De tendersubsidieprocedure is een veelgekozen middel voor de verdeling van publiek geld. Omdat bestuursorganen vaak de expertise missen om subsidieaanvragen inhoudelijk te beoordelen, worden deskundigenadviescommissies ingezet. Op de subsidieverstrekker rust dan een vergewisplicht: hij moet zich ervan verzekeren dat de adviezen waarop de verdeelbesluiten zijn gebaseerd, zorgvuldig tot stand zijn gekomen. De vijver van deskundigen is echter klein, waardoor (een schijn van) belangenverstrengeling niet ondenkbaar is. Daarnaast doen zich geregeld menselijke fouten voor in het adviesproces. Een effectieve oplossing voor deze problematiek blijft vooralsnog uit.

In deze masterthesis van Jules Janssen is gekeken naar kunstmatige intelligentie als onconventionele oplossing. Het taalmodel BERT (Bidirectional Encoder Representations from Transformers) is een veelbelovende kandidaat om deskundigen te ondersteunen en zelfstandig computeradviezen te genereren. Met behulp van deep learning-technologie kan het computeradvies naast het deskundigenadvies worden gelegd om vroegtijdig belangenverstrengeling op te sporen, aanvragers handvatten te verschaffen om fouten in de advisering te weerleggen en bestuursrechters de mogelijkheid te bieden tot finale geschilbeslechting.

Wel moet BERTender kunnen voldoen aan het geldende rechtsbeschermingskader, waarin transparantie hoog in het vaandel staat. De literatuur stelt veelal dat deze transparantie bij deep learning-technieken onhaalbaar is. Dit onderzoek concludeert echter dat, door het slim inrichten van het model, het computeradvies voldoende uitlegbaar kan zijn.

Afbeelding: pixabay