Japanse gemeenten bouwen publieke AI-infrastructuur met menselijke regie

Een Japanse leverancier bouwt met OpenAI-technologie aan één AI-platform voor gemeentelijk werk. De case is geen onderwijsproduct, maar laat wel zien welke keuzes belangrijk worden wanneer scholen en publieke organisaties AI niet als losse chatbot, maar als gedeelde infrastructuur gaan gebruiken.

OpenAI publiceerde de klantcase op 31 augustus 2026. Volgens het bedrijf gebruiken ongeveer 1.050 Japanse gemeenten en 550.000 ambtenaren QommonsAI. Die aantallen, de genoemde versnelling en de plannen voor verdere uitbouw zijn claims van OpenAI en Polimill; er staat geen onafhankelijk effectonderzoek bij.

Wat er nieuw is

In de officiële klantcase van OpenAI beschrijft Polimill QommonsAI als een platform voor onder meer gemeenteraadsantwoorden, publieke dienstverlening, sociale zorg en juridisch zoeken. Het bedrijf heeft raadsnotulen uit verschillende gemeenten verzameld, gestandaardiseerd en van metadata voorzien. Daardoor kunnen medewerkers informatie over organisaties en tijdvakken heen terugvinden.

De case noemt ook beheerfuncties: beheerders kunnen gebruiksgeschiedenis bekijken en beperken welke modellen beschikbaar zijn. Met Codex en ondersteuning van OpenAI zou de ontwikkeling drie tot vijf keer sneller zijn verlopen. Voor het najaar van 2026 plant Polimill bovendien Qommons ONE, met een zogenoemde superagent die meerdere AI-systemen en apps kan combineren. Dat is een plan, geen bewijs dat die uitrol al beschikbaar is.

Waarom dit voor onderwijs relevant is

Scholen, schoolbesturen, mbo-instellingen en hogescholen werken eveneens met versnipperde documenten, verschillende teams en gevoelige dossiers. De gemeentelijke case maakt één les zichtbaar: een bruikbare AI-omgeving begint niet bij het model, maar bij de kwaliteit, herkomst en toegangsrechten van de kennis waarop het model werkt.

Een gedeelde kennislaag kan bijvoorbeeld helpen bij het terugvinden van beleidsafspraken, protocollen, toetskaders of eerdere besluiten. Dat kan dubbel werk verminderen en nieuwe medewerkers sneller wegwijs maken. Het is ook denkbaar dat een schoolbestuur AI inzet om concepten te vergelijken met bestaand beleid, mits de bronverwijzingen zichtbaar blijven en een bevoegde professional de uitkomst beoordeelt.

De case geeft daarnaast een concreet perspectief op kennisoverdracht. Volgens Polimill kwamen voorstellen van minder ervaren ambtenaren dicht bij die van ervaren collega’s, maar bleven de voorstellen van ervaren medewerkers het best beoordeeld. Het bedrijf wijst op stilzwijgende praktijkkennis: afwegingen die niet in documenten staan. Voor onderwijsorganisaties is dat een waarschuwing tegen het idee dat een kennisbank automatisch de expertise van leraren, ondersteuners of bestuurders vervangt.

Risico’s: infrastructuur vergroot ook de gevolgen

Een centrale AI-laag kan efficiënter zijn, maar maakt fouten en verkeerde toegangsrechten groter. Een foutieve of verouderde beleidsbron kan op veel plekken tegelijk doorwerken. Teams moeten daarom vastleggen welke documenten actueel zijn, wie ze mag wijzigen en hoe een antwoord terug te voeren is naar de bron.

De genoemde gebruikscontrole is niet hetzelfde als kwaliteitscontrole. Een log kan laten zien dat een functie is gebruikt, maar niet of een lesvoorstel pedagogisch verantwoord is, een toets eerlijk meet of feedback een leerling echt helpt. Gebruiksgeschiedenis mag daarom niet ongemerkt veranderen in een beoordeling van individuele docenten of studenten.

Ook de term ‘superagent’ vraagt terughoudendheid. Een systeem dat meerdere apps en AI-functies aanroept, kan werk uit handen nemen, maar vergroot de afhankelijkheid van leverancier, model en koppelingen. In onderwijscontexten moeten persoonsgegevens, leerling- en studentdossiers, zorginformatie, toetsmateriaal en vertrouwelijke onderzoeksdata buiten zulke workflows blijven tenzij doel, grondslag, beveiliging en bewaartermijn aantoonbaar zijn geregeld.

Wat teams nu kunnen afspreken

• Begin met een beperkte, gecontroleerde kenniscollectie en registreer eigenaar, datum en bron van ieder document.
• Laat AI antwoorden altijd verwijzen naar de gebruikte beleids- of lesbron en controleer of die bron nog geldig is.
• Geef rollen alleen de minimale toegang die nodig is; scheid zoeken, wijzigen en goedkeuren.
• Test eerst een leesworkflow met een kleine groep voordat koppelingen acties laten uitvoeren.
• Leg vast welke taken menselijke expertise vereisen, vooral bij leerlingbegeleiding, toetsing, selectie en zorg.
• Gebruik logs voor beveiliging en verbetering, niet als verborgen prestatiemeting.
• Beoordeel leveranciers op privacy, auditmogelijkheden, interoperabiliteit, exit-mogelijkheden en ongelijke toegang.

De kern

De Polimill-case laat zien hoe AI kan opschuiven van losse hulpmiddelen naar gedeelde publieke infrastructuur. Voor onderwijs is de belangrijkste les niet dat scholen hetzelfde platform moeten bouwen, maar dat kennisbeheer, toegangsrechten, broncontrole en menselijke regie vanaf het begin samen ontworpen moeten worden.