AI in de WMO: sneller, goedkoper en rechtvaardiger?

AI is een hot topic, maar discussies blijven vaak steken in algemene termen, met de nadruk op regulering en een afwachtende houding rond concrete toepassingen. Dit illustreert een bredere uitdaging in veel Europese economieën: de reflex om vooral bestaande structuren te beschermen met regels. Maar AI vraagt juist om een frisse, creatieve aanpak die verandering omarmt. Vanuit die visie heb ik tussen 2022 en 2024 verschillende initiatieven opgezet om de mogelijkheden van AI in de praktijk te verkennen. In dit artikel deel ik mijn ervaringen met een bijzonder project: de ondersteuning van een WMO-arts, en de waardevolle inzichten die daaruit voortkwamen.

Over de WMO

De Wet maatschappelijke ondersteuning (Wmo) is een essentieel onderdeel van het Nederlandse sociale stelsel, gericht op het bieden van hulp en ondersteuning om burgers zelfstandig te laten blijven functioneren. Dit omvat voorzieningen zoals huishoudelijke hulp, woningaanpassingen en begeleiding bij dagelijkse activiteiten. In 2023 bedroegen de totale uitgaven aan Wmo-maatwerkvoorzieningen ongeveer 5,4 miljard euro (CBS). Dit bedrag is nog exclusief uitvoeringskosten. Het bedrag stijgt sneller dan de inflatie en de rijksbijdrage dekt de feitelijke kosten niet.

Het proces: complex en administratief zwaar

Het toekennen van een WMO-voorziening, verloopt in verschillende stappen:

1. Aanvraag en intake. Een burger meldt zich bij de gemeente met een hulpvraag. Tijdens een intakegesprek (vaak een keukentafelgesprek) worden de persoonlijke situatie en behoeften besproken.
2. Medisch verslag. De gemeente onderzoekt de situatie, vaak via huisbezoeken door consulenten. Hierbij worden aandoeningen en de woonsituatie vastgelegd in een verslag. Indien nodig wordt een WMO-arts ingeschakeld, die advies geeft op basis van dossieronderzoek, overleg met de cliënt en eventueel een huisbezoek. Bij complexe situaties kunnen ook bouwkundige experts betrokken worden. Het delen van medische informatie gebeurt alleen met toestemming van de cliënt.
3. Besluitvorming en toekenning. De consulent gebruikt het medisch rapport en eventueel andere adviezen om een besluit te nemen over de voorziening. Het besluit wordt vastgelegd in een beschikking, waartegen de cliënt bezwaar kan maken.

De uitvoeringskosten in de WMO

Net als op andere beleidsterreinen geldt, zijn er weinig studies te vinden naar de uitvoeringskosten van de WMO. Dit komt doordat overheden vaak prioriteit geven aan beleidsvorming en uitvoering boven kostenanalyses en ook vanwege het complexe karakter van het verzamelen en interpreteren van uniforme gegevens op nationaal niveau. Ten slotte zijn er forse doelmatigheidsverschillen per gemeente, zoals blijkt uit deze studie.

Dit gebrek aan onderzoek maakt het dus lastig om een getrouw beeld te schetsen van de uitvoeringskosten. Desondanks geven beschikbare data en ervaringscijfers een indicatie van de omvang van deze lasten. Zie onderstaande tabel, die is beperkt tot hulpmiddelen en huishoudelijke hulp.

Categorie	Gemiddelde uitgave per cliënt	Administratieve lasten per aanvraag	Verhouding lasten t.o.v. uitgave
Hulpmiddelen en woningaanpassingen (per aanvraag)	€2.500 tot €5.000	€1.550 tot €2.300	31% tot 92%
Huishoudelijke hulp (per jaar)	€1.500 tot €5.000	€1.550 tot €2.300 (eens per 3 jaar)	9% tot 38%

Als we rekenen met geschatte uitvoeringskosten 20% van de uitgaven, dan komt dat neer op bijna een half miljard euro voor alleen al deze twee onderdelen van de WMO. Dat is veel geld, dat natuurlijk beter besteed zou kunnen worden aan het helpen van burgers die dat nodig hebben.

De doorlooptijd van een WMO-aanvraag

In het rapport van de Ombudsman uit 2023 onder de titel “Burger in zicht!” staat dat “burgers dikwijls te maken hebben met langdurige en frustrerende aanvraagprocedures, waardoor mensen die dringend hulp nodig hebben dat niet altijd (tijdig) krijgen”. In de praktijk ligt de gemiddelde doorlooptijd vaak aanzienlijk boven die norm, niet zelden op bijna 80 dagen. Dit verschilt overigens aanzienlijk per gemeente.

Andere problemen bij een WMO-aanvraag

Naast de lange doorlooptijd ervaren burgers vaak nog andere problemen tijdens het aanvraagproces. Hieronder zijn belangrijke knelpunten opgesomd:

• Het aanvraagproces wordt door burgers als complex en bureaucratisch ervaren, wat hun vertrouwen in de uitkomst vermindert.
• Consulenten luisteren niet altijd naar de inbreng van de burger en de verslagen van de keukentafelgesprekken worden soms niet aangepast, ook als ze worden gewezen op feitelijke onjuistheden.
• Wat burgers nodig hebben en wat de gemeente biedt, sluit niet altijd goed op elkaar aan. Dit kan leiden tot een gevoel van onrecht of onvoldoende hulp.

De wens tot beperking van de kosten van gemeentes is voelbaar en voedt het wantrouwen van burgers tegen de gemeenten. Uiteindelijk leidt tot extra kosten, want via initiatieven als nieteens/wmo kan een burger via een bezwaarprocedure alsnog de voorziening krijgen: een aanzienlijk aantal klachten wordt na bezwaar uiteindelijk toch toegekend. De wens om te besparen op individuele gevallen werkt daarom dus averechts, want beroepszaken kosten veel tijd en geld.

Wat AI kan bijdragen?

Hieronder schetsen we hoe AI kan bijdragen aan dit proces. Dit is geen gedetailleerd functioneel ontwerp, maar een inspirerende en richtinggevende oplossing. Bovendien is deze aanpak al getest op geanonimiseerde gegevens, wat de haalbaarheid onderstreept.

Het belang van betrouwbare, verifieerbare gegevens

Om generatieve AI goed te benutten, is het van belang om betrouwbare gegevens te verzamelen. Hieronder staat een schets van wat nodig is:

1. Overzicht van medische aandoeningen. Aan de basis van de beoordeling staat het medische dossier van een burger en zijn medicijnlijst. Veel van de informatie is al beschikbaar, de vraag is hoe de burger dat kan delen. Via de Persoonlijke Gezondheidsomgeving (PGO) zouden medische aandoeningen, behandelingen en prognoses worden gedeeld voor beoordeling. Dit geldt ook voor de medicijnenlijst.
2. Video in plaats van huisbezoek. Een getrainde videomaker zou bij een cliënt langsgaan om de situatie professioneel vast te leggen. Met deze video kunnen trappen en drempels in kaart worden gebracht en in een beveiligd portaal worden geüpload. Met de video kunnen ook kenmerken worden aangegeven in een formulier.
3. Standaard vragenlijst. Bij de aanvraag via een standaard vragenlijst wordt de gezinssituatie en het betrokken netwerk beschreven. Op basis van een aantal indicatoren kan een veiligheidsinschatting worden gemaakt voor bijvoorbeeld valgevaar of verwaarlozing.

Beschrijving van het algoritme met generatieve AI

Met deze informatie kan generatieve AI aan de gang. In 2023-2024 heb ik dit getest op basis van geanonimiseerde data. Generatieve AI kan:

1. Een heldere beschrijving maken van iedere aandoening, waarbij AI wordt gevoed door een medisch kennissysteem.
2. Samenhang tussen aandoeningen bepalen. Ook kan het de (vermoedelijke) volgorde bepalen hoe aandoeningen zijn ontstaan en wat het effect is van lopende behandelingen op de prognose voor de cliënt. Dit geeft inzicht in de kans op herstel, dan wel het risico op verslechtering van de medische situatie.
3. Vertalen wat de impact van de (verschillende) aandoeningen is op specifieke huishoudelijke taken voor de WMO-aanvraag. Bijvoorbeeld: “Vanwege beperkingen aan het ademhalingsstelsel heeft de cliënt moeite met zware huishoudelijke taken zoals dweilen en bedden verschonen.”
4. Heel specifiek aangeven wat een cliënt zelf moet kunnen doen en waar hulp bij nodig is. Dit kan helpen bij specifieke contractering bij de ondersteuning van een cliënt.

Potentiële voordelen en risico’s van generatieve AI bij de WMO

De inzet van generatieve AI biedt veelbelovende mogelijkheden om processen binnen de WMO te verbeteren. Het kan helpen om de uitdagingen van administratieve lasten en doorlooptijden aan te pakken, terwijl het tevens bijdraagt aan een eerlijker en consistenter systeem. Hieronder worden enkele van de belangrijkste voordelen besproken:

Voordelen:

• Kortere doorlooptijden en lagere kosten door efficiëntere processen.
• Vermindering van administratieve lasten, zodat meer middelen naar directe ondersteuning gaan.
• Objectieve en uniforme beoordelingen, wat verschillen tussen gemeenten minimaliseert.
• Burgers worden gestimuleerd om hun eigen medische gegevens proactief te beheren.
• Betere voorspelbaarheid van WMO-uitgaven, wat helpt bij langetermijnbeleidsvorming.

Hoewel de voordelen duidelijk zijn, brengt de inzet van generatieve AI ook uitdagingen en risico’s met zich mee. Om deze technologie succesvol in te zetten, is het van belang deze risico’s te herkennen en waar mogelijk te beperken. Hieronder staan enkele belangrijke aandachtspunten, samen met mogelijke oplossingen:

• Onvolledig medisch dossier. Het compleet krijgen van een lijst van aandoeningen, het behandelstadium en de prognose is een zaak van zowel behandelend arts als patiënt en rijkt verder dan alleen de WMO.
• Privacy (AVG) en het medische geheim. Het generatieve AI tool vereist als input geen enkel persoonsgegeven in de beoordeling, een uniek nummer is voldoende.
• De gemeente heeft minder controle op de uitgaven. Indien de kosten van de WMO te hoog worden, moet discussie worden gevoerd over een generieke inperking van rechten, dan dat alle individuele consulenten eigen criteria gaan hanteren.
• Fouten in het generatieve AI-systeem. Een expertsysteem met vaste regels en een betrouwbare kennisbasis beperkt risico’s van black-box besluitvorming en bias. Bij twijfel of steeksproefsgewijs kan een arts de klacht, het PGO en de AI-uitkomst beoordelen en een afgewogen oordeel geven.
• Afstandelijk door gebrek aan persoonlijk contact. Dit bezwaar is reëel, maar kostenefficiënt maatwerk dat in alle omstandigheden goed werkt is een utopie. Het voordeel van generatieve AI is wel dat er leervermogen in het proces zit ingebakken en dat besluiten sneller genomen worden. Het vereist wel een set aan spelregels die alle partijen op hun verantwoordelijkheid aanspreken.

Afsluiting

In Nederland staat de behoefte om met maatwerk in te spelen op specifieke behoeften van burgers hoog in het vaandel. In veel overheidsregelingen dringt het besef door, dat het waarmaken van deze mooie belofte op gespannen voet staat met de weerbarstige werkelijkheid: commerciële belangen en ambtelijke voorkeur van onderzoeks- boven uitvoeringsvragen werken vaak in het nadeel van burgers. Generatieve AI biedt een unieke kans om zowel de efficiëntie als rechtvaardigheid van regelingen zoals de WMO te verbeteren.

Tegelijkertijd brengt deze technologische ontwikkeling uitdagingen met zich mee. Het is essentieel om regelingen menselijk te houden, waarbij AI niet alleen wordt gezien als een kostenbesparend hulpmiddel, maar ook als een middel om processen eenvoudiger, sneller en mensgerichter te maken. Dit vraagt om moed, een positieve instelling, en de bereidheid om weeffouten in het systeem aan te pakken, in plaats van ze te verdoezelen onder het mom van maatwerk.

De sleutel ligt in transparantie, vertrouwen en ethiek. Alleen door deze waarden centraal te stellen, kan AI bijdragen aan een WMO die eerlijker, toekomstbestendiger en efficiënter is. De inzet van AI biedt bovendien kansen om uitvoeringskosten te verminderen, waardoor meer middelen beschikbaar komen voor directe ondersteuning van burgers.