Het primaire en meest uitgesproken doel van de GeoMatch-pilot was het significant verbeteren van de maatschappelijke en economische integratie van statushouders in Nederland. De centrale hypothese was dat een meer datagedreven koppeling tussen een individu en een gemeente de kans op het vinden van duurzaam en passend werk aanzienlijk zou vergroten. Door historische data te analyseren, hoopte men patronen te ontdekken die zouden voorspellen in welke arbeidsmarktregio's een specifiek profiel de meeste kans van slagen had. Dit streven was ingebed in een bredere visie van een win-winsituatie: enerzijds zou het de zelfredzaamheid, het welzijn en de autonomie van de nieuwkomers bevorderen, en anderzijds zou het een duidelijke maatschappelijke en economische waarde creëren. Het versnellen van de arbeidsparticipatie zou immers leiden tot een verminderde afhankelijkheid van sociale voorzieningen en een positieve bijdrage aan de economie. Voor het COA zelf was de pilot tevens een strategisch experiment, een eerste voorzichtige stap in de wereld van kunstmatige intelligentie en geavanceerde data-analyse. Het project diende als een leertraject om te onderzoeken hoe dergelijke technologieën op een verantwoorde manier konden worden geïntegreerd in de complexe, mensgerichte werkprocessen van de organisatie.
De aanpak van de GeoMatch-pilot was geworteld in een academische samenwerking en een gefaseerde, voorzichtige implementatie, wat de gevoeligheid van het onderwerp moest erkennen. Het fundament werd gelegd door het Immigration Policy Lab (IPL), dat het GeoMatch-algoritme ontwikkelde als een datagedreven instrument gebaseerd op machine learning. Dit systeem analyseerde omvangrijke, geanonimiseerde historische datasets van het CBS over eerdere groepen immigranten, waarbij kenmerken als opleiding, werkervaring en demografische factoren werden gekoppeld aan hun uiteindelijke economische succes in verschillende Nederlandse regio's. Op basis van deze historische patronen genereerde het algoritme voorspellingen over de succeskans van een nieuwe statushouder op diverse locaties. Het COA besloot, na een lang voortraject gericht op zorgvuldigheid en ethiek, deze technologie te adopteren voor een pilot. Dit markeerde de eerste keer dat de organisatie met AI experimenteerde. De implementatie werd in 2024 officieel gelanceerd op negen geselecteerde pilotlocaties, wat een gecontroleerde testomgeving moest garanderen. Een centraal element in de aanpak was het 'human-in-the-loop' principe. Het proces was zo ontworpen dat het algoritme nooit autonoom beslissingen zou nemen. In de praktijk ontving een programmabegeleider van het COA een door GeoMatch gegenereerde top drie van de meest kansrijke arbeidsmarktregio's voor een specifieke statushouder.
Gewenste resultaten: Ondanks de voortijdige beëindiging en de aanzienlijke controverse, heeft de GeoMatch-pilot enkele onbedoelde, maar waardevolle resultaten opgeleverd. Het COA benadrukte dat het project een cruciaal leermoment was voor de organisatie. Het bood diepgaand inzicht in de complexiteit en de valkuilen van het implementeren van AI en data-analyse binnen een maatschappelijk gevoelige context. Deze opgedane ervaring, hoewel pijnlijk, wordt nu ingezet om toekomstige digitaliseringsinitiatieven met meer zorgvuldigheid en een breder ethisch bewustzijn in te richten. Een specifiek positief punt dat uit de evaluatie naar voren kwam, was het ontwerp met een 'human-in-the-loop'. Het feit dat de uiteindelijke beslissing altijd door twee menselijke medewerkers werd genomen, wordt gezien als een correcte, risicobeperkende ontwerpkeuze die de gevaren van volledige automatisering voorkwam.
Ongewenste resultaten: Het meest significante ongewenste resultaat was de voortijdige beëindiging van de pilot in juli 2026, ruim een jaar voor de geplande einddatum. De officiële redenen waren dat de tussentijdse resultaten 'onvoldoende effectiviteit' aantoonden en dat de cruciale externe ondersteuning van het Immigration Policy Lab (IPL) per september 2026 zou stoppen. Zonder deze expertise voor monitoring en doorontwikkeling zag het COA geen basis om zelfstandig door te gaan, waardoor de investeringen in tijd en middelen niet het beoogde rendement opleverden. Het project raakte bovendien ernstig beschadigd door een diepgaande publieke controverse.
De casus van de GeoMatch AI-pilot, geïnitieerd door het Centraal Orgaan opvang asielzoekers (COA) in 2024, vormt een illustratief voorbeeld van een technologisch veelbelovend project dat strandde op ethische en maatschappelijke klippen.
De GeoMatch-pilot bereikte een klassiek 'Einstein Punt', waar de ontwikkelde oplossing zo complex en ondoorzichtig werd dat de menselijke gebruikers de controle erover verloren. Het machine learning-algoritme functioneerde als een 'black box': het produceerde een output - een top drie van regio's - maar de onderliggende redenering, de weg van input naar output, was voor niemand navolgbaar. Zelfs de getrainde COA-medewerkers, die het advies moesten interpreteren en wegen, hadden geen inzicht in waarom het systeem een bepaalde regio aanbeval. Deze onbegrijpelijkheid creëerde een onhoudbare situatie op meerdere niveaus. Ten eerste ondermijnde het de professionele autonomie van de medewerkers. Zij werden geacht een advies te gebruiken dat ze niet konden doorgronden, wat hun vermogen om een weloverwogen, verdedigbare beslissing te nemen ernstig belemmerde.
De GeoMatch-pilot werd gekenmerkt door een significante afwezigheid van de meest cruciale stakeholder: de statushouders. Hun perspectief, zorgen en behoeften speelden geen rol in het ontwerp en de implementatie van een systeem dat diep ingreep in hun levens. Deze groep werd behandeld als een object van beleid in plaats van als een subject met een eigen stem, wat een fundamentele ontwerpfout is in elk sociaal-technisch systeem. Bovendien was er in de opzetfase geen sprake van een georganiseerde tegenspraak door externe, kritische partijen zoals ethici, juristen of maatschappelijke organisaties. De expertise was geconcentreerd bij de technologische ontwikkelaars en de beleidsuitvoerders, waardoor een echokamer ontstond waarin de goede bedoelingen de kritische reflectie overschaduwden. De 'lege plek' werd uiteindelijk opgevuld, maar niet door constructieve samenwerking. In plaats daarvan werd deze ingenomen door onderzoeksjournalisten en academici die, via een WOO-verzoek, de rol van externe controleur op zich namen. Hun betrokkenheid was daardoor niet coöperatief maar antagonistisch, wat leidde tot een publieke confrontatie in plaats van een constructieve dialoog.
De GeoMatch-pilot is een schoolvoorbeeld van een project dat gedomineerd werd door de 'linkerhersenhelft': logisch, analytisch, kwantitatief en procesgericht. De hele benadering was gebaseerd op de aanname dat de integratie van een mens gereduceerd kon worden tot een set voorspelbare variabelen en dat een algoritme de optimale uitkomst kon berekenen. Deze technocratische visie ging volledig voorbij aan de 'rechterhersenhelft': de wereld van emotie, intuïtie, menselijke relaties, vertrouwen en culturele context. Het systeem behandelde statushouders als 'homo economicus', rationele actoren wiens succes primair afhing van de juiste economische omstandigheden. De realiteit is echter dat integratie een diep menselijk en sociaal proces is, waarin factoren als een gevoel van welkom, sociale netwerken, culturele affiniteit en persoonlijke veerkracht minstens zo belangrijk zijn. Het algoritme had geen oog voor deze 'zachte' maar cruciale factoren. De bevinding dat objectieve criteria als opleiding en werkervaring nauwelijks meetelden, terwijl een abstract en beladen kenmerk als etniciteit dominant was, toont de wereldvreemdheid van het model. Het verving menselijk inzicht, dat deze nuances kan wegen, door een koude, statistische correlatie die in de praktijk discriminerend uitpakte.
De GeoMatch-pilot is een klassiek voorbeeld van het 'Brug van Honduras'-patroon, waarbij een goedbedoelde interventie onbedoeld een nieuw en potentieel schadelijker probleem creëert. Het oorspronkelijke vraagstuk was helder: hoe kunnen we de arbeidsparticipatie van statushouders verbeteren? De technologische oplossing, een matching-algoritme, leek een elegante en efficiënte weg naar het antwoord. Echter, door de specifieke werking van dit algoritme verschoof het probleem van 'suboptimale matching' naar 'systematische ongelijkheidsbevordering'. Het onderzoek van de Universiteit Utrecht legde dit mechanisme bloot. In plaats van voor elke individu de beste plek te vinden, optimaliseerde het systeem de verdeling over de gehele populatie. Dit waterbedeffect betekende dat de winst voor de ene groep werd betaald door het verlies van de andere; sommigen werden bewust naar minder kansrijke regio's gestuurd om een theoretisch overall optimum te bereiken.
De casus GeoMatch illustreert treffend de parabel van de olifant en de geblinddoekte mensen. Het projectteam, bestaande uit datawetenschappers van IPL en beleidsmakers van het COA, benaderde het complexe vraagstuk van integratie vanuit één specifiek perspectief: dat van data-analyse en efficiëntie. Zij betastten de 'slurf' van de olifant en concludeerden dat het probleem een wiskundig optimalisatievraagstuk was. De oplossing werd dan ook gezocht in een technocratisch instrument dat patronen in historische data kon herkennen en extrapoleren. Wat hierbij echter volledig buiten beeld bleef, waren de andere, essentiële onderdelen van de 'olifant'. Het ethische perspectief, dat vragen stelt over eerlijkheid, discriminatie en menselijke waardigheid, werd niet meegenomen. Evenmin werd het juridische perspectief, dat de grenzen van datagebruik en de principes van de rechtsstaat bewaakt, geïntegreerd in het ontwerp. Ook het sociale en psychologische perspectief, dat kijkt naar de beleving van de statushouder, de impact op gemeenschappen en het belang van vertrouwen, ontbrak volledig. Het projectteam had geen compleet beeld van het dier waarmee ze werkten.
Redactie IvbM
Reacties (0)