Overslaan en naar de inhoud gaan

Rijksoverheid test geautomatiseerd e-mailbeheer

Niet elke mail moet in het archief: hoe automatische classificatie kan helpen bij de uitvoering van de Woo, AVG en Archiefwet.

Handen typen op laptop met scherm waarop een e-mail inbox en een pop-up van een nieuw e-mailbericht te zien zijn.
- Shutterstock

De rijksoverheid zet serieuze stappen richting geautomatiseerde e-mailclassificatie. Een recente pilot bij SZW laat zien dat inzet van AI voor e‑mailbeheer technisch haalbaar is en binnen de geldende juridische en privacykaders kan worden vormgegeven. Het is echter nog geen kant-en-klare oplossing voor alle departementen.

De pilot automatische e‑mailclassificatie, uitgevoerd onder regie van RDDI en CIO‑Rijk, richtte zich op mailboxen van voormalige bewindspersonen en bestuursraadleden bij SZW. Met twee modellen werd getest of e‑mails automatisch konden worden ingedeeld in vijf categorieën: functioneel, niet‑functioneel, privé, personeelsvertrouwelijk en partijpolitiek

Bemoedigende resultaten

De resultaten zijn bemoedigend. Beide modellen bereiken een nauwkeurigheid van ongeveer 85 procent en presteren vooral goed bij de grote categorieën functioneel en niet-functioneel. Daarmee werkt het belangrijkste onderscheid voor e-mailbeheer: zakelijke versus niet-zakelijke e-mail is in hoge mate automatisch te herkennen. Daarnaast laat de pilot zien dat eenvoudige businessrules, gebaseerd op afzender, onderwerp en berichttype, zonder AI al gemiddeld een derde van de niet-functionele e-mails kunnen filteren.

Juridisch en privacy: haalbaar, mits zorgvuldig

Een kernvraag in de pilot was of automatische e-mailclassificatie niet alleen technisch haalbaar, maar ook juridisch toelaatbaar is. De inzet van algoritmes op mailboxen van bewindspersonen raakt direct aan de AVG, de Archiefwet en de Woo. De gekozen aanpak — met een volledig afgeschermde ontwikkelomgeving, strikte datatoegang, lokale verwerking en human-in-the-loop bij twijfelgevallen — laat zien dat toepassing binnen de geldende juridische en privacykaders mogelijk is, mits randvoorwaarden expliciet worden vastgelegd en nageleefd.

Het belangrijkste overheidsnieuws van de dag

Schrijf je in voor de Binnenlands Bestuur nieuwsbrief

Dit geldt niet vanzelf voor elke casus. Bij SZW is de geclassificeerde set voorlopig niet opgenomen in het DMS, omdat bij realistische drempelwaarden nog te veel privacygevoelige e-mails in de functionele set belanden. De pilot maakt daarmee een bestuurlijke vraag zichtbaar: hoeveel privacygevoelige e-mail is aanvaardbaar in een te archiveren dataset?

De pilot maakt een bestuurlijke vraag zichtbaar: hoeveel privacygevoelige e-mail is aanvaardbaar in een te archiveren dataset?

Kunnen alle departementen er nu mee aan de slag?

De logische vervolgvraag is of alle departementen deze techniek nu kunnen adopteren. Het antwoord is voorlopig genuanceerd: de pilot legt een stevig fundament, maar er is nog geen generieke rijksbrede voorziening die “van de plank” kan worden geïmplementeerd. Individuele departementen kunnen leren van de aanpak en eventueel eigen pilots doen, bij voorkeur in samenwerking met RDDI/CIO‑Rijk.

De bedoeling is wel dat hier een generiek product uit ontstaat voor de rijksoverheid. In het rapport worden twee ontwikkelsporen genoemd en één randvoorwaarde:

Het belangrijkste overheidsnieuws van de dag

Schrijf je in voor de Binnenlands Bestuur nieuwsbrief

Spoor 1 – Fundament versterken. Vergroot de trainingsdata voor de kleinste categorieën (privé, personeelsvertrouwelijk en partijpolitiek), professionaliseer code en doelarchitectuur, en leg governance, eigenaarschap, drempelwaarden en kwaliteitsbewaking duidelijk vast.

Spoor 2 – Toepassen en doorontwikkelen. Rol de aanpak uit naar andere departementen, bij voorkeur eerst in afgebakende casussen zoals historische mailboxen. Werk daarna verder aan dossierkoppeling, meertaligheid en inbedding in het informatiebeheerproces.

Randvoorwaarde: categorisering aanscherpen. Heldere definities en handelingsperspectief bij grensgevallen zijn nodig voor menselijke classificatie én voor het trainen van de modellen.

Departementen kunnen nu voortbouwen op de aanpak, bijvoorbeeld door eigen pilots te doen in samenwerking met RDDI en CIO‑Rijk, maar nog niet zonder meer een gestandaardiseerd rijksbreed product afnemen. De keuze voor drempelwaarden, human‑in‑the‑loop en omgang met privacygevoelige categorieën vraagt om expliciete bestuurlijke besluitvorming per organisatie.

Download HIER het hele rapport

Copilot en ChatGPT in de publieke sector

Copilot en ChatGPT in de publieke sector

Ben je klaar om AI verantwoord en efficiënt in te zetten binnen jouw organisatie? Ontdek hoe je met AI-tools zoals ChatGPT en Copilot je werkprocessen optimaliseert en privacykaders respecteert.

schrijf u vandaag nog in

Plaats als eerste een reactie

U moet ingelogd zijn om een reactie te kunnen plaatsen.

Melden als ongepast

Door u gemelde berichten worden door ons verwijderd indien ze niet voldoen aan onze gebruiksvoorwaarden.

Schrijvers van gemelde berichten zien niet wie de melding heeft gedaan.

Bevestig jouw e-mailadres

We hebben de bevestigingsmail naar %email% gestuurd.

Geen bevestigingsmail ontvangen? Controleer je spam folder. Niet in de spam, klik dan hier om een account aan te maken.

Er is iets mis gegaan

Helaas konden we op dit moment geen account voor je aanmaken. Probeer het later nog eens.

Maak een gratis account aan en geniet van alle voordelen:

Heeft u al een account? Log in

Maak een gratis account aan en geniet van alle voordelen:

Heeft u al een account? Log in