Met ondersteuning van Werk aan Uitvoering ontwikkelde KVK (Kamer van Koophandel) de afgelopen jaren stap voor stap een AI-tool voor ondernemers. Het project leverde verschillende extra’s op. Zo kon er sneller aan nieuwe EU regelgeving worden voldaan en droeg het project direct bij aan de ontwikkeling van het AI-beleid, de KVK AI community én een hoop enthousiasme en betrokkenheid. Andere overheidsorganisaties profiteren mee.
Interview uit de Voortgangsrapportage 2025 WaU
“Een beetje stoeien.” Zo omschrijft product owner Jasper Velten van KVK de manier waarop de organisatie tot een paar jaar geleden bezig was met AI. ‘We zagen wel de potentie, maar tegelijkertijd was er ook scepsis. We misten nog een concrete aanleiding en wilden AI vooral niet als doel op zich zien.’
Jasper Velten, product owner bij de KvK
Passende SBI-codes
Een onderzoek van het Innovatielab van KVK leverde een heldere use case op: startende ondernemers met een eenmanszaak helpen hun online voorinschrijving te doorlopen. ‘Uit het onderzoek kwam naar voren dat het voor een ondernemer soms best lastig kan zijn om een goede omschrijving van diens bedrijfsactiviteiten te geven. Vooral als die ondernemer verschillende beroepen of activiteiten wil combineren.’
De inschatting was dat AI hier veel meerwaarde zou kunnen hebben. Niet alleen voor zo’n duizend ondernemers per dag, maar ook voor KVK zelf. ‘Onze collega’s bij de front office gebruiken de omschrijving van de activiteiten om tijdens een fysiek inschrijvingsgesprek een passende SBI-code te selecteren. SBI is de afkorting van Standaard Bedrijfsindeling. Elk bedrijf heeft een of meer SBI codes. Aan die codes kun je zien wat een bedrijf doet.’
Van die code hangt veel af: ze bepalen bijvoorbeeld of je als ondernemer recht hebt op bepaalde subsidies en of je verplicht bent om pensioen op te bouwen. ‘Met de verkeerde code kan een ondernemer bijvoorbeeld een subsidie of vergunning mislopen. Een kwalitatief goede omschrijving is dus erg belangrijk.’
WaU op het goede moment
De inzet van AI vergt echter veel kennis en capaciteit. En die had KVK op dat moment niet. John Sloof, beleidsadviseur: ‘De ondersteuning van Werk aan Uitvoering kwam dan ook precies op het goede moment.’ De aanbesteding duurde wat langer dan gedacht, maar daarna ging het snel. ‘In oktober 2022 hadden we een contract met een leverancier en in december stond de eerste versie live.’
Johan Sloof, beleidsadviseur bij de KvK
Die snelheid was mogelijk door in eerste instantie te kiezen voor een eenvoudige AI-variant en te starten met een overzichtelijke doelgroep: startende ondernemers in de sectoren bouw en webshops (detailhandel via internet). ‘Deze sectoren zijn veruit het grootst en vooral webshops bevatten relatief weinig complexe combinaties van activiteiten. Met deze duidelijk afgebakende groep hoopten we in relatief korte tijd veel ervaringen en feedback te kunnen verzamelen.’
De betreffende startende ondernemers werden via een keuzemenu naar een aparte omgeving met een chatbot geleid. Die chatbot stelde een aantal eenvoudige vragen over de activiteiten van de ondernemer en kon op basis van de antwoorden vervolgvragen stellen of suggesties doen.
‘Zo hielpen we gebruikers om stap voor stap tot een passende activiteitenomschrijving te komen.’
In eerste instantie matig resultaat
Hoewel de techniek op zichzelf goed werkte, waren de resultaten in eerste instantie ‘nog niet top’. En eigenlijk was dat al de verwachting, volgens Jasper. ‘Als overheidsorganisatie mochten we nog geen large language models gebruiken, zoals in die tijd GPT 3.5. Onze eerste versie van de invoerhulp werkte met Knowledge Graphs, een lichte vorm van AI die niet dezelfde kwaliteit biedt als wat we tegenwoordig allemaal gewend zijn. De chatbot kwam regelmatig met kromme zinnen of verkeerde voorstellen.’ Logischerwijs was dit terug te zien in de Customer Effort Score (CES): een KPI voor de mate waarin klanten eenvoudig kunnen communiceren met een organisatie. ‘Als KVK scoren we normaal gesproken heel hoog. De invoerhulp zelf had een lagere score, maar voor het geheel van de voorinschrijving bleef de klantscore gelukkig gelijk. Daarom was het zeker geen reden om de stekker uit het project te trekken.’
De eerste versie was nog maar het begin, benadrukt Jasper. ‘Daarna zijn we met de open source tool Rasa gaan werken. Deze tweede versie was weer een stap geavanceerder en zijn we gaan toepassen bij een grotere groep sectoren. Met onder meer onderwijs, advies en zorg kwamen we op een dekking van 80 procent.’
Win-winsituatie door NACE-hercodering
De resultaten van de tweede versie waren al beter, maar nog niet goed genoeg. Een doorslaggevend moment in het project kwam in 2025, toen er vanuit de EU een herziening van de SBI-codes werd uitgerold: een deel van de bestaande SBI-codes werd gewijzigd volgens de zogeheten NACE-hercodering. Een flinke uitdaging, want het ging niet om een 1-op-1-conversie. Sommige SBI-codes werden samengevoegd en sommige juist gesplitst.
Vooral bij die laatste categorieën kon AI een grote hulp zijn, realiseerde KVK zich. Jasper: ‘Voor de invoerhulp hadden we al een zogeheten SBI-classifier ontwikkeld: de AI-onderlaag die gebruikt wordt om vanuit ingevulde activiteiten een SBI-code voor te kunnen stellen.’
KVK kreeg uiteindelijk akkoord van het CBS om die onderlaag uit te breiden met een large language model, mede door het grote belang van de hercodering. ‘We hebben daar wel een uitgebreid data protection impact assessment (DPIA) voor moeten uitvoeren. Logisch, want het gaat om grote hoeveelheden gevoelige data van ondernemers. Daar mag natuurlijk niets mee misgaan. Om AI veilig te kunnen toepassen hebben we uiteindelijk nog een extra toepassing ontwikkeld die het mogelijk maakte om data binnen de muren van KVK te anonimiseren vóórdat het naar het large language model gestuurd werd.’
Zo ontstond een duidelijke win-winsituatie. Met behulp van AI – en mede dankzij het voorwerk van het WaU project – kon de hele SBI-herziening uiteindelijk in slechts twee (weekend)dagen worden uitgevoerd. Tegelijkertijd gaf het hercoderingstraject een flinke impuls aan de doorontwikkeling van de invoerhulp. Jasper: ‘In nauwe afstemming met de afdeling Audit Risk & Compliance en Juridische Zaken hebben we uiteindelijk ook voor de invoerhulp onze DPIA rondgekregen. En mogen we ook daar nu een large language model voor inzetten.’
Meer zekerheid en betere voorbereiding
De versie die hiermee ontwikkeld kon worden gaat rond deze tijd live. ‘We starten in één keer voor alle sectoren en alle ondernemingsvormen. De ervaring zal dan vergelijkbaar zijn met wat ondernemers tegenwoordig verwachten van AI: een ‘echt’ gesprek en met veel minder fouten. We verwachten dat de klantscore daarmee snel weer naar ons gebruikelijke niveau stijgt.’
De grootste voordelen moeten bovendien nog komen, denkt Jasper. ‘Met de betere bedrijfsomschrijvingen verwachten we straks met veel meer zekerheid te kunnen zeggen in welke categorie een onderneming valt. We kunnen er dan voor kiezen om de betreffende SBI-code meteen aan een ondernemer te tonen. En onze front office collega’s kunnen veel gerichter en efficiënter de situatie rondom de onderneming bespreken tijdens het inschrijvingsgesprek.’
Voor zo’n gesprek kan dan meteen al de juiste documentatie die past bij de SBI-code worden voorbereid. ‘Denk bijvoorbeeld aan informatie over pensioenen, verzekeringen of steunmaatregelen. De SBI-code heeft op allerlei manieren impact op het ondernemerschap.’
Input voor AI-beleid
Van de scepsis over AI is binnen KVK inmiddels weinig meer over, al worden eventuele kansen altijd wel kritisch bekeken. Op dit moment lopen er enkele andere AI-initiatieven, waaronder de ontwikkeling van een kennisbank voor medewerkers. John: ‘Een actieve AI-community en goedbezochte kennisbijeenkomsten laten zien dat steeds meer collega’s ermee aan de slag willen. De geesten worden rijper. En mede dankzij de invoerhulp zijn we nu ook tot een eigen AI-beleid gekomen. Zo’n concreet project helpt je om een richting te kiezen.’
In korte tijd is KVK binnen de overheid een voorloper geworden op het gebied van AI. De afgelopen periode deelde Jasper samen met het Innovatielab zijn ervaringen ook met andere uitvoeringsorganisaties, waaronder het CBS en UWV. Toch blijft het een spannende zoektocht. Jasper: ‘Het typische van AI is dat het continu blijft veranderen. Enerzijds wil je daar snel op kunnen reageren, en zo veel mogelijk in kleine teams werken. Anderzijds wil je als grote organisatie je technische en juridische zaken centraal regelen.
Het vinden van de juiste balans tussen centralisatie en decentralisatie blijft een uitdaging.’