AI-governance: 7 directievragen vóór je AI-pilot

do 27 aug, 09:49 AI, Marketing & Communicatie

Waarom een goede demo nog geen goede AI-keuze is

Een demo laat zien wat technologie kan. Een zakelijke beslissing gaat over wat die technologie aantoonbaar verbetert in uw bedrijf. Denk aan een kortere doorlooptijd van offertes, minder herstelwerk in de planning of een snellere eerste beoordeling van servicevragen. Zonder dat vertrekpunt is de kans groot dat een pilot een los experiment blijft.

AI-governance is daarbij geen dik beleidsdocument. Voor een mkb-bedrijf is het vooral een set heldere afspraken: welk doel dient de toepassing, welke gegevens zijn toegestaan, wie neemt besluiten en hoe grijpt iemand in als de uitkomst niet klopt.

De AI Act van de Europese Commissie werkt risicogebaseerd. De meeste toepassingen zijn beperkt-risico, maar inzet in bijvoorbeeld werving, personeelsmanagement of kredietbeoordeling kan hoog risico zijn. Classificeer de beoogde toepassing daarom vóór de inkoop; dan weet u welke controle, documentatie en juridische toets nodig zijn.

Stap 1: begin bij het proces dat echt knelt

Kies geen AI omdat een leverancier een indrukwekkende chatbot toont. Kies één proces met een duidelijke eigenaar, voldoende volume en een meetbaar knelpunt.

Een bruikbare use case beschrijft vijf zaken in één alinea:

• Proces: waar in de dagelijkse operatie ontstaat vertraging, fout of werkdruk?
• Gebruiker: wie werkt straks met de uitkomst?
• Besluit: adviseert AI, of neemt het systeem zelfstandig een besluit?
• Data: welke brongegevens zijn nodig en mogen die daarvoor worden gebruikt?
• Waarde: welke verbetering moet binnen de pilot zichtbaar zijn?

Wanneer is AI een oplossing en wanneer vooral een demo?

AI is kansrijk wanneer het terugkerende werk ondersteunt waarbij patronen in tekst, beeld, documenten of data helpen. Bijvoorbeeld het samenvatten van onderhoudsrapporten, het voorstellen van antwoorden voor de binnendienst of het signaleren van afwijkingen in productiegegevens.

Een demo blijft een demo als het probleem nog vaag is, de brondata onbetrouwbaar zijn of niemand na de pilot verantwoordelijk wil zijn voor gebruik en beheer. Los eerst het proces- of dataprobleem op. AI versnelt een goed ingericht proces; het repareert geen onduidelijk eigenaarschap.

Stap 2: de AI-pilotscorecard voor directies

Laat directie, proceseigenaar en IT-verantwoordelijke onderstaande zeven vragen ieder afzonderlijk beantwoorden. Leg de antwoorden daarna naast elkaar. Juist verschillen maken zichtbaar waar een pilot kan vastlopen.

1. Welk bedrijfsprobleem lossen we op?

Formuleer één concreet probleem, inclusief nulmeting. Niet: “we willen efficiënter werken”, maar: “de binnendienst besteedt gemiddeld twintig minuten per aanvraag aan het zoeken, samenvatten en controleren van productinformatie.”

Spreek af welke uitkomst telt: tijdwinst, minder fouten, hogere conversie, kortere doorlooptijd of betere klantbeleving. Kies maximaal twee primaire doelen. Anders kan elke uitkomst achteraf als succes worden uitgelegd.

2. Welke data mag de toepassing gebruiken?

Data governance begint met een inventarisatie: welke gegevens gaan naar de leverancier, waar worden ze verwerkt, hoe lang blijven ze bewaard en wie heeft toegang? Maak onderscheid tussen openbare informatie, interne bedrijfsinformatie, persoonsgegevens en bijzondere of vertrouwelijke gegevens.

Vraag expliciet of invoerdata en prompts worden gebruikt om modellen te trainen. Leg vast dat dit niet gebeurt zonder voorafgaande schriftelijke toestemming. Laat ook zien hoe gegevens worden verwijderd na afloop van de pilot en hoe u daarvan bevestiging krijgt.

Bij persoonsgegevens hoort een privacytoets. Betrek de functionaris gegevensbescherming of privacyadviseur vroeg, zeker wanneer uitkomsten gevolgen kunnen hebben voor medewerkers, kandidaten of klanten.

3. Wie is eigenaar van de pilot?

Wijs één business owner aan: de leidinggevende die beslist over doel, gebruik en vervolg. Wijs daarnaast een data-eigenaar aan voor de kwaliteit en rechtmatigheid van brondata, en een technisch verantwoordelijke voor koppelingen, toegang en beveiliging.

Leg ook vast wie resultaten controleert. Een medewerker moet een AI-voorstel kunnen corrigeren, escaleren en negeren als de context daarom vraagt. Dat is geen rem op innovatie, maar een voorwaarde voor betrouwbare inzet.

4. Waar blijft menselijk toezicht nodig?

Bepaal per stap of AI mag voorstellen, voorbereiden of automatiseren. Hoe groter het effect op een persoon, klantrelatie, veiligheid of financiële beslissing, hoe zwaarder de menselijke controle moet zijn.

De Europese Commissie noemt voor hoogrisicosystemen onder meer eisen aan datakwaliteit, logging, documentatie, menselijk toezicht, robuustheid en cybersecurity. Gebruik die onderwerpen ook voor toepassingen met een lager risico als praktische checklist, niet pas wanneer regelgeving u ertoe dwingt.

5. Past de leverancier ook buiten de demo?

Vraag de leverancier om een antwoord op papier, gericht op uw use case. Beoordeel niet alleen functies, maar ook leveringszekerheid en beheersbaarheid:

• Welke modellen, subverwerkers en cloudlocaties gebruikt u?
• Welke data ontvangen, bewaren en verwijderen jullie precies?
• Hoe zijn toegangsbeheer, encryptie, logging en incidentmelding geregeld?
• Hoe testen jullie nauwkeurigheid, ongewenste uitkomsten en wijzigingen aan het model?
• Welke ondersteuning levert u tijdens en na de pilot?
• Kunnen wij data, configuratie en documentatie exporteren bij beëindiging?
• Welke aansprakelijkheid, auditrechten en serviceafspraken staan in het contract?

Vraag bovendien om een referentie die vergelijkbaar is in proces en schaal. Een leverancier die alleen over techniek praat, maar niet over uw werkproces, is nog geen implementatiepartner.

6. Hoe meten we succes?

Maak vóór de start een nulmeting en een beperkte pilotperiode, bijvoorbeeld zes tot acht weken. Meet zowel bedrijfswaarde als betrouwbaarheid.

Een eenvoudige set indicatoren bestaat uit:

Onderdeel	Voorbeeld van meetpunt
Tijd	minuten per dossier, offerte of servicevraag
Kwaliteit	percentage uitkomsten dat na controle correct is
Proces	doorlooptijd, wachttijd of aantal overdrachtsmomenten
Adoptie	aandeel beoogde gebruikers dat de toepassing wekelijks inzet
Risico	aantal incidenten, foutieve adviezen of ongeautoriseerde datastromen

Zet er vooraf een grenswaarde bij. Bijvoorbeeld: “minimaal 20 procent tijdwinst, zonder stijging van herstelwerk en met verplichte menselijke eindcontrole.” Dan is opschalen een besluit op basis van bewijs, niet op enthousiasme.

7. Wanneer stoppen, passen we aan of schalen we op?

Een exitcriterium maakt een pilot sterker. Stop wanneer de pilot geen aantoonbare waarde levert, datakwaliteit onvoldoende is, beveiligingsafspraken niet worden nagekomen of gebruikers structureel omwegen zoeken. Pas aan wanneer het doel klopt, maar proces, instructies, data of werkafspraken nog niet.

Schaal pas op als de meetlat is gehaald, de eigenaar beheer kan organiseren en de leverancier de gemaakte afspraken ook in productie kan waarmaken. Regel daarbij een terugvalscenario: hoe werkt het proces door als de AI-dienst uitvalt of wordt uitgezet?

Drie perspectieven, één besluit

Een solide besluit vraagt drie blikken op dezelfde scorecard.

De directie: commerciële waarde en prioriteit

De directie bewaakt dat de pilot past bij strategie, budget en klantbelofte. De kernvraag is: wat levert dit op als het werkt, en wat kost het ons als het niet werkt? Daarmee voorkomt u dat een kansrijke toepassing verdringt wat nu meer waarde heeft.

De proceseigenaar: werkbaarheid op de vloer

De proceseigenaar ziet waar uitzonderingen zitten en waar medewerkers context nodig hebben. Die rol bepaalt samen met gebruikers welke uitkomsten bruikbaar zijn, hoe feedback terugkomt in het proces en welke controlepunten niet mogen verdwijnen.

IT, privacy en security: beheersbaarheid

Deze disciplines toetsen koppelingen, identiteiten, toegangsrechten, dataopslag, continuïteit en contractuele waarborgen. Hun taak is niet om elke proef tegen te houden, maar om vooraf de randvoorwaarden voor veilig experimenteren scherp te maken.

De vrijwillige NIST AI Risk Management Framework biedt hiervoor een bruikbare denklijn: risico’s van AI beheersen tijdens ontwerp, gebruik en evaluatie. Vertaal dat nuchter naar uw pilot: documenteer keuzes, controleer uitkomsten en verbeter op basis van incidenten en feedback.

Stap 3: meet waarde voordat je opschaalt

Plan bij de start al drie momenten: een nulmeting, een tussenevaluatie en een eindbesluit. Laat gebruikers niet alleen een cijfer geven, maar ook voorbeelden aanleveren van goede en slechte uitkomsten. Die voorbeelden vertellen vaak meer dan een gemiddelde score.

Kijk ook naar verborgen werk. Bespaart een AI-assistent tien minuten, maar kost het vervolgens vijftien minuten om foute antwoorden te herstellen? Dan is er geen winst. Meet daarom altijd het hele proces, inclusief controle, correctie en overdracht.

Hoe voorkom je shadow AI?

Shadow AI ontstaat wanneer medewerkers zelf tools gebruiken buiten de afgesproken omgeving, vaak omdat zij sneller resultaat willen. Verbieden alleen werkt zelden. Bied een veilige, bruikbare route: maak duidelijk welke tools zijn toegestaan, welke data nooit in openbare AI-tools mag komen en waar medewerkers vragen of ideeën kwijt kunnen.

Train medewerkers ook in het beoordelen van uitkomsten. AI-geletterdheid is sinds februari 2025 een verplicht aandachtspunt onder de AI Act. Praktisch betekent dat: gebruikers moeten begrijpen waarvoor een tool geschikt is, welke fouten kunnen optreden en wanneer zij moeten escaleren.

Van AI-keuze naar de juiste verbinding

Een goede AI-keuze is niet alleen een IT-project. Het is een bedrijfsbesluit waarin proceskennis, data, mensen en leveranciers samenkomen. Juist voor Brabantse maak- en mkb-bedrijven kan het waardevol zijn om ervaringen met vergelijkbare processen naast elkaar te leggen voordat een contract wordt getekend.

In Business Network brengt ondernemers, directeuren en experts samen rond kennis, zichtbaarheid en gerichte zakelijke verbindingen. Via Brabant in Business en het ledenplatform kunt u het gesprek voeren met ondernemers die dezelfde afweging maken: waar levert AI aantoonbare waarde op, en welke partner helpt die waarde verantwoord te realiseren?

Veelgestelde vragen over AI-governance

Hoe beoordeel je een AI-leverancier?

Beoordeel een AI-leverancier niet alleen op de demo, maar ook op het concrete bedrijfsprobleem, de gebruikte data, menselijke controle, beveiliging, contractuele afspraken en meetbare succescriteria. Vraag om schriftelijke antwoorden over dataverwerking, modelgebruik, incidenten en exitmogelijkheden.

Welke vragen moet een directie stellen bij de inkoop van AI?

Stel minimaal deze zeven vragen: welk probleem lossen we op, welke data mag worden gebruikt, wie is eigenaar, waar is menselijk toezicht nodig, past de leverancier, hoe meten we succes en wanneer stoppen of schalen we op?

Wat zijn de minimale afspraken voor verantwoord AI-gebruik?

Leg voor iedere AI-toepassing vast wie business owner is, wie de data beheert, wie resultaten controleert en wanneer de toepassing wordt stopgezet of aangepast. Beschrijf daarnaast toegestane data, toegangsrechten, leveranciersafspraken en incidentmelding.

Wanneer schaal je een AI-pilot op?

Schaal op wanneer de vooraf afgesproken waarde aantoonbaar is, gebruikers de toepassing verantwoord kunnen inzetten, de resultaten voldoende betrouwbaar zijn en beheer, beveiliging en contractuele afspraken voor productie zijn geregeld.