SEVA helpt gemeenten om digitale dienstverlening te verbeteren zonder concessies te doen aan betrouwbaarheid, uitlegbaarheid en bestuurlijke verantwoordelijkheid. In een tijd waarin AI steeds vaker wordt ingezet in het contact met inwoners, is het cruciaal dat antwoorden feitelijk correct zijn, herleidbaar blijven tot vastgesteld beleid en nooit gebaseerd zijn op aannames of verzonnen informatie.

De inzet van AI verandert die verantwoordelijkheid niet, zij vergroot deze juist. Daarom is SEVA vanaf de basis ontworpen volgens het principe van Retrieval-Augmented Generation (RAG). Dit betekent dat het taalmodel uitsluitend wordt gebruikt om antwoorden begrijpelijk en menselijk te formuleren, terwijl alle feiten, regels, processen en beleidsinformatie altijd afkomstig zijn uit de gecontroleerde kennisomgeving van de gemeente zelf. AI wordt daarmee nooit de bron van de waarheid, maar een hulpmiddel om die waarheid helder uit te leggen.

Voor gemeenten vertaalt zich dit in betrouwbare en consistente antwoorden op vragen van inwoners, met minimale kans op hallucinaties en maximale uitlegbaarheid. SEVA sluit aan op bestaande documenten, kennisbanken en processen, en respecteert de bestuurlijke kaders waarbinnen gemeenten opereren. Dit maakt het mogelijk om inwoners sneller en beter te helpen, terwijl medewerkers worden ontlast zonder grip te verliezen op inhoud en beleid.

Een traject met SEVA verloopt in duidelijke stappen. Het traject is erop gericht om gemeenten AI op een verantwoorde manier te laten gebruiken, met volledige grip op inhoud, beleid en verantwoordelijkheid.

We starten met een oriëntatiefase, waarin samen de scope wordt bepaald: welke vragen, doelgroepen en domeinen (zoals Wmo, Wlz of Jeugd) vallen binnen het traject. Daarbij wordt een zorgkaart opgesteld en worden de betrokken partijen en kennisbronnen geselecteerd.

Vervolgens wordt de inhoud gestructureerd. Beleidsinformatie, regels en processen worden gecontroleerd en ingericht als enige bron van waarheid. Prompt designers werken hierbij nauw samen met zorg- en domeindeskundigen om vast te leggen wat SEVA wel en niet mag beantwoorden.

In de technische inrichting koppelen we deze kennisomgeving aan SEVA via Retrieval-Augmented Generation (RAG). Het taalmodel formuleert antwoorden, maar de inhoud komt altijd uit de gemeentelijke bronnen.

Daarna volgt een test- en validatiefase, waarin gemeentelijke professionals de antwoorden beoordelen op juistheid, begrijpelijkheid en uitlegbaarheid. Pas daarna wordt SEVA gecontroleerd in gebruik genomen voor een afgebakende groep of vraagcategorie.