aan een Dokter Watson met juridische informatie. Die computer zou in de VS het werk van juridisch medewerkers kunnen gaan overnemen. De vraag is, of dit ook voor Nederland zal gelden. Het Amerikaanse rechtssysteem is veel meer gericht op precedenten/jurisprudentie dan het Nederlandse. Bovendien kan de vraag worden gesteld of het (relatief kleine) Nederlandse rechtssysteem groot genoeg is om het ontwikkelen van Watson kostenefficiënt te maken. Bovendien is juridische informatie in Nederland op dit moment al redelijk goed online te vinden, zij het op verschillende plekken (dus niet geïntegreerd in één systeem). Het is dus niet waarschijnlijk dat er aan een Nederlandse, juridische Watson gewerkt zal worden. Mogelijk heeft het ontwikkelen van Watson-achtige databases op termijn effect op het werk van juridisch medewerkers. Sensoren/drones Bij milieuhinderlijke bedrijven kunnen sensoren worden geplaatst, die bijvoorbeeld de uitstoot van giftige gassen meten. Of camera’s die kijken of het terrein netjes op orde blijft en er geen ‘rommel’ rondslingert. Daarmee kan het aantal milieucontroles op locatie minder worden. Hetzelfde zou kunnen gelden bij het gebruik van drones voor milieucontroles. Mogelijk leidt het inzetten van sensoren en drones tot minder werk bij milieuhandhaving.

23

Overige rationaliseringen / verbeteringen


E-facturen De verwachting is dat E-factureren (facturen digitaal ontvangen en versturen) een veel groter bereik zal krijgen, met name zodra de Belastingdienst daartoe overgaat. E-factureren wordt steeds meer de standaard, het zelf versturen van papieren facturen gaat verdwijnen. Het is een snelle manier om kosten te besparen en maatschappelijk verantwoord te ondernemen. Hulpmiddelen voor de buitendienst Het exoskelet (extern skelet) is een ‘bionisch maatpak’ van computergestuurde beugels aan benen en rug waarmee iemand met een dwarslaesie – meestal met twee armkrukken, dus een goede armen handfunctie is vereist – vrij kan staan en ‘lopen’. Inmiddels heeft men bedacht, dat dit hulpmiddel ook te gebruiken is om mensen te ondersteunen bij zwaar werk, bijvoorbeeld in de buitendienst (zolang robots dat zware werk nog niet hebben overgenomen). Het exoskelet kan de armen van werknemers ondersteunen bij het tillen, een bepaald model kan gewichten tot 90 kg optillen. De kans op blessures en slijtage vermindert en de productiviteit stijgt (Amerikaans onderzoek wees uit: het boven het hoofd optillen van een gewicht van 7 kg houdt men zonder steun drie minuten vol. Met zo’n exoskelet is dat 30 minuten). Op termijn is dit een mooie Arbovoorziening. De 3D-printer kan dingen maken ter vervanging van kapotte onderdelen. Er zijn dan dus bijvoorbeeld geen timmermannen meer nodig. Ook autonome voertuigen bieden mogelijkheden: n We kennen nu al kleine autonome grasmaaiers. Die kunnen ook in het groot worden ingezet (mits het gebied is af te bakenen). n Het is aannemelijk dat een autonome straatveegmachine ook mogelijk is. Die in z’n eentje de weg op gaat en de straten veegt, en ’s avonds zonder schade terugkomt. Op langere termijn zijn er waarschijnlijk meer mogelijkheden. Voor robots en autonome voertuigen geldt dat de kosten van de sensoren voorlopig nog veel te hoog zijn. Het duurt dus nog wel een tijd voordat die in gebruik genomen zullen worden (zie onderdeel g van bijlage 2). ENKELE VOORBEELDEN VAN HUIDIGE ONTWIKKELINGEN BIJ GEMEENTEN Gemeenten hebben in recente jaren al flink geïnvesteerd in digitalisering, bijvoorbeeld in het kader van e-Overheid, i-NUP (Nationaal Uitvoeringsprogramma Dienstverlening) en voorgangers daarvan. Een aantal bouwstenen van het i-NUP zal nog gerealiseerd worden. Aangezien het i-NUP per ultimo 2014 beëindigd wordt, is het nog even ongewis hoe aan het restant van het programma vorm gegeven zal worden. Met de gemeenten zijn diverse uitvoeringsorganisaties bezig met deze digitalisering: onder meer ministeries, ICTU (ICT Uitvoeringsorganisatie voor overheidsdiensten; ministerie van Binnenlandse Zaken, VNG), Stout (StelselOplossingen en UitvoeringsTraject; ICTU), KING (KwaliteitsInstituut Nederlandse Gemeenten), en Logius (Dienst digitale overheid; onderdeel van het ministerie van Binnenlandse Zaken). i-NUP: basisinfrastructuur voor de e-overheid ‘24 voorzieningen vormen gezamenlijk de basisinfrastructuur voor de e-overheid. De komende jaren staan in het teken van het gebruik van deze basisinfrastructuur. De overheidsbrede implementatie-agenda dienstverlening e-overheid, kortweg i-NUP, beschrijft de ambities voor de komende vier jaar, met vier hoofdlijnen: n Het loket voor burgers Een beter bereikbare overheid, beter vindbare en toegankelijke overheidsinformatie én de gemeente als dé herkenbare ingang tot de overheid. Daar werken alle overheden de komende jaren aan.

24

n

Digitale dienstverlening aan bedrijven Bedrijven gaan in 2012 en 2013 de voordelen merken van het gebruik van een aantal basisvoorzieningen: minder regeldruk, betere dienstverlening en lagere kosten. n Het Stelsel van Basisregistraties Er zijn dertien basisregistraties, die samen het Stelsel van Basisregistraties vormen. Een werkend Stelsel dat als één geheel wordt ervaren, is het einddoel voor 2015. Het Stelsel werkt nu al vanuit losse onderdelen. n Implementatie-ondersteuning voor gemeenten Elke individuele overheidsorganisatie is zelf verantwoordelijk voor de implementatie en het gebruik van de basisinfrastructuur. Voor gemeenten wordt een apart programma gestart, ‘Operatie NUP’, dat alle gemeenten ondersteunt bij hun implementatie van de bouwstenen. Dat wordt – met een bijdrage van het Rijk – uit het Gemeentefonds gefinancierd. Het omvat onder meer impactanalyses, koppelvlakken (gebaseerd op KING-standaarden) en een toolkit.


Deze ‘Operatie NUP’ is een onderdeel van i-NUP. I-NUP bouwt voort op het NUP, het Nationaal Uitvoeringsprogramma Dienstverlening en e-overheid. Aan dit programma lag een bestuursakkoord ten grondslag met afspraken over prioritering van een aantal basisvoorzieningen, die samen de basisinfrastructuur vormen.’ (bron: e-overheid.nl) Nationaal Commissaris Digitale Overheid Per 28 mei 2014 is Bas Eenhoorn benoemd tot Nationaal Commissaris Digitale Overheid (NCDO). Als overheidsbrede regisseur gaat hij een programma opstellen dat wordt uitgevoerd door alle overheden (medeoverheden, uitvoeringsorganisaties en Rijk) gericht op het leggen van een overheidsbrede infrastructurele basis voor een digitale overheid voor nu en in de toekomst. De benoeming geldt voor vier jaar. De ministerraad heeft hiermee ingestemd op voorstel van minister Plasterk van Binnenlandse Zaken en Koninkrijksrelaties, minister Kamp van Economische Zaken en minister Blok voor Wonen en Rijksdienst. Nederland steunt al in hoge mate op digitale voorzieningen, zo ook de overheid. De Digitale Overheid staat voor een betere (digitale) dienstverlening van de overheid aan burgers en bedrijven. Deze dienstverlening moet voldoen aan belangrijke eisen op gebieden als privacy, veiligheid en het voorkomen van fraude. Ook stimuleren digitale diensten de economische ontwikkeling van ons land. De NCDO krijgt de opdracht beleidsontwikkeling en vernieuwing aan te jagen: n hij bevordert het tot stand komen van (voorzieningen voor) de Digitale Overheid; n hij zorgt ervoor dat het beheer van essentiële voorzieningen goed is geregeld; n hij stimuleert het gebruik van die voorzieningen. De NCDO stuurt op het realiseren en op een effectief gebruik van de Generieke Digitale Infrastructuur (GDI). Hij stelt de GDI samen uit bestaande en in ontwikkeling zijnde voorzieningen, standaarden, basisregistraties en producten die essentieel zijn voor zowel het functioneren van de overheid als voor haar (digitale) dienstverlening aan burgers en bedrijven. De NCDO heeft verder de opdracht om voor de GDI een passend governance- en financieringsarrangement tussen medeoverheden, uitvoeringsorganisaties en het Rijk in te richten. Daartoe brengt hij als regisseur de medeoverheden, uitvoeringsorganisaties en het Rijk bij elkaar om zodoende één digitale infrastructuur te creëren. De digitale infrastructuur moet net zo structureel opgezet worden als de fysieke infrastructuur (wegen-, spoor- en waternetwerk). Elke organisatie blijft verantwoordelijk voor de eigen digitale diensten. (bron: rijksoverheid.nl) Inhoudelijke effecten van huidige ontwikkelingen Bijvoorbeeld ondersteund door bouwstenen van het i-NUP, zal het gemeentelijk werk veranderen. Met name basisregistraties, berichtenverkeer (mutatieberichten), prefilling en selfservice gaan

25


ervoor zorgen dat op termijn structureel minder werk nodig is in mutatieverwerking (onder andere data-entry). Tijdelijk, in de opbouwfase van i-NUP, zal dat meer (projectmatig) werk vergen, maar als de bouwstenen uitontwikkeld zijn en als zodanig, in samenhang met elkaar, gaan functioneren, zal met name mutatie-invoer meer geautomatiseerd plaatsvinden. Het inregelen en onderhouden van de onderliggende informatie-infrastructuur zal weer meer (en ander) werk vragen. Per saldo: minder uren. Ook andere reeds bestaande toepassingen zijn van invloed op het gemeentelijk werk. We noemen hier kort enkele voorbeelden: n Landmeten wordt GISsen De kennis van de landmeter is opgenomen in de software van de meettoestellen. Meting vindt steeds meer plaats vanuit data, zoals luchtfoto’s en 360-gradenbeelden. Met GIS-toepassingen worden data (informatiedragers) gewonnen uit andere data. De landmeter hoeft steeds minder vaak het veld in. n Foto-fotovergelijking Mutaties in bijvoorbeeld bebouwing kunnen gedetecteerd worden aan de hand van vergelijking van luchtfoto’s van verschillende datum. Gedetecteerde verschillen kunnen voorzien worden van een kenmerk van het soort mutatie dat opgemerkt is. De foto-fotovergelijking is een combinatie van digitalisering (luchtfoto’s, verschillendetectie) en offshoring: uitbesteding van werk aan een lagelonenland. Het gaat dan om het aanbrengen van het mutatiekenmerk. Bijvoorbeeld: is het een BAG-, WOZ- of BGT-mutatie? n Adaptive Case Management Adaptive Case Management wordt in deze context omschreven als een werkvorm waarbij in een aanvraagproces gebruikgemaakt wordt van beslissingsondersteunende algoritmen. Veel van de beslissingen in procedures zijn te digitaliseren. Naast algoritmen en business rules, wordt daarbij gebruikgemaakt van kennisbanken, business intelligence (BI), big data et cetera. Voorgedefinieerde beslissingen, waarbij aanvraagwaarden aan criteria voldoen, neemt het systeem zelf. Als aan bepaalde criteria niet voldaan is, legt het systeem een (eenvoudige) deelbeslissing voor aan een medewerker, die deze beslissing neemt. Daarna kan de aanvraag verder in het geautomatiseerde proces. Complexe gevallen worden door het systeem uit het proces gehaald. Deze gevallen worden door een hoogopgeleide medewerker opgepakt. Dit zijn gevallen waar, vanwege de complexiteit, meer dan alleen inhoudelijke kennis benodigd is. Het gaat dan om vaardigheden als sensitiviteit, creativiteit en het vermogen om samenhang te zien en op effecten te sturen. Adaptive Case Management wordt bij gemeenten al toegepast bij bijvoorbeeld het behandelen van omgevingsvergunningen en aanvragen levensonderhoud (dat geldt voor de G4-gemeenten). n Open data Bij open data gaat het om informatie in bezit van de overheid, instellingen of van bedrijven die via internet vrij beschikbaar wordt gesteld voor gebruik door derden. Opengestelde data kunnen bijvoorbeeld handig gecombineerd worden, waardoor een nieuwe toepassing via een app mogelijk wordt. Bij veel van deze ontwikkelingen geldt dat kennis uit het hoofd gaat, het systeem in. In toenemende mate worden beslissingsondersteunende algoritmen toegepast. Een wet of verordening is in een algoritme te vervatten. n Routinebeslissingen worden door het systeem genomen. n ‘Lager’-opgeleide medewerker neemt beslissing op een klein deel van het proces. n ‘Hoger’-opgeleide medewerker behandelt complexe gevallen, die sensitiviteit vragen. Administratieve taken, of beter gezegd muterende taken, zullen door dit soort ontwikkelingen overgenomen worden door het geautomatiseerde systeem. De gemeentelijke overheid is traditioneel sterk op dit soort taken ingericht. Dat geldt eveneens voor het economisch/administratief onderwijs.

26


De invloed van besluitvorming op het gemeentelijk werk is op korte termijn groter dan de invloed van technologie, denk aan kerntakendiscussies, verzelfstandigingen en inkoop van diensten op de markt. Er is in de wereld meer technologische ontwikkeling dan gemeenten in hun werk kwijt kunnen. Veel van deze ontwikkelingen liggen op een ander werkterrein dan het gemeentelijke. Anderzijds is in het gemeentelijk werk meer (bestaande) technologie toe te passen dan tot nu toe gebeurt. CONCLUSIES EN AANBEVELINGEN HOOFDSTUK 2 1 Gemeenten werken aan technische ontwikkelingen die ingezet kunnen worden bij het realiseren van de basisregistraties en andere voorzieningen, zoals prefill en Berichtenbox, in het kader van het Nationaal Uitvoeringsprogramma (iNUP). Hiermee worden aanwezige gegevens optimaal gebruikt (onder andere niet meer vragen naar gegevens die de gemeente al heeft). Als de basisregistraties op orde zijn, hoeft er minder naar de juiste gegevens te worden gezocht. De gegevens in die administraties zijn te vertrouwen. Om de basisregistraties ‘op orde te houden’ moet op basis van terugmeldingen en andere ‘errors’ (bijvoorbeeld teruggekomen post) voortdurend onderzoek naar de juistheid plaatsvinden. 2 Door selfservice wordt een aantal werkzaamheden uitgevoerd door de burgers. Er zijn voorbeelden van selfservice, maar deze leiden op dit moment nog maar tot een beperkte daling van de hoeveelheid werk. 3 Gemeenten moeten meer voorbeelden van selfservice aanleveren bij de ‘Databank Praktijk voorbeelden’ op de site van de VNG, zodat ze breder bekend worden en niet iedere gemeente zelf het wiel hoeft uit te vinden. 4 Met apps kan worden tegemoetgekomen aan de eisen van gebruikers: 24/7 device (apparaat) onafhankelijke toegang, snelheid, veiligheid, een gebruiksvriendelijke omgeving en een eenduidig en simpel proces. Het gerenommeerde research bureau Gartner verwacht dat klanten en medewerkers de IT-afdelingen zullen dwingen om op mobiele applicaties over te stappen. 5 De app is al bezig met een opmars in ‘gemeenteland’. Hoe ver dat gaat, is nog niet helemaal duidelijk. Gesprekken met ICT-leveranciers kunnen meer duidelijkheid bieden. Door gebruikmaking van apps wordt een deel van het werk door de burger zelf gedaan. App-gebruik draagt bij aan het gebruik van de juiste gegevens. Een app kan ook worden gebruikt om informatie te geven aan de burgers (toegang tot website en/ of raadsstukken, meldingen als ‘de weg bij u in de buurt is opgebroken’, enzovoort). 6 Alle gemeenten zijn op de een of andere manier bezig met het verbeteren en rationaliseren van werkprocessen. Hoe meer processen gerationaliseerd zijn, hoe groter de kans op (gehele of gedeeltelijke) automatisering. 7 Specifiek kunnen worden genoemd het opzetten van systemen voor geautomatiseerde afhandeling voor de aanvraag levensonderhoud (GALO) bij de G4 en de Snelbalie (bij Centric). Dit zal leiden tot minder werk bij gemeenten, maar voor het overblijvende werk ook tot verandering van het werk. Er zijn twee tegenovergestelde ontwikkelingen: – Bij bijvoorbeeld GALO en bouwaanvragen zullen bepaalde werknemers alléén deel- beoordelingen uitvoeren. Zij kunnen lager opgeleid zijn, omdat het om standaardbeslissingen gaat, die door geautomatiseerde beslisregels worden ondersteund. Een hogere opleiding is aan de orde om de complexere gevallen als casemanager te behandelen (denk ook aan de soft-skills). – Door de Snelbalie kan de intake worden verzorgd en kan volledig geautomatiseerd tot een besluit worden gekomen. Een burger kan binnen tien minuten een beschikking ontvangen. Hierdoor wordt het mogelijk om besluiten op eenvoudige aanvragen dichter bij de voorkant van de organisatie te nemen (geen paraaf van de leidinggevende meer nodig).

27


8 De publieke sector kampt al decennia met een gebrekkige productiviteitsstijging. Nieuwe technologische ontwikkelingen zoals big data bieden kansen om te helpen hardnekkige maatschappelijke vraagstukken op te lossen én publieke organisaties echt effectiever en efficiënter te laten werken. 9 Door gebruik te maken van nieuwe technologische mogelijkheden (big data) én nieuwe organisatieprincipes kunnen doorbraken worden gecreëerd in de oude manier van werken. Het gaat daarbij om het creëren van organisaties waar professionals meerwaarde kunnen toevoegen. Dit vraagt om minder management, beleid en regels. 10 Het benutten van big data zal politieke besluitvorming en de rol van bestuurders veranderen. Gebruik van big data maakt het mogelijk om de feitelijke situatie beter te monitoren en te voorspellen. Bijvoorbeeld: luchtkwaliteit, energieverbruik, overlast, zorgvraag. Door de datarijkdom kan de effectiviteit van de interventies ook beter worden beoordeeld en daar kan weer van worden geleerd. 11 Het bestuurlijke gesprek en debat hoeft met de inzet van big data niet meer te gaan over intenties en meningen, maar kan z’n start vinden in wat er gebeurt. Veel minder top-down, intentie gestuurd, en meer bottom-up en feiten gestuurd. Dat is een radicaal andere aanpak. 12 Om deze manier van werken met big data te ondersteunen zullen ‘beleidsmedewerkers’ de uitvoering in moeten. Hun kennis en inzichten worden gebruikt in de praktijk van alledag. De scheiding tussen de beleidswereld en de uitvoeringswereld zal verdwijnen doordat uitvoering slimmer wordt en traditionele beleidsvorming verdwijnt. Een beleidsplan voor vier jaar met evaluatie na twee en vier jaar heeft geen zin meer. Er kan real-time worden meegekeken met de ontwikkelingen en zo nodig kan direct een aanpassing plaatsvinden. 13 In het kader van ‘machine learning’ zijn er enkele ontwikkelingen die zullen leiden tot minder werk bij gemeenten. Genoemd kunnen worden: optical character recognition (OCR), spraak omzetten in tekst, juridische en andere Watson-achtige databases (zie bijlage 2 onderdeel d) en de mogelijke inzet van sensoren/drones voor toezichtstaken. 14 Voor de buitendienst kan de inzet van 3D-printers, robots en autonome voertuigen op termijn gevolgen hebben. Het exoskelet (extern skelet) is op termijn een mooie Arbo-voorziening om het uitvoeren van zwaar werk te verlichten. Hierna volgt een eerste inschatting van de gevolgen voor het werk van gemeenten. Er komt bij de gemeenten minder werk door: iNUP (Nationaal Uitvoeringsprogramma Dienstverlening en e-overheid) n Als de basisregistraties ‘op orde’ zijn, is er geen zoekwerk meer. De gegevens van de basisregistratie zijn betrouwbaar. n De WOZ-beschikking en andere post kan digitaal worden verstuurd via de Berichtenbox van MijnOverheid. n Basisgegevens in webformulieren worden vooraf door de gemeente ingevuld (prefill eFormulieren). De gemeente vraagt niet meer naar gegevens die ze al heeft. Dit bespaart tijd bij de burgers en bij de gemeente. Als er geen wijzigingen in de ingevulde gegevens zijn aangebracht, hoeven deze gegevens ook niet meer gecontroleerd te worden. Selfservice inclusief apps: n De burger verricht een aantal handelingen (bijvoorbeeld bij elektronische dienstverlening voor meldingen bij de burgerlijke stand, parkeerdiensten, HRM, afspraken maken, kwijtschelding en belastingzaken).

28

n

Er is vooraf duidelijkheid en (meestal) overeenstemming over de gebruikte gegevens en uitgangspunten (bijvoorbeeld over de WOZ-waarde). Dat scheelt bezwaren en correcties achteraf.


Rationalisering van werkprocessen: n Door de inzet van kennissystemen en snelbalies is er sneller duidelijkheid en/of een besluit. n Als een proces voldoende ‘rule-based’ is, wordt het geautomatiseerd afgehandeld. Medewerkers zorgen ervoor dat de antwoorden voor onderdelen die nog persoonlijk beoordeeld moeten worden, worden ingevuld. n Routinematige taken worden afgescheiden en (op termijn) geautomatiseerd. n Bij samenwerking met andere gemeenten/waterschappen worden de processen ook gerationaliseerd. Big data: n Bij het toezicht in de openbare ruimte kunnen medewerkers effectiever worden ingezet. n Het maken van beleidsplannen voor vier jaar heeft geen zin. Er zijn dus minder beleidsambtenaren nodig. Wel moeten de uitgangspunten/streefsituatie en de in te zetten middelen vooraf worden bepaald. Gebruikmaking van OCR (Optical Character Reading): n Door OCR te gebruiken voor de invoer van gegevens kan tijd bespaard worden bij afdelingen als DIV, Financiën en Belastingen. Gebruikmaking van ‘spraak omzetten in tekst’: n Door spraak automatisch te laten omzetten in tekst hoeven secretaresses en anderen geen (volledige) notulen en/of brieven meer te maken (niet duidelijk is hoe ver dat zal gaan). Gebruikmaking van juridische (en andere) Watson-achtige databases (zie bijlage 2 onderdeel d): n Als door het zoeken via deze Watson-achtige databases het ‘voorwerk’ makkelijk wordt, kan dat een effect hebben op het werk van bijvoorbeeld juridisch medewerkers. Inzet van sensoren en drones: n De inzet van sensoren en drones leidt mogelijk tot minder werk bij milieuhandhaving. Er komt bij de gemeenten meer werk door: iNUP (Nationaal Uitvoeringsprogramma Dienstverlening en e-overheid) n Een afnemer die andere informatie heeft dan die hij uit de basisregistratie kreeg, moet dat melden aan de bronhouder van die basisregistratie. De bronhouder heeft de plicht om bij deze ‘terugmeldingen’ uit te zoeken wat juist is en moet de gegevens zo nodig aanpassen. Selfservice (inclusief apps): n Er moet meer aandacht besteed worden aan en tijd worden genomen voor controles bij niet goedwillenden. n De apps moeten worden beheerd (het bouwen van apps zal extern plaatsvinden). Rationalisering van werkprocessen: n Processen moeten gerationaliseerd worden en beslisbomen moeten worden gemaakt. n Bij Werk & Inkomen zullen rationaliseringen waarschijnlijk leiden tot verplaatsing van mensen, omdat de medewerkers nodig zijn om mensen beter naar werk te begeleiden. Big data: n De ontwikkelingen worden real-time gevolgd en zo nodig moet daar direct op ingespeeld worden. n Er komen nieuwe functies die ervoor moeten zorgen dat uit de grote hoeveelheid informatie zinvolle conclusies getrokken kunnen worden.

3

MAATSCHAPPELIJKE ONTWIKKELINGEN, GEVOLGEN VOOR HET WERK BIJ GEMEENTEN

30

De maatschappij verandert en dat gaat snel. Zij kan steeds minder begrepen worden in termen van vaste structuren; zij wordt ‘vloeibaar’. Instituties als gemeenten worden knooppunten in netwerken.


De maatschappij maakt een transitie door van een industriële naar een informatiemaatschappij. Huidige structuren zijn nog industrieel ingericht: hiërarchisch, institutioneel. En zijn daarmee niet erg gericht op verandering. Anders gezegd: verandering gaat moeizaam en met pijn en strijd. Structuren gaan de komende vijftig jaren echter veranderen: economie, productie, maatschappij, instituties. Dat betekent dat de (lokale) overheid ook meer op die verandering ingericht, of liever: ingesteld, zal moeten zijn. Verleg de focus van onderzoek ook eens naar de maatschappij, en bekijk vervolgens wat de rol van de gemeente is in die maatschappij: n Hoe ontwikkelt een maatschappij zich? n Wat betekent dat voor leven en werk? n Welke rol speelt technologie daarin? n Welke relatie bestaat er tussen overheid en burger/bedrijf? In relatie tot informatie en digitalisering is er bij overheden, maar ook bij andere instituties, nog sprake van aanbodgedreven informatievoorziening vanuit verkokerde processen. De ontvanger (burger/bedrijf/cliënt/aanvrager) moet het maar zien in te passen in zijn (m/v) leven. Digitalisering van deze processen is vooralsnog vaak een verdere automatisering van het verkokerde proces: oude wijn in nieuwe zakken. Als de focus op dit vlak verlegd wordt, dan komt deze te liggen op het integratieplatform: n een burger/cliënt/mens: wat gebeurt er in zijn (m/v) leven? n een bedrijf: wat speelt er in die organisatie? n een locatie: wat speelt er daar, op die plek? Dit vraagt om een andere informatievoorziening, om een andere daaronder liggende digitalisering, om andere procesinrichting, om andere organisatie en om andere vormen van instituties. De maatschappij en de economie veranderen al in die richting. De overheid kan daarbij niet achterblijven. Op het ICToop-congres (7 november 2014) sprak Willem Vermeend in dit verband over de ontwikkeling van de economie naar een Economie 4.0. De wereldeconomie verandert de komende twintig jaar meer dan de afgelopen twintig jaar. Economie 4.0 kenmerkt zich met name door de combinatie van toenemende digitalisering en nieuwe technologie. Als voorbeelden noemde hij 3D-printing als nieuwe fabricagemethode, the Internet of Things, en big data. Deze onderwerpen zijn nader toegelicht in bijlage 2. In dit hoofdstuk gaan we kort in op enkele ontwikkelingen die relevant zijn voor het werk bij gemeenten. STRATEGISCH PERSONEELSBELEID De grenzen tussen traditionele functies en vakdisciplines vervagen, en de beroepspraktijk verandert in snel tempo. Over twintig jaar zal een groot deel van de huidige beroepen verdwenen, dan wel ingrijpend gewijzigd zijn. Een loopbaan overspant meer dan 45 jaar. Tijdens de carrière zal een medewerker zich dus voortdurend moeten bijscholen en wellicht zelfs meermaals moeten omscholen. In een loopbaan zal sprake zijn van meerdere carrièrewendingen. ‘Education permanente’ of ‘een leven lang leren’ is daarbij van belang. Opleidingen, ook de beroepsopleiding, zullen daarop moeten inspelen. Tijdens de opleiding raakt de inhoudelijke kennis deels al verouderd. Opleiding zal zich daarom meer moeten richten op skills, adaptiviteit en principes, dan op kennis (zie bijvoorbeeld Pepers & Strating 2014).

31


Welke skills zijn nodig om te kunnen omgaan met verandering en met het effect daarvan op werk, loopbaan en levensloop? Begrippen als ‘21st century skills’ en ‘future work skills’ komen hierbij kijken. In de volgende paragraaf gaan we daar nader op in. Er ontstaat een behoefte aan breed opgeleide professionals die helder en onafhankelijk hebben leren denken, en die in staat zijn nieuwe ontwikkelingen te doorgronden. Jongeren zullen in het onderwijs in mindere mate op specifieke beroepen voorbereid moeten worden. De toekomst zit in vaardigheid op het gebied van: n informatie; n communicatie (in gesprek blijven met burger/bedrijf); n strategie; n content (nieuwe dingen maken). De benodigde vaardigheden liggen niet meer zozeer op het terrein van administratie (input en verwerking). Daar zijn gemeenten nu nog wel op ingericht. Een ander aandachtspunt is de demografie van het personeelsbestand. Met het werven van jonge mensen haalt een organisatie adaptiviteit binnen: jonge mensen zijn al niet anders gewend dan de digitale wereld. Mensen van de internet-generatie werken en denken anders. Het laten instromen van jongeren leidt tot verandering in de manier van werken. Via nieuwe mensen haal je nieuwe vaardigheden en nieuw technologie binnen. Veel gemeenten kennen de laatste jaren vacaturestops. Het personeelsbestand is qua leeftijdsopbouw geen afspiegeling van de maatschappij. 21ST CENTURY SKILLS / FUTURE WORK SKILLS Vaardigheden die in de (nabije) toekomst benodigd zijn, worden vaak ‘21st century skills’ of ‘future work skills’ genoemd. Er worden daarbij verschillende indelingen gehanteerd. Zo hanteert de Universiteit van Twente de volgende indeling voor digitale vaardigheden (Van Deursen & Van Dijk 2008): n Operationele vaardigheden: het bedienen van een computer en netwerk, hardware en software; n Formele informatievaardigheden: het kunnen begrijpen en omgaan met de formele karakteristieken van een computer en netwerk; n Substantiële informatievaardigheden: het kunnen vinden, selecteren, verwerken en evalueren van informatie in specifieke digitale bronnen volgens specifieke vragen en behoeften; n Strategische vaardigheden: de capaciteit om deze bronnen te gebruiken als een middel om specifieke doelen te bereiken en voor het algemene doel om je positie in de maatschappij te verbeteren. Het gaat in deze rapportage met name om het effect van digitale vaardigheden op productiviteit. Kennisnet (kennisnet.nl) onderscheidt zeven 21st century skills: n Creativiteit n Samenwerken n ICT-geletterdheid n Kritisch denken n Communiceren n Probleemoplossende vaardigheden n Sociale en culturele vaardigheden.

32


De University of Phoenix hanteert in een studie (Davies, Fidler & Gorbis, 2011) de volgende indeling van wat zij future work skills noemt: n Sense-Making: ability to determine the deeper meaning or significance of what is being expressed. n Social Intelligence: ability to connect to others in a deep and direct way, to sense and stimulate reactions and desired interactions. n Novel and Adaptive Thinking: proficiency at thinking and coming up with solutions and responses beyond that which is rote or rule-based. n Cross-Cultural Competency: ability to operate in different cultural settings in a truly globally connected world, a worker’s skill set could see them posted in any number of locations – they need to be able to operate in whatever environment they find themselves. n Computational Thinking: ability to translate vast amounts of data into abstract concepts and to understand data-based reasoning. n New Media Literacy: ability to critically assess and develop content that uses new media forms, and to leverage these media for persuasive communication. n Transdisciplinarity: literacy in and ability to understand concepts across multiple disciplines. n Design Mindset: ability to represent and develop tasks and work processes for desired outcomes. n Cognitive Load Management: ability to discriminate and filter information for importance, and to understand how to maximize cognitive functioning using a variety of tools and techniques. n Virtual Collaboration: ability to work productively, drive engagement, and demonstrate presence as a member of a virtual team. Deze vaardigheden spelen voor zowel individuen, onderwijs, bedrijven als overheden (beleidsmakers) om adaptief te kunnen omgaan met de vele veranderingen die gaan komen. STURING/GOVERNANCE De gemeente is steeds meer een knooppunt in een netwerk. Steeds minder zal zij zelf de uitvoering doen. Uitvoering zal steeds meer een coproductie met ketenpartners zijn. De belangrijkste functies van de gemeente zijn de regiefunctie en de loketfunctie. Vanwege de regierol in het netwerk en vanwege het groeiende belang van informatie en informatietechnologie, zal het hoogste management actief moeten sturen op informatie als productiefactor. Op dit moment ‘overkomt’ informatisering ons. Op het niveau van de Rijksoverheid is bijvoorbeeld in een WRR-rapport inzake de transformatie van eOverheid naar iOverheid. In het recente rapport van de Commissie Elias inzake ICT-projecten, is geconcludeerd dat er veel te weinig aandacht is voor en te weinig sturing is op informatie en ICT. Wij constateren, dat er ‘overal’ ontwikkelingen zijn. Naast Nederlandse documenten hebben we veel studies/artikelen uit de Verenigde Staten en Engeland gelezen. Nederlandse Universiteiten zijn ook met veel onderwerpen bezig. Er is geen centraal overzicht van de zaken die voor gemeenten van belang (kunnen) zijn. Wij adviseren om de ontwikkelingen voortdurend te scannen, bijvoorbeeld door een soort ‘denktank’.

33

VERANDERMANAGEMENT


De transformatie naar de toekomstige rol van de overheid in een verregaand gedigitaliseerde maatschappij is niet louter een kwestie van sturing op inhoudelijke aspecten. Dit is vooral een zaak van verandermanagement. Daarbij dient ook aandacht te zijn voor de volgende zaken: n verandercapaciteit: hoeveel verandering kan een mens of een maatschappij gelijktijdig aan, en in welk tempo?; n weerstanden: welke weerstand ontstaat tegen veranderingen en hoe wil je daar als maatschappij of als overheid mee omgaan in de rol van werkgever en dienstverlener? Bedenk dat de ontwikkelingen als bedreigend ervaren kunnen worden; n de verandering van een strikt hiërarchische overheid naar een overheid als knooppunt in een netwerk (zie ook het begin van dit hoofdstuk). Let wel: de wereld, de maatschappij digitaliseert. Die invloed is niet te weerleggen of tegen te gaan. INFORMATIEFUNCTIES Naast governance is er door het groeiende belang van informatie en informatietechnologie ook een groeiende behoefte aan uitvoerende functies op dat werkterrein, bijvoorbeeld: n business-analisten n procesanalisten (BPM) n informatie- en data-analisten of data-modelleurs n informatie-architecten n ICT-architecten n communicatie-adviseurs n business intelligence-deskundigen, dataminers n geo-informatici (locatie als integratie-platform) n functioneel beheerders n database-administrators n quality assurance op data n contracten risicomanagement n security management(!). Harde techniek is steeds minder bepalend. Steeds meer zal het gaan om de inpassing van digitalisering in processen. ANDERE INVLOEDEN VAN DIGITALISERING OP WERK BIJ GEMEENTEN Naast directe invloeden van digitalisering op het gemeentelijke werk zijn er ook andere effecten. Zo onderzoekt de EU momenteel de effecten van share economy op ons leven, economie en werk. Herkenbare voorbeelden zijn: leensites en Airbnb. Nu raakt dit wellicht niet direct het gemeentelijk werk. Maar in het verlengde raakt het internet wel een kern van de gemeente: wonen, werken en winkelen veranderen enorm door het gebruik van internet. De gemeentelijke financieringsbron van m2’s bouwgrond (grondbedrijven) is hierop nog niet aangepast. Dit vraagt nogal een paradigmashift voor gemeenten en het gemeentelijke werk. En denk in het verlengde ook aan de effecten daarvan op onze pensioenen die last hebben van minder rendement in de vastgoedbeleggingen. Dit ligt niet alleen aan de huidige economische conjunctuur: dit zal structureel zijn. Daarnaast is in ICT-gerelateerd werk een urbanisatie te zien. Er ontstaat een zeshoek AmsterdamRotterdam-Breda-Eindhoven-Arnhem/Nijmegen-Utrecht. Deze urbanisatie heeft haar invloed op wonen, op bedrijven- en kantoorlocaties, en op transport en (openbaar) vervoer. De urbanisatie heeft een structurele invloed op niet-stedelijke gebieden (of krimpregio’s). Deze effecten zijn verder niet in het onderzoek meegenomen.

4

CONCLUSIES EN AANBEVELINGEN

35

CONCLUSIES


Technologische ontwikkelingen n De ontwikkeling van technologie, van digitalisering en van de invloed die dat op ons leven en werk heeft, zal in de komende decennia sneller gaan dan ooit tevoren. Mensen hebben zich massaal gestort op internetten met gebruik van een mobiel apparaat en social media. n De combinatie van sterk toenemende rekenkracht van computers met mobiel internetten, social media, nieuwe analysetechnieken (big data), werken in de cloud en (op termijn) het internet der dingen, zal leiden tot ongekende innovaties. De invloed daarvan zal dermate groot zijn, dat een voorspelling van wát die digitalisering is, en van wát die invloed op ons werk is, op dit moment niet te geven is voor de langere termijn. n Dat er verandering komt, dat die fundamenteel is en dat die verandering hard gaat, is wél zeker. Shift happens. Invloed op werk bij gemeenten n De meeste technologische ontwikkelingen leiden niet vanzelf tot wijziging van het werk bij gemeenten. Om in die situatie gebruik te maken van de toenemende technische mogelijkheden, moeten gemeenten eerst de werkprocessen verder rationaliseren. n Gemeenten hadden in het verleden al meer (bestaande) technologie toe kunnen passen dan ze gedaan hebben. Er wordt nog te weinig gestuurd op informatie als productiefactor. n Gemeenten en hun ICT-leveranciers zijn wel bezig met ontwikkelingen die tot verdergaande digitalisering leiden (bijvoorbeeld NUP, selfservice, opzetten van systemen voor geautomatiseerde afhandeling van aanvragen en kennissystemen die met behulp van ‘beslisbomen’ de besluitvorming ondersteunen, dan wel ‘zelf besluiten maken’). n Hoe meer het bovenstaande leidt tot selfservice et cetera, hoe minder werk er zal zijn bij gemeenten. Waarschijnlijk zal dit geleidelijk gaan. n Technologische ontwikkeling heeft tot gevolg dat met name het werk in mutatieverwerking (data entry) gaat verdwijnen. In de inrichting en het beheer van informatievoorziening komt meer werk. n Routinematig kenniswerk wordt overgenomen door informatiesystemen (bijvoorbeeld zoekfuncties, Watson-achtige databases (zie bijlage 2 onderdeel d), machine learning). Tevens zullen beslissingsondersteunende systemen in toenemende mate beslissingnemende systemen zijn. n De computer is nog niet goed in het omgaan met mensen. De computer begrijpt de menselijke emoties (nog) niet. Het contact met mensen is een essentieel onderdeel van het werk bij gemeenten. Dit blijft voorlopig moeilijk voor de computer. n Veel toegevoegde waarde in het (gemeentelijk) werk komt te liggen in data en in app-toepassingen. App-gebruik sluit aan bij de leefwereld van gebruikers. Apps kunnen op meerdere manieren worden gebruikt: als hulpmiddel bij selfservice, bij het laten indienen van aanvragen, en bij het verstrekken van informatie over producten en bestuurlijke processen. n Het gebruik van big data in combinatie met business intelligence (BI) gaat zorgen voor real-time informatie en voor voorspellende waarden. Voor het verwerken van de data zijn andere specialismen nodig dan waar gemeenten nu op inzetten. Er kan direct worden gereageerd op de real-time informatie. Dat verandert de inhoud van de politieke besluitvorming, de rol van bestuurders, het werk van beleidsmedewerkers én de beleidscyclus. De inzet van de gemeente wijzigt van top-down, intentie gestuurd, naar bottom-up en op feiten gestuurd. Een beleidsplan voor vier jaar met een tussenevaluatie na twee jaar en een evaluatie na vier jaar heeft geen zin meer. n De toepassing van big data vindt deels plaats bij bestaand werk (bijvoorbeeld bestrijding van fraude met uitkeringen). Naar verwachting leidt het mindere werk tot verschuivingen naar vervolging van fraude en het begeleiden van mensen naar werk in het kader van de decentralisaties op het sociaal domein. n Toepassingen van big data op nieuwe terreinen zal leiden tot een andere manier van werken (zie boven). De gevolgen voor de werkgelegenheid kunnen nog niet worden ingeschat.

36


Hoe kunnen gemeenten zich hierop voorbereiden? Meer dan zich inhoudelijk voor te bereiden op veranderingen is het voor gemeenten zaak om zichzelf in staat te stellen verandering als zodanig aan te kunnen, ongeacht de inhoud van die verandering. Het gaat daarbij om verandermanagement, onderwijs en strategisch personeelsbeleid. AANBEVELINGEN n

Breng de ontwikkelingen onder de aandacht van gemeenten. De ontwikkelingen op het gebied van digitalisering moeten voortdurend worden gescand, bijvoorbeeld door een soort ‘denktank’. n Verleg de focus van onderzoek ook naar de maatschappij, en bekijk vervolgens wat de rol van de gemeente (bewegend doel) is in die maatschappij. n

Vervolgstappen Op basis van dit onderzoek naar digitalisering en de toekomst van werk bij gemeenten stellen we de volgende vervolgstappen voor: n de in dit rapport aangegeven vervolgacties uitvoeren (onder andere: spreken met ‘koepels’ van overheidsmanagers, spreken met ICT-leveranciers); n nader onderzoek uitvoeren naar het fenomeen ‘big data’ en de potentiële toepassingen en effecten daarvan bij gemeenten; n nader onderzoek uitvoeren naar de verwachte effecten van ‘machine learning’: hoe ver zou dat kunnen gaan?; n overleg met ICTU (ICT Uitvoeringsorganisatie voor overheidsdiensten), KING (KwaliteitsInstituut Nederlandse Gemeenten) over de (voortzetting van?) i-NUP; n overleg met de Nationaal Commissaris Digitale Overheid. Per 28 mei 2014 is de Nationaal Commissaris Digitale Overheid benoemd. Als overheidsbrede regisseur gaat hij een programma opstellen dat wordt uitgevoerd door alle overheden (medeoverheden, uitvoeringsorganisaties en Rijk) gericht op het leggen van een overheidsbrede infrastructurele basis voor een digitale overheid voor nu en in de toekomst; n nader onderzoek uitvoeren naar ‘21st century skills’ (‘future work skills’) en de toepasbaarheid daarvan bij gemeenten; n een aanvullende analyse uitvoeren om de kwantitatieve en kwalitatieve effecten van de veranderingen in kaart te brengen. De inzichten hieruit kunnen een belangrijke pijler vormen voor strategisch personeelsbeleid en voor verandermanagement. In bijlage 3 (‘Ontwikkelingen bij gemeenten, gevolgen voor het werk (toelichting bij hoofdstuk 2)’) en bijlage 4 (‘Gevolgen van automatisering en robotisering voor functies en taken / invloed op HR21’) zijn eerste vingeroefeningen daartoe gedaan; n nagaan welk verandermanagement gevergd wordt en hoe hieraan vorm gegeven kan worden; n analyses maken van de road maps van ICT-leveranciers.

BIJLAGEN

38


BIJLAGE 1: LITERATUURLIJST EN LIJST GEÏNTERVIEWDE DESKUNDIGEN

Literatuurlijst n

Carl Benedikt Frey & Michael A. Osborne, The future of employment. How susceptible are jobs to computerisation? Oxford: Oxford University, September 17, 2013 n Erik Brynjolfsson & Andrew McAfee, The second machine age. Work, progress and prosperity in a time of briljant technologies. New York: Norton, 2014 n Michael Mandel, Where the jobs are. The app economy. [Washington etc.]: Technet, 2012 n Jeroen Pepers & Henk Strating, Werken in en aan verandering. Zoektocht naar arbeid en arbeidsverhoudingen in het digitale tijdperk. [Den Haag]: CAOP, voorjaar 2014 n Corien Prins, iOverheid. Amsterdam / Den Haag: Amsterdam University Press / WRR, 2011 n Commissie Elias, Parlementair onderzoek naar ICT-projecten bij de overheid. Kamerstuk 33 326, [Den Haag]: Tweede Kamer, 2014 n Jaring Hiemstra, Martijn Minderhout & Mark Dijksman, Big data in de publieke sector. Nationaal Big Data Congres voor de overheid. Essenties Nationaal Big Data Congres Utrecht 2014. Utrecht: Big Fellows, 2014 n Laurette Spoelman (voorwoord), Trends en ontwikkelingen gemeente van de toekomst. Den Haag: Ministerie van Binnenlandse Zaken en Koninkrijksrelaties, 2014 n Lambèr Royakkers, Floortje Daemen & Rinie van Est, Overal robots. Automatisering van de liefde tot de dood. Den Haag: Lemma / Rathenau Instituut, 2012 Daarbij horen: Jacqueline B. de Jong, Kenniskamer Intelligente Robots. Feiten, fabels en fictie. Den Haag: Ministerie van Veiligheid en Justitie, 2011; H. van Eerden, Naar een robuuste robotica agenda. Expertseminar ‘Robotica in Nederland’. Den Haag: Ministerie van OC&W en Rathenau Instituut, 2009; en Wim Oppelaar, De Grote Robotshow in NEMO, Amsterdam, 4 september 2009. Robots die voor je zorgen. Verslag van het debat. Den Haag: Rathenau Instituut, 2009 n Beleid rijksoverheid BZK: Minister R.H.A. Plasterk, ‘Stand van zaken digitale overheid’ (Kamerbrief 5 november 2013); Minister R.A.H. Plasterk, ‘Visiebrief digitale overheid 2017’ (Kamerbrief 23 mei 2013); Minister R.A.H. Plasterk, ‘Tussenbalans Digitale overheid’ (Kamerbrief 23 juni 2014) n Beleid rijksoverheid EZ: Minister H.G.J. van der Kamp, ‘Beleidsbrief Doorbraken met ICT– het benutten van de economische kansen van ICT’. (Kamerbrief 12 juli 2013). Daarbij horen: Alexander J.A.M. van Deursen & Jan A.G.M. van Dijk, CTR ALT DELETE. Productiviteitsverlies door ICT-problemen en ontoereikende digitale vaardigheden op het werk. Onderzoeksrapport. Enschede: Universiteit Twente, 2012 en Doorbraak akkoord. Doorbraak in dienstverlening, systeemsprong in de publieke sector. Gesloten op het bestuurdersymposium Amstelveen op 4 juli 2013. Amstelveen: 2013 n Stedenlink, ‘Convenant Smarter Cities. Overeengekomen en ondertekend te Den Haag op 6 maart 2013’. Digitale Steden Agenda. n Paul Daugherty, Michael J. Biltz & Prith Banerjee, From Digitally Disrupted to Digital Disrupter. Every Business Is a Digital Business. Accenture Technology Vision 2014. [Z.pl.]: Accenture, 2014 n (artikelen over de studie van) Stuart W. Elliott: ‘Anticipating a Luddite revival’. In: Issues, Spring 2014 (deze studie indiceert, dat technologie de werknemers voor 80 procent van de huidige banen kan vervangen) n Wikipedia (zowel Nederlands-, als Engelstalig) diverse onderwerpen n Stian Westlake (ed.), Our work here is done. Visions of a robot economy. London: Nesta, 2014 (artikelen over boek) Lynda Gratton, The shift. The future of work is here. London: Harper Collins, 2011

39

n

n DI GI TAL I S E R I N G E N DE TOE KOMS T VAN H E T W E R K B I J G E ME E N T E N

n

n

n

n

n

Anna Davies, Devin Fidler & Marina Gorbis, Future work skills 2020. Pola Alto: Institute for the future for the University of Phoenix Research Institute, 2011 VINT – Sogeti: Onderzoeksrapporten inzake big data: 1 Helderheid creëren met Big data (Jaap Bloem e.a., 2012) 2 Big Social. Gedrag voorspellen met Big data (Jaap Bloem e.a., 2012) 3 Privacy, technologie en de wet. Big Data voor iedereen door goed design (Jaap Bloem e.a., 2013) 4 Uw Big data-potentieel. The art of the possible (Jaap Bloem e.a., 2013) James Manyika e.a., Big data. The next frontier for innovation, competition, and productivity. [Z.pl.]: Mc Kinsey Global Institute, 2011 (met een deel over de overheid) Keith D. Swenson, Mastering the unpredictable. How adaptive case management will revolutionize the way that knowledge workers get things done. Tampa (Florida): Meghan-Kiffer, 2010 VINT – Sogeti: Onderzoeknotities inzake Internet of things: – Things. Internet van business kansen (Jaap Bloem e.a., 2013) – Empathec things. Intieme technologie van wearables tot biohacking (Jaap Bloem e.a., 2014) – De vierde industriële revolutie. Things als link tussen IT en OT (Jaap Bloem e.a., 2014) John Hagel e.a., From exponential technology to exponential innovations. Report 2 of the 2013 Shift Index series. [Z.pl.]: Deloitte University Press, 2013 (plus samenvatting van de vier rapporten die tot dezelfde ‘Shift Index serie’ behoren) (veel) ‘losse’ artikelen en informatie op websites (waar onder blogs).

Geraadpleegde deskundigen n

H. (Hans) Konstapel, Smart Technology Network, Universiteit Leiden (voorheen strateeg bij ABN AMRO en analist bij bureau Gartner) n A. (Aik) van Eemeren, zelfstandig adviseur voor verschillende netwerken van overheidsmanagers (VGS/VOM). Expert o.g.v. netwerken informatiesamenleving (werkgeverschap, arbeidsmarkt en organisatieontwikkeling) n A. (Anja) Lelieveld, programmamanager Digitaal 2017, ministerie van BZK n Dr. R.C.P.M. (Robert) Went, senior wetenschappelijk medewerker bij de WRR (in het overzicht van zijn tweets op OneWorld.nl is veel aandacht voor de digitale ontwikkelingen en robotisering) n Prof. L. (Lambert) Schomaker, hoogleraar Kunstmatige intelligentie en directeur ALICE-Instituut (= Artificial Intelligence and Cognitive Engineering), RUG Groningen n Dr. ir. T. (Rinie) van Est, Rathenau Instituut (coördinator en mede-auteur van Overal robots. Automatisering van de liefde tot de dood) n Cees van Westrenen en Theo Peters, KING (KwaliteitsInstituut Nederlandse Gemeenten; NUP) n Drs. M. (Maarten) Schurink, gemeentesecretaris Utrecht (programma om meer data-gedreven te werken) n Dr. A. (Arre) Zuurmond (nu Ombudsman gemeente Amsterdam, voorheen Zenc, het Expertise Centrum en directeur Kafka brigade, bijzonder hoogleraar ‘ICT en de toekomst van het openbaar bestuur’ en schrijver van De infocratie) n Prof. dr. W. (Wolfgang) Ebbers, hoogleraar Innovatie en Communicatie bij elektronische overheidsdiensten, Universiteit Twente / Associate PBLQ n Prof. dr. J.A.G.M. (Jan) van Dijk , hoogleraar ICT, Universiteit Twente n Drs. Ing. P. (Paul) Turion, voorzitter van de vakgroep Informatiebeleid van de FAMO en hoofd ICT gemeente Vlaardingen n A. (Arthur) Dallau, directeur van de Nederlandse Vereniging voor Burgerzaken (NVvB) n Drs. A.H.Ch. (Ton) Annink, secretaris-generaal van het ministerie van Sociale Zaken en Werkgelegenheid n C. (Claudia) Toet, voorzitter a.i. Landelijke Vereniging Lokale Belastingen en plaatsvervangend directeur Gemeentebelastingen Rotterdam n E.J. (Evert Jan) Slootweg, procesmanager bij Divosa n Prof. dr. B. (Bas) ter Weel, onderdirecteur Centraal Planbureau n M. (Mark) Dijksman, specialist big data (o.a. betrokken bij BigFellows)

40

BIJLAGE 2: TECHNOLOGISCHE ONTWIKKELINGEN


In deze bijlage lichten we de volgende in het document genoemde technologische ontwikkelingen nader toe: a Toename van de rekenkracht door snellere processors; b Meer en verbeterde sensoren, waardoor veel meer waarnemingen worden gedaan; c Grotere opslagcapaciteit; d Betere algoritmes en software waardoor grote hoeveelheden informatie doorzocht en verwerkt kunnen worden; e Veel informatie beschikbaar dankzij de sensoren, social media, transacties, enzovoort / big data; f Machine learning (ML) / ‘slimmere’ computers; g Het telkens groter wordende bewegingsrepertoire van robots; h 3D-printing; i Internetten met gebruik van een mobiel apparaat; j Social media; k Cloud computing; l Nexus of forces; m Het internet der dingen; Daarnaast komen de volgende vragen aan bod: n Hoe succesvol is de computer in het omgaan met mensen? o Welke mogelijkheden bieden genoemde ontwikkelingen voor burgerparticipatie? p Welke ontwikkelingen worden de komende tijd verwacht (en op welke termijn ongeveer)? A TOENAME VAN DE REKENKRACHT DOOR SNELLERE PROCESSORS Gordon Moore, een van de oprichters van chipfabrikant Intel voorspelde in 1965 dat het aantal transistors in een geïntegreerde schakeling door de technologische vooruitgang elk jaar verdubbelt. Dat is in 1971 door hem bijgesteld tot elke twee jaar verdubbelen. Deze uitspraak is bekend als de Wet van Moore. De ontwikkeling van de afgelopen veertig jaren worden in de volgende grafiek weergegeven.

41

MICROPROCESSOR TRANSISTOR COUNTS 1971-2011 & MOORE’S LAW


Telkens een verdubbeling wordt exponentiële groei genoemd. DE KRACHT VAN EXPONENTIËLE GROEI: EEN LEGENDE Het schaakspel is uitgevonden in de zesde eeuw na Christus tijdens het Gupta keizerrijk (is nu India). Volgens zeggen, toonde de uitvinder het aan de keizer. De keizer was zo onder de indruk van het moeilijke, maar mooie spel, dat hij de uitvinder vroeg om te zeggen welke beloning hij wilde. De uitvinder antwoordde: ‘Al wat ik verlang is wat rijst om mijn familie eten te geven’. Omdat de gulheid van de keizer was opgewekt door de uitvinding van het schaken, stelde de uitvinder voor om het schaakbord te gebruiken om de hoeveelheid rijst vast te stellen. ‘Leg één rijstkorrel op het eerste veld van het schaakbord, twee op het tweede, vier op het derde, en zo verder,’ stelde de uitvinder voor, ‘zodat ieder veld twee keer zoveel rijstkorrels bevat als het vorige.’ ‘We doen het zoals u voorstelt’, antwoordde de keizer, die onder de indruk was van de bescheidenheid van de uitvinder. De keizer realiseerde zich niet, dat telkens verdubbelen in het begin niet zo hard gaat (1, 2, 4, 8, 16, enzovoort). Maar op het 32ste veld, de laatste veld van de eerste helft van het schaakbord, liggen dan al iets meer twee miljard rijstkorrels. En dan gaat verdubbelen heel hard. In totaal zou de keizer tot en met het 64ste veld een berg rijst geven zo groot als de Mount Everest! Raymond Kurzweil, Director of Engineering van Google, vertelt dit verhaal in zijn boek The Age of Spiritual Machines. When Computers Exceed Human Intelligence (2000). Zoals de grafiek hierboven laat zien, zaten we in 2011 op 2,6 miljard transistors in een geïntegreerde schakeling. Dat komt ongeveer overeen met veld 32 van het schaakbord (2,1 miljard). Vanaf 2012 zitten we dus in de tweede helft van het schaakbord.

42


In een simpel spreadsheet kan worden uitgerekend, wat exponentiële groei betekent in de tweede helft van het schaakbord. Om de tabel niet te groot te maken, zijn niet alle velden opgenomen. Ter vergelijking zijn ook de velden 1, 5, 8, 11, 15, 18, 21, 25 en 28 opgenomen. Zoals gezegd, komt veld 32 ongeveer overeen met het cijfer van het jaar 2011.

VELD 1

AANTAL 1

5

16

8

128

11

1.024

15

16.384

18

131.072

21

1.048.576

25

16.777.216

28

134.217.728

32

2.147.483.648

35

17.179.869.184

38

137.438.953.472

41

1.099.511.627.776

45

17.592.186.044.416

48

140.737.488.355.328

51

1.125.899.906.842.620

55

18.014.398.509.482.000

58

144.115.188.075.856.000

61

1.152.921.504.606.850.000

64

9.223.372.036.854.780.000

Het is bijna onvoorstelbaar: Als de exponentiële groei doorgaat, gaan we van: n twee miljard in veld 32 (= ongeveer 2011) n naar 1,1 biljoen in veld 41 n naar 1,1 biljard in veld 51 n naar 1,1 triljoen in veld 61 en n naar 9,2 triljoen (bijna 1 triljard) in veld 64 (2 tot de 64ste macht). Er zijn geluiden dat de Wet van Moore niet eeuwig door kan gaan (zoals de inmiddels gepensioneerde Moore in een interview in 2005 ook zelf heeft gezegd). Er zijn natuurlijke grenzen bij de gebruikte materialen en technieken. Er wordt inmiddels bijna op atoom-niveau gewerkt, kleiner kan niet. Anderen zeggen: ‘dan worden er wel weer nieuwe materialen en technieken uitgevonden, die weer een tijd mee kunnen’.

43


Op 14 november 2014 stond op de website van het IBM Research Lab onder de kop ‘Tackling tomorrow’s chip grand challenge today’ onder andere het volgende: n De omvang van chips bedraagt vandaag 22 nanometer (nm), in de toekomst is dat 14 en 10 nm. Bij die omvang zal de technologie in de toekomst lange tijd stil komen te staan (‘run out of steam for long’). n IBM wil tegen het eind van dit decennium naar 7 nanometer. Dat is 100.000 keer kleiner dan een haar van een mens. Die minuscule dimensie moeten toekomstige chips hebben om aan de eisen te voldoen, die computers nodig hebben om aan de eisen van cloud, big data en cognitieve systemen te kunnen voldoen. n IBM investeert drie biljoen dollar extra in de komende vijf jaren (bovenop zes miljoen dollar per jaar voor R&D) in research met het doel om op 7 nanometer of een nog kleinere maat te komen, maar 7 nm lijkt voor silicium de limiet. Daarom wil men ook alternatieve technologieën ontwikkelen voor het post-‘silicon’-tijdperk. De chip van silicium wordt een bottleneck voor de nieuwe generatie computers, die nodig is voor een nieuw tijdperk (‘new era of computing’). n De wetenschappers onderzoeken allerlei materialen en hebben op diverse gebieden al doorbraken bereikt. Er zijn natuurlijk veel meer bedrijven die gelijksoortige onderzoeken doen. De tijd zal laten zien of de Wet van Moore volop doorgaat, langzamer zal verlopen of helemaal stagneert. In hun studie spreken Frey en Osborne over de gevolgen van de technologische ontwikkelingen die in de komende twintig à dertig jaar naar hun verwachting zullen plaatsvinden. Stel dat er oplossingen worden gevonden voor de gesignaleerde grenzen en de exponentiële groei nog steeds per twee jaar zal plaatsvinden, dan zijn we rond 2030 in veld 41. Dan is de rekenkracht meer dan 500 keer groter dan in 2011! En daarna gaat het nog sneller. De volgende opmerking valt buiten de scope van het onderzoek, maar geeft wel aan hoe een direct betrokkene denkt over de ontwikkelingen: Op basis van deze exponentiële ontwikkeling gaat Kurzweil (director of Engineering van Google) in zijn boek Kurzweil on the edge. The intelligent universe (2002) nog verder: Binnen enkele tientallen jaren zal machine-intelligentie menselijke intelligentie overstijgen. De gevolgen zullen volgens hem onder andere inhouden: het samengaan van biologische en non-biologische intelligentie, onsterfelijke op software gebaseerde menselijke wezens en ultrahoge niveaus van intelligentie die zich in het universum verspreiden met de snelheid van het licht. Hij heeft het zelfs over een factor 10 tot de 80ste over tweehonderd jaar. B MEER EN VERBETERDE SENSOREN, WAARDOOR VEEL MEER WAARNEMINGEN WORDEN GEDAAN Een sensor of ‘voeler’ is een kunstmatige uitvoering van wat in de biologie een zintuig wordt genoemd. De meeste sensoren zijn elektrisch of mechanisch uitgevoerd, softwarematige en ‘virtuele’ sensoren zijn ook mogelijk. Met een sensor neemt een machine de omgeving waar of kan informatie verzameld worden waarmee in industrie en informatica processen bestuurd kunnen worden (Wikipedia). Sensoren meten bijvoorbeeld temperatuur (thermometer), afstand en beweging (radar), chemische samenstelling, druk (manometer) en/of nemen beeld waar (beeldsensor oftewel camera). Voorbeelden van sensoren uit het alledaagse leven: n camera’s in de openbare ruimte ter bewaking van bedrijventerreinen en winkels of op plaatsen waar het wel eens ‘onrustig’ is; n sensoren op de auto die waarschuwen bij parkeren, of de park assistent die het parkeren overneemt. Er zijn ook sensoren die de afstand tot andere auto’s meten; n de trend ‘quantified self’: slimme apps of smartwatches die registreren hoeveel we eten, slapen en hardlopen. Ze meten onze hartslag en houden in digitale logs onze menstruatiecyclus, mentale toestand of ons medicijngebruik bij.

44


Daarnaast is er nu ook ‘quantified child’. In het artikel ‘Twenty four seven in verbinding met de baby’ (NRC 29 juli 2014) worden diverse mogelijkheden genoemd, die al te koop zijn of dit jaar nog uitkomen: n een rompertje dat hartslag, beweging en temperatuur meet. De software analyseert uit deze gegevens de gemoedstoestand en het energieniveau van het kind, belooft het bedrijf; n een sokje dat met LED-licht de hartslag en zuurstofsaturatie in het bloed van de baby meet en beweging monitort; n slimme pampers, die uitdroging, urineweginfecties en nierproblemen bij de baby meten. In de pampers zitten chemicaliën die reageren op stofjes in de urine; n het sensormatje van Nanny Care, dat je onder de matras legt. Het matje registreert beweging en ademhaling en laat een alarm afgaan zodra die stoppen; n een armband voor een kind met locatietracker, die werkt met GPS en wifi. Ouders kunnen het kind bellen. Neemt het kind niet op, dan gaat automatisch de microfoon aan, zodat de ouders kunnen meeluisteren; n komt er (misschien) aan: een slim enkelbandje dat ook ademhaling, beweging en temperatuur meet. En het licht in de kamer. Met slimme app waarmee de ouders allerlei patronen in de data van hun baby kunnen ontdekken. C GROTERE OPSLAGCAPACITEIT Er is sprake van een ‘dataexplosie’: 90 procent van alle data wereldwijd is gecreëerd in de laatste twee jaar. Elke dag komen er, naar schatting van IBM, 2,5 triljoen (1 met achttien nullen) bytes data bij. In verband daarmee is de opslagcapaciteit ook fors toegenomen, hoewel er ook een wisselwerking optreedt: omdat opslagcapaciteit minder beperkend is, zijn we er relatief meer van gaan gebruiken (minder efficiënt gebruik). (bron: IDC 2013) WORLDWIDE CAPACITY-OPTIMIZED, PERFORMANCE-OPTIMIZED, AND I/O-INTENSIVE STORAGE SYSTEMS SHIPMENTS, 2012-2016

D BETERE ALGORITMES EN SOFTWARE WAARDOOR GROTE HOEVEELHEDEN INFORMATIE DOORZOCHT EN VERWERKT KUNNEN WORDEN Een algoritme bevat de rekenstappen om een specifiek probleem op te lossen. Het is te vergelijken met een ‘beslissingsboom’. Soms zitten er ‘lussen’ in. Dat is de basis voor de software, maar software is breder. Een algoritme voor vergelijking van documenten zegt: in hoeverre lijken document A en document B op elkaar? Voor ‘juridisch’ werk bijvoorbeeld vraag je voor een aantal ‘steekwoorden’ om rechterlijke uitspraken waarin die steekwoorden voorkomen. Een advocaat kan vervolgens kijken wat hij met die vergelijkbare cases kan doen.

45


Dankzij betere algoritmes kunnen grote hoeveelheden informatie (big data) worden doorzocht en kunnen nuttige resultaten worden gevonden. Een voorbeeld is Dokter Watson van IBM: Deze computer is volgestopt met twee miljoen bladzijden uit Amerikaanse studieboeken en tijdschriften over kanker en met 605.000 bewijzen voor kanker uit medische dossiers. Hij heeft 25.000 trainingsvoorbeelden bestudeerd en artsen zijn 14.700 uur bezig geweest met fine-tuning. Op basis van patroonherkenning stelt deze computer nu betere diagnoses dan medisch specialisten. Maar nog steeds geldt: de dokter beslist. E VEEL INFORMATIE BESCHIKBAAR DANKZIJ DE SENSOREN, SOCIAL MEDIA, TRANSACTIES, ENZOVOORT / BIG DATA Er is – zoals al is gezegd – sprake van een ‘dataexplosie’. Behalve van ‘big data’ is sprake van ‘fast data’: gegevens die ontstaan door een gebeurtenis, activiteit of interactie via sociale en online kanalen, mobiele apparaten, sensoren, point-of-sale, het internet-van-alles. Ze zijn vluchtig, hebben een beperkte houdbaarheid en lenen zich vooral voor het ondersteunen van actuele beslissingen en acties, hier en nu, zodat bedrijven hun aanbod kunnen personaliseren, processen real-time kunnen bijsturen en tijdig maatregelen kunnen nemen (bron: bijdrage aan expertmeeting Eerste Kamer 6 mei 2014 inzake inlichtingen en veiligheid). Door de hoeveelheid informatie noemt men het ‘big data’. De definitie van big data is niet altijd duidelijk. Men spreekt van big data wanneer men werkt met datasets die te groot zijn om met reguliere databasemanagementsystemen onderhouden te worden. Oorspronkelijk ging het om drie factoren: n volume: de hoeveelheid data; n velocity: de snelheid waarmee de data binnenkomen en opgevraagd worden. Steeds meer gegevens zijn echt real-time beschikbaar, mede doordat gegevens direct in het interne geheugen staan in plaats van op een langzaam extern medium. De gegevens zijn daardoor ook vele malen gedetailleerder beschikbaar; n variety: de diversiteit van de data. Veel gegevens zijn van nature ongestructureerd. Er zijn nieuwe hulpmiddelen, die naast traditionele data bijvoorbeeld ook gemakkelijk video, audio, sensorgegevens en tekst aankunnen. Gaandeweg hebben onderzoekers nieuwe factoren benoemd: n verification: de kwaliteit van de gegevens is van belang; n value: gaat over de waarde van informatie en het bijbehorende inzicht; n variability: heeft betrekking op de vele mogelijke interpretaties van informatie; n visualization: gaat over het grafisch presenteren en interpreteren van informatie; n virality: betreft de snelheid van verspreiding tussen mensen in een netwerk. Daarnaast speelt ook de mogelijkheid tot statistische analyse een belangrijke rol. Een voorbeeld uit het mobiliteitsdomein: n Lange tijd was er alleen zicht op de verkeerssituatie op het hoofdwegennet, omdat Rijkswaterstaat daar had geïnvesteerd in lussen. Maar dankzij gps- en gsm-data weten we nu ook wat er gebeurt op de duizenden kilometers aan provinciale en gemeentelijke wegen en dat vrijwel real-time. n Met floating car data meet je geen intensiteit, maar je kunt er herkomst-bestemmingsrelaties uit afleiden. n Met gsm-data kun je het aandeel buitenlandse weggebruikers of bezoekers in beeld te brengen. Toepassingen in het mobiliteitsdomein: n Bij de beleidsvorming kunnen de verschillende varianten van een bereikbaarheidsaanpak van tevoren goed worden doorgerekend. n Het beleid is dankzij de beschikbare data transparanter geworden. Voorheen waren (tijdrovende en soms weinig representatieve) enquêtes nodig om evaluaties te maken. Dankzij de data is er nu een enorme bak meetgegevens, waaruit gedestilleerd kan worden hoe het verkeer écht gereageerd heeft op een gekozen aanpak.

46

n


Er kan regionaal netwerkmanagement worden toegepast: als bekend is hoe het verkeer zich over de verschillende wegennetwerken beweegt, waar het knelt en waar nog ruimte is, dan kan op basis van verkeersmodellen worden gestuurd (denk aan Verkeersinformatie op de radio, maar ook aan interactieve TomToms). n Er kunnen meer reizigersinformatiediensten worden verleend: gegevens over de bezetting van garages, VRI-gegevens over de verkeerslichten van het komende kruispunt, actuele planningsgegevens van wegbeheerders over wegwerkzaamheden, enzovoort. ‘Begrijpen we daarmee het verkeer (de mensen)?’ Nee, maar, ‘door in te haken op continue datastromen uit OV-chipkaarten, smartphones, navigatiesystemen, connected voertuigen en social media ontstaat een groeiende verzameling van data die inzicht biedt in het feitelijke gedrag van individuen. Wat zou zo’n revolutie voor de wereld van verkeer en vervoer kunnen betekenen? Bijvoorbeeld, dat we beter begrijpen wat mensen drijft om zich te verplaatsen, wat hun motieven zijn om voor de auto of het openbaar vervoer te kiezen, welke routes hun voorkeur verdienen, wanneer ze haast hebben en in hoeverre ze hun rijgedrag in termen van snelheid of inhaalgedrag daarop aanpassen. We leren hoe groepen zich verplaatsen, welke herkomst-bestemmingsrelaties zich omzetten in verplaatsingen over de weg en hoe dat verandert door het jaar heen.’ (bron: NM Magazine 2014, nr. 2) Google dacht vroeger dat de software het belangrijkste was, maar zegt nu ‘The value is in the data’. F MACHINE LEARNING (ML) / ‘SLIMMERE’ COMPUTERS ‘Ouderwetse’ computers volgen uitsluitend voorgeprogrammeerde instructies. In de software is elke stap precies aangegeven. Daarmee kan een robot alleen de handelingen doen, die zijn programmeur hem voorschrijft. Een fabrieksrobot die bijvoorbeeld bij Philips in Drachten scheerapparaten assembleert, kan niet zomaar andere apparaten in elkaar zetten. Daarvoor moest vroeger de productielijn worden omgebouwd en de robots her-geprogrammeerd worden. Dit kost 80 procent van de aanschafwaarde van de productielijn. De oplossing daarvoor is: meer flexibele robots die zelfstandig leren. Bij machine learning gaat het erom, dat systemen kunnen leren van data en dan zonder expliciete voorgeprogrammeerde instructies kunnen werken. Machine learning wordt toegepast bij computertaken waarbij het ontwerpen en programmeren van expliciete op regels gebaseerde algoritmen niet haalbaar is. Voorbeelden zijn: n het filteren van spam; n optical caracter recognition (OCR): het omzetten van gescande of gefotografeerde afbeeldingen en getypte of geprinte tekst in machinetaal, die door de computer te lezen is; n computer vision (beeldverwerking): het door een sensor, bijvoorbeeld een camera, vastleggen van beelden die met behulp van de computer worden geïnterpreteerd. De beschikbare informatie wordt gebruikt om bepaalde processen aan te sturen, zoals het sorteren van producten op de lopende band of de kwaliteitscontrole van producten. In het veiligheidsdomein nemen camera’s alles op. Er hoeft niet de hele tijd naar meerdere schermen gekeken te worden. De computer laat niet alle beelden zien, maar signaleert alléén de afwijkingen en laat die zien. Een computer is niet ‘intelligent’. Een computer kan werken met statistische gegevens. Het belangrijkste woord is ‘patroonherkenning’. De computer herkent een patroon als iets herhaaldelijk voorkomt, zelfs als het ingewikkelde patronen zijn. We hebben lang gedacht, dat alléén mensen patronen kunnen herkennen, maar de computer is daarin nu beter dan de mens. Dat patroon kan de computer vervolgens in dezelfde omstandigheden weer toepassen.

47

Er zijn verschillende methoden van machine learning:


1 Leren onder supervisie De computer wordt door een ‘leraar’ gevoed met voorbeelden; bij een bepaalde input hoort een bepaalde output. Het doel is om het patroon te herkennen dat leidt tot de gewenste output. En dat patroon wordt in kaart gebracht voor verschillende situaties: n in een situatie waarin meerdere oplossingen mogelijk zijn, geeft de supervisor een voorbeeld wat te doen in situatie A, en wat in situatie B, et cetera. Daardoor ‘leert’ de computer welke oplossing bij de verschillende situaties hoort en kiest hij de goede oplossing; n het door Brynjolfsson en McAfee genoemde voorbeeld (zie ‘Inleiding’, onder ‘Aanleiding’): werknemers kunnen de robot een taak ‘leren’ door de robotarm beet te pakken en de bewegingen voor te doen; n het door Philips en Accenture ontworpen systeem waardoor verlamde patiënten met onder meer hersengolven gadgets kunnen besturen. Bij de toelichting is gezegd: ‘Als ik denk ‘er rent een pony naar links’ leidt dat tot een bepaald signaal in mijn hersenen. Als ik dat een dag later nog eens denk, komt dat zelfde signaal weer naar boven. Dit signaal vastleggen en laten herkennen door de software, daar gaat het om.’ Zulke signalen moeten wel vooraf geregistreerd worden. Dat gebeurt al dagelijks met EEG-onderzoeken in ziekenhuizen. Het systeem herkent de hersenactiviteit die bij een gedachte hoort en kan daar in de toekomst een taak aan koppelen (werkt wel, nog geen praktijk; bron: meerdere kranten, nieuwsrubrieken en websites Philips en Accenture begin augustus 2014). 2 Leren zonder supervisie Bij leren zonder supervisie worden aan de computer geen voorbeelden gegeven. De computer moet de manier van reageren afleiden uit groepen met dezelfde input of door het ontdekken van de abstracte ‘onderwerpen’ die zich voordoen in een verzameling gegevens. Voorbeeld uit de praktijk: n Het UWV koppelt werkzoekenden via de computer aan beschikbare vacatures. Dat gebeurt op basis van de sollicitatiebrief van de werkloze en de tekst in de vacature. In het begin zaten er veel fouten in. Inmiddels is men vijf jaar bezig en beschikt de computer over zoveel data (= kennis), dat het een stuk beter gaat. 3 Reinforcement learning Bij reinforcement learning ‘leert’ de computer interacties gericht op een bepaald doel. De computer gaat een wisselwerking aan met een dynamische omgeving, waarin hij een bepaald doel moet bereiken (bijvoorbeeld het rijden van een auto), zonder dat een leraar zegt of het dicht bij zijn doel is of niet. De computer moet in staat zijn de omgeving waar te nemen, hij moet actie kunnen ondernemen die iets verandert aan die omgeving, en hij moet een doel hebben met betrekking tot de staat van de omgeving. Door trial-and-error moet de computer leren wat de beste oplossing is. Het gaat dus om actie, waarneming en doel. Voorbeelden: n Een schaakspeler doet een zet. De keus is bepaald door het doel, de mogelijke reacties van de tegenspeler en de eigen reactie daar weer op, en door een onmiddellijk intuïtief oordeel over de wenselijkheid van bepaalde posities en bepaalde zetten. n Een mobiele robot besluit of hij in een andere kamer gaat kijken of er nog afval is om op te ruimen of dat hij probeert de weg terug te vinden naar het batterij-oplaadstation. De keus wordt gebaseerd op hoe snel en gemakkelijk hij de vorige keren in staat is geweest om het oplaadstation te bereiken. Er is vooruitgang gemaakt bij: n machine learning, inclusief gegevensanalyse (datamining); n computer vision (zie boven; het beoordelen van beelden); n computational statistics (statistieken of procedures); n (andere gebieden van) kunstmatige intelligentie, waaronder begrepen het ontwikkelen van n algoritmes die het mogelijk maken dat cognitieve taken worden geautomatiseerd; n toepassing van ML-technieken in mobile robots (MR) en daarmee de dimensie van het n automatiseren van handmatige taken.

48


Datamining is het gericht zoeken naar (statistische) verbanden in gegevensverzamelingen met als doel profielen op te stellen voor wetenschappelijk, journalistiek of commercieel gebruik. Zo’n verzameling gegevens kan gevormd worden door gebeurtenissen in een praktijksituatie te registreren (aankoopgedrag van consumenten, symptomen bij patiënten, et cetera) of door de resultaten van eerder uitgevoerde wetenschappelijke onderzoeken met elkaar te vergelijken en te herinterpreteren. Als voldoende nieuwe informatie een patroon gaat vormen, dan kan de computer dat patroon ook weer toepassen. Dat kun je hem ‘leren’ via een expertbestand, door hem voorbeelden te ‘voeren’, of door hem de (goede) afloop van die nieuwe dingen in zich te laten opnemen. Door machine learning kunnen computers dus nieuwe dingen leren. Soms geholpen door mensen (leren onder supervisie) en soms door het zelf te doen (leren zonder supervisie en reinforcement learning). Web-connected Computers/apparaten/robots worden inmiddels ook verbonden aan het internet (‘web-connected’). Uit de databases op het internet kunnen ze veel kennis ophalen over ‘hun’ onderwerp. Op basis van die kennis kunnen ze weer handelingen verrichten. Voorbeeld: Een kookrobot kan een recept zoeken op het internet en uitvoeren. Het is nog wat moeilijk, want die robot kan nu alléén nog maar een ei bakken. Robots leren van elkaar In het robotlaboratorium van de Technische Universiteit Eindhoven (TU/e) helpen vier verschillende robots patiënten in nagebouwde ziekenhuiskamers. Geen van de robots is in staat zijn taak zelfstandig uit te voeren. Sterker nog, ze hebben helemaal geen verstand van werken in het ziekenhuis. Maar geholpen door RoboEarth kunnen ze het toch: RoboEarth laat robots autonoom van elkaar leren en samenwerken via een eigen internet en complexe berekeningen uitvoeren in de Robocloud. Het werkt bijvoorbeeld als volgt. Twee robots verkennen elk een ziekenhuiskamer. Zodra hun kaart van de kamer klaar is, uploaden ze deze naar RoboEarth. Andere robots kunnen de kaart opvragen en meteen door die ziekenhuiskamer navigeren. De patiënt vraagt om een drankje. De robot stuurt dit spraakcommando naar de RoboEarth-servers. Deze analyseren de opdracht en sturen recepten voor de handelingen die de robot moet uitvoeren. Elke geschikte robot kan nu het drankje brengen. Is er geen geschikte robot, dan zoekt RoboEarth naar robots die het al samenwerkend wel kunnen. G HET BEWEGINGSREPERTOIRE VAN ROBOTS WORDT TELKENS GROTER Bij een robot wordt vaak gedacht aan een menselijk figuur met een hoofd, armen en benen. De meeste robots zijn dat niet. Een robot kan allerlei vormen krijgen. Derde generatie robots (zie hierna): n kunnen met een bepaalde mate van autonomie fysieke handelingen verrichten; n spelen een rol binnen een complexe en (in meer of mindere mate) ongestructureerde omgeving en dynamische sociale praktijk. Daarbij speelt de interactie tussen omgeving en machine en tussen mens en machine steeds een belangrijke rol; n beschikken ten behoeve van die interactie over: – sensoren, waarmee de omgeving en de mens kunnen worden waargenomen; – software, waarmee de robot op basis van de informatie uit de omgeving beslissingen kan nemen; – hardware, waarmee een bepaald scala aan handelingen daadwerkelijk uitgevoerd kan worden. (Bron: rapport Overal robots, Rathenau Instituut). Het bekendste voorbeeld waarin al deze ontwikkelingen zijn verwerkt, is de zelfrijdende auto.

49


Er worden voor sommige toepassingen hoge eisen gesteld aan de fysieke eigenschappen van robots met hoofd, armen en benen, met name aan hun mobiliteit. Het stabiel lopen op twee benen is voor robots vooralsnog te moeilijk. Klassieke mobiele robots op wielen kunnen veel plekken niet bereiken, het bewegen op rupsbanden is relatief traag en niet energie-efficiënt. Robotontwikkelaars zoeken vaak inspiratie in de natuur. Lopende robots met meerdere benen bieden interessante mogelijkheden, met name voor zwaar, ongestructureerd terrein. Een voorbeeld is de zesbenige robot Zebro, ontwikkeld bij de TU Delft. Gebruikers kunnen de robot draadloos besturen met behulp van een iPad of een andere tablet-computer. Er wordt gesproken over drie generaties robots: n de eerste generatie zijn de robots voor fabricage (bijvoorbeeld in een autofabriek). Die robots zijn levensgevaarlijk. Er staan hekken omheen. Niemand mag binnen het hek komen als de robot werkt, want dan krijg je een klap. Als er iets misgaat, merkt de robot dat niet. Daardoor kunnen er zomaar honderd auto’s in de prak gaan. Idem bij de robot die paprika’s sorteert. Als de robot de paprika’s kapot knijpt, moet ook deze productielijn door mensen worden stilgezet. Eerst moet de rommel worden opgeruimd en dan kan het weer verder; n de tweede generatie zijn de robots zonder sensoren. Die robots ‘zien’ niets en rijden overal tegenaan. Zo’n zorgrobot kan geen kopje koffie van de keuken naar de kamer brengen, want die struikelt over de drempel en de koffie ligt op de grond. Ze zijn nog vrij gevaarlijk. Iemand moet ze sturen. Op de Universiteit Delft is gezegd dat deze simpele robot circa € 10.000 kost; n de derde generatie zijn de robots die zelf hun weg kunnen vinden en om obstakels heen rijden. Dat kunnen ze doordat ze vol hangen met sensoren. Deze robots kosten nu € 10 miljoen. Op termijn zal dat goedkoper worden, maar voorlopig zijn ze veel te duur om overal te gebruiken. De Universiteit Delft ziet een grote toekomst voor robots in de zorg, maar wel als hulpje van de verpleegkundige. De robot is een aanvulling op het werk van de mens, en dan met name het zware werk (bijvoorbeeld tillen, op bed leggen, onder de douche beethouden). H 3D-PRINTING Bij 3D-printing wordt een digitaal ontwerp in het brein van een (simpele) printer geplaatst, waar het wordt omgezet in een G-code, dat is een bestand waarin het ontwerp in plakjes is gesneden, laagje voor laagje. Het te gebruiken materiaal komt in de ‘controlekamer’ van de printer door een blaasmachine via een trechter. In de blaasmachine wordt het materiaal verhit tot het smelt en tot een homogene vloeistof samengeperst. Die vloeistof gaat naar de printerkop via een verwarmde buis. De printerkop verspreidt het gesmolten materiaal langs de geprogrammeerde weg naar de X- en Y-assen en als dat klaar is nog een stap verder naar de Z-as. Dit is bijna hetzelfde proces als bij een normale printer, maar dan met één extra richting, waardoor het ontwerp laagje voor laagje kan worden geprint. Technisch gesproken kan de 3D-printer printen met elk materiaal dat smelt op een niet te hoge temperatuur en daarna weer hard wordt. Er zijn al 3D-prints gemaakt van: n huizen (grachtenpand in Amsterdam, in China tien huizen in 24 uur); n cake, koekjes, chocola, bruidstaarten (zelfs met 3D-miniatuur van bruidspaar erop); n edelstenen; n buitenkant van een auto (merk Urbee); n treinen voor modelspoor; n keramiek; n allerlei medische toepassingen: – Een schedel is vervangen door een op maat gemaakte plastic versie, die uit een 3D-printer kwam (Utrecht). – Er zijn kunstmatige botten gemaakt voor een deel van het hoofd (Japan).

50


– Er is een 3D-mal gemaakt van het oor van een patiënt, waarbij de ‘inkt’ ook levende cellen bevat. Daarna zijn er andere cellen geïnjecteerd. Na drie maanden in een broedcel was het oor klaar (Cornell University New York VS). – Synthetische huid is door een printer direct op de brandwonden aangebracht. De ‘inkt’ bevatte enzymen en een lijmvormend eiwit. Na elk laagje werd een laagje weefsel en huidcellen aangebracht (Winston-Salem VS). – Er is een kleine werkende nier gemaakt uit biomateriaal (heeft vier maanden gewerkt; China). – Er is een nieuwe lever gemaakt (Cleveland VS). Tot nu toe heeft nog niemand een vervangende vinger of een arm kunnen printen die zodanig opnieuw aangebracht kan worden dat alle zenuweinden weer volledig waren aangesloten. Voordelen van 3D-printen zijn: n Elk ontwerp kan op een simpele manier digitaal aangepast worden, bijvoorbeeld aan de persoonlijke behoefte en de smaak van de gebruiker. n Het toevoegen van details is niet arbeidsintensief en dus niet duurder. n Het is gemakkelijk om unieke objecten te creëren. n In het proces van vervaardiging wordt het ruwe materiaal rechtstreeks omgezet in een eindproduct. Daardoor wordt verspilling geëlimineerd. n Er zijn geen transportkosten, want het ontwerp kan ter plaatse worden geprint. n Iedereen kan gewoon alles produceren in z’n eigen lokale omgeving. Voor het printen van huizen is het nog een enorme uitdaging om te voldoen aan de huidige bouwvoorschriften. Er zijn onder andere vragen ten aanzien van isolatie, brandveiligheid, funderingen. De grootste scheepvaartmaatschappij van Denemarken (Maersk) heeft op alle schepen een 3D-printer om onderdelen te vervangen. Dat deden ze eerst van kunststof, maar nu ook van metaal. Voordeel: ze kunnen een kapot onderdeel direct vervangen, ze hoeven niet in een haven te wachten tot het vervangende onderdeel is aangekomen. 3D-printen kan enorme gevolgen hebben voor de manier waarop dingen worden vervaardigd. Dat kan effecten hebben op de buitendiensten van gemeenten. I INTERNETTEN MET GEBRUIK VAN EEN MOBIEL APPARAAT Er zijn veel soorten mobiele apparaten, zoals een daarvoor geschikte mobiele telefoon, smartphone, personal digital assistant, tablet, pocket-pc, laptop of netbook, die kunnen internetten via een draadloos netwerk dat min of meer overal beschikbaar is. Hoewel internetten op smartphones z’n beperkingen kent (klein scherm, kunt niet meerdere vensters tegelijk openzetten, kosten, et cetera) is het als gevolg van de introductie van de grotere multitouch smartphones (2007) en de tablets (2010) hard gegaan. Mobiel internet is in januari 2014 het internetten via een desktop (PC) voorbijgegaan. De verwachting is, dat mobiel internet nog veel zal groeien, terwijl het aantal PC’s nog maar beperkt zal toenemen.

51

GLOBAL INTERNET DEVICE SALES


De smartphones en de tablets voorzien in een betere toegang tot internet. ‘Mobile browsers’ verschaffen zich rechtstreeks toegang tot de hardware van een mobiel apparaat en de snelheid en de mogelijkheden van ‘browser-based’ toepassingen zijn verbeterd. Apps Er zijn mobiele software-applicaties of kortweg apps gemaakt die draaien op smartphones, tablets, enzovoort. Met behulp van een app worden eenvoudig extra functies aan een mobiel apparaat toegevoegd. Ze kunnen bijvoorbeeld gebruikt worden om snel informatie te raadplegen. Inhoudelijk kunnen apps variëren van sport-, weer- of nieuwsapplicaties tot toepassingen met betrekking tot internetbankieren, amusement, boeken, fotografie, koken, muziek, lifestyle, onderwijs, routenavigatie, spelletjes en het bedrijfsleven. Bedrijven (inclusief gemeenten) kunnen bepaalde diensten via een app beschikbaar stellen. Een app kan dan worden ingezet om de bestaande dienstverlening van een bedrijf te ondersteunen. In januari 2014 zorgden apps voor bijna de helft van de toegang tot internet met een mobiel apparaat. Het gerenommeerde research bureau Gartner verwacht dat in 2016 meer dan 300 miljard apps worden gedownload (wereldwijd). Klanten en medewerkers zullen de IT-afdelingen dwingen om op mobiele applicaties over te stappen. In 2012 verscheen in Amerika de notitie Where the jobs are. The app economy. Daarin staat onder andere dat ‘ieder groter op consumenten gericht bedrijf en veel bedrijven die zakelijke diensten verlenen aan andere bedrijven ontdekt hebben, dat ze een app nodig hebben als gezicht van het bedrijf. De app-economie bouwt een nieuwe voordeur naar ieders huis en in sommige gevallen zelfs een geheel nieuw huis.’ Een voorbeeld van gebruik van een app: De straten van San Francisco Als we precies weten waar in een straat nog een parkeerplek is, dan scheelt dat ergernis en frustratie, benzineverbruik en CO2. Ook het aantal kleine ongelukken vermindert, want als we alleen maar oog hebben voor een schaarse parkeerplek, dan letten we minder op het verkeer om ons heen, op paaltjes enzovoort. In San Francisco gaat het er inmiddels anders aan toe. Daar is een kwart van de 28.000 parkeermeters gekoppeld aan sensoren in het asfalt. Op een smartphone-app kunnen automobilisten zien waar er een plekje vrij is. Omdat er via de app kan worden betaald en

52


bijbetaald, worden er minder boetes uitgeschreven. Ook de parkeerpolitie is beter af. Die kan met de beschikbare informatie recht op het doel afgaan in plaats van op goed geluk te speuren naar wanbetalers. De parkeerinkomsten zijn hoger, want de slimme parkeermeters passen hun prijzen aan op basis van het beschikbare aantal plaatsen. Zo is het op straat veiliger geworden, heeft de automobilist het makkelijker, neemt de luchtvervuiling af en wordt er op parkeerpolitie bespaard. J SOCIAL MEDIA ‘Social media’ is een verzamelnaam voor alle internettoepassingen waarmee het mogelijk is om informatie met elkaar te delen op een gebruiksvriendelijke en vaak leuke wijze. Het betreft niet alleen informatie in de vorm van tekst (nieuws, artikelen). Ook geluid (podcasts, muziek) en beeld (fotografie, video) worden gedeeld via social-mediawebsites. Met andere woorden, social media staat voor ‘media die je laten socialiseren met de omgeving waarin je je bevindt’. Bekende voorbeelden van internationale social-mediawebsites zijn Facebook, YouTube, LinkedIn en Twitter, maar ook bijvoorbeeld WikiPedia en MySpace. Het woord ‘social’ zegt al voldoende. Social media zijn omgevingen waar een hoge mate van interactie plaatsvindt. Groepen mensen komen er samen om te communiceren over onderwerpen die zij belangrijk vinden. Meestal zijn ze daarbij op zoek naar gelijkwaardige personen die dezelfde normen en waarden hebben. Dit komt voort uit de onbewuste gedachte dat ‘iedereen die gelijk is aan mij leuker, interessanter en beter te vertrouwen is’. Het vertrouwen in ‘peers’ neemt steeds verder toe, hetgeen inhoudt dat we veel meer waarde hechten aan de mening van ons netwerk dan aan die van organisaties of merken (bron: www.social-media.nl). INTERNET GROWTH - USAGE PHASES - TECH EVENTS

Uit de grafiek hierboven blijkt dat social media een enorme vlucht hebben genomen. Social media genereren enorm veel data (big data), die in sommige onderzoeken worden gebruikt.

53

K CLOUD COMPUTING


Cloud computing is het via het internet op aanvraag beschikbaar stellen van hardware, software en gegevens. De ’cloud’ (Nederlands: wolk) staat voor een netwerk dat met al de computers die erop aangesloten zijn een soort ‘wolk van computers’ vormt, waarbij de eindgebruiker niet weet op hoeveel of welke computer(s) de software draait of waar die computers precies staan. De gebruiker hoeft op deze manier geen eigenaar meer te zijn van de gebruikte hard- en software en is dus ook niet verantwoordelijk voor het onderhoud. De details van de informatietechnologische infrastructuur worden aan het oog onttrokken en de gebruiker beschikt over een ‘eigen’, in omvang en mogelijkheden schaalbare, virtuele infrastructuur. De cloud is dus een begrip dat onlinediensten aanduidt. Er zijn voor- en nadelen verbonden aan computing in ’the cloud’. Enige voordelen zijn: n Cloud-diensten zijn goedkoper dan reguliere (‘on site’) varianten (mits men geen bestaand nog goed werkend systeem heeft). Je deelt met andere gebruikers een groter volume. n De kosten zijn alleen afhankelijk van het gebruik, bijvoorbeeld het aantal minuten dat een processor aan het rekenen is, of het aantal dagen dat een programma wordt gebruikt. Het aanbieden van applicaties in de ‘cloud’ wordt ook wel SaaS (Software-as-a-Service) genoemd. n Werknemers hebben, mits zij beschikken over een internetverbinding, overal toegang tot bedrijfsgegevens. Het type computer maakt niet uit, omdat de meeste cloud-diensten in een internetbrowser werken. Men kan plaatsen tijdonafhankelijk werken. n Er is nooit meer te weinig opslagruimte of gebrek aan rekenkracht. Als een nieuwe (online) dienst ineens veel populairder blijkt dan verwacht, kan een bedrijf makkelijk extra servers inschakelen om aan de vraag te voldoen. Aandachtspunten van de cloud zijn onder andere (afspraken over) beschikbaarheid van gegevens, onbekendheid met waar data staan (denk daarbij aan geldende weten regelgeving, zoals GBA, Patriot act), release management. L NEXUS OF FORCES (VERBINDING VAN DE KRACHTEN) In de laatste tien jaar is onze digitale samenleving een aantal malen op de schop gegaan: met sociaal, interactief gebruik (Web 2.0); met mobiel, multi-touch en apps; met big data en analytics; en met cloud computing. Samen staan ze bekend onder het acroniem SMAC, van Social, Mobile, Analytics en Cloud. De combinatie van deze vier krachten en hun wederzijdse versterking wordt algemeen erkend als een door technologie gedreven kracht met een grote impact op organisaties, individuen en samenlevingen. Deze vier fenomenen hebben de IT-wereld en de wereld in het algemeen al veranderd en zullen dat in de nabije toekomst met het internet der dingen (zie hierna) nog meer doen.

54


(bron: VINT – Sogeti rapporten over The internet of things) M INTERNET DER DINGEN Een voorbeeld van de combinatie van de genoemde krachten is het Internet of Things (IoT; het internet der dingen). Door de technologische ontwikkelingen zijn de mogelijkheden van nieuwe kleine en grote cyber-fysieke systemen (‘Things’) groter dan eind vorige eeuw, momenteel met name dankzij de smartphone als dashboard voor slimme apparaten en hun toepassing. Dit is nog in ontwikkeling. Het voorkomen van verspilling is een kernconcept in de context van SMAC + Things. Verspilling in de zin van het Total Care/No Waste-concept, dat we onder meer kennen van Toyota en Lean. Over de hele linie verspilling terugdringen is een prikkelend vertrekpunt om de mogelijkheden van Things steeds beter te kunnen herkennen. Onder intelligente dingen wordt verstaan: fysieke objecten die informatie verzamelen, verzenden en in meer of mindere mate autonoom handelen. Hoe rijker de informatie en het gebruik op basis van software en vaak ook sensoren, des te slimmer het ding en de toepassing in kwestie is. De meerderheid van de internetgebruikers (in de nabije toekomst) zal in deze visie bestaan uit semiintelligente apparaten, zogeheten embedded systems. Alledaagse voorwerpen worden hierdoor een entiteit op het internet, die kan communiceren met personen en met andere objecten, en die op grond hiervan autonome beslissingen kan nemen. Met een sensor verzamelen apparaten data over hun omgeving. Ze leggen deze vast, sturen ze door of reageren er direct op. Via een actuator beïnvloeden de apparaten de fysieke wereld. Een actuator zet een signaal om in een actie, bijvoorbeeld een beweging. Een voorbeeld van de visie op lange termijn voor de keuken De keuken anno 2040 is intelligent en denkt zelf na. Het kan onze stemmingen lezen en hierop automatisch de verlichting aanpassen en bijpassende recepten voorstellen. Hij maakt zichzelf schoon. Ook in 2040 blijft de keuken het hart van menig huis.

55


(bron: website 3dprinter.nu ) Toelichting afbeelding: 1 Voedingseenheid waar voedsel wordt verbouwd zonder grond 2 3D-printer die voedsel in lagen print 3 Smart koelkast die voedingsbehoeften inschat met een interactieve 3D-weergave 4 Multi-touch kraan met detectie van waterverspilling 5 Zelfreinigende oppervlakken 6 Apparaat dat de voedingswaarde blijft monitoren terwijl voedsel wordt bereid 7 Op afstand bestuurd fornuis, het eten is klaar als je thuiskomt 8 Inklapbare planken 9 Kasten op railsysteem om de hoogte aan te passen 10 Smart Energy Monitor 11 Genetisch gemanipuleerd voedsel 12 Ruimtebesparend inrichtingen voor compact living Op andere websites worden andere voorbeelden gegeven: n De koelkast ‘ziet’ dat de melk op is en bestelt zelf nieuwe bij de winkel. Het vloerkleed geeft een statusupdate aan de stofzuiger dat het kleed wel weer eens schoongemaakt moet worden. n Rookmelders geven automatisch een seintje aan de brandweer als je huis vol rook staat. n De tandenborstel laat je via een smartphone-app zien dat je niet vaak genoeg poetst. n De wasmachine kan een monteur waarschuwen zodra er een defect wordt geconstateerd. In de noordelijke provincies staan, zomaar midden tussen de grazende schapen, duizenden piramides van pvc-buizen. Samen met antennes in andere landen vormen ze ’s werelds grootste radiotelescoop Low Frequency Array (LOFAR): de ‘ogen van de aarde’. Letterlijk, want sensoren aan de buizen houden tevens gewassen in de gaten en verrichten metingen. Computers verzamelen de gegevens van honderden veldstations. Zo ontstaat nieuwe kennis over bodemdaling, watermanagement en gaswinning. In 2013 zijn al meer dan 8 miljard objecten zoals onze laptops, servers en mobiele telefoons aan het internet verbonden. De verwachting is dat dit in drie jaar verdubbeld zal zijn naar meer dan 22 miljard.

56

N HOE SUCCESVOL IS DE COMPUTER IN HET OMGAAN MET MENSEN?


In hoofdstuk 1 (‘Technologische ontwikkelingen’) is ‘Siri’, de personal assistent in de iPhone, genoemd als een voorbeeld van de snelle ontwikkelingen. Eerst ging dat nog niet goed, maar in de loop van 2012 kon de Siri-techniek natuurlijke spraak goed verwerken. Het gaat bij Siri vooral om relatief eenvoudige opdrachten of vragen. Standaardvragen die met een standaardantwoord kunnen worden afgedaan, kunnen ook door de computer worden beantwoord. De vraag is, of de computer kan omgaan met ingewikkelde vragen, die niet met een standaardantwoord kunnen worden afgedaan. Professor Schomaker, hoogleraar Kunstmatige Intelligentie en directeur van het Instituut Alice zegt: ‘Communicatie, dat is het grote probleem. De mens-computerinteractie vraagt nog veel aandacht. Het begrijpen van mensen ofwel van wat ze willen, is voor de computer erg moeilijk.’ Willen ze bijvoorbeeld een bouwvergunning voor een dakkapel omdat ze een dakkapel mooi vinden óf willen ze alléén maar een extra slaapkamer omdat er een baby op komst is? (Dat verschil is zelfs lastig voor medewerkers van bouwen woningtoezicht.) Bovendien kan de computer nog niets met de emoties van mensen. Sommige emoties beginnen ze te herkennen, maar dan kunnen ze er nog geen betekenis aan geven. Op basis van die betekenis zouden ze er wat mee kunnen doen. En dan bestaat er ook nog cynisme, waarbij mensen (letterlijk genomen) iets anders zeggen, dan ze bedoelen… Onderzoekers van het Rathenau Instituut zeggen in het rapport Overal robots op diverse plaatsen dat de robot/computer nog niet goed kan omgaan met mensen. Als digitale assistent op een website bij de veel gestelde vragen wil het nog wel, maar interactief praten met mensen gaat nog niet goed. O WELKE MOGELIJKHEDEN BIEDEN GENOEMDE ONTWIKKELINGEN VOOR BURGERPARTICIPATIE? Het hoort niet direct bij dit onderzoek, maar het is goed om ook te melden dat de digitalisering en de ontwikkeling van de social media, ook nieuwe mogelijkheden bieden om burgers bij ‘de gemeente’ te betrekken. In de volgorde van de treden van de participatieladder (informeren, raadplegen, adviseren, coproduceren, beslissen) kan worden gedacht aan (een aantal dingen is al ‘gemeengoed’): n Trede ‘informeren’ Raadsstukken plaatsen op de website, raadsstukken via een app ontsluiten, geluids- of videoverslaglegging van de raadsvergadering, informatie geven via Facebook of Twitter. n Trede ‘raadplegen’ Via de social media een panel opzetten of snel een eenmalige raadpleging laten plaatsvinden. n Trede ‘adviseren’ Eerst een bèta-versie (= testversie) van een nota publiceren. Burgers daarop laten reageren. Hiermee kan ook kennis van de burgers (zowel van de theorie als van de praktijk) over een onderwerp worden binnengehaald. n Trede ‘coproduceren’ Internet gebruiken om kennis van burgers binnen te halen ten behoeve van het oplossen van problemen, of om samen met burgers in een buurt iets te realiseren. n Trede ‘beslissen’ Als burgers via crowdfunding geld ophalen om iets voor de wijk te realiseren, dan is het redelijk dat ze ook meebeslissen over wat er komt.

57

P WELKE ONTWIKKELINGEN WORDEN DE KOMENDE TIJD VERWACHT (EN OP WELKE TERMIJN ONGEVEER)?


Het gerenommeerde research bureau Gartner geeft elk jaar een overzicht van de verwachte ontwikkelingen in de vorm van een ‘Hype-cycle’. Die geeft inzicht in de opkomende technologieën die een grote relevantie hebben (deels industrieel), die zaken gaan veranderen, en die in principe een brede potentie hebben. Een Hype-cycle kent de volgende fasen: n Innovation trigger: Er is sprake van een technische doorbraak of de lancering van een nieuw product, waarvoor de pers veel belangstelling toont. n Peak of inflated expectations: Door de ruime aandacht zijn de verwachtingen te hoog geworden. De eerste generatie producten is te duur en de techniek behoeft nog aanpassingen. n Through of disillusionment: Omdat het niet aan de (te hoog geworden) verwachtingen voldoet, treedt er desillusie op, het onderwerp is ‘uit’, ook bij de pers. n Slope of enlightment: Een aantal bedrijven gaat door en zoekt naar de praktische toepassingen en de baten van de technologie. n Plateau of productivity: De techniek wordt in toenemende mate stabiel en evolueert naar een tweede en derde generatie producten. Een fase van snelle groei begint, 20 tot 30 procent van het potentiële publiek accepteert het product. In juli 2014 waren de verwachtingen als volgt:

Hieronder vindt u een toelichting op de verwachte ontwikkelingen.

58


BIJLAGE 2A: TOELICHTING BIJ DE VERWACHTE ONTWIKKELINGEN (ONDERDEEL P)

Bij onderdeel p is een overzicht met Hype-cycles opgenomen van het gerenommeerde research bureau Gartner. Het geeft inzicht in de opkomende technologieën die een grote relevantie hebben (deels industrieel), die zaken gaan veranderen en in principe een brede potentie hebben. In deze bijlage lichten we de technologieën die in de Hype-Cycle staan kort toe. Ze zijn gegroepeerd naar de door Gartner aangegeven termijn waarop ze het ‘Plateau of Productivity’ bereiken. Wat bereikt binnen twee jaar het ‘Plateau of productivity’? n Herkenning van spraak = de techniek om gesproken tekst automatisch om te zetten naar geschreven tekst of computeropdrachten; n In-memory analytics = de zoekvragen zijn gesitueerd in het hoofdgeheugen (RAM-geheugen), dat gaat sneller dan vanaf een fysieke schijf. Wat bereikt tussen twee en vijf jaar het ‘Plateau of productivity’? n 3D-scanners = scanners die een beeld maken van een driedimensionale omgeving zoals ook een fotocamera met flitser dat doet, met als extra dat van elk vastgelegd punt in de ruimte ook de afstand tot het apparaat wordt vastgelegd. Het resultaat is een driedimensionale puntenwolk, die kan worden gebruikt als basis voor driedimensionale reconstructie in bijvoorbeeld een CAD-pakket; n Enterprise 3D-printing = bedrijfsmatig 3D-printen; n Activity streams = lijst met recente activiteiten uitgevoerd op een website; n Gesture control = besturen van apparaten via gebaren; n NFC = Near Field Communication, een contactloze communicatiemethode die gebruikmaakt van de ISM-frequentieband, bereik ongeveer 10 cm (vergelijk OV-chipkaart); n Cloud computing = gegevens opslaan in de ‘cloud’; n ‘Hybrid’ cloud computing = meerdere interne en/of externe wolken worden samen gebruikt; n Content Analytics = gegevens worden geanalyseerd, doorzocht en geclassificeerd voor betere bedrijfsresultaten. Als het ‘informatielandschap’ van een bedrijf voor meer dan 80 procent bestaat uit ongestructureerde gegevens, is een analytische benadering noodzakelijk, zodat er op basis van de bedrijfsgegevens nieuwe praktische inzichten aan het licht komen; n In-Memory Database Management Systems (IMDS) = een databasemanagementsysteem waarin de gegevens volledig worden opgeslagen in het hoofdgeheugen (RAM-geheugen). Dit in tegenstelling tot de traditionele (op schijf) databasesystemen, die zijn ontworpen voor de opslag van gegevens betreffende persistente media. Omdat het werken met data in het geheugen veel sneller gaat dan het schrijven naar en lezen van een bestandsysteem, kunnen IMDS’s databeheerfuncties van toepassingen een slag sneller uitvoeren; n Data science = de studie van de generaliseerbare extractie van kennis uit data, met als doel het extraheren van betekenis van gegevens en het maken van dataproducten. Wat bereikt tussen vijf en tien jaar het ‘Plateau of productivity’? n Virtual reality = schijnwerkelijkheid: simuleert een omgeving via een computer om een gebruiker via diverse zintuigen ‘onder te dompelen’ in een ervaring; n Mobile health monitoring = mobiele apparaten die de gezondheid monitoren; n M2M Communications services = machine-to-machine communication: geautomatiseerde uitwisseling van gegevens en metingen tussen mechanische of elektronische ‘dingen’. Te zijner tijd belangrijk voor het ‘internet der dingen’;

59

n

Augmented reality = toegevoegde realiteit: is een live, direct of indirect, beeld van de werkelijkheid waaraan elementen worden toegevoegd door een computer. Deze soms met behulp van QR-code toegevoegde elementen bevatten veelal sensordata of extra informatie over de omgeving; n Gamification = gebruik van spelprincipes en speeltechnieken in een niet-spelcontext, om de gebruikers te stimuleren hun taken te vervullen. Gamification wordt gebruikt in applicaties en processen voor het bevorderen van de betrokkenheid van gebruikers, datakwaliteit, punctualiteit en leren; n Big data Men spreekt van ‘big data’ wanneer men werkt met een of meer datasets die te groot zijn om met reguliere databasemanagementsystemen onderhouden te worden. De definitie van big data is niet altijd duidelijk. Volgens research bureau Gartner gaat het in elk geval om drie factoren: de hoeveelheid data, de snelheid waarmee de data binnenkomen en opgevraagd worden, en de diversiteit van de data. Daarnaast speelt ook de mogelijkheid tot statistische analyse een belangrijke rol; n Complex-event processing Gebruikers met beslissingsbevoegdheid binnen de organisatie kunnen snel over de benodigde informatie beschikken en deze analyseren, zodat de te nemen maatregelen op het juiste moment worden genomen en doeltreffend zijn. Met deze software kan op zowel kansen als bedreigingen worden gereageerd met real-time waarschuwingen. Automatisch worden grote datavolumes geïntegreerd om interessante business-events te identificeren op basis van vooraf geconfigureerde condities. De software bewaakt en correleert doorlopend real-time en batchgegevens om patronen en afwijkingen te identificeren in businessevents, waardoor het bedrijf sneller en flexibeler wordt; n Cryptocurrencies = een soort digitale munteenheid, die vaak gebruikt wordt als alternatief geldsysteem voor de reguliere geldsoorten; n Consumer 3D printing = 3D-printen door consumenten; n Wearable user interfaces = miniatuur elektronische apparaten (computers) die aan het lichaam worden gedragen onder of op kleding. Zij kunnen bijvoorbeeld informatie geven over de hartslag, of over de afgelegde afstand en de snelheid; n Natural-language Question answering = systemen die automatisch antwoord geven op vragen die door mensen in hun natuurlijke spraak worden gesteld; n Internet of things Refereert aan de situatie dat door mensen bediende computers (desktops, tablets, smartphones) in de minderheid zullen zijn op het internet. De meerderheid van de internetgebruikers zal in deze visie bestaan uit semi-intelligente apparaten, zogeheten embedded systems. Alledaagse voorwerpen worden hierdoor een entiteit op het internet, die kan communiceren met personen en met andere objecten, en die op grond hiervan autonome beslissingen kan nemen; n Speech-to-speech translation = het proces waarbij tijdens een conversatie gesproken zinnen direct worden vertaald en hardop uitgesproken in een tweede taal (tolken); n Autonomous vehicles = autonoom rijdend (zelfrijdend) voertuig, bijvoorbeeld een auto; n Smart advisors (zie hierna bij Smart machines); n Smart machines Het gaat om ‘slimme’ computers: – die zich bewust zijn van hun omgeving (dankzij de sensoren); – die zich gedragen als intellectuele persoonlijke assistenten (bijvoorbeeld IBM’s Doctor Watson, zie toelichting bij onderdeel d van bijlage 2); – geavanceerde wereldwijde industriële systemen; – vroege voorbeelden van autonome voertuigen. ‘Smart machines’ doen dingen waarvan we dachten dat alléén mensen die kunnen doen; n Prescriptive analytics = de derde en laatste fase van business analytics (BA). De eerste twee zijn beschrijvende en voorspellende fasen, de derde is prescriptieve analytics. Prescriptive doet voorspellingen en geeft vervolgens opties voor een beslissing, waarmee kan worden geprofiteerd van de voorspellingen; n Biochips = in wezen geminiaturiseerde laboratoria die honderden of duizenden gelijktijdige biochemische reacties kunnen uitvoeren. Biochips kunnen de onderzoekers in staat stellen snel grote aantallen biologische analyses op te stellen voor verschillende doeleinden, van ziektediagnose tot detectie van bioterrorismestoffen. Een biochip kan ook onder de huid worden geïmplanteerd ten behoeve van identificatie;


60

n

n DI GI TAL I S E R I N G E N DE TOE KOMS T VAN HE T W E R K B I J G E ME E N T E N

n

n

n

n n n

n

Affective computing = de studie en de ontwikkeling van systemen en apparaten die menselijke emoties kunnen herkennen, interpreteren, verwerken en simuleren; Smart robots = autonome robots die voorzien in ondersteuning bij het werk in ziekenhuizen, plaatsen waar wordt gewerkt en in huizen; 3D Bioprinting system = een medische toepassing van 3D-printers. Het is een systeem geleid door medische plaatjes (‘imaging data’) en software, dat de specificaties voor levende weefsels en organen, plus de printopdrachten (‘printing device’) voor een functionerend menselijk orgaan van eigen of andermans cellen aangeeft; Software-defined-anything = een beweging waarbij software een grotere rol speelt in het controleren van allerlei soorten hardware. Het specifieke doel is om software meer ‘in command’ te laten zijn bij meerdere hardwaresystemen en een grotere hoeveelheid apparaten; Quantified self = een beweging die zich bezighoudt met het fenomeen dat de mens in toenemende mate technologie integreert in zijn leven, met het doel informatie te verzamelen over zichzelf en hiervan te leren. Steeds meer mensen doen aan ‘selftracking’; ze houden dagelijks bij hoeveel ze bewegen, wat ze eten, hoe hoog hun hartslag en bloeddruk zijn, hoe laat ze naar bed gaan, hoe vaak ze de hond uitlaten of hoeveel luiers ze verwisselen. Omdat het kan, omdat het leuk is en omdat het inzicht oplevert om op basis hiervan betere beslissingen te kunnen nemen; Connected homes = gebruik van onderling verbonden apparaten in huis; Smart workspace = veilig ergens kunnen werken; Virtual personal assistants = werkt in het algemeen zelfstandig en biedt professionele administratieve, technische of creatieve (sociale) bijstand aan cliënten op afstand vanuit een kantoor aan huis; Digital security = het beveiligen van infrastructuur en applicaties.

Wat bereikt pas over meer dan tien jaar het ‘Plateau of productivity’? n Consumer telematics = ‘vehikel’ voor informatie en communicatie bij eindgebruikers; n Neurobusiness = de mogelijkheid van het toepassen van neurowetenschappelijke inzichten om de resultaten voor de klant en in andere zakelijke beslissituaties te verbeteren; n Volumetric and holographic displays = een grafische weergave die een visuele representatie van een object vormt in drie fysieke dimensies, in tegenstelling tot het vlakke beeld van traditionele schermen die diepte simuleren door verschillende visuele effecten; n Quantum computing = in 1981 als een mogelijke nieuwe vorm van computerarchitectuur voorgesteld. Deze computer maakt gebruik van de kwantumeffecten verstrengeling en superpositie, die kwantumdeeltjes zoals een elektron of foton onder bepaalde omstandigheden kunnen vertonen. Door deze eigenschappen kan een kwantumdeeltje gebruikt worden voor binaire eenheden die tegelijkertijd waarden tussen 0 en 1 bit aannemen. In de gebruikelijke processors kunnen de binaire eenheden alleen de waarde 0 of 1 aannemen. In de kwantum-binaire eenheden (qubits) van de kwantumprocessor zijn waarden mogelijk die bijvoorbeeld 30 procent 0 en tegelijk 70 procent 1 zijn. Dankzij dit fenomeen stijgt de capaciteit van kwantumcomputers exponentieel met het aantal qubits; n Human augmentation = menselijke verbeteringstechnologieën, dat zijn die technologieën die de lichamelijke of geestelijke capaciteiten van de mens vergroten. Het gaat om langer leven, sterker en gezonder leven, slimmer leven, gelukkiger leven en minder ongelijkheid in het leven; n Brain-computer interface = een technologie waarbij bepaalde hersensignalen worden gemeten en gedigitaliseerd en vervolgens door een computer worden geclassificeerd en in acties omgezet; n Bioacoustic sensing (skinput) = een nieuwe inputtechniek op basis van bio-akoestisch voelentechnologie, die het mogelijk maakt de huid te gebruiken als een vingerinvoeroppervlak. Wanneer een vinger op de huid tikt, is het effect een akoestisch signaal dat kan worden opgevangen door een bio-akoestische sensor. Variaties in botdichtheid, grootte en andere filterende effecten als gevolg van zachte weefsels en gewrichten, brengen de akoestische signalen naar verschillende bestemmingen, waar ze worden gedetecteerd, verwerkt en geclassificeerd door software. Interactieve mogelijkheden kunnen gekoppeld worden met verschillende plaatsen op het lichaam.

61


BIJLAGE 3: ONTWIKKELINGEN BIJ GEMEENTEN, GEVOLGEN VOOR HET WERK (TOELICHTING BIJ HOOFDSTUK 2)

NUP (NATIONAAL UITVOERINGSPROGRAMMA) Onder andere in de Visiebrief digitale overheid 2017 (Kamerbrief van 23 mei 2013) staat: ‘Digitale communicatie heeft de afgelopen jaren een hoge vlucht genomen. […] De samenleving heeft zich de laatste jaren ontwikkeld van een e-samenleving, waarin de nadruk lag op technologische mogelijkheden, naar een i(nformatie)-samenleving waarin informatiestromen van steeds groter belang zijn. Hierbij past een transparante overheid die de digitale mogelijkheden inzet voor betere dienstverlening en gegevensuitwisseling, en een overheid die burgers centraal stelt in informatiestromen. […] Als burgers hun zaken veilig en makkelijk digitaal af kunnen handelen bij alle overheden, kan dat de relatie tussen overheid en samenleving sterk verbeteren. […] Daarnaast zal de beleving van regeldruk bij burgers positief veranderen: processen worden sneller, administratieve lasten nemen af en de wijze waarop de burgers door de overheid worden bejegend sluit aan op de individuele situatie. Daarnaast wordt ook de doelmatigheid van de overheid verbeterd. Door een groter gebruik van het digitale kanaal bespaart de overheid ondermeer op het verzenden en verwerken van papieren post, drukwerk, advertenties, baliehandelingen en op het dubbel inwinnen, controleren en vastleggen van gegevens. […] Als de Nederlandse overheid digitalisering van de dienstverlening wil combineren met een efficiënt proces, dan zullen we vaker de dienstverlening primair digitaal moeten maken en papieren kanalen stap voor stap moeten uitfaseren. Een groot deel van de samenleving vraagt ook om meer digitale dienstverlening van de overheid. […]’ Het kabinet zet in op een aantal pijlers: n Informatie moet online beschikbaar zijn; n Burgers kunnen alle (aan)vragen aan de overheid digitaal versturen en alle berichten van de overheid digitaal ontvangen. Er komt een recht op elektronisch zaken doen; n Gebruiksvriendelijkheid en toegankelijkheid: Het gaat om klantgerichte servicenormen en het helpen van burgers die onvoldoende digivaardig zijn; n Inzage- en correctierecht voor burgers ten aanzien van gegevens die de overheid over hen heeft; n Informatieveiligheid en stelsel eID (er moet een zwaardere vorm van authenticatie komen dan DigiD); n Optimaal gebruik van digitale gegevens door de overheid (onder andere basisregistraties). Basisregistraties Onderdeel van het NUP is een stelsel van basisregistraties. Uitgangspunt is het delen van al bekende gegevens binnen de overheid. Daardoor kan de overheid efficiënter opereren en de dienstverlening verbeteren. Zo hoeft een burger of bedrijf bepaalde gegevens niet steeds opnieuw aan te leveren, maar volstaat één melding. Een basisregistratie is een door de overheid officieel aangewezen registratie met daarin gegevens van hoogwaardige kwaliteit, die door alle overheidsinstellingen verplicht en zonder nader onderzoek, worden gebruikt bij de uitvoering van publiekrechtelijke taken.

62


Er zijn twaalf basisregistraties. Voor elke basisregistratie is aangewezen wie ‘bronhouder’ is (soms zijn er meer bronhouders voor één registratie). Een bronhouder is verantwoordelijk voor het inwinnen en bijhouden van de authentieke en niet-authentieke gegevens in een basisregistratie en voor het bijhouden van de kwaliteit van die gegevens (onder meer naar aanleiding van terugmeldingen). De gemeenten zijn bronhouder van: n Basisregistratie Personen (BRP; bestaat uit ingezetenen en niet-ingezetenen; gemeente is alléén bronhouder voor ingezetenen); n Basisregistraties Adressen en Gebouwen (BAG; bestaat uit twee basisregistraties); n Basisregistratie Waarde Onroerende Zaken (WOZ); n Basisregistratie Grootschalige Topografie (BGT, gemeente is alleen bronhouder voor zover het gegevens van de gemeente betreft); n Basisregistratie Ondergrond (BRO; gemeente is alleen bronhouder voor zover het gegevens van de gemeente betreft). Berichtenbox De Berichtenbox is een persoonlijke, beveiligde postbus op Mijnoverheid.nl voor alle elektronische berichten van de overheid aan individuele burgers. Burgers kunnen die met hun DigiD inzien. Bijvoorbeeld de belastingaanslag of een herinnering voor het verlengen van een paspoort. Nu gebeurt dat nog vaak via de papieren post. De Berichtenbox kan gebruikt worden als formeel alternatief voor fysieke post – inclusief berichten met rechtsgevolgen. Dit in tegenstelling tot e-mailberichten. Post in de Berichtenbox heeft dezelfde juridische waarde als papieren post. SELFSERVICE DOOR BURGERS (INCLUSIEF GEBRUIK VAN APPS) Bij banken, verzekeringen en reisbureaus is de werkgelegenheid fors afgenomen, doordat burgers via internet zelf het werk zijn gaan doen (internet bankieren, verzekeringspolissen afsluiten en reizen boeken). Voor welke producten van de gemeente bestaat nu al selfservice? De Eerste Kamer heeft op 7 oktober 2014 de Wet Elektronische Dienstverlening Burgerlijke Stand aangenomen. De wet is op 8 oktober 2014 in het Staatsblad geplaatst. De datum van inwerkingtreding wordt bij Koninklijk Besluit (KB) bepaald. Dit tijdstip kan voor de verschillende artikelen of onderdelen daarvan verschillend worden vastgesteld. Als de weg daartoe door de gemeente wordt geopend: n kan de aangifte van een geboorte door de ouders digitaal worden gedaan. Onder andere worden geëist het burgerservicenummer (BSN) van de moeder en – als hij aangifte doet – van de vader. De betrokken arts of verloskundige moet de gegevens – dag, plaats, tijdstip, geslacht – bevestigen (art. 19e Boek 1 BW); n kan de persoon die in de lijkbezorging voorziet, de aangifte van overlijden elektronisch doen (art. 19h Boek 1 BW); n kan de ambtenaar van de burgerlijke stand (ABS) een uittreksel van akten elektronisch verstrekken (art. 23b Boek 1 BW); n kunnen aanstaande echtgenoten via elektronische weg hun voornemen om in het huwelijk te treden melden (art. 62 jo. art. 63, lid 2 Boek1 BW). Arthur Dallau, directeur van de Nederlandse Vereniging voor Burgerzaken (NVvB), zegt dat er (bijvoorbeeld bij de aanvraag van een paspoort of rijbewijs) altijd een fysiek contact nodig is met een aanvrager om de identiteit van de aanvrager vast te stellen. Maar als dat is gedaan of bij andere producten niet nodig is, kan veel dienstverlening digitaal plaatsvinden. Volgens Dallau is 70 procent van de aanvragen bij Burgerzaken routinematig. Door digitalisering krijgen gemeenten meer aandacht voor de burgers en tijd voor controles bij de niet-goedwillenden. De gemeenten hebben nu te weinig mensen voor het onderzoeken van de terugmeldingen bij de Basisregistratie Personen. Bij integrale dienstverlening hoort ook handhaving.

63


Dallau noemt een voorbeeld van selfservice: de gemeente Bodegraven-Reewijk heeft een zuil geplaatst bij een supermarkt. Via die zuil kunnen mensen verhuizingen doorgeven en een aantal simpele handelingen verrichten. De identiteit van de aanvrager wordt ter plekke vastgesteld via een camera en het paspoort. De computer vergelijkt het beeld via de camera met de foto in het paspoort. Door een combinatie met de Basisregistratie Personen (BRP), DigiD en internetkassa kan (bijvoorbeeld) een uittreksel uit het BRP (voorheen uittreksel bevolkingsregister) zonder menselijke tussenkomst worden geleverd. De burger heeft zich digitaal geïdentificeerd, heeft betaald en de gegevens in de administratie kloppen. Het document kan geautomatiseerd worden geprint, in de envelop gedaan en verzonden. PinkRoccade heeft op 30 juni 2014 gemeld dat de gemeente Waalwijk als eerste gemeente selfservice voor de burger heeft geïntroduceerd. Het gaat om de applicatie iBurgerzaken. Deze service werkt met apps (zie hierna). ICT-leverancier Centric besteedt in zijn ‘visie’ aandacht aan ‘selfservice’. Deze moet intuïtief, eenvoudig en volledig geautomatiseerd plaatsvinden. Bij welke producten dat wordt toegepast, is niet duidelijk. Centric noemt vier beschikbare E-diensten bij parkeren: aanvragen bewonersvergunning, aanvragen bezoekersvergunning, permanente kentekenwijziging en tijdelijke kentekenwijziging. Er wordt ook vermeld, dat een burger (al sinds 2002) via internet een adreswijziging kan doorgeven. Die wordt geheel geautomatiseerd afgehandeld. Centric spreekt ook van selfservice voor de medewerkers van de gemeente: ‘Door de invoer van onze selfservice-oplossingen biedt HR steeds meer individuele ondersteuning, vermindert u de werklast en creëert u meer tijd voor complexe vraagstukken. Met onze oplossingen verschuiven de werkzaamheden van uw HR-specialisten van operationeel en administratief naar waarde toevoegend.’ Paul Turion, voorzitter vakgroep ICT van de FAMO en hoofd ICT gemeente Vlaardingen, zegt dat de balie uitsluitend op afspraak werkt. De burger kan via de website een afspraak maken op een tijd die de burger het beste past (binnen bepaalde grenzen). Claudia Toet, voorzitter a.i. Landelijke Vereniging Lokale Belastingen en plaatsvervangend directeur Gemeentebelastingen Rotterdam, noemt het digitaal aanvragen via ‘mijn loket’ van kwijtschelding en het regelen van andere zaken betreffende de invordering. Voorheen moesten mensen kwijtschelding per post aanvragen en dat onderbouwen met salarisgegevens. Nu is er een inlichtingenbureau, dat een overzicht heeft van de financiële gegevens van mensen met een uitkering. Iemand die via ‘mijn loket’ kwijtschelding aanvraagt en die voorkomt op de lijst van het inlichtingenbureau, heeft nu in principe vrijstelling. Daarmee hoeven 50.000 aanvragen om kwijtschelding niet meer inhoudelijk te worden behandeld. Met de accountant is een steekproefsgewijze controle afgesproken. In Rotterdam kunnen burgers ook via de digitale weg: n het taxatieverslag voor de WOZ opvragen; n bezwaar tegen aanslagen van de gemeentelijke belastingen en de WOZ-waarde aantekenen; n zaken ten aanzien van parkeerboetes aankaarten. De volgende stap is, dat na het inloggen met DigiD al automatisch de gegevens in de formulieren voor die acties worden ingevuld. Ondanks de genoemde voorbeelden bestaat de indruk dat selfservice nu nog maar tot een beperkte daling van de hoeveelheid werk bij de gemeente leidt.

64


Via de website van de VNG is de ‘Databank Praktijkvoorbeelden: Van en voor gemeenten’ beschikbaar. Een van de beleidsvelden is ‘Dienstverlening’. Veel gemeenten denken na over verbetering van de dienstverlening, vermindering van de regeldruk en andere manieren om ‘zaken te doen’ met burgers en bedrijven. Toch staat er maar een enkel voorbeeld van selfservice in deze databank. Gemeenten moeten meer voorbeelden van selfservice aanleveren bij deze databank, zodat ze breder bekend worden en niet elke gemeente zelf het wiel hoeft uit te vinden. Reminder: Niet iedereen is vaardig met internet en de daarmee samenhangende digitale wereld. Er moet altijd aandacht zijn, hulp zijn voor degenen die niet van digitale services gebruik kunnen maken. Apps Het aantal aansluitingen met mobiel internet in Nederland is tussen eind september 2011 en eind maart 2014 toegenomen van 7,3 miljoen naar 10,4 miljoen. De groei van mobiel datagebruik neemt nog elk kwartaal toe. Ten opzichte van het eerste kwartaal in 2013 is het mobiel datagebruik in het eerste kwartaal van 2014 met meer dan 60 procent toegenomen (bron: Autoriteit Consument en Markt). Uit de hiernaast afgebeelde grafiek van het CBS is te concluderen dat internetten via de pc/desktop al jaren achteruitloopt (100 procent minus wat bij ‘Totaal’ staat). Het internetten via smartphone en tablet neemt snel toe. Tijdens de kerstvakantie 2011 zijn in Nederland 13 miljoen apps geïnstalleerd. Andere gegevens over het aantal apps zijn voor Nederland niet gevonden. Het aantal app-downloads bedroeg in 2013 wereldwijd ruim 2 miljard.

Bron: CBS De iPhone heeft de informatie- en communicatiewereld volledig op z’n kop gezet. Dit is de nieuwe standaard geworden. Veel gebruikers willen niet anders meer. Gebruikers eisen 24/7 device (apparaat)-onafhankelijke toegang, snelheid, veiligheid, een gebruiksvriendelijke omgeving en een eenduidig en simpel proces. Dat kan met de app. In onderdeel i van bijlage 2 staat meer informatie over apps. Volgens PinkRoccade (tekst uit solution paper ‘De gemeente-app’) ‘creëren gemeenten nieuwe kansen in de gemeentelijke dienstverlening door oplossingen in de vorm van apps te gebruiken. Gemeente-apps nemen de ambtenaar werk uit handen, vereenvoudigen het beheer en onderhoud, zijn schaalbaar in te zetten, eenvoudig koppelbaar, laten de burger administratieve taken overnemen door zelf langs digitale weg informatie aan te leveren of in te vullen, zijn veilig en stabiel en ingericht op samenwerkingen. […] Kortom, de app biedt een compleet en digitaal antwoord op de gemeentelijke dienstverlening van de toekomst.’

65


PinkRoccade heeft de gemeente-app ontwikkeld. Burgers kunnen daarmee aangifte doen, kijken wat de status van een in behandeling zijnde aanvraag is, en inloggen op hun persoonlijke internetpagina (PIP; daar staan de gegevens die bij de gemeente over hen bekend zijn). Ambtenaren werken ook binnen deze app (met andere bevoegdheden en functionaliteiten dan burgers), waardoor ze steeds over dezelfde, juiste, real-time informatie beschikken. Daardoor worden miscommunicatie en ‑informatie tot een minimum beperkt. Volgens PinkRoccade maakt de app automatisch crosslinks tussen processen van bijvoorbeeld Burgerzaken, Samenlevingszaken of Basisregistraties Adressen en Gebouwen (BAG). Hierdoor ontstaat een integraal klantbeeld. Als een burger een wijziging doorgeeft die consequenties heeft voor een ander gemeentelijk dienstverleningsproces, dan maakt de app daar automatisch een melding van en worden de burger en de ambtenaar daarop gewezen. Als blijkt dat een burger die digitaal een wijziging doorgeeft, ineens een vergunning van een andere gemeentelijke dienst nodig heeft, dan zet de gemeente-app dit proces automatisch in werking. Dit scheelt zowel de burger als de ambtenaar veel tijd. PinkRoccade geeft een voorbeeld van tijdwinst voor de ambtenaar: Het huwelijksproces kost de ambtenaar gemiddeld 1,5 uur: 0,5 uur voor de intake, 0,5 uur voor de aangifte en 0,5 uur voor de ceremonie zelf. Met de app iHuwelijk voert de burger stap 1 en 2 digitaal zelf uit. De ambtenaar is alléén tijd kwijt aan de ceremonie. De inzet van de ambtenaar wordt tot 0,5 uur verlaagd, een besparing van 60 procent. Een ander voorbeeld van tijdwinst: ‘De app iMigratie kan door slimme koppelingen zelf automatisch zaken aanmaken bij een verhuizing. Daardoor hoeven de ambtenaar en burger in feite geen actie meer te ondernemen. Denk bijvoorbeeld aan het verstrekken van een parkeervergunning bij een migratie als het nieuwe pand in een parkeerzone ligt. De app signaleert dit en neemt daarop gericht actie, bijvoorbeeld door het automatisch aanvragen van een parkeervergunning. 30 procent besparing behoort in deze gevallen zeker tot de mogelijkheden.’ Bovenstaande teksten uit de ‘solution paper’ zijn opgenomen om aan te geven aan welke mogelijkheden wordt gedacht en wat de gevolgen van het gebruik van apps kunnen zijn voor het werk bij gemeente. PinkRoccade heeft in de nieuwe applicatie iBurgerzaken veertien standaard apps ontwikkeld voor Burgerzaken en een aantal specifieke apps voor aparte, gemeentelijke services. De apps zijn volgens PinkRoccade volledig ingericht op de zelfredzame burger. Met deze apps kunnen de burgers en ketenpartners het gros van het werk doen, 7x24 uur, op elke locatie. PinkRoccade Local Government berekende eerder dat ‘gemeenten in Nederland € 16 miljoen kunnen besparen door deze vorm van maximale selfservice aan te bieden.’ In een blog op 10 april 2014 (bij de verschijning van de solution paper ‘De gemeente-app, een compleet en digitaal antwoord’) wordt zelfs een besparing van € 72 miljoen op jaarbasis genoemd. Daar wordt, naast geboorte-aangiften, ook de mogelijkheid genoemd om vergunningaanvragen te automatiseren. In het productbeleid van Centric worden de volgende apps genoemd: n Burgerzaken: voor de eigen (buitendienst)medewerkers van Burgerzaken is er een app voor (adres)onderzoek. Ambtenaren kunnen hun bevindingen noteren op een tablet; n Burgerschouw-app: burgers kunnen gebreken in de openbare ruimte doorgeven; de app Het Gesprek (bedoeld voor de Wmo); n de JongerenMonitor-app; n een app voor het toezicht op milieu-instellingen, inclusief een volledig mobiel digitaal dossier.

66

Op de Burgerschouw-app na, lijken dit meer apps die medewerkers van de gemeente gebruiken, bijvoorbeeld als ze onderzoek doen in de buitendienst (Burgerzaken, Welzijn en Milieu). Niet duidelijk is, of er nog andere apps voor de burger zijn.


Paul Turion, voorzitter vakgroep ICT van de FAMO en hoofd ICT gemeente Vlaardingen, noemt als voorbeeld een app waarmee alle relevante informatie voor de burger toegankelijk wordt gemaakt, zoals informatie op de website en raadsstukken, maar ook specifieke buurtgebonden informatie zoals ‘die weg bij u in de buurt is opgebroken’ of ‘morgen mag u niet op dat plein parkeren omdat er markt is’. En burgers kunnen een reactie doorgeven aan de gemeente. Claudia Toet, voorzitter a.i. Landelijke Vereniging Lokale Belastingen en plaatsvervangend directeur Gemeentebelastingen Rotterdam, wijst erop dat Tilburg de vijfde plek heeft behaald bij de internationale Open Government Award! met de inzending MijnWOZ. Huiseigenaren krijgen online meer inzicht in de opbouw van de WOZ-waarde van hun huis. De kenmerken die de gemeente hiervoor gebruikt, kan de huiseigenaar ook inzien. De huiseigenaar kan deze kenmerken direct online wijzigen als deze niet correct blijken te zijn. Hierdoor heeft MijnWOZ geleid tot meer inzicht en begrip bij burgers en tot ongeveer 40 procent minder bezwaren. Rotterdam heeft een Tax-app: een app voor taxaties voor de WOZ. De burger kan de eigen parameters invullen. ‘Die moeten wij wel valideren, voor we ze gebruiken’, zegt Claudia Toet daarover. RATIONALISERING VAN WERKPROCESSEN BIJ GEMEENTEN / WERKEN MET BESLISBOMEN Er wordt gezegd: ‘elk rule-based proces, dat is elk proces waarvan de regels vaststaan, kan geautomatiseerd worden.’ Als elke keer 100 procent duidelijk is, welk besluit bij die stap moet worden genomen, dan kan er een recht-toe-recht-aan softwareprogramma worden geschreven: ‘als ‘ja’, doe dan …A’ en ‘als ‘nee’, doe dan …B’. Bij zo’n proces kan een duidelijke beslisboom worden gemaakt. Zie onderstaand voorbeeld met betrekking tot een Wmo-aanvraag voor vervoer (bron: Databank Decentrale Regelgeving).

Een deel van de benodigde gegevens is verkregen via de aanvraag (bijvoorbeeld de hoogte van het inkomen en de keuzemogelijkheid bij een inkomen kleiner dan de norm). De uitslag van de toetsing of iemand wel of niet met openbaar vervoer dan wel (in tweede instantie) met collectief vervoer kan reizen, zal door een medewerker op basis van een beoordeling aan de database moeten worden toegevoegd. De computer kan dan de rapportage en de beschikking maken.

67


In een gesprek met KING (KwaliteitsInstituut Nederlandse Gemeenten) kwam naar voren dat de G4-gemeenten bezig zijn met het opzetten van een geautomatiseerde afhandeling voor de aanvraag levensonderhoud (GALO): n Het proces is vervat in beslisregels. n Risicomanagement is in de beslisregels ingebouwd. n Als alle signalen in het proces OK zijn, volgt een geautomatiseerd proces. n Als een signaal niet OK is, leidt dit tot uitval. n Een casemanager behandelt de uitzonderingen (signaal niet OK en complexe gevallen). n Een behandelend ambtenaar handelt hooguit als radertje in een klein onderdeel van het proces. n Een uitzondering is: een gestopt aanvraagproces. n In het proces is alle informatie direct beschikbaar voor de casemanager (winst in minder zoektijd!). n Hierdoor komt er minder werk bij het afhandelen van aanvragen voor levensonderhoud. Beoordelaars in het primair proces hoeven ‘lager’ opgeleid te zijn: het gaat om standaardbeslissingen die door de geautomatiseerde beslisregels worden ondersteund. ‘Hogere’ opleiding is aan de orde om de complexere gevallen als casemanager te behandelen (denk ook aan de soft skills). Het proces voor bouwaanvragen zou ook zo in te richten zijn. Bouwregels kunnen vervat worden in beslisregels. Een bouwaanvraag kan geautomatiseerd aan die regels getoetst worden. Ook hier kunnen beoordelingen op onderdelen aan de database worden toegevoegd. Uitzonderingsgevallen worden door een casemanager behandeld. Begin 2014 heeft Centric de overname van de Kluwer Kennissystemen en de Kluwer Snelbalie afgerond. Dat is verwerkt in de applicatie PKO4all. Dat faciliteert complexe beslissingsprocessen via het invullen van vragen en antwoorden gebaseerd op geldende weten regelgeving. Op bepaalde gebieden kan dit worden aangevuld met eigen gemeentespecifiek beleid. In het productbeleid lokale overheid 2014/2015 geeft Centric aan: ‘Door kennismodulen in te zetten worden beslissingsprocessen minder complex. Met de Snelbalie kunnen burgers zelf een digitale aanvraag doen en krijgen zij direct het juiste antwoord. […] Voor de backofficeprocessen op het aandachtsgebied Werk, Inkomen en Zorg zijn kennismodules beschikbaar voor het proces Bijstand, Handhaving, Bestuurlijke Boete, Re-integratie, Wmo Indicatie huishoudelijke hulp en Wmo Het Gesprek. […] Het is mogelijk met de Snelbalie de intake te verzorgen en volledig geautomatiseerd tot een besluit te komen. De Snelbalie maakt de beschikking, het rapport en het aanvraagformulier aan en vult de juiste onderdelen van de Suites voor Werk, Inkomen en Zorg, zodat direct tot betaling kan worden overgegaan. Een burger kan zo binnen tien minuten een beschikking ontvangen. [… Hierdoor wordt het mogelijk] om besluiten op eenvoudige aanvragen dichter bij de voorkant van de organisatie te laten nemen.’ De Nederlandse Vereniging voor Burgerzaken (NVvB) heeft geen moeite met deze manier van werken, mits – waar nodig – de vaststelling van de identiteit door medewerkers Burgerzaken gebeurt. Bij samenwerking van gemeenten met waterschappen (bij belastingen) en regionale samenwerking van gemeenten bij uitvoeringstaken of bij de drie decentralisaties worden de processen ook gerationaliseerd.

68

WERKEN MET BIG DATA, MACHINE LEARNING EN ANDERE RATIONALISERINGSPROCESSEN


Big data Door het gebruik van big data kunnen gemeenten gegevens vergelijken. Ze sporen bijvoorbeeld woonfraude op door bestanden van het GBA, woningcorporaties en in de Rijksbelastingdienst naast elkaar te leggen en de gegevens te vergelijken. Door bestanden van UWV, sociale uitkeringen en Belastingdienst te vergelijken, kunnen ze uitkeringsfraude opsporen. Dat is niet nieuw, dat gebeurt al jaren. Het gaat hier om gegevens van gestructureerde bestanden (zoals naam, adres, woonplaats). Nieuw zijn toepassingen die gebruikmaken van (vaak) ongestructureerde bestanden die gevuld zijn met gegevens die ontstaan door een gebeurtenis, activiteit of interactie via sociale en online kanalen, mobiele apparaten, sensoren, point-of-sale, enzovoort. Maarten Schurink, gemeentesecretaris van Utrecht, noemt voorbeelden: n

Toezicht openbare ruimte: ‘Onze toezichthouders lopen de hele dag door de stad. Ze signaleren van alles. Als ze wat bijzonders zien, bellen ze in (op een computer). We deden niets met die gegevens, want het zijn ‘slordige’ datasets. Er staat van alles en nog wat in, en alles door elkaar. Dat is gerubriceerd, zodat we er wel wat mee kunnen doen. We hebben gekeken op welke plaatsen die meldingen betrekking hadden. Daardoor weten we nu op welke plekken veel gebeurt, waar we dus extra toezicht gaan houden, en op welke plekken het goed gaat en dus minder toezicht nodig is. Zo kunnen we de toezichthouders effectiever inzetten. Dankzij het rubriceren van diezelfde ‘bak’ met gegevens weten we nu ook waar ‘weesfietsen’ staan en waar niet. Daar kunnen we ook wat mee doen.’ n Decentralisaties sociaal domein: ‘Er zijn veel gestructureerde bestanden met gegevens op allerlei gebieden (bijvoorbeeld op het gebied van Werk & Inkomen, betrokkenheid en mantelzorg, gezondheidszorg en Jeugd & Onderwijs. Op elk genoemd gebied zijn meerdere bestanden opgebouwd, denk bijvoorbeeld aan bijstand, Wmo, WSW, pgb’s, GGD en schoolverzuim). Op basis van die gestructureerde bestanden én social media kunnen we een voorspelling doen ten aanzien van de zelfredzaamheid in buurten en wijken. Gaat het goed of moet er wat gebeuren? Zijn beleidsinterventies nodig? En misschien kunnen we zelfs wel op adresniveau de zorgvraag voorspellen.’ Maarten Schurink wijst erop dat door het gebruik van big data de manier van werken heel anders wordt. Door toepassing van big data zijn er veel snellere interventies mogelijk. Er is real-time te zien wat er gebeurt en je kunt/moet er direct op inhaken. Beleidsmedewerkers moeten nu ook in de uitvoering zitten, want anders kunnen ze niet real-time zien wat er gebeurt en direct voorstellen voor wijzigingen doen of direct wijzigingen aanbrengen. Volgens Schurink is dit ook het einde van de beleidstheorie, want als je direct aanpassingen doet, heeft een beleidsplan dat vier jaar loopt, geen zin meer. Er wordt niet geëvalueerd na twee of vier jaar, maar elke dag of week (‘real-time’) vindt er evaluatie plaats en kan daarop ingespeeld worden. De politiek moet de uitgangspunten, de streefsituatie en de in te zetten middelen vaststellen en achteraf controleren. De politiek kent per definitie een korte cyclus, dat is goed voor deze nieuwe manier van werken. Daar staat tegenover, dat de risico-regel-reflex van de politiek slecht is voor deze manier van werken. Bureau Eiffel is een samenwerking aangegaan met het Analysecentrum voor de implementatie van de transities in het sociaal domein. Het Analysecentrum zal doelgroepen data-analyses maken (dat is ongeveer hetzelfde als wat hier boven staat). De gemeente Vlaardingen heeft, volgens Paul Turion, voor de decentralisaties een Sociale Index gebouwd. Die geeft een indicatie ‘er is wat aan de hand’. Er komt steeds beter inzicht op postcodeniveau en in de status van een straat. Gegevens zijn afkomstig uit circa dertig onderzoeken. In 2015 wil de gemeente de gegevens met Geo-intelligence op een kaart zichtbaar maken.

69


Claudia Toet geeft aan dat Rotterdam over veel gegevens beschikt over woningverkopen, die ze gebruiken voor de waardebepaling van alle woningen (modelmatig waarderen). In Rotterdam hebben de gebiedscommissies (voorheen de deelgemeenten) gevraagd om de namen en adressen van hondenbezitters. Die mag de gemeente uit privacy-oogpunt niet geven. Ze maken wel een kaart waarop ze aangeven waar de hondenbezitters wonen. Dat mag niet op persoonsniveau. Evert Jan Slootweg, procesmanager bij Divosa, geeft aan dat de G4 samenwerken aan GALO. De G4 voeren veelvuldig overleg. Ze gebruiken dezelfde applicaties. Ze kijken ook of ze tot vaste patronen en protocollen kunnen komen, waar ze allemaal mee gaan werken. Als ze dat doen, genereren ze big data. Met die big data kunnen ze bijvoorbeeld uitzoeken wat risicogroepen zijn ten aanzien van fraude. De achterliggende gedachte is: ‘We moeten meer gegevens bij elkaar leggen, om de pakkans te vergoten’. Daarom experimenteren gemeenten ook met het gebruik van gegevens van social media. Slootweg heeft een voorbeeld van iemand die op een werkervaringsplaats werkt. Die meldt zich ziek, hij kan echt niet werken. Maar uit tweets blijkt ‘leuk dance feest hier in Dortmund’. Op 12 juni 2014 is een congres gehouden over big data in de publieke sector. Na afloop van dat congres verscheen een e-book met de essenties van dat congres. Enkele citaten uit dat boek: n ‘De publieke sector kampt al decennia met een gebrekkige productiviteitsstijging. Nieuwe technologische ontwikkelingen zoals Big data bieden kansen om te helpen hardnekkige maatschappelijke vraagstukken op te lossen én publieke organisaties echt effectiever en efficiënter te laten werken.’ n ‘Door gebruik te maken van nieuwe technologische mogelijkheden én nieuwe organisatieprincipes kunnen doorbraken worden gecreëerd in de oude manier van werken. Het gaat daarbij om het creëren van organisaties waar professionals meerwaarde kunnen toevoegen. Dit vraagt om een scherp waardensysteem onder professioneels wat de bedoeling is en wel en niet kan, een goede informatiepositie van professionals en een ruime handelingsvrijheid. Tevens vraagt dit om minder management, beleid en regels.’ n ‘Big data zal politieke besluitvorming en de rol van bestuurders veranderen. Big data maakt het mogelijk om de feitelijke situatie beter te monitoren en te voorspellen. Bijvoorbeeld: luchtkwaliteit, energieverbruik, overlast, zorgvraag. Door de datarijkdom kan de effectiviteit van de interventies ook beter worden beoordeeld en daar kan weer van worden geleerd.’ n ‘Het bestuurlijke gesprek en debat hoeft daardoor niet meer te gaan over intenties en meningen maar kunnen hun start vinden in wat er gebeurt. Veel minder top-down, intentie gestuurd en meer bottum-up en feiten gestuurd. Dat is een radicaal andere aanpak.’ n ‘Om deze nieuwe manier van werken te ondersteunen zullen ‘beleidsmedewerkers’ de uitvoering in moeten. Zodat hun kennis en inzichten worden gebruikt in de praktijk van alle dag. De scheiding tussen de beleidswereld en de uitvoeringswereld zal verdwijnen doordat uitvoering slimmer wordt en traditionele beleidsvorming verdwijnt.’ Het e-book sluit af met voorbeelden op de volgende terreinen: n effectievere fraudebestrijding (opsporingspercentages gaan fors omhoog); n betere en goedkopere zorg (effectievere signalering, voorspelling en daarmee deels voorkomen); n verbeteren veiligheid (informatiegestuurde inzet; criminaliteit in Los Angeles daalde met 13 procent, in Santa Cruz met 26 procent); n vergroten duurzaamheid (effectiever opslaan van wind- en zonne-energie; persoonlijk advies aan bedrijven en huishoudens); n voorspellen van de macro-economische ontwikkelingen (sentimentanalyse; welke woorden worden het meest gebruikt op social media?). In onderdeel e van bijlage 2 worden verwachte toepassingen van big data in het mobiliteitsdomein uiteengezet.

70


Voor het gebruik van big data zullen nieuwe functies worden gecreëerd. In het congresverslag staan genoemd: n business manager: hij of zij is domeinexpert, neemt beslissingen en evalueert processen; n IT-systemen / management analytische DBA-scoring officer: hij of zij voert de modelvalidatie, toepassing van het model, modelmonitoring en de voorbereiding van de data uit; n business analist: hij of zij verzorgt de data-exploratie, datavisualisatie, en meldingcreatie; n data miner / statisticus / data-wetenschapper: hij of zij is verantwoordelijk voor de onderzoeksanalyse, de omschrijvende segmentatie, het voorspellend modeleren. Machine learning In bijlage 2 staat onder onderdeel f toegelicht wat ‘machine learning’ is, en welke ontwikkelingen er gaande zijn. De volgende voorbeelden van machine learning kunnen invloed hebben op het werk bij gemeenten. Optical character recognition (OCR) Optical character recognition (OCR; optische tekenherkenning) is het omzetten van gescande of gefotografeerde afbeeldingen en getypte of geprinte tekst in machinetaal die door de computer te lezen is. Door OCR zal het handmatig invoeren van gegevens (data entry) van ingekomen brieven, te betalen facturen, enzovoort door de computer worden overgenomen. Dat betekent minder werk bij de afdelingen Postverwerking/archief (tegenwoordig vaak DIV = Digitale Informatie Voorziening genoemd) en Financiën. Navraag bij twee gemeenten leerde, dat bij die (twee) gemeenten OCR voor factuurverwerking al is ingevoerd. Automatisering werkzaamheden afdeling Belastingen ICT leverancier Centric zegt in het Productbeleid 2014 / 2015 ten aanzien van belastingen: ‘We bieden een volledig belastingconcept: het geheel van baliefunctionaliteit, e-diensten voor burgers en bedrijven, zaakgericht werken en de benodigde backoffice(s). Integratie met zaaksystemen van deelnemers, automatische verwerking vanuit een intelligent documentenscan of telefonische interactieve voice response.’ Hoewel niet geheel duidelijk is om welke taken het gaat, zal ook hier een deel van het werk wegvallen. Spraak omzetten in tekst Aangezien de computer steeds beter wordt in het omzetten van spraak naar tekst, wordt verwacht dat het werk van secretaresses en andere administratief medewerkers, althans waar het om het opnemen van de letterlijke tekst voor een brief of memo gaat, ook zal verdwijnen. Als de tekst duidelijk wordt ingesproken, kan de computer deze taak uitvoeren doen. Binnen een redelijke termijn kan de computer gesproken tekst ook vertalen en noteren in diverse talen. Juridische en andere Watson-achtige databases In bijlage 2 wordt bij onderdeel d Dokter Watson van IBM genoemd. Deze computer stelt betere diagnoses dan de medisch specialisten. In de VS wordt nu gewerkt aan een Dokter Watson met juridische kennis, studieboeken en jurisprudentie. Frey en Osborne verwachten dat de computer het werk van juridisch medewerkers gaat overnemen. In hun visie verzamelen juridisch medewerkers ter voorbereiding van het werk van een advocaat allerlei regelgeving, artikelen en jurisprudentie die op de zaak betrekking hebben. Vervolgens moet de advocaat kiezen welke informatie in een voorhanden zaak wordt gebruikt. De advocaat maakt het definitieve beroepschrift en bepaalt de ‘lijn’ (de argumentatie) uiteindelijk. Volgens Frey en Osborne is er op basis van het functieprofiel in de VS 98 procent kans dat het werk van ‘legal secretaries’ (juridisch medewerkers / klerken) door de computer wordt overgenomen. De vraag is, of dit ook voor Nederland zal gelden. Het Amerikaanse rechtssysteem is veel meer gericht op precedenten/jurisprudentie dan het Nederlandse. Bovendien kan de vraag worden gesteld of het (relatief kleine) Nederlandse rechtssysteem groot genoeg is om een kostenefficiënt systeem op

71

te bouwen. Een Watson-database vullen met relevante informatie is een arbeidsintensieve en dus kostbare activiteit.


Bovendien beschikken we in Nederlands al over www.wetten.overheid.nl/zoeken/ voor het opzoeken van alle wetgeving en over www.rechtspraak.nl, de officiële site van de rechtbanken, gerechtshoven, Centrale Raad van Beroep, College van Beroep voor het Bedrijfsleven, Hoge Raad der Nederlanden en Raad voor de rechtspraak. Uitspraken van deze rechtsprekende instanties zijn via die website te vinden. De Raad van State heeft een eigen website, waarop de uitspraken worden gepubliceerd: www.raadvanstate.nl/uitspraken.html. Voor zover bekend, is er geen centrale website met bestanden met de inhoud van studieboeken, proefschriften, en dergelijke. Weliswaar zit de informatie nu niet in één Dokter Watson, maar de meeste informatie is nu op drie plekken te vinden. Samengebracht op één plek en aangevuld met informatie uit studieboeken et cetera zal waarschijnlijk beter zijn. Maar toch is de benodigde informatie nu redelijk goed te vinden, en dat kan een reden zijn om geen Nederlandse, juridische Watson te maken. Overige rationaliseringen / verbeteringen E-facturen Paul Turion wijst op E-factureren (facturen digitaal ontvangen en versturen). Dit moet een veel groter bereik krijgen. Dat zal het ook krijgen, zodra de Belastingdienst die toepassing gaat gebruiken. Het zelf versturen van papieren facturen gaat verdwijnen. Software-ontwikkelaar Centric zegt dat dit steeds meer de standaard wordt.

72


BIJLAGE 4: GEVOLGEN VAN AUTOMATISERING EN ROBOTISERING VOOR FUNCTIES EN TAKEN / INVLOED OP HR21

In deze bijlage zetten we uiteen wat de gevolgen zijn van automatisering en robotisering voor functies en taken in het algemeen, en voor taken bij gemeenten in het bijzonder. Dat doen we op basis van analyses en prognoses uit de publicatie The future of employment. How susceptible are jobs to computerisation? (Frey & Osborne 2013). Om inzicht te geven in mogelijke gevolgen voor functies bij gemeenten, hebben we een eerste ‘vingeroefening’ uitgevoerd op de HR21, het functiewaarderingssysteem voor gemeenten. Deze vingeroefening is een eerste aanzet, en moet te zijner tijd verder worden ingevuld en aangepast aan de hand van concrete voorbeelden van werkzaamheden binnen functies. OVER DE GEVOELIGHEID VAN BANEN VOOR AUTOMATISERING EN ROBOTISERING Frey en Osborne (2014) beoordelen de kans op automatisering voor niet-routinematige taken aan de hand van een nieuw ‘takenmodel’. Zij gaan ervan uit, dat er voldoende toereikende hoeveelheden data zijn verzameld om patronen te herkennen. Daardoor is het nu al op grote schaal technisch mogelijk om bijna iedere taak te automatiseren. Maar er zijn nog bottlenecks. Het takenmodel voorspelt dat automatisering kan worden uitgebreid naar iedere niet-routinematige taak, tenzij er beperkingen zijn bij de besturing. Deze beperkingen bepalen de grenzen voor automatisering van niet-routinematige taken. Beperkingen bij waarnemingstaken en operationele handelingen Robots zijn nog niet in staat om de diepte en breedte van menselijke waarneming te evenaren. Basic geometrische identificatie is redelijk ontwikkeld, dankzij de snelle ontwikkeling van geavanceerde sensoren en lasers. Er blijven substantiële uitdagingen bij meer complexe waarnemingstaken, zoals het identificeren van objecten en hun eigenschappen in een rommelig of erg vol gezichtsveld. In zijn algemeenheid zijn taken die samenhangen met een ongestructureerde werkomgeving minder vatbaar voor automatisering. De problemen bij het waarnemen heeft vertakkingen naar operationele handelingen, in het bijzonder bij het omgaan met onregelmatige voorwerpen. Daarvoor hebben robots het menselijke niveau van scherpzinnigheid nog niet bereikt. Dit is duidelijk geworden bij het ontwikkelen van robots die in interactie komen met mensen en omgevingen (er zijn dan te veel kleine variaties). Deze belangrijkste uitdagingen voor het door middel van een robot automatiseren, waarnemen en uitvoeren van operationele handelingen blijven in grote mate bestaan en zullen waarschijnlijk niet geheel worden opgelost in de komende twee decennia. Beperkingen bij taken die creatief denkvermogen vergen (creative intelligence tasks) Creativiteit is de gave om ideeën of (kunst)voorwerpen te bedenken die nieuw en waardevol zijn (ontwerpen, gedichten, muziek, recepten, grappen, et cetera). Het is vaak een onbekende combinatie van bekende ideeën, die zinvol is. De psychische processen die ten grondslag liggen aan die menselijke creativiteit zijn moeilijk te specificeren. Iets nieuws maken kan de computer wel (bijvoorbeeld muziek componeren, tekeningen maken).

73

Het probleem zit er vooral in, dat we onze creatieve waarden niet (voldoende) duidelijk kunnen coderen in een softwareprogramma. Bovendien, deze menselijke waarden wijzigen in de loop van de tijd en variëren over culturen.


Bij de afwezigheid van besturingsoplossingen om dit probleem te tackelen, lijkt het onwaarschijnlijk dat beroepen die een hoge graad van creatieve intelligentie vereisen in de komende decennia worden geautomatiseerd. Beperkingen bij ‘social intelligence tasks’ Menselijke sociale intelligentie is belangrijk in een breed gebied van taken, zoals onderhandelen, overtuigen en zorg (verzorging). Algoritmes kunnen nu sommige aspecten van menselijke sociale interactie beschrijven, maar de real-time herkenning van natuurlijke menselijke emoties blijft een uitdagend probleem, en de vaardigheid intelligent te reageren op die emoties is nog moeilijker. Zelfs vereenvoudigde versies van typisch sociale taken zijn aantoonbaar moeilijk voor computers, bijvoorbeeld als de sociale interactie gereduceerd is tot pure tekst. Geavanceerde algoritmes hebben juryleden van testpanels tot nu toe niet kunnen overtuigen van hun menselijke gelijkenis. Het nabootsen van een geheel menselijk brein door het brein te scannen, in kaart te brengen en te digitaliseren is een mogelijke benadering om dit te bereiken, maar dat is nu nog maar een theoretische technologie. Samenvatting beperkingen voor deze drie taken Hoewel geavanceerde algoritmes en ontwikkelingen op het gebied van ‘machine learning’, op basis van big data, het nu mogelijk maken om veel niet-routinematige taken te automatiseren, is het onwaarschijnlijk dat beroepen waarin complexe waarnemingen, complexe operationele taken, creatieve intelligentie en sociale intelligentie een rol spelen, in de komende twee decennia worden vervangen door de computer. De waarschijnlijkheid van het automatiseren van een beroep is dus afhankelijk van de karakteristieken van die taak. Beoordelen van functies Op basis van een bestand van het Amerikaanse ministerie van Werkgelegenheid, dat informatie bevat over 702 beroepen, hebben Frey en Osborne beoordeeld of deze beroepen vatbaar zijn voor automatisering. De vraag was: ‘Kan deze taak of deze functie voldoende worden gespecificeerd op basis van de aanwezigheid van big data, waardoor deze kan worden uitgevoerd door state of the art computer-gecontroleerde apparatuur?’ Frey en Osborne onderscheiden een hoog, middel en laag risico voor beroepen, afhankelijk van de waarschijnlijkheid dat ze worden geautomatiseerd. Naar hun schatting valt 47 procent van de totale werkgelegenheid in de VS in de categorie met een hoog risico. Dat betekent dat de betreffende beroepen potentieel automatiseerbaar zijn in een nog niet duidelijk aantal jaren, misschien een decennia of twee. De as waarop de ‘kans dat de computer je baan overneemt’ staat (zie figuur op de volgende bladzijde) kan als een ruwe indicatie worden gezien, waarbij de beroepen met een hoog risico vermoedelijk relatief snel door de computer zullen worden vervangen. De omvang van automatisering zal – nog steeds volgens Frey en Osborne – in de komende decennia bepaald worden door het tempo waarmee de eerder beschreven besturingsbeperkingen voor automatisering overwonnen kunnen worden. Vanuit dit perspectief kunnen de bevindingen van Frey en Osborne worden geïnterpreteerd als twee golven van automatisering, gescheiden door een ‘technologisch plateau’. Ze verwachten dat in de eerste golf de meeste werknemers in transport en logistieke beroepen, samen met het grootste deel van de kantoor- en administratief ondersteunende werknemers en werk in productieberoepen, vermoedelijk relatief snel door de computer zullen worden vervangen.

74


Toelichting: n Banen in de sector transport en logistiek worden bedreigd door de komst van de ‘computerised cars’. n Werkzaamheden van kantoor- en administratief ondersteunende werknemers worden mogelijk overgenomen door computers doordat algoritmes voor big data al snel hun intrede doen op het gebied van opslag van en toegang tot informatie. n De automatisering bij werk in productieberoepen is een voortzetting van de trend van de laatste decennia, waarbij industriële robots de meeste routinematige taken al hebben overgenomen in fabrieken. De robots worden geavanceerder met sensoren en meer vaardigheden, waardoor ze een bredere groep van niet-routinematige handenarbeid zullen kunnen volbrengen. DE KANS DAT JE BAAN WORDT OVERGENOMEN DOOR EEN ROBOT

Dit is de kans dat een baan wordt geautomatiseerd in de komende twintig jaar. Het gekleurde gebied is even groot als de totale (Amerikaanse) werkgelegenheid. Bron: Frey & Osborne (Universiteit van Oxford). Beeld: Momkai (website De correspondent). Op het eerste gezicht is het verrassend dat een substantieel deel van werkgelegenheid in dienstverlenende, verkopende en constructie (bouw) beroepen hoge waarschijnlijkheden van automatisering vertonen. Dit komt overeen met recent gedocumenteerde technische ontwikkelingen. Verkopende beroepen die relatief een hoge graad van sociale intelligente vereisen, worden niet snel geautomatiseerd. Verkopers met een hoog risico zijn bijvoorbeeld kassiers, toonbank- of baliemedewerkers, verhuurmedewerkers en telemarketeers. Hoewel deze beroepen interactieve taken bevatten, vergen ze toch niet per se een hoge graad van sociale intelligentie.

75

Mensenwerk heeft nog steeds een betrekkelijk voordeel bij taken die meer complexe waarneming en handelingen betreffen.


Frey en Osborne geven aan dat kunst, originaliteit, onderhandelen, overreden, sociale aandacht en helpen / zorgen voor anderen, allemaal relatief hoge waarden vertonen in de categorie met een lage kans op automatisering. Daarentegen constateren ze dat beroepen die vragen om handvaardigheid, vingervaardigheid en (last hebben van) krappe werkruimte relatief lage waarden tonen. Bijgevolg zijn algemene beroepen waarvoor kennis van menselijke heuristiek nodig is (heuristiek = de manier om via een methodische weg oplossingen/kennis te vinden) en specialistische beroepen waar het ontwikkelen van nieuwe ideeën en voorwerpen nodig is, het minst vatbaar zijn voor automatisering. Voorbeelden zijn leidinggevenden, stafleden die meepraten over nieuwe ideeën, activiteiten coördineren of problemen oplossen, of die onderhandelen dan wel contracten en afspraken goed moeten keuren. Frey en Osbornes intuïtieve voorspelling is dus, dat management, zakelijke en financiële beroepen, die intensief bezig zijn in generalistische taken die sociale intelligentie vergen, in grote mate behoren tot de categorie met een laag risico. Hetzelfde geldt voor de meeste beroepen in de sectoren onderwijs, gezondheidszorg, kunst en communicatie. De lagere vatbaarheid voor automatisering van ‘engineering’ (ontwerpen) en wetenschappelijke beroepen is grotendeels het gevolg van een hoge graad van creatieve intelligentie die vereist is. Toch zullen computers hun intree doen in het domein van ontwerpen en wetenschap, want er is een sterke complementariteit tussen computers en die beroepen. Het is mogelijk, dat computers op lange termijn deze werknemers volledig zullen vervangen. Frey en Osborne signaleren de technologische trend van automatisering van kenniswerk. Bijvoorbeeld juridisch medewerkers, die nu al worden vervangen door computers, zitten in de categorie met een hoog risico. Aan de andere kant zitten advocaten, die steunen op het werk van juridische assistenten, bij de lage risico’s. Voordat het werk van advocaten kan worden geautomatiseerd, moeten de besturingsproblemen ten aanzien van sociale en creatieve intelligentie overwonnen worden. Frey en Osborne noemen ook de volgende ontwikkelingen: n Goedkope sensoren in de openbare ruimte pikken geluid en beelden op. Daardoor zijn er minder toezichthouders/handhavers nodig. n Verbeteringen bij user-interfaces (gebruikersomgeving) maken het mogelijk dat computers direct reageren op een breder gebied van menselijke verzoeken. Er zijn programma’s (Apple Siri + Google Now) die gesproken woorden herkennen, de betekenis daarvan begrijpen en overeenkomstig optreden. De firma SmartAction levert al ‘call computerisation solutions’ die op basis van ML-techniek en geavanceerde spraakherkenning vooruitgang boeken bij conventionele interactieve voice-responsesystemen. Daarmee wordt 60 tot 80 procent van de kosten van een callcenter met medewerkers bespaard. n Onderwijs, een van de meest arbeidsintensieve sectoren, wordt zeer waarschijnlijk ook beïnvloed door verbeterde user-interfaces en algoritmes gebaseerd op big data (algoritmes die dienst doen als interactieve begeleider; les- en beoordelingsstrategieën die statistisch zijn afgestemd op de behoeften van de individuele student). n Beroepen die vragen om een fijngevoelige beoordeling zijn in toenemende mate gevoelig voor automatisering. Soms kunnen aanbevelingen op basis van algoritmes dienst doen als input voor de operator. In andere omstandigheden zijn ze zelf verantwoordelijk voor passende besluitvorming. n Financiële sector: Artificial Intelligence (AI)-algoritmes kunnen meer financiële aankondigingen, persverklaringen en andere informatie verwerken dan een menselijke handelaar, en kunnen daar sneller op reageren. Met behulp van AI zijn ook bredere gepersonaliseerde financiële adviezen te geven tegen lagere kosten. n Zelfs het werk van software-engineers kan binnenkort grotendeels worden geautomatiseerd.

76

HET RISICO PER BEROEP


In de appendix bij het rapport van Frey en Osborne wordt voor 702 beroepen in de Verenigde Staten aangegeven hoe groot de kans is dat de taken die bij dit beroep horen in de komende twintig à dertig jaar worden geautomatiseerd. De onderzoeksmethode heeft een score voor de waarschijnlijkheid van automatisering van dit beroep opgeleverd, Frey en Osborne houden daarbij de volgende ‘grenzen’ aan: n een score 0,0 tot 0,3: laag risico van automatisering n een score 0,3 tot 0,7: gemiddeld risico van automatisering n een score 0,7 tot 1,0: hoog risico van automatisering. De beroepen met een hoog risico zijn in potentie automatiseerbaar binnen een nu nog niet precies aan te geven aantal jaren, mogelijk een decennia of twee. De waarschijnlijkheid kan gezien worden als een ruwe tijdlijn, waarbij de kans groot is dat de beroepen met een hoge waarschijnlijkheid relatief snel worden vervangen door computers. De omvang van verdere automatisering in de volgende decennia wordt bepaald door de snelheid waarin de omschreven knelpunten worden overwonnen. In onderstaande tabel geven we de uitkomsten weer voor banen die qua benaming lijken op banen bij gemeenten. Niet alle benamingen zijn duidelijk te koppelen aan banen bij gemeenten, en de exacte taken in die banen in de Verenigde Staten kunnen afwijken van de taken in Nederland. Met deze voorbehouden kan het volgende overzicht worden gemaakt. In kolom 1 staat de plaats in de lijst (er is voor gekozen om te beginnen bij de banen met het grootste risico, die stonden achteraan in de lijst). In kolom 2 staat de mate van waarschijnlijkheid. In kolom 3 staat de benaming van het beroep. Omdat de inhoud van de baan niet altijd duidelijk is, is de originele Amerikaanse naam ook opgenomen. PLAATS OP DE LIJST

SCORE WAARSCHIJNLIJKHEID

BENAMING VAN HET BEROEP

Hoog risico (score > 0,7) 695

0,99

Medewerkers die werkzaamheden belastingen voorbereiden (Tax Prepares)

693

0,99

Medewerkers boekhouding die nieuwe facturen verwerken (New Accounts Clerks)

691

0,99

Medewerkers die gegevens invoeren (Data Entry Keyers)

672

0,98

Juridisch medewerkers / klerken (Legal Secretaries)

671

0,98

Medewerkers boekhouding (Bookkeeping, Accounting and Auditting Clerks)

666

0,97

Medewerkers salarisadministratie en tijdregistratie (Payroll and Timekeeping Clerks)

662

0,97

Archiefmedewerkers (File Clerks)

657

0,97

Kassiers / kassières (Cashiers)

654

0,97

Medewerkers die verdelgingsmiddelen spuiten in plantsoenen (onkruiden insectenbestrijding) (Pesticide Handlers, Sprayers and Applicators, Vegetation)

643

0,96

Medewerkers facturering en medewerkers post (Billing and Posting Clerks)

635

0,96

Landmeters (Surveying and Mapping Technicians)

634

0,96

Secretariële en administratieve assistenten met uitzondering van juridisch en medisch assistenten en assistenten van leidinggevenden (Secretaries and Administrative Assistants, exept Legal, Medical and Executive)

631

0,96

Medewerkers (telefoon)centrale, inclusief (standaard) vragen beantwoorden (Switchboard Operators, including Answering Service)

77


629

0,96

Kantoormedewerkers algemeen (Office Clerks, General)

628

0,96

Receptionistes en informatiemedewerkers (Receptionistsand Information Clerks)

623

0,95

Medewerkers plantsoenen ((Landscaping and Groundskeeping Workers)

613

0,95

Incasseerder van rekeningen (Bil land Account Collectors)

594

0,94

Budgetonderzoekers (Budget Analysts)

591

0,94

Medewerkers post (Mail Clerks and Mail Machine Operators, Exept Postal service)

589

0,94

Accountants en controllers (Accountants and Auditors)

586

0,93

Fiscalisten die belasting beoordelen/bepalen en innen (Tax Examiners and Collectors, and Revenu Agents)

573

0,92

Hulp-timmermannen (Helpers Carpenters)

532

0,9

Hrm-assistenten, behalve medewerkers salarisadministratie en tijdregistratie (Human Resources Assistants, exept Payroll and Timekeeping)

513

0,88

Medewerkers productie, planning en vervoer (Production, Planning and Expedition Clerks)

511

0,87

Medewerkers onderhoud snelweg (Highway Maintenance Workers)

508

0,87

Medewerkers voedselbereiding (onder meer kantinepersoneel) (Food Preparation Workers)

500

0,86

Medewerkers correspondentie (Correspondence Clerks)

490

0,86

Secretaresses staf en administratieve assistenten staf (Executive Secretaries and Executive Administrative Assistants)

472

0,83

Stratenmakers (Paving, Surfacing and Tamping Equipment Operators)

442

0,81

Tekstverwerkers, typisten (Word Processors and Typists)

431

0,79

Chauffeurs zwaar materieel (Heavy and Tractor-Trailer Truck Drivers)

428

0,78

Computer Operators

421

0,77

Boomverzorgers (Tree Trimmers and Pruners)

415

0,76

Archivarissen (Archivists)

401

0,73

Managers voor administratieve diensten (Administrative Services Managers)

398

0,72

Timmermannen (Carpenters)

Gemiddeld risico (score tussen 0,3 en 0,7) 380

0,69

Chauffeurs van lichte trucks en bezorgwagens (Light Truck or Delivery Services Drivers)

359

0,65

Computerhelpdeskspecialisten (Computer Support Specialists)

354

0,64

Medewerkers voorraadbeheer en inkopen (Stock Clerks and Orders Fillers)

353

0,63

Rechters publiekrecht, leden beoordelingscommissies en medewerkers hoorzittingen (Administrative Law Judges, Adjudicators and Hearing Officers

350

0,63

Inspectiemedewerkers Bouw- en Woningtoezicht (Construction and Building Inspectors)

330

0,59

Automonteurs (Automotive Service Technicians and Mechanics)

289

0,48

Inspecteurs brandveiligheid (Fire Inspectors and Investigators)

285

0,46

Medewerkers gemeente, medewerkers vergunningen (Court, Municipal and License Clerks)

276

0,41

Juridisch medewerkers ((Judicial Law Clerks)

266

0,39

Medewerkers thuiszorg (Home Health Aides)

245

0,33

Financiële specialisten, alle niet apart genoemde (Financial Specialists, All Other)

78

Laag risico (score < 0,3)


226

0,25

Managers, alle niet apart genoemde (Managers, All Other)

217

0,23

Financieel analisten (Financial Analysts)

212

0,22

Computergerelateerde beroepen, alle niet apart genoemde (Computer Occupations, All Other)

211

0,21

Conciërges gemeentelijke gebouwen (Conciërges)

208

0,21

Analisten informatieveiligheid, website- en netwerkbouwers (Information Security Analysts, Web Developers and Computer Network Architecs)

195

0,16

Algemeen directeuren en operationele managers (General and Operations Managers)

194

0,16

Dtp’ers (Desktop Publishers)

184

0,13

Stedenbouwkundigen (Urban and Regional Planners)

163

0,084

Medewerkers jeugdzorg (Childcare Workers)

159

0,08

Medewerkers die ervoor zorgen dat de organisatie voldoet aan de voorschriften van de overheid (Compliance Officers)

157

0,076

Eerstelijnstoezichthouders / begeleiders van medewerkers die persoonlijke service verlenen (First-Line Supervisors of Personal Service Workers)

152

0,069

Financiële managers (Financial Managers)

146

0,06

Scheidsrechters, mediatoren, geschillenbeslechters (Arbitrators, Mediators, Conciliators)

136

0,047

Ontwerpers groenvoorziening (Floral Designers)

133

0,045

Tuinarchitecten, landschapsarchitecten (Landscape Architects)

127

0,04

Sociale wetenschappers en sociaal werkers, alle niet apart genoemde (Social Scientist and Related Workers, All Other)

125

0,039

Bestuurswetenschappers (Political Scientists)

118

0,035

Systeembeheerders en beheerders informatiesystemen (Computer and Information Systems Managers)

115

0,035

Advocaten (Lawyers)

113

0,033

Milieu- en gezondheidsspecialisten (Environmental Scientist and Specialists, including Health)

111

0,03

Inkoopmanagers (Purchasing Managers)

110

0,03

Beheerders databases (Database Administrators)

109

0,03

Beheerders netwerken computersystemen (Network and Computer System Administrators)

102

0,028

Sociaal werkers kinderen, familie en school (Child, Family and School Social Workers)

84

0,019

Civiel ingenieurs (Civil Engineer)

73

0,016

Eerstelijnstoezichthouders / begeleiders van productie- en operationeel medewerkers (First-Line Supervisors of Production and Operating Workers)

70

0,015

Voormannen / hoofden van uitvoerend personeel (Chief Executive)

69

0,015

Wetenschappelijk computer- en informatieonderzoekers (Computer and Information Research Scientists)

65

0,014

Eerstelijnstoezichthouders / begeleiders van kantoor- en administratief ondersteunende medewerkers (First-Line Supervisors of Office and Administrative Support Workers)

64

0,014

Specialisten training en opleiding (Training and Development Specialists)

28

0,0055

Human resources Managers

8

0,0035

Sociaal werkers gezondheidszorg (Healthcare Social Workers)

4

0,0031

Sociaal werkers psychische gezondheidszorg en drugsgebruik (Mental Health and Substance Abuse Social Workers)

3

0,003

Directeuren van hulpdiensten (Emergency Management Directors)

79

EEN EERSTE ‘VINGEROEFENING’: RISICO’S VAN AUTOMATISERING OP FUNCTIES UIT DE HR21


Op basis van de analyses en prognoses van Frey en Osborne hebben we bekeken wat mogelijke risico’s van robotisering en automatisering zijn voor functies bij gemeenten zoals beschreven in het functiewaarderingssysteem HR21. HR21 is opgebouwd uit zogeheten generieke functiebeschrijvingen. Generiek wil zeggen dat de beschrijving kan worden toegepast op verschillende functies dwars door de organisatie. Aan de hand van de volgende vragen kunt u bepalen welke generieke functiebeschrijving van toepassing is: 1 Aan welk organisatieproces levert de functie overwegend een bijdrage? Hiermee wordt de functiereeks geselecteerd (bijvoorbeeld ‘Beleid’ of ‘Dienstverlening’); 2 Welke overwegende taken worden binnen dat proces uitgevoerd? Hier gaat het om de bijdrage die de functie binnen het proces levert. Hiermee wordt de functiegroep geselecteerd (bijvoorbeeld ‘functiereeks Beleid’, functiegroep ‘Advies’, ‘Ontwikkeling’, ’Toepassing’ of ‘Handhaving’); 3 Wat is de relatieve zwaarte van de functie? Hierbij wordt gekeken naar de overwegende functiekenmerken en de niveaubepalende resultaatgebieden. De generieke functies worden gerangschikt in functiereeksen en functiegroepen: n De functiereeks is een weergave van het organisatieproces (Beheer, Beleid, Dienstverlening, Management, Ondersteuning, Realisatie en Politiek). n De functiegroep weerspiegelt de bijdrage van de functie binnen het organisatieproces. Een voorbeeld uit de functiereeks ‘Ondersteuning’ is de functiegroep ‘Administratief & secretarieel’: Het uitvoeren van secretariële en/of administratieve taken, zoals het verzorgen van een secretariaat, het verrichten van algemeen (inhoudelijke) ondersteunende werkzaamheden en/of het bewaken van processen. Vervolgens worden de ‘overwegende functiekenmerken’ weergegeven. Dit zijn de onderscheidende aspecten van de betreffende functie ten opzichte van de naastliggende (hogere of lagere) functie binnen dezelfde functiegroep. Ook wordt hier het eventuele risicoprofiel (in de contactensfeer) van de functie beschreven. Onder ‘generieke taken’ wordt in HR21 weergegeven wat de belangrijkste resultaatgebieden van de functie zijn. Per functie zijn minimaal een en maximaal vijf resultaatgebieden opgenomen. Onder de resultaten zijn de acties weergegeven die leidend zijn voor het resultaatgebied. Een aantal resultaatgebieden is niet structureel te koppelen aan generieke functies. Een voorbeeld hiervan is ‘coördinatie’. Dit resultaatgebied is modulair (en dus flexibel). Het werken met een module heeft als belangrijk voordeel dat de toevoeging op een uniforme wijze wordt beschreven en toegepast. Ten slotte wordt in HR21 bij de ‘Algemene functie-eisen’ een indicatief denken werkniveau weergegeven. Dat is het minimaal benodigde werken denkniveau voor het succesvol uitvoeren van de functie. Hier wordt niet gedoeld op het werken denkniveau van de functiehouder. Hierna geven we per functiereeks voorbeelden van de ‘overwegende functiekenmerken’ en van beschrijvingen bij de resultaatgebieden binnen het deel ‘generieke functies’. Let op. Dit zijn eerste vingeroefeningen om risico’s van automatisering voor functies bij gemeenten in kaart te brengen. Te zijner tijd moet dit overzicht verder worden in- en aangevuld met concrete voorbeelden van werkzaamheden binnen de functies!

80

FUNCTIEREEKS BEHEER


Medewerker beheer locatie I t/m V Bij al deze functies staat in de beschrijving ‘houdt toezicht op het gebruik, orde en veiligheid van de locatie’. De medewerkers in de functies I en II gaan over meerdere locaties en zijn opdrachtgever voor allerlei zaken. Medewerkers in de functies III t/m V zijn aanspreekpunt binnen de locatie. In de toekomst te automatiseren? Toezicht kan eventueel nog via camera’s worden uitgevoerd, maar ‘aanspreekpunt’-zijn vergt persoonlijke aanwezigheid. De functies zijn dus niet te automatiseren. Misschien wel op kleine onderdelen, zoals ‘voert administratieve werkzaamheden uit’. Medewerker beheer systemen I t/m V Bij de functiegroep ’Systemen’ gaat het om het uitvoeren van beheersmatige werkzaamheden met betrekking tot ICT-systemen, netwerken en/of applicaties. Binnen de functiegroep ligt het accent op inrichten en beheren, het hierover adviseren en het ondersteunen van gebruikers. In de toekomst te automatiseren? In het digitale tijdperk zijn ICT-beheerders hard nodig. Maar of alle huidige werkzaamheden blijven bestaan, dat is de vraag. Als een auto in de toekomst bij een schade zelf aan zal geven ‘onderdeel X is stuk, moet worden vervangen’, dan zal dat bij de computer ook kunnen. Dat betekent dus dat het werk in sommige opzichten afneemt en gemakkelijker wordt. Daartegenover staat dat het gebruik van ICT zal toenemen. Medewerker beheer gegevens I t/m V Bij de functiegroep ‘Beheer gegevens’ gaat het om het uitvoeren van beheersmatige werkzaamheden met betrekking tot (digitale) gegevens en informatie. Binnen de functiegroep ligt het accent op het omgaan met documenten, gegevens en gegevensstromen, waaronder het adviseren over (digitalisering van) gegevensbeheer en het inrichten, beheren en controleren van (digitale) gegevens en informatie. In de toekomst te automatiseren? Zoals Google zegt: ‘The value is in the data’. Het beheer van gegevens zal in de toekomst veel belangrijker worden. Natuurlijk is er verschil tussen het gegevensbeheer nu en straks. De medewerker beheer gegevens I (de zwaarste functie) moet door koppeling van allerlei bestanden nieuwe verbanden leggen en zo nieuwe informatie krijgen. Tot de functie I behoren onder andere de volgende taken: n genereert, verzamelt, bewerkt, controleert en verstrekt gegevens en informatie; n legt koppelingen tussen informatie- en/of gegevensverzamelingen. Met enige goede wil kun je bij ‘informatie- en gegevensverzameling’ denken aan big data. Noot: Volgens de matrix zit deze functie niet zo hoog in het loongebouw. Het huidige loonniveau is waarschijnlijk te laag voor een specialist die uit de vele gestructureerde en ongestructureerde informatie uit allerlei bronnen (naast gestructureerde bestanden, ook transacties, social media) zinvolle gegevens moeten maken. In de functies IV en V ligt de nadruk meer op een afgebakend werkterrein (bij V zelfs ‘specifieke aspecten’ op dat afgebakende werkterrein. Daar staan dan taken als: Resultaatgebied 1: Gegevensbeheer n verzamelt, bewerkt en verstrekt gegevens; n maakt informatie/gegevens beschikbaar en toegankelijk; n bewaakt mede de kwaliteit en actualiteit van informatie en gegevens.

81


In de toekomst te automatiseren? Het onderdeel ‘bewaakt mede de kwaliteit van de informatie en gegevens’ is voor de basisregistraties van groot belang. Die moeten op orde zijn, omdat er bij allerlei producten en handelingen wordt uitgegaan van die gegevens. Daarom moeten ‘afnemers’ (= andere organisaties) ook een melding geven als zij andere gegevens hebben of als zij constateren dat de gegevens in de basisregistratie niet (meer) kloppen. Deze terugmeldingen moeten worden gecontroleerd. Dit is in de toekomst een belangrijke taak en dus zullen deze functies IV en V blijven (misschien met een iets andere inhoud en werkwijze). Medewerker beheer bedrijfsvoering I t/m V Bij de functiegroep ‘Bedrijfsvoering’ gaat het om het uitvoeren van beheersmatige werkzaamheden met betrekking tot bedrijfsvoering in brede zin ter ondersteuning van zowel in- als externe processen. Binnen de functiegroep ligt het accent op het inrichten en/of beheren van administratie(s), gegevensbewerking en/of uitvoeren van wet- of regelgeving. Als voorbeeld nemen we hier de medewerker bedrijfsvoering III. Resultaatgebied 1: Beheer administratie(s) n draagt zorg voor de verwerking van gegevens in administraties; n geeft aanwijzingen aan gebruikers van de administratie(s) bij de verwerking en toepassing van gegevens; n bewaakt de kwaliteit en het overzicht van administraties; n signaleert knelpunten en doet verbetervoorstellen. Resultaatgebied 2: Gegevensbewerking n bewerkt en controleert gegevens; n stelt (periodieke) rapportages, overzichten en verantwoordingsdocumenten op; n rappelleert over tijdigheid en wijze van aanlevering; n beoordeelt gegevens op van toepassing zijnde regelgeving. Resultaatgebied 3: Regelingen n voert regelingen en besluiten uit; n verstrekt informatie over regelingen en besluiten; n signaleert knelpunten en doet verbetervoorstellen. In de toekomst te automatiseren? Frey en Osborne voorspellen dat automatisering kan worden uitgebreid naar iedere nietroutinematige taak, mits er een voldoende toereikende hoeveelheid data is verzameld om patronen te herkennen. Bij voldoende data is het nu al op grote schaal technisch mogelijk om bijna iedere taak te automatiseren, tenzij er beperkingen zijn bij de besturing. Frey en Osborne zien deze beperkingen bij waarnemingstaken en operationele handelingen (in ongestructureerde situaties), bij taken die creatief denkvermogen vergen en bij taken waarvoor menselijke sociale intelligentie nodig is. Deze beperkingen gelden niet voor deze werkzaamheden. Voor het wel of niet automatiseren van deze administratieve werkzaamheden is dus doorslaggevend of er voldoende data zijn verzameld om patronen te herkennen. Op dit moment is nog niet voldoende duidelijk wanneer sprake is van ‘voldoende aantallen data’. Het lijkt erop, dat taken als ‘de verwerking van gegevens in administraties’ en ‘opstellen van rapportages’ op termijn geautomatiseerd kunnen worden.

82

FUNCTIEREEKS BELEID


Adviseur I t/m IV Volgens de ‘overwegende functiekenmerken’ ontwikkelen deze adviseurs beleid: I (op meerdere complexe en brede beleidsterreinen met grote bestuurlijke en maatschappelijke impact), II (meerdere samenhangende beleidsterreinen met bestuurlijke en maatschappelijke impact), III (breed beleidsterrein met maatschappelijke impact) en IV (afgebakend beleidsterrein met kleine maatschappelijke impact). In alle beschrijvingen staan zinnen die wijzen op de noodzaak van creatief denkvermogen, het zoeken van draagvlak, het initiëren en bevorderen van samenwerking met organisaties/ partijen, het zorg dragen voor voorlichting en communicatie en het onderhouden van een netwerk. Medewerker ontwikkeling I t/m IV Het gaat om het ontwikkelen van beleid met dezelfde onderverdeling als hiervoor beschreven bij de adviseurs (bij I: meerdere complexe en brede beleidsterreinen, enzovoort). Ook in de functiebeschrijving van medewerkers ontwikkeling staan zinnen die wijzen op de noodzaak van creatief denkvermogen, het zoeken van draagvlak, het initiëren en bevorderen van samenwerking met organisaties/partijen, het zorg dragen voor voorlichting en communicatie en het onderhouden van een netwerk. In de toekomst te automatiseren? Bij zowel de adviseur als de medewerker ontwikkeling zijn de gevraagde capaciteiten in de taakomschrijvingen menselijke capaciteiten. Deze functies kunnen niet geautomatiseerd worden. Medewerker beleiduitvoering I t/m IV De medewerker beleiduitvoering I levert een bijdrage aan beleidsontwikkeling, adviseert over de beleidsmatige aspecten van beleid op meerdere complexe en brede terreinen, voert beleid uit waarbij sprake is van een grote interpretatieruimte en heeft inzicht in zowel de theoretische als de maatschappelijk context van het beleid. Bij resultaatgebied 2: Uitvoering staat onder andere: n draagt zorg voor de intake, toetst en beoordeelt aanvragen en verzoeken aan de hand van beleid, weten regelgeving; n adviseert over prioritering, toekenning en afhandeling van aanvragen en verzoeken; n initieert, stuurt en draagt zorg voor de afhandeling van de formele besluitvorming; n draagt zorg voor het opstellen van beschikkingen, (advies)rapportages, beoordelingen en correspondentie; n voert procedures, richtlijnen en regelgeving uit op meerdere brede en complexe terreinen. De medewerker beleiduitvoering II adviseert over (beleids)aspecten op een breed en complex terrein. Hij of zij verzorgt de intake, toetst en beoordeelt, stelt beschikkingen samen en voert procedures, richtlijnen en regelgeving uit op een breed en complex terrein. De medewerker beleiduitvoering III gaat niet over het maken van beleid. Hij of zij voert beleid uit, waarbij sprake is van een beperkte interpretatieruimte. In de taakbeschrijving staat bij de ‘uitvoering’: n verzorgt intake, toetst en beoordeelt aanvragen en verzoeken aan de hand van beleid, wet en regelgeving; n verzorgt de afhandeling van de formele besluitvorming; n stelt beschikkingen, rapportages, beoordelingen en correspondentie op; n voert procedures, richtlijnen en regelgeving uit op een breed terrein.

83

Daarnaast voert deze medewerker administratieve werkzaamheden uit, geeft voorlichting en verstrekt informatie en beheert en bewerkt digitale bestanden.


De medewerker beleiduitvoering IV voert beleid uit op een afgebakend terrein waarbij sprake is van een zeer beperkte interpretatieruimte. In de taakomschrijving staat bij ‘uitvoering’ hetzelfde als bij de medewerker III met dien verstande dat het gaat om een afgebakend terrein. Ook hier worden administratieve werkzaamheden uitgevoerd, voorlichting en informatie gegeven en digitale bestanden beheerd en bewerkt. In de toekomst te automatiseren? In al deze functies gaat het (in meer of mindere mate) om intake en beoordeling van aanvragen. Zelfservice door burgers (bijvoorbeeld al veel gegevens bekend, verkregen uit de aanvraag) en rationalisering (bijvoorbeeld werken met beslisbomen en het ‘mensenwerk’ beperken tot datgene wat nog niet duidelijk is) kunnen in de toekomst leiden tot vermindering van het werk. Het is (uit de functiebeschrijving) niet duidelijk wat de administratieve werkzaamheden inhouden. Als er voldoende data beschikbaar zijn, bestaat de kans dat dit onderdeel wordt geautomatiseerd (zie de opmerkingen hierboven bij medewerker bedrijfsvoering III). Omdat het gaat over een afgebakend terrein, is de kans op automatisering van zowel het afhandelen van aanvragen als de administratieve werkzaamheden bij functie IV het grootst. Bij de functies I en II gaat het om meerdere complexe en brede terreinen respectievelijk een breed complex terrein. De complexiteit maakt het moeilijk dat werk te automatiseren. Medewerker handhaving I t/m V Bij handhaving gaat het volgens de beschrijving van de functiegroep ‘Handhaving’ om het toezien op, het controleren en/of handhaven van de correcte naleving van beleid en weten regelgeving, gemeentelijke voorschriften en vergunningen/beschikkingen en het, indien nodig, opleggen van maatregelen en/of sancties. De uitvoering wordt getoetst aan specifieke voorschriften, besluiten, kaders en protocollen. Door de aard van de werkzaamheden en de hierbij behorende contacten, is er in deze functiegroep een verhoogd risico op (verbale) agressie. Als voorbeeld nemen we de functie medewerker handhaving IV. Het gaat om handhavings werkzaamheden op een afgebakend beleidsterrein. De functie kent een zeer beperkte interpretatieruimte in de toetsing en de beoordeling. Resultaatgebied 1: Toezicht en handhaving n controleert de naleving van weten regelgeving, vergunningen en beschikkingen op een afgebakend beleidsterrein; n verricht inspecties en onderzoek, signaleert afwijkingen en overtredingen in procedures en/of uitvoering van weten regelgeving; n treedt corrigerend en/of verbaliserend op en adviseert over de toepassing van bestuursdwang; n draagt zorg voor de afhandeling van formele besluitvorming. Daarnaast is er een resultaatgebied ‘Informatie en administratie’: n geeft voorlichting, verstrekt informatie en aanwijzingen aan publiek en belanghebbenden; n rapporteert over de bevindingen en verzorgt de administratief procedurele afhandeling van handhavingszaken. In de toekomst te automatiseren? Bij inspecties en onderzoek kunnen sensoren (camera’s, meetapparatuur voor chemische stoffen, enzovoort) die zijn opgesteld op vaste punten of die verplaatsbaar zijn omdat ze in drones zitten in de toekomst allerlei waarnemingstaken overnemen. Bij overtreding van voorschriften moet

84


er worden opgetreden (dus: eerst de overtreder aanspreken, zo nodig proces-verbaal maken, enzovoort). Dat blijft mensenwerk, maar doordat de rapportage door de metingen van de sensoren waarschijnlijk makkelijker gaat, zal het deels dus minder werk zijn. Aan de andere kant wordt er meer ‘gezien’ (gesignaleerd), dat levert dus meer werk op. FUNCTIEREEKS DIENSTVERLENING Medewerker publiek I t/m V Bij medewerkers publiek gaat het om het leveren van producten en diensten voortkomend uit de kerntaken van de gemeente, waarbij sprake is van rechtstreeks contact met de burger met betrekking tot eerstelijnsdienstverlening. Door de aard van de werkzaamheden en de hierbij behorende contacten, is er in deze functiegroep een verhoogd risico op (verbale) agressie. Als voorbeeld nemen we de medewerker publiek III. Volgens de ‘overwegende functiekenmerken’ behandelt deze medewerker aanvragen voor een beperkte diversiteit aan producten, verstrekt producten afgestemd op de specifieke situatie van de aanvrager, en interpreteert hij of zij werkprocedures en voorschriften. Resultaatgebied 1: Aanvraagbehandeling n ontvangt en verwijst bezoekers door; n informeert aanvragers over producten, regelingen, procedures, criteria en dergelijke; n beoordeelt of alle relevante informatie over een aanvraag beschikbaar is; n verstrekt producten van de gemeente; n verzorgt de administratief procedurele afhandeling van aanvragen en producten. Resultaatgebied 2: Administratie n registreert de klantvraag; n bewaakt de termijnen van afhandeling van aanvragen; n voert gegevens in en verwerkt deze; n vervaardigt overzichten. In de toekomst te automatiseren? Deze functie omvat een aantal ‘menselijke aspecten’: informeren, beoordelen of alle relevante informatie er is, de producten afstemmen op de specifieke situatie van de aanvrager en werkprocedures en voorschriften interpreteren. Deze aspecten maken het moeilijker om deze taken te automatiseren. Ter vergelijking medewerker publiek IV. Deze medewerker levert algemene informatie op meerdere aandachtsgebieden, behandelt diverse standaardaanvragen en past werkprocedures en voorschriften toe. Resultaatgebied 1: Bezoekersontvangst n ontvangt en staat bezoekers te woord en verwijst indien nodig door; n houdt toezicht op de publieksruimte. Resultaatgebied 2: Aanvraagbehandeling n verstrekt standaardproducten; n verzorgt de administratief procedurele afhandeling van standaardproducten. Resultaatgebied 3: Dienstverlening v n erstrekt algemene informatie aan bezoekers over producten; n staat bellers te woord en verbindt door.

85


Resultaatgebied 4: Administratie n registreert de klantvraag; n registreert klachten en zet deze de afhandeling daarvan uit; n voert gegevens in en verwerkt deze; n verricht correspondentie- en tekstverwerkingswerkzaamheden. In de toekomst te automatiseren? Bij de functie medewerker publiek IV gaat het om relatief simpele producten en handelingen. De kans is groot dat die handelingen op termijn grotendeels automatisch (op basis van een ‘beslisboom’) dan wel via zelfservice worden afgewerkt. Het te woord staan van bezoekers en het verstrekken van algemene informatie is wat moeilijker te automatiseren (maar als het standaardvragen zijn, kan de computer die op termijn wel afdoen). Medewerker educatie I t/m V Bij de functies medewerker educatie I t/m V wordt op het eerste blad van de functieomschrijving vermeld: ‘verzorgen van educatie, onderwijs-ondersteuning en voorlichting aan burgers, bezoekers en instellingen’. Binnen de functiegroep ligt het accent op de interactie met de ontvangers van de educatie en voorlichting, gericht op overdracht van informatie, kennis en vaardigheden. Door de aard van de werkzaamheden en de hierbij behorende contacten, is er in deze functiegroep een verhoogd risico op (verbale) agressie. In de resultaatgebieden staan taken omschreven als het opstellen van educatieprogramma’s voor doelgroepen, het geven van voorlichting aan doelgroepen, en het verzorgen van lezingen, excursies en manifestaties. In de toekomst te automatiseren? Met deze karakteristieken loopt deze functie maar een gering risico op automatisering. FUNCTIEREEKS MANAGEMENT Na gemeentesecretaris / algemeen directeur (strategisch I niveau), komen de functies manager I, II en III (op strategisch II niveau) en manager I, II en III (op strategisch III niveau). Daarna volgen de tactisch leidinggevende I, II en III en de operationeel leidinggevende I, II en III. Bij al deze functies geldt, dat het bij de verschillende nummers gaat om: n I: een organisatie-eenheid die overwegend ontwikkelend en multidisciplinair van aard is; n II: een organisatie-eenheid die overwegend (beleids)adviserend of hoogwaardig specialistisch van aard is; n III: organisatie-eenheid die overwegend beheersmatig en/of (kort)cyclisch van aard is. In de toekomst te automatiseren? Het managen wordt door mensen gedaan. Managen zal dus blijven, maar door het wegvallen van functies, door plattere organisaties (ook als gevolg van meer zelfstandige medewerkers) zal met name bij de nummers III wel een aantal functies wegvallen, waarbij de ‘lagere’ managers als eerste zullen verdwijnen. Programmamanagers I t/m III Dan volgen programmamanagers I (complex programma, strategisch en multidisciplinair van aard), II (met name strategisch) en III (tactisch). Bij de programmamanager III staan onder andere als onderdelen van de functie: n Resultaatgebied 1: Programmavoorbereiding en -ontwikkeling n definieert het integrale product, de inhoudelijke, organisatorische en financiële kaders; n coördineert de interne en externe voorbereiding, de planning en de totstandkoming van de onderscheiden onderdelen.

86

Resultaatgebied 2: Programmamanagement n adviseert over en integreert nieuwe concepten en werkwijzen ter verbetering van de effectiviteit; n stuurt projectleiders en -medewerkers functioneel aan.


Resultaatgebied 3: Programma-uitvoering n bewaakt en beheert contracten met partijen/belanghebbenden; n adviseert over, realiseert en regisseert (burger)participatie en interactie met programmabetrokkenen; n draagt zorg voor de informatievoorziening vanuit het programma en voor de afstemming van de interne en externe communicatie met belanghebbenden. Resultaatgebied 5: Netwerken n ontwikkelt en onderhoudt een relatienetwerk; n initieert en bevordert samenwerking met organisaties/partijen; n bewaakt en beheert contacten met partijen/belanghebbenden; n creëert draagvlak voor beleid. In de toekomst te automatiseren? Genoemde functieonderdelen kunnen niet geautomatiseerd worden. Dit soort taakomschrijvingen staat (meestal in nog sterkere bewoordingen) ook bij de hiervoor genoemde managers. Projectleider I t/m V Bij de projectleider zijn vijf functies beschreven: projectleider I (complex programma, strategisch en multidisciplinair van aard), II (met name strategisch), III (tactisch), IV (operationeel) en V (deelprojecten die operationeel zijn). Bij de projectleider I t/m IV staan in ieder geval de functieonderdelen: n draagt zorg voor uitvoering van het project; n adviseert over, realiseert en regisseert (burger)participatie en interactie met projectbetrokkenen; n ontwikkelt en onderhoudt een relatienetwerk; n initieert en bevordert samenwerking met organisaties/partijen; n bewaakt en beheert contacten met partijen/belanghebbenden; n creëert draagvlak voor beleid. Bij de projectleider V staan deze omschrijvingen ook vermeld, behalve ‘adviseert over’ en ‘regisseert’ bij de (burger)participatie. In de toekomst te automatiseren? Ook hier geldt dat deze functieonderdelen niet geautomatiseerd kunnen worden. Op dezelfde wijze kunnen ook de functies in de functiereeksen ‘Ondersteuning’, ‘Politiek’ en ‘Realisatie’ worden bezien.

COLOFON

OPDRACHTGEVER Stichting A+O fonds Gemeenten Postbus 30435 2500 GK Den Haag 070 373 83 56 www.aeno.nl

UITGAVE

AUTEURS Mr. Jan Smit Drs. Radboud van der Linden

Stichting A+O fonds Gemeenten bevordert en ondersteunt vernieuwende activiteiten op het gebied van arbeidsmarkt en HRM-beleid. Actuele informatie over de verschillende projecten treft u aan op www.aeno.nl.

COÖRDINATIE A+O fonds Gemeenten Renz Davits, programmamanager BEGELEIDINGSCOMMISSIE OVERHEID IN BEWEGING Sietske Pijpstra, VNG Juan Schot, CNV Publieke Zaak Margo Stolk, Gemeente Spijkenisse Monique van Etten Wiedemeijer, Mobiliteitscentrum West Brabant Jolly van Dijk, Gemeente Leeuwarden Merel Lindhout, Gemeente Teylingen Derk Koetsier, Vereniging P&O netwerk (regio Ede-Arnhem-Nijmegen) Robert Wijk, Gemeente Heerhugowaard Brigitta Bossink, Gemeente Uden Monique Veldhoven, Gemeente Westland Miranda ten Lande, Gemeente Enschede Monique Walboomers, Gemeente Woerden Peter Linssen, Gemeente Gouda Saskia Marsman, CNV Publieke Zaak Roy Vermeulen, Gemeente Amersfoort Ingrid Clerkx, FNV Overheid Janine Schreck, VNG / CvA

Den Haag, januari 2015

RECHTEN Alle rechten voorbehouden. Niets uit deze uitgave mag worden vermenigvuldigd, opgeslagen in een geautomatiseerd gegevensbestand of openbaar gemaakt in enige vorm of op enigerwijze, hetzij elektronisch, mechanisch door fotokopieën, opname of eniger andere manier, zonder voorafgaande toestemming van de Stichting A+O fonds Gemeenten. Hoewel aan deze uitgave de grootst mogelijke zorg is besteed, kunnen de samenstellers niet aansprakelijk worden gesteld voor eventuele onjuistheden, noch kunnen aan de inhoud rechten worden ontleend.

A+O fonds Gemeenten Postbus 11560 2502 AN Den Haag 070 7630030 [email protected] www.aeno.nl

Digitalisering en de toekomst van het werk bij gemeenten

Recommend Documents