Arbodiensten staan onder druk. De wachttijden lopen op, de caseloads groeien, en de verwachting is dat AI een deel van het werk kan overnemen. Dat klopt, mits je precies begrijpt welk deel. Want er is een wezenlijk verschil tussen een AI agent die een bedrijfsarts ondersteunt en een die zelfstandig beslissingen neemt. Dat onderscheid is niet theoretisch. Het heeft directe gevolgen voor de medewerker die zich ziek heeft gemeld.
Verzuimbegeleiding is geen routineproces
Automatisering werkt goed bij voorspelbare, gestandaardiseerde taken. Verzuimbegeleiding heeft die eigenschappen niet. Elke melding is een persoon met een context: een thuissituatie, een arbeidsrelatie, een klachtenpatroon dat zich niet laat reduceren tot een invulformulier.
AI agents kunnen helpen bij het structureren van informatie, het signaleren van patronen en het ontlasten van administratieve stappen. Maar zodra een agent autonoom beslissingen neemt die de zorgverlening direct beïnvloeden, verandert de aard van het risico fundamenteel.
Drie redenen waarom dat een probleem is.
1. Toegang tot zorg
Triage is geen neutrale handeling. Wie een melding beoordeelt als laag-urgent, bepaalt daarmee feitelijk wanneer iemand toegang krijgt tot begeleiding. Bij een menselijke professional is dat een afgewogen oordeel, gebaseerd op gesprek, context en ervaring. Bij een autonoom werkende AI is het een statistische outputwaarde.
Het probleem is niet dat AI verkeerd scoort. Het probleem is wat er gebeurt als dat wel zo is. Een medewerker met vage klachten als vermoeidheid, slaapproblemen, concentratieproblemen, kan laag scoren in triagemodellen. Maar diezelfde klachten kunnen het vroege stadium zijn van een burnout, een somatische aandoening of een ernstige psychosociale situatie. Een bedrijfsarts kan dat herkennen in een gesprek.
De EU AI Act is op dit punt duidelijk. Systemen die de toegang tot zorg beïnvloeden vallen onder de categorie hoog-risico AI, waar uitlegbaarheid van AI-beslissingen een wettelijke vereiste is. Systemen die de toegang tot zorg beïnvloeden vallen onder de categorie hoog-risico AI. Dat betekent onder meer dat menselijk toezicht geen optie is, maar een vereiste. Autonome urgentiebepaling zonder human-in-the-loop is daarmee niet alleen riskant, het is ook non-compliant en dus niet toegestaan.
2. LLMs kunnen hallucineren
Taalmodellen produceren soms output die juist klinkt maar feitelijk onjuist is. Dat verschijnsel heet hallucinatie. Een mooi voorbeeld is de Carwash Paradox. In de meeste toepassingen is dat vervelend. In een zorgcontext is het gevaarlijk.
Stel dat een autonoom werkend systeem een klachtenpatroon verkeerd interpreteert - een symptoomcombinatie die het associeert met een aandoening die er niet is, of een contra-indicatie verzint op basis van onjuiste informatie. Als een professional dat leest, filtert hij het. Als een autonoom systeem daar vervolgens actie op onderneemt, een aanbeveling doorstuurt, een escalatie triggert of juist blokkeert, is er niemand die de rem intrapt.
Human-in-the-loop lost dit niet volledig op, maar het creëert wel een essentieel controlepunt. Een professional die AI-output beoordeelt, herkent inconsistenties die een geautomatiseerde pipeline niet ziet. Die tussenlaag is geen inefficiëntie, het is het veiligheidsmechanisme.
Veel aanbieders framen human-in-the-loop als een tijdelijk compromis, iets wat verdwijnt zodra modellen beter worden. In de context van arbeidsgezondheid and zorg is dat een misverstand. In contexten waar fouten directe gevolgen hebben voor mensen, is menselijk toezicht geen tijdelijke pleister. Het is een structureel onderdeel van verantwoord systeemontwerp.
3. Aansprakelijkheid is niet overdraagbaar aan een model
Als een autonoom AI-systeem een beslissing neemt die schade veroorzaakt, ligt de verantwoordelijkheid niet bij het model. Die ligt bij de arbodienst, de werkgever of de aanbieder van het systeem, afhankelijk van de contractuele en juridische structuur.
Dat heeft praktische consequenties. De EU AI Act verplicht aanbieders van hoog-risico AI tot transparantie over besluitvorming, logging van acties en borging van menselijke interventie. Een systeem dat autonoom handelt zonder aantoonbaar toezicht en transparantie, voldoet daar niet aan. En een arbodienst die zo'n systeem inzet, draagt daarmee een risico dat moeilijk te verzekeren en nog moeilijker te verdedigen is.
Bovendien: het vertrouwen van een medewerker in het verzuimproces is gebaseerd op de aanname dat er een professional meekijkt. Die aanname mag je niet ongemerkt wegnemen.
Wat ondersteunende AI er in de praktijk uitziet
Het onderscheid tussen autonoom en ondersteunend is geen filosofische kwestie, het is onderdeel van de systeemarchitectuur.
Een ondersteunende AI agent:
- verzamelt en structureert informatie voorafgaand aan een gesprek, op basis van een helder ingericht proces
- signaleert afwijkingen of risicofactoren die aandacht verdienen
- legt alle stappen vast in een auditlog met herleidbare beslismomenten
Een autonoom werkende agent doet dat zonder dat er meemijkt en/of controleert.
Het goede nieuws: de efficiëntiewinst zit vrijwel volledig in het eerste model. De bedrijfsarts start met een volledig, gestructureerd dossier. De administratieve last is grotendeels weggenomen. Maar de professionele beoordeling, inclusief de verantwoordelijkheid daarvoor, blijft waar die hoort.
Bij het selecteren van een AI-leverancier is het de moeite waard om drie dingen te vragen:
- hoe wordt "human in the loop" geborgd
- hoe omgegaan met onzekerheid en hallucinaties van het model
- welke auditfunctionaliteit is beschikbaar voor toezichthouders en auditors
Waar de sector naartoe gaat
De komende jaren zullen AI-modellen beter worden. Nauwkeuriger, sneller, beter in het herkennen van nuance. De druk om meer te automatiseren zal toenemen, ook in de arbo-sector.
Maar technische verbetering verandert de juridische en ethische structuur niet. De EU AI Act is niet geschreven voor de modellen van vandaag. Het is een kader dat ook van toepassing is op de modellen van morgen. En de kern van dat kader is dat menselijk toezicht in hoog-risico toepassingen niet optioneel is.
De vraag voor arbodiensten verschuift daarmee. Niet: "kan AI dit overnemen?" Maar: "hoe ontwerpen we een proces waarin AI maximaal bijdraagt zonder dat de professional zijn rol verliest?"
Miranda Zwepink - CEO, Triagen
