04:45
18 december 2024

Het gebruik van Machine Learning door toezichthouders: Waar staan we nu?

Het gebruik van Machine Learning door toezichthouders: Waar staan we nu?

Met behulp van Machine Learning kunnen veel verschillende organisaties profiteren van de grote hoeveelheid data die er is, waaronder ook toezichthouders. Maar hoever zijn we eigenlijk met het gebruik van deze nieuwe technologie? Volgens Haiko van der Voort, bestuurskundige en hoofddocent aan de TU Delft, staat het gebruik er van nog in de kinderschoenen.

Als bestuurskundige onderzoekt Van der Voort hoe Machine Learning zijn weerslag krijgt in organisaties en hoe het op een effectieve manier gebruikt kan worden. Als één van de keynotespeakers is hij aanwezig op het aankomende HCB Seminar ‘Toezicht in Transitie 2022 – Techniek & toezicht: Datagedreven Toezicht’ dat plaatsvindt op 12 oktober.

Risicogericht werken

Machine Learning belooft veel voor risicogericht toezicht. Het is een geavanceerde vorm van data-analyse door computers. Daarmee kan de toezichthouder goede indicaties krijgen over wie de wet mogelijk kan overtreden. ‘Toezichthouders kunnen niet alle bedrijven controleren, omdat het er eenvoudigweg te veel zijn. Machine Learning voedt de risicoanalyse die ze nodig hebben om te weten naar wie ze verder onderzoek moeten doen’, legt Van der Voort uit.

Er wordt nu onderzoek gedaan naar de werking van Machine Learning. Als voorbeeld noemt hij het gebruik van Machine Learning bij goederenvervoer, door de inspectie Leefomgeving en Transport. Hun datalab heeft een datamodel ontwikkeld dat risico’s bij goederenvervoer identificeert. Denk daarbij aan bedrijven die regelmatig de vrachtwagens te zwaar beladen of rij- en rusttijden van chauffeurs niet respecteren. Data, zoals van bijvoorbeeld satellieten, kunnen een indicatie geven over hoe lang de vrachtwagens rijden.’

Nog in de kinderschoenen

Maar hoever zijn toezichthouders eigenlijk met het gebruik van Machine Learning? ‘De computer kan veel data verwerken en met behulp van formules of algoritmen, deze data bij elkaar brengen en er betekenis aan geven. De volgende stap bij Machine Learning is om de computer zelf te laten leren van de data die hij krijgt, zodat niet alles wat de computer doet door mensen wordt geprogrammeerd’, zegt Van der Voort. ‘Dat klinkt heel heftig, maar eigenlijk zijn we nog niet zo ver. Veel toezichthouders kunnen computers nog niet zelf leren werken. Veel projecten staan nog in de kinderschoenen.’

Weinig draagvlak

Daarnaast is er niet overal draagvlak voor. Volgens Van der Voort worden de Machine Learning modellen niet overal onmiddellijk geaccepteerd binnen de organisatie. De mensen die het ontwikkelen, moeten de inspecteurs overtuigen van het gebruik van deze nieuwe technologie. ‘Stel je het volgende voor: Als inspecteur heb je bijvoorbeeld twintig jaar ervaring opgedaan en kan je goed aanvoelen welke bedrijven risicovol zijn en waarom. Dan komt er iemand van de data-afdeling met een lijst met welke bedrijven je moet onderzoeken en op welke manier. Als je twintig jaar ervaring hebt, dan denk je dat je dat zelf wel weet.’

Beloftevol

Van der Voort geeft aan dat er nu wel eerste proeven zijn met de technologie, maar dat die nog best pril zijn. Bij Machine Learning kweken we volgens hem ook zelf een soort intelligentie, maar zijn de meeste inspecties nog niet zo ver. Als hij naar de toekomst kijkt op het gebied van Machine Learning, ziet hij wel zeker kansen. ‘Het is nog niet gezegd dat Machine Learning bewezen effectief is, maar we zijn nu wel echt in het stadium dat je kan zeggen dat het beloftevol is’, aldus Van der Voort. ‘Ik zie op korte termijn nog geen gigantische resultaten, maar het heeft voldoende potentie om te zeggen dat in sommige sectoren er wel goede voorbeelden te vinden zijn.’

Er zijn echter ook risico’s aan verbonden. Hij raadt het gebruik van Machine Learning voor sommige processen zeker aan, maar ook om er voorzichtig mee te zijn. Hij vindt dat je niet al het werk uit handen moet laten nemen door de formules. In een volgend artikel op VL-Nieuws legt hij uit waarom.

Meer leren over Machine Learning en datagedreven toezicht? Kom naar het aankomende HCB Seminar ‘Toezicht in Transitie 2022 – Techniek & toezicht: Datagedreven Toezicht’ op 12 oktober in Den Haag en georganiseerd door het Haags Congres Bureau.

Geef een reactie

Het e-mailadres wordt niet gepubliceerd. Vereiste velden zijn gemarkeerd met *