Sociaal werk is geen algoritme

Hogeschooldocent Niels Jacobs vindt het begrijpelijk dat AI oprukt in het sociaal werk. Maar AI kan het sociaal werk ook minder menselijk, minder rechtvaardig en minder uitlegbaar maken, waarschuwt hij. En dan betalen cliënten de prijs.

‘Meneer Vroenhoven is de afgelopen week 81 procent van de tijd op zijn kamer geweest. Activeer hem om deel te nemen aan het dagprogramma om eenzaamheid te voorkomen.’ In het verzorgingstehuis krijgt sociaal werker Hasna deze melding van Genus Care. Het is begrijpelijk dat dit soort vormen van kunstmatige intelligentie (AI) wordt gezien als een kansrijke oplossing. Want de administratieve druk is hoog, in de zorg en het sociaal domein.
Gemiddeld spenderen sociaal werkers 37 procent van hun tijd aan administratie (Pronk, Ketel & Liefhebber, 2023). AI kan rapportages schrijven en samenvatten. Maar AI kan nog veel meer, van patronen herkennen tot risicoscores berekenen, zoals bij meneer Vroenhoven. Dat bespaart tijd en lijkt het werk efficiënter te maken.

Wie krijgt het laatste woord: Hasna of Genus Care?

Achter deze belofte schuilt echter een fundamentele vraag: onder welke voorwaarden kan AI het sociaal werk verantwoord helpen? Misschien is meneer Vroenhoven heel er gesteld op zijn tijd alleen of heeft hij deze nodig om te ontprikkelen. Wie krijgt het laatste woord: Hasna of Genus Care?

Menselijke betrokkenheid

Efficiëntie kan waardevol zijn, maar mag nooit de normatieve kern van sociaal werk vervangen. Natuurlijk kan AI helpen om tijd vrij te maken, maar snelheid is geen doel op zich. Sociaal werk vraagt soms juist om vertraging, nabijheid en het serieus nemen van iemands verhaal. De presentiebenadering, een wezenlijk gedachtengoed verbonden aan sociaal werk, stelt dat sociaal werkers juist hun tempo moeten aanpassen op de cliënt (Beurskens et al., 2019).
De kern is simpel: technologie mag het werk ondersteunen, maar nooit vervangen waar het echt om draait. Sociaal werk is relationeel, contextgebonden en normatief (Beroepsvereniging van Professionals in Sociaal Werk, 2021). Het vraagt om professionele afwegingen, morele oordelen en menselijke betrokkenheid – iets wat geen enkel algoritme kan overnemen.

AI vertaalt complexe levens naar profielen, patronen en waarschijnlijkheden

AI werkt op basis van data en kansberekeningen. Het vertaalt complexe levens naar profielen, patronen en waarschijnlijkheden en kan hierop snel en efficiënt analyses draaien. Dat is precies waar het schuurt met sociaal werk. Want een cliënt is geen dataset, maar een mens met een unieke context, geschiedenis en verhaal. Wanneer we te veel vertrouwen op algoritmes, lopen we het risico dat deze menselijke complexiteit verloren gaat.

Rechtvaardigheid

Ook bestaat het risico dat algoritmische systemen bestaande ongelijkheid niet corrigeren, maar juist versterken. Als data gekleurd is door vooroordelen, historische data, kansberekeningen of scheve verhoudingen, neemt het algoritme die over. Daarvan hebben we inmiddels teveel voorbeelden gezien.

Zo kunnen bepaalde groepen jongeren structureel vaker als ‘risicovol’ worden aangemerkt: mbo-studenten als studiefinanciering-fraudeurs door DUO; kinderen in achtergestelde wijken als risicovol/crimineel door ProKids Plus. Dit heeft stigmatisering en uitsluiting tot gevolg. AI is pas verantwoord als het niet alleen efficiënt is, maar ook rechtvaardig uitpakt voor mensen die toch al minder macht hebben.

Algoritmes worden vaak toegepast in situaties waar macht ongelijk verdeeld is

De beroepscode is helder over het streven naar rechtvaardigheid: sociaal werkers hebben de opdracht om ongelijkheid tegen te gaan, belangen van cliënten te behartigen en alert te zijn op mechanismen die leiden tot uitsluiting. Juist daarom vraagt de inzet van AI om extra waakzaamheid.

Sociaal werkers moeten doorvragen, hun professionele oordeel zwaarder laten wegen, ze moeten uitleg vragen aan de organisatie, signaleren als systemen een bepaalde groep benadelen, ethisch en juridisch bewustzijn tonen en de cliënt centraal houden. Want algoritmes worden vaak toegepast in situaties waar macht ongelijk verdeeld is: bij uitkeringen, jeugdzorg en handhaving. Daar kunnen de gevolgen van bias in algoritmes groot zijn.

Uitlegbaarheid

Daarnaast zet AI de professionele autonomie onder druk. In theorie is AI een hulpmiddel, maar in de praktijk kan het advies van een systeem leidend worden. ‘De computer zal het wel beter weten’, is een gevaarlijke gedachte. Het risico is dat het systeemadvies ongemerkt verandert van hulpmiddel in norm.

Onderzoek laat zien dat mensen geneigd zijn om beslissingen van AI te volgen, zelfs wanneer die niet volledig aansluiten bij de situatie (Nuwasiima, Ahonon & Kadiri, 2024). Daarmee verschuift de verantwoordelijkheid ongemerkt van professional naar systeem.

Voor cliënten is het vaak onduidelijk hoe een beslissing tot stand komt

Ook wat dit betreft is de beroepscode helder: de sociaal werker blijft verantwoordelijk. Dat betekent dat je algoritmische uitkomsten kritisch moet bevragen, moet kunnen afwijken en dit ook moet kunnen uitleggen. Professioneel handelen vraagt om reflectie, niet om klakkeloos volgen.

Veel AI-systemen zijn moeilijk uitlegbaar. Voor cliënten is het vaak onduidelijk hoe een beslissing tot stand komt (Boge, 2022). Toch hebben zij recht op die uitleg. Ze moeten weten welke gegevens zijn gebruikt, hoe een uitkomst tot stand is gekomen en welke mogelijkheden er zijn om bezwaar te maken. Misschien zouden cliënten het recht moeten krijgen om te kunnen weigeren dat AI wordt gebruikt bij het nemen van beslissingen over hun hulpverleningstraject.

Duidelijke randvoorwaarden

Dit alles betekent niet dat AI geen plek heeft in het sociaal werk. Integendeel: het kan een waardevol hulpmiddel zijn, mits het ondersteunend blijft. Dat vraagt om duidelijke randvoorwaarden. Organisaties en sociaal werkers moeten beschikken over kennis van AI, kritisch kunnen reflecteren op de uitkomsten en transparant zijn naar cliënten over het gebruik ervan. Dat vereist scholing, toetsing, uitlegbaarheid en de ruimte om af te wijken van systeemadviezen. Dit is een gezamenlijke verantwoordelijkheid van organisaties en de sociaal werkers die daar werken.
Daarnaast moeten organisaties zorgen voor systemen die eerlijk, uitlegbaar en zorgvuldig omgaan met data. Daarom zou elke sociaal werker zich bij het gebruik van AI steeds dezelfde vraag moeten stellen: draagt dit bij aan rechtvaardigheid voor deze cliënt, in deze situatie, en kan ik dat ook uitleggen aan de cliënt? Als het antwoord niet volmondig ‘ja’ is, dan vraagt dat om tegenkracht. Sociale rechtvaardigheid is een randvoorwaarde (zie afbeelding).

Want hoe slim de technologie ook wordt, één ding blijft onveranderd: sociaal werk is geen algoritme. AI mag sociaal werk sneller maken, maar als het sociaal werk minder menselijk, minder rechtvaardig of minder uitlegbaar wordt, betalen cliënten de prijs.

Niels Jacobs is docent-onderzoeker, Academie voor Sociaal Werk en Lectoraat Sociaal Werk, Zuyd Hogeschool. Maja Ročak is lector Sociale Integratie, Lectoraat Sociaal Werk, Zuyd Hogeschool.

 

 

 

Foto: John Diez via Pexels.com

Bronnen:

Beroepsvereniging van Professionals in Sociaal Werk. (2021). Beroepscode voor professionals in sociaal werk. Geraadpleegd op 18 maart 2026 via https://www.bpsw.nl/app/data/uploads/2021/10/BPSW-Beroeps…

Beurskens, E., Van der Linde, M., & Baart, A. (2019). Praktijkboek presentie. Uitgeverij Coutinho.

Boge, F. J. (2022). Two dimensions of opacity and the deep learning predicament. Minds and Machines, 32(1), 43-75. https://doi.org/10.1007/s11023-021-09569-4

Nuwasiima, M., Ahonon, M. P., & Kadiri, C. (2024). The role of artificial intelligence (AI) and machine learning in social work practice. World Journal of Advanced Research and Reviews, 24(1), 80-97.

Pronk, J., Ketel, J., & Liefhebber, S. (2023). Administratieve lasten omlaag door digitalisering. Movisie. Geraadpleegd op 21-1-2028 van https://shorturl.at/iEGL8

Reacties 2

  1. Sociaal werk is geen algoritme. Maar het echte probleem zit nog dieper.

    Het beeld van de sociaal werker die op maandagochtend naar een risicoscore kijkt en vervolgens moet besluiten of hij doet wat het systeem vraagt, raakt aan een ontwikkeling die veel groter is dan de introductie van AI.

    Het gaat uiteindelijk niet over de vraag of kunstmatige intelligentie wel of niet thuishoort in het sociaal werk.

    De fundamentele vraag is: wie vertaalt de werkelijkheid van de mens naar het systeem, en wie vertaalt het systeem vervolgens terug naar de werkelijkheid van die mens?

    Want precies daar ontstaat de systeem-mismatch.

    Een algoritme kan patronen herkennen. Een registratiesysteem kan signalen ordenen. Een voorspellend model kan waarschijnlijkheden berekenen. Dat kan allemaal waardevol zijn. Maar geen van die systemen leeft het leven van de persoon over wie het een uitspraak doet.

    Dat verschil lijkt klein zolang alles volgens het patroon verloopt.

    Totdat iemand buiten het patroon valt.

    De werkelijkheid komt niet netjes in vakjes

    Sociaal werk vindt plaats op het snijvlak van beleid, professionele kennis en de fysiologische leefwereld van mensen.

    Daar ontstaan voortdurend situaties die niet netjes passen binnen de categorieën waarmee een systeem werkt.

    Eenzaamheid kan administratief eenzaamheid heten, terwijl de werkelijkheid gaat over schaamte.

    Schulden kunnen geregistreerd worden als financiële problematiek, terwijl de onderliggende werkelijkheid bestaat uit chronische stress, slapeloze nachten en het gevoel geen uitweg meer te zien.

    Een jongere kan als ‘zorgmijdend’ worden geregistreerd, terwijl zijn gedrag vanuit zijn leefwereld misschien juist een logische reactie is op eerdere ervaringen met hulpverlening.

    Het systeem ziet een categorie.

    De professional ontmoet een mens.

    En daar zit precies de toegevoegde waarde van sociaal werk.

    Het gevaar ontstaat wanneer de kaart belangrijker wordt dan het landschap

    Kampen beschrijft terecht het risico dat de professional zich uiteindelijk niet meer afvraagt:

    ‘Wie heeft mij nu het meest nodig?’

    maar:

    ‘Hoe leg ik uit dat ik niet heb gedaan wat het systeem van mij vroeg?’

    Dat is een cruciaal omslagpunt.

    Want vanaf dat moment verandert niet alleen de technologie. De professional gaat zijn eigen waarneming aanpassen aan de logica van het systeem.

    Niet noodzakelijk omdat hij dat wil.

    Maar omdat verantwoording, registratie, indicatoren, protocollen en risicomodellen uiteindelijk bepalen wat aantoonbaar goed handelen is.

    Dan ontstaat een merkwaardige paradox.

    We bouwen systemen om professionals te ondersteunen, maar professionals besteden vervolgens steeds meer energie aan het aantonen dat zij het systeem correct hebben gevolgd.

    Daarmee kan precies datgene verdwijnen waarvoor sociaal werk bestaat: de ruimte om de werkelijkheid te lezen.

    De werkvloer is geen afvoerputje, maar een sensor

    Hier ligt voor mij een belangrijker punt.

    We praten vaak over de werkvloer alsof daar de uitvoering van beleid plaatsvindt.

    Maar de werkvloer is veel meer dan dat.

    De werkvloer is óók het meetinstrument van het systeem.

    Daar wordt zichtbaar waar beleid aansluit op de werkelijkheid en waar het botst.

    Daarom zou een professional die zegt:

    ‘Dit werkt in deze situatie niet’

    niet automatisch gezien moeten worden als iemand die zich niet aan het systeem houdt.

    Het kan juist een belangrijk signaal zijn dat het systeem iets niet goed begrijpt.

    De professional registreert dan niet alleen een cliënt.

    Hij registreert óók de werkelijkheidstoets van het beleid.

    Dat vraagt om een fundamenteel andere manier van kijken naar feedback vanuit de uitvoering.

    Niet:

    beleid → uitvoering → registratie

    maar:

    beleid → praktijk → werkelijkheidstoets → terugkoppeling → bijstelling.

    Daar ontbreekt volgens mij in veel organisaties een structurele vertaalfunctie.

    Daar komt de systeemtolk in beeld

    Dat is precies het gat waar ik met het concept Systeemtolk naar kijk.

    Niet als iemand die de ene taal letterlijk in de andere taal omzet.

    Maar als een structurele vertaalfunctie tussen verschillende werkelijkheden.

    Tussen:

    Bestuur & Beleid
    Wetenschap & Kennis
    Fysiologische Leefwereld

    Deze werelden spreken namelijk niet vanzelfsprekend dezelfde taal.

    Beleid spreekt vaak in doelen, indicatoren en kaders.

    Wetenschap spreekt in modellen, methodologie en waarschijnlijkheden.

    De leefwereld spreekt in gedrag, stress, ervaring, vertrouwen, weerstand en dagelijkse werkelijkheid.

    Alle drie kunnen gelijk hebben.

    En toch kunnen ze elkaar volledig missen.

    Dat is de systeem-mismatch.

    Technologie moet de mens versterken, niet vervangen

    Daarom ben ik ook niet principieel tegen algoritmen in het sociaal domein.

    Integendeel.

    Een goed ontworpen systeem kan juist administratieve belasting verminderen, patronen zichtbaar maken en professionals ondersteunen.

    Maar dan moet één uitgangspunt overeind blijven:

    het algoritme mag een signaal geven, maar nooit de werkelijkheid claimen.

    Een risicoscore is geen mens.

    Een indicator is geen situatie.

    Een registratie is geen ervaring.

    Een voorspelling is geen toekomst.

    En een dossier is nooit volledig gelijk aan het leven van de persoon achter dat dossier.

    Daarom zou de professional altijd de mogelijkheid moeten hebben om het systeem tegen te spreken — én om uit te leggen waarom.

    Niet als afwijking van het systeem.

    Maar als onderdeel van professioneel handelen.

    Van systeemvolgend naar werkelijkheidstoetsend werken

    Misschien moeten we daarom stoppen met de tegenstelling tussen ‘menselijk sociaal werk’ en ‘technologie’.

    De werkelijke tegenstelling ligt ergens anders.

    Willen we een systeem waarin de werkelijkheid zich voortdurend moet aanpassen aan de beschikbare categorieën?

    Of bouwen we systemen die zichzelf laten corrigeren door de werkelijkheid?

    Dat is een wezenlijk verschil.

    In het eerste geval wordt de professional uiteindelijk een uitvoerder van systeemlogica.

    In het tweede geval wordt technologie een hulpmiddel voor professioneel vakmanschap.

    En juist daar ligt volgens mij de toekomst van sociaal werk.

    Niet minder methodisch.

    Niet minder professioneel.

    Niet minder onderbouwd.

    Maar juist beter in staat om theorie, beleid en data voortdurend aan de werkelijkheid te toetsen.

    Want sociaal werk is inderdaad geen algoritme.

    Maar sociaal werk hoeft ook geen strijd tegen algoritmen te worden.

    De uitdaging is om ervoor te zorgen dat tussen mens en systeem altijd een professionele, menselijke en werkelijkheidstoetsende interface blijft bestaan.

    Niet de theorie bepaalt of de oplossing werkt.
    Niet het algoritme bepaalt wat de mens nodig heeft.
    De werkelijkheid bepaalt of de theorie standhoudt.

    En misschien is dat wel de belangrijkste digitale innovatie die we in het sociaal domein nog moeten bouwen.

  2. Inderdaad: sociaal werk is geen algoritme, heeft een normatieve kern (sociale rechtvaardigheid) die niet door efficiëntie mag worden vervangen, is relationeel en situationeel en vraagt soms juist om vertraging. Ook waar is dat een mens geen dataset is en dat het leven een complexe aangelegenheid is. Terecht wijzen de auteurs op de gevaren en risico’s van het inzetten in sociaal werk van met name generatieve AI. Een van de vele risico’s is dat AI-systemen bestaande ongelijkheden vergroten. Genoeg redenen om nog even niet te zeggen wat de auteurs echter wel zeggen, namelijk dat dit alles niet betekent dat AI geen plek heeft in het sociaal werk. Dat moet nog maar blijken, en dan liever niet in sociale experimenten met echte mensen (denk aan het toeslagenschandaal). Tot nog toe levert generatieve AI niet wat het belooft: in allerlei sectoren waarin AI wordt ingezet, zien we bijvoorbeeld de beloofde productiviteitswinst nog niet echt. Waarom zou dat in sociaal werk dan wel het geval zijn? De belofte dat dat in de (nabije) toekomst wel het geval zal zijn en dat we daarom nu volop op AI moeten inzetten, is een bekende marketingstrategie. Tegelijk legt AI wel een enorm beslag op buitenruimte, energie en water. Die combinatie van niet leveren en wel beslag leggen op hulpbronnen, lijkt me voor ecosociaal werk problematisch. Voor de gezondheidszorg heeft het Centrum voor Ethiek en Gezondheidszorg een CEG-Check ontwikkeld: ‘Is AI een goede oplossing? Kunnen we AI op de goede manier gebruiken? Kunnen we AI op de goede manier opschalen?’. Ten aanzien van een aantal specifieke AI-toepassingen vraagt het CEG of de inzet ervan helpt om het probleem op te lossen waarvoor de toepassing als (deel)oplossing wordt voorgesteld (bijvoorbeeld het personeelstekort), of dat het juist de aandacht afleidt van de oorzaken ervan en (daarmee) effectievere oplossingen in de weg zit. Vaak is de constatering dat het eerste vooralsnog een belofte is en dat het tweede een reëel risico is. Ik vermoed dat dat in sociaal werk niet veel anders zal zijn. Uitgebreider is de Generatieve AI-risicotriade (R3) Kaartenset voor scholen en bedrijven, met kaarten in 3 categorieën: waarheidsschijn, controle en omgeving. Een voorbeeld uit de laatste categorie: ‘Vraag je af welke initiatieven binnen je organisatie minder aandacht of middelen krijgen door een bepaalde AI-investering. Welke gevolgen de keuze voor die AI-investering heeft op langere termijn en op investeringen in andere onderdelen van de organisatie. En tot hoe ver AI de beste besteding van tijd, geld en aandacht, nu en in de toekomst is.’ Lijken me ook voor sociaal werk relevante vragen. Om dit soort afwegingen goed te maken, raad ik het net uitgekomen boek van Ilyaz Nasrullah, adviseur digitale strategie en innovatie, aan: ‘Dit is AI: De valse belofte van kunstmatige intelligentie’.

Reageer

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