De afstand tussen een wereldveranderende innovatie en de financiering ervan bedraagt vaak slechts vier minuten – de gemiddelde tijd die een menselijke beoordelaar doorgaans besteedt aan een eerste subsidieaanvraag. In die vier minuten moeten reviewers de afstemming, fit, innovatiepotentieel en teamcapaciteit beoordelen, terwijl de consistentie tussen duizenden applicaties behouden blijft.
Het is een onmogelijke vraag die tot een onmogelijke keuze leidt: vertraag en bekijk minder ideeën, of versnel en riskeer het verlies van transformatieve ideeën. Bij MIT Solve hebben we een jaar lang een derde optie onderzocht: lesgeven NAAR DE om de repetitieve delen van de beoordeling af te handelen, zodat mensen in realtime kunnen investeren waar het oordeel het belangrijkst is.
WAAROM AI EN WAAROM NU
In 2025 ontving Solve bijna 3.000 nominaties voor onze mondiale uitdagingen. Zelfs een vluchtige beoordeling van elk verzoek van vier minuten zou tot 25 volledige werkdagen in beslag nemen. Zoals veel missiegedreven organisaties willen we nauwkeurigheid niet inruilen voor snelheid. Wij willen ze allebei.
Dit bracht ons bij een fundamentele vraag die veel kredietverstrekkers zich nu stellen:
“Hoe kan AI ons helpen meer kansen eerlijker en efficiënter te evalueren, zonder afbreuk te doen aan ons oordeel of onze waarden?”
Om deze vraag te beantwoorden, hebben we samengewerkt met onderzoekers van de Harvard Business School, de Universiteit van Washington en de ESSEC Business School om te onderzoeken hoe AI de beoordeling van subsidies in een vroeg stadium kan ondersteunen, een van de meest tijdrovende en omvangrijkste fasen van de financieringslevenscyclus.
WAT WE GETESTEN EN WAT WE LEERDEN
Het onderzoeksteam ontwikkelde een kunstmatig intelligentiesysteem (gebaseerd op GPT-4o mini) ter ondersteuning van de screening van applicaties en testte dit op reviewers met verschillende ervaringsniveaus. Het doel was om te begrijpen waar AI waarde toevoegt en waar niet.
Er kwamen drie inzichten naar voren:
1. AI werkt het beste op basis van objectieve criteria. Het systeem beoordeelde op betrouwbare wijze de subsidiabiliteit en de afstemming met de financieringsprioriteiten, waarbij werd vastgesteld of aanvragen voldeden aan de vereisten of pasten in duidelijk gedefinieerde geografische of programmatische aandachtsgebieden.
2. AI is nuttiger voor minder ervaren reviewers. Minder ervaren reviewers namen consistentere beslissingen wanneer ze werden ondersteund door AI-inzichten, terwijl ervaren reviewers AI selectief als secundaire input gebruikten.
3. Het grootste voordeel was grootschalige standaardisatie. AI heeft de oordelen van reviewers consistenter gemaakt, ongeacht hun ervaring, waardoor een sterkere basis is ontstaan voor beoordeling op het tweede niveau en menselijke besluitvorming.
HOE DIT zich vertaalt in een echte impact op de wereld
Bij Solve richt de eerste fase van ons beoordelingsproces zich op het uitfilteren van onvolledige, niet-subsidiabele of inadequate inzendingen, waardoor menselijke reviewers meer tijd kunnen besteden aan de meest veelbelovende ideeën.
We hebben onze AI-tool ontworpen met menselijke betrokkenheid, met de nadruk op het repetitieve, op patronen gebaseerde karakter van de initiële screening, waardoor deze zeer geschikt is voor AI-verbetering. Het hulpmiddel:
- Sluit toepassingen uit zonder een realistisch pad om te volgen.
- Ondersteun reviewers met een slaagkansscore, een duidelijke aanbeveling (Pass, Fail of Review) en een transparante uitleg.
Toen de aanvraagcyclus van 2025 werd afgesloten met 2.901 inzendingen, rangschikte het systeem deze als volgt: 43% geslaagd; 16% faalt; en 41% herziening. Dit betekende dat ons team zich op slechts 41% van de vragen diepgaand kon concentreren, waardoor de totale screeningtijd tot tien dagen werd teruggebracht, terwijl het vertrouwen in de kwaliteit van de resultaten behouden bleef.
HET GROOTSTE EVENEMENT VOOR FILANTROPIE
Elk uur dat wordt bespaard tijdens de eerste stadia van de evaluatie, wordt een uur besteed aan het waardevollere werk waarin mensen uitblinken: dieper in contact komen met vernieuwers en gedurfde ideeën met onvoldoende middelen steeds dichter bij de financiering brengen.
Onze eerste resultaten laten een sterke afstemming zien tussen AI-ondersteunde screening en menselijk oordeel. Belangrijker nog is dat ze aantonen dat het mogelijk is AI-systemen te ontwerpen die nuances respecteren, de verantwoordelijkheid behouden en de besluitvorming op verantwoorde wijze aanpassen.
De filantropische sector verwerkt jaarlijks miljoenen aanvragen, waarbij het acceptatiepercentage vaak onder de 5% ligt. Als we 95 procent van de ideeën willen verwerpen, zijn we de kandidaten, vooral degenen die historisch van financiering zijn uitgesloten, een echte herziening verschuldigd. Het verdelen van de verantwoordelijkheid, waarbij mensen de beslissingen nemen en AI mechanische beoordelingen elimineert, maakt dit op grote schaal veel beter mogelijk. Het is een concrete stap in de richting van de volledigheid die onze missies vereisen.
Hala Hanna is uitvoerend directeur en Pooja Wagh is directeur operations en impact bij MIT Solve.
