Maidstone Council en Kent County wilden dakloosheid niet enkel beheren, maar voorkomen.
Huidige aanpakken grepen vaak pas in als het te laat was...
Wat als je met data kon voorspellen wie risico liep?
De oplossing
Een AI-model, getraind op historische en socio-demografische data, schatte de kans op dakloosheid per individu. Als de score hoog was, werden proactief hulpmaatregelen geactiveerd (budgetbeheer, huisvestingsadvies, crisisondersteuning).
De impact in cijfers
98% van de gesignaleerde cases kreeg tijdige hulp en bleef gehuisvest
AI-voorspellingen bleken 84% accuraat
74% minder dakloosheid vergeleken met de standaardaanpak
Wat kan Vlaanderen hieruit leren?
AI als kompas voor welzijnsbeleid is geen toekomstmuziek.
Vlaamse steden en OCMW’s beschikken over heel wat data die mits ethisch en zorgvuldig gebruik risico’s op uitsluiting kunnen voorspellen.
Denk aan toepassingen in woonzekerheid, schulden, werkloosheid of zorgverwaarlozing.
Daarmee sluiten we deze AI-week af. Vond je deze reeks inspirerend? Laat ons zeker weten welke case jou het meest aansprak, en vooral: waar jouw bestuur als eerste mee aan de slag wil. 
info@v-ict-or.be
Zet deze zomer in op innovatie: leer hoe AI jouw lokaal bestuur vooruithelpt tijdens dé Summerschool. Ontdek meer via deze link!