Projectplan & Roadmap: BORIS Sector 1 (De Pilot Fase)¶

Datum: 14 maart 2026 Status: Definitief Projectdocument (Ter accordering) Doel: Een gecontroleerde, data-gedreven uitrol van de eerste sector van het BORIS-ecosysteem, beginnend met de Kenniswerkplaats (KWP) Autisme als 'Proof of Concept'.

1. Projectvisie: "Start Small, Scale Smart"¶

De strategie is gebaseerd op het isoleren van risico's. We bouwen niet in één keer een landelijk platform voor het complete sociaal domein. We beginnen met één extreem specifieke, afgebakende doelgroep (Autisme) met de meest deskundige professionals. Pas wanneer de techniek (RAG + BNS) hier wiskundig en cultureel is bewezen, breiden we uit naar een tweede domein. De ultieme test (de 'Syndicatie') is wanneer deze twee systemen succesvol aan elkaar gekoppeld worden.

2. Fasering & Roadmap (Maand 1 t/m Maand 10)¶

Dit traject is opgedeeld in vier scherpe fasen (Tranches), gescheiden door harde Go/No-Go poorten.

Tranche A: Foundation & Pilot KWP Autisme (Maand 1 - 3)¶

Focus: Het systeem aanzetten en valideren in een veilige (Green/Yellow) zone met één expertteam.

A.1. Causal Discovery Sessies: De Lead Architect en de Aandachtsfunctionarissen (AF'ers) Autisme komen 2 dagen samen. Ze plotten het causale netwerk (DAG) voor autisme op een whiteboard en vullen de initiële priors in op basis van de Autisme Bijbel.
A.2. Inrichting RAG ('The Sandbox'): Claude Code importeert de gespecificeerde documentatie, richtlijnen en protocollen m.b.t. Autisme in de Vector Database.
A.3. 'Shadow Testing': Het testteam typt 50 historische autisme-casussen in de (anonieme) API. Ze vergelijken het AI-advies met de werkelijke, historische menselijke afhandeling.
A.4. Live-gang Pilot Team: Een selecte groep van 5 Wijkteam-medewerkers (Naven) mag VERA gebruiken, uitsluitend voor casuïstiek met de label #Autisme.
Deliverables: Ingevuld BNS model Autisme, Ingerichte RAG-ChromaDB, Evaluatierapport Shadow Testing.
Go/No-Go Poort 1: Is het model veilig, ethisch (AI Grondwet compliant), en reduceert het de zoektijd voor de 5 testmedewerkers met minimaal 30%? (Ja = Door naar B).

Tranche B: De Tweede Pijler (Pilot KWP 2 - bijv. Jeugd/LVB) (Maand 4 - 6)¶

Focus: Het bewijzen van herhaalbaarheid. Werkt het software-framework net zo goed voor een totaal ander kennisdomein?

B.1. Domein Selectie: Bepalen van de tweede KWP met grote impact (Bijv. Jeugdschulden of Dementie).
B.2. Kloon & Kalibreer: De technische omgeving (Prompt_Casusanalyse_API) blijft exact 100% gelijk. Alleen de inhoud (de experts, de CPT gewichten, de ingeladen PDF's) verandert.
B.3. Pilot KWP 2: Zelfde procedure als bij Autisme. Een groep van 5 AF'ers/experts van het nieuwe domein traint en valideert the AI.
Deliverables: Causal Graph voor KWP 2, Ingevulde "Golden Dataset" voor KWP 2, Oplevering LDF-Dashboard instructies voor de nieuwe doelgroep.
Go/No-Go Poort 2: Functioneert het platform domain-agnostic (onafhankelijk van het onderwerp)? Zijn er geen code-breuken ontstaan door de nieuwe data-instroom?

Tranche C: Syndicatie & The "Tie-Breaker" (Maand 7 - 8)¶

Focus: De ultieme stresstest. Multiproblematiek testen waarbij de theorieën van KWP 1 en KWP 2 met elkaar botsen.

C.1. Systeem Fusie: In het platform mag de medewerker nu beide labels aanvinken (bijv. "Jeugdige met Autisme én LVB-Schulden").
C.2. Conflict Resolutie Test: VERA en het BNS moeten advies geven over hybride casussen. Prioriteert the AI correct? (Geeft the AI voorrang aan financiële stabilisatie boven langdurige pychologische trajecten conform Subsidiariteit?)
C.3. Evaluatie van de Micro-Curatie Cirkel: Het systeem genereert waarschuwingen (Event-Driven). Komen meldingen over Multiproblematiek bij de juiste gecombineerde sub-teams terecht?
Deliverables: Gecertificeerde Orchestrator Code (De Tie-Breaker uit Art. 14 Grondwet), Syndicatie Rapportage, Actieve "Harvesting Loop" ingesteld via Team-Sjablonen.
Go/No-Go Poort 3: Kunnen the twee modellen naadloos communiceren zonder hallucinatie? Is the Explainability Artifact (in de JSON prompt) in staat om duidelijk the verklaren welke kennis uit welke KWP is gehaald?

Tranche D: Opschaling & Sector-Uitrol (Maand 9 - 10)¶

Focus: Aan de massa leveren. Het platform vrijgeven aan alle generalisten binnen de afgebakende sector.

D.1. Training "Navigating the Naaf": Alle generalisten krijgen een dagdeel training. Focus ligt niet op softwareknoppen, maar op Epistemologische Nederigheid en het begrijpen van de 'Confidence Scores' in the VERA-adviezen.
D.2. Activering LDF Dashboards: De Inwoner-Agent en the portaalfunctie voor inwoner-cocreatie gaan live voor deze specifieke twee doelgroepen.
D.3. De Monitor Aan: De 'Autonomous Harvesting' (RAG-verzameling uit teamvergaderingen) en the Bayesian Updating (wiskundig leren) worden aangezet in the productieomgeving.
Deliverables: Getraind personeelbestand, Definitieve DPIA goedgekeurd door FG, Live Productie Omgeving.

3. Projectorganisatie & Capaciteit¶

Om deze fase succesvol te managen, is the volgende samenstelling vereist:

Product Owner / Projectleider: Bewaakt the roadmap, fungeert als eigenaar van the AI Grondwet, neemt Go/No-Go beslissingen.
Lead Architect / Claude Code Dev: Verantwoordelijk voor de 'Airlock API', de PII-scrubber implementatie en de infrastructuur-integratie (MS365 / Azure).
Domain Experts (AF'ers Autisme & AF'ers KWP2): (4 tot 8 uur per week gecarved). Leveren de vakkennis, vullen de 'Golden Datasets' in voor Evals, en bewaken de B1-taalniveau output.
Functionaris Gegevensbescherming (FG): Vanaf Tranche A aangesloten. Focust op DPIA, Logging en the effectiviteit van de PII Scrubber component.

4. Succescriteria voor Sector 1 (KPI's)¶

Na afloop van Tranche D verklaren we the sector "Productie-Klaar" als aan the volgende metrics is voldaan: 1. Tijdswinst Triage: De gemiddelde tijd voor informatieverzameling (pre-intake of inloop) is met 30% gedaald. 2. Zero-Breach PII: Uit de onafhankelijke SIEM log-analyse blijkt dat er 0,0 identificeerbare persoonsgegevens (na scrubbing) bij the LLM zijn beland gedurende de pilot. 3. Human Override Ratio: De medewerkers grijpen in / wijzigen the AI-advies in 10% tot 30% van the gevallen (Dit bewijst dat de "Automation Bias" succesvol is vermeden en menselijk vakmanschap the leidende factor blijft). 4. Community Acceptatie: De Inwoner-tevredenheid (bij the bewoners die the pre-intake chat gebruikten) scoort minimaal een 8/10 qua toegankelijkheid (B1) en empathie.