Artificiële Intelligentie (AI) biedt veel potentieel voor overheidsorganisaties. Zeker wanneer medewerkers een groot deel van hun tijd door wetteksten moeten ploeteren om vragen te beantwoorden. Dat is ook het geval bij FOD WASO, de Belgische Federale Overheidsdienst Werkgelegenheid, Arbeid en Sociaal Overleg. Om de juiste informatie te vinden, hebben SAS en Notilyze een oplossing uitgewerkt op basis van tekstanalyse. In een volgende stap wil FOD WASO ook Generatieve AI verkennen om automatisch een correct antwoord te formuleren.
Voor kennismedewerkers kan het vinden van de juiste informatie behoorlijk tijdrovend zijn. Zeker wanneer de kennisbank in kwestie uit de omvangrijke Belgische wetgeving bestaat. Hoe vaak mag je als werknemer bijvoorbeeld een ziektebriefje indienen? Als juristen van FOD WASO deze vraag krijgen, duiken ze in een veelvoud aan wetsteksten om bruikbare artikelen te identificeren. Bovendien zijn meerdere interpretaties van de wetgeving mogelijk en moeten ze waken over de consistentie van hun antwoorden. Daar komt nog eens bij dat de wetgeving regelmatig verandert en ze telkens met nieuwe versies en interpretaties rekening moeten houden.
Artikels filteren met tekstanalyse
FOD WASO beschikte zo over een duidelijke use case waar technologie een grote meerwaarde te bieden heeft. In een eerste stap is de overheidsdienst aan het werk gegaan met tekstanalyse, een techniek die grote volumes informatie screent en er snel de toepasselijke stukken uit filtert. Voor juristen volstaat het om een vraag in te voeren, waarna het algoritme op zoek gaat naar relevante artikelen in de wetgeving.
In vaktermen heet dit ‘smart retrieval’. De technologie capteert eerst de vraag en identificeert vervolgens middels NLP de stukken informatie in de kennisbank die mogelijk gelinkt zijn en dus relevant kunnen zijn. De jurist kan op basis daarvan de informatie interpreteren en een antwoord opstellen. Door verschillende technieken te combineren is het algoritme in staat om een rangschikking te geven van de belangrijkste stukken tekst die een zoekopdracht oplevert.
Het spreekt voor zich dat de juristen van FOD WASO op die manier veel tijd besparen. Zeker omdat het systeem de informatie automatisch naar het Nederlands en Frans kan vertalen. Natuurlijk mag je niet verwachten dat zo’n systeem van de ene dag op de andere operationeel is. Zo blijven databeheer en toegang tot kwalitatieve data aan de basis liggen van elk succesvol AI-project. Er gaat met andere woorden veel voorbereidend werk aan vooraf.
De volgende stap: GenAI
Net zoals in andere organisaties biedt de snelle evolutie van GenAI ook mogelijkheden voor FOD WASO. Een eerste stap wordt momenteel gezet door het extraheren van semantische stukken informatie die relevant zijn in de context van de gestelde vraag. Daarnaast zouden juristen op termijn niet alleen snel de relevante informatie uit wetsteksten te zien krijgen, maar zelfs een antwoord ontvangen waar ze mee aan de slag kunnen. In dat geval moet het algoritme natuurlijk wel voldoende context krijgen. Het moet bijvoorbeeld weten hoe een jurist precies werkt om een vraag te beantwoorden. Daarom is het essentieel om een prompt te creëren die de leefwereld van een jurist benadert.
Het screenen van wetgeving, het begrijpen van interpretaties, ambiguïteit, … Al deze elementen vergroten de complexiteit van een zoekopdracht. De prompt moet het werk van het algoritme zoveel mogelijk opsplitsen. Bijvoorbeeld door het systeem te verplichten om eerst de vraag te herformuleren en nadien enkele deelvragen op te stellen. Per deelvraag kan dan in de wet gezocht worden naar de relevante informatie. Op die manier zal het algoritme een veel nauwkeuriger en betrouwbaarder antwoord kunnen formuleren.
Reproduceerbaar in andere overheidsdiensten
Op dit moment maakt FOD WASO enkel gebruik van tekstanalyse, maar het GenAI-verhaal wordt volop onderzocht.. Door de stapsgewijze aanpak en sterke focus op databeheer en integratie in de huidige systemen beschikken ze in elk geval over goede fundamenten om GenAI toe te passen. Ook voor andere overheidsdiensten zit er potentieel in het verhaal van FOD WASO. De werkwijze van SAS focust zich op de bouwstenen die nodig zijn voor (Gen)AI en die ook elders gemakkelijk reproduceerbaar zijn. Natuurlijk is de data waarop je een model traint anders, maar in de praktijk zal het de implementatie zeker versnellen.
