Van AI-geletterdheid naar AI-mindset

Uitgebreid inhoudelijk verslag webinar 23-03-2026

Wat betekenen de AI-verordening en aanpalende regels voor weg- en waterbeheerders? En hoe kunnen organisaties AI veilig toepassen zonder innovatie onnodig af te remmen? Tijdens dit webinar deelden Bram Ruber van team AI bij het ministerie van Infrastructuur en Waterstaat, Bart Brink van TKI Bouw en Techniek en Jeroen Waanders van Waterschap Drents Overijsselse Delta hun kennis en praktijkervaring.

Inhoudsopgave

 

De AI-verordening: regels op basis van toepassing en risico

Bekijk de terugblik vanaf hier op YouTube

De Europese AI-verordening, ook wel de EU AI Act, moet het vertrouwen in AI vergroten door risico’s met regelgeving te beperken. Daarnaast is de verordening bedoeld om binnen Europa een gelijk speelveld voor innovatie te creëren. Bram Ruber, adviseur AI en algoritmes bij het ministerie van Infrastructuur en Waterstaat, lichtte tijdens het webinar toe hoe organisaties de verordening kunnen toepassen. De tijdens het webinar getoonde informatie staat in zijn presentatie over de AI-verordening, AI-geletterdheid en het AI Impact Assessment.

Ruber legde uit dat de AI-verordening rechtstreeks doorwerkt in Nederland. De Europese wettekst is van toepassing zonder dat de regels eerst in Nederlandse wetgeving hoeven te worden omgezet. Wel is nationale implementatiewetgeving nodig voor onder meer de inrichting van het toezicht.

De verordening richt zich niet alleen op de technische eigenschappen van een AI-systeem, maar vooral op de context waarin het wordt toegepast. Een geavanceerd systeem kan voor een onschuldig doel worden ingezet, terwijl een relatief eenvoudig systeem bij een risicovolle toepassing wel aan strenge eisen moet voldoen.

De AI-verordening reguleert niet rechtstreeks de gebruikte data. Voor persoonsgegevens blijft bijvoorbeeld de Algemene verordening gegevensbescherming, de AVG, relevant. Afhankelijk van het werkgebied kunnen daarnaast andere regels van toepassing zijn. Voor wegbeheerders werd de Intelligent Transport Systems Directive als voorbeeld genoemd. Organisaties moeten zich daarom niet uitsluitend op de AI-verordening richten, maar ook kijken naar regelgeving voor hun domein en de gebruikte data.

De via de terugblik gekoppelde pagina van Digitale Overheid over de AI-verordening biedt aanvullende actuele informatie over de wet, de risicocategorieën, het toezicht en de gefaseerde invoering.

Vier risicocategorieën

Tijdens het webinar onderscheidde Ruber vier risicocategorieën:

  • Onaanvaardbaar risico: bepaalde toepassingen zijn verboden. Als voorbeeld werd AI voor emotieherkenning van werknemers op de werkvloer genoemd.
  • Hoog risico: deze toepassingen zijn toegestaan, maar moeten aan aanvullende eisen voldoen. AI in kritieke infrastructuur kan hieronder vallen, bijvoorbeeld bij verkeersveiligheid of de levering van drinkwater.
  • Transparantierisico: bij toepassingen zoals chatbots moet duidelijk zijn dat mensen met AI te maken hebben.
  • Minimaal risico: voor de grootste groep AI-toepassingen gelden geen aanvullende regels vanuit de AI-verordening.

Afhankelijk van de toepassing kan de verordening AI dus verbieden, reguleren, onderwerpen aan een transparantieverplichting of ongemoeid laten. Ruber vertelde dat bij een beperkt aantal hoogrisicosystemen uiteindelijk een CE-markering kan worden vereist.

Om de juiste categorie en maatregelen te bepalen, moeten organisaties achtereenvolgens vaststellen of een toepassing onder de definitie van een AI-systeem valt, waarvoor het systeem wordt gebruikt, binnen welk risicotoepassingsgebied het valt en welke verplichtingen daaruit volgen. Tijdens het webinar verwees Ruber hiervoor naar een online beslis- en stappenhulp. De gekoppelde pagina over de AI-verordening in het Algoritmekader biedt toegang tot deze beslishulp en aanvullende informatie over de vereisten.

AI-geletterdheid als inspanningsverplichting

Ruber legde uit dat iedere organisatie die AI toepast aandacht moet besteden aan AI-geletterdheid. De verordening schrijft niet exact voor welke opleidingen of maatregelen daarvoor nodig zijn. Organisaties moeten onder meer kijken naar de technische kennis, ervaring, opleiding en scholing van medewerkers, de context waarin AI wordt toegepast en de personen of groepen op wie het gebruik betrekking heeft.

Het vereiste niveau verschilt per situatie. Technisch geschoolde medewerkers die al met AI werken hebben andere ondersteuning nodig dan medewerkers zonder ervaring. AI-geletterdheid is een inspanningsverplichting. Wanneer een organisatie een risicovolle toepassing gebruikt maar medewerkers niet ondersteunt bij het verantwoord gebruiken daarvan, kan dit bij een beoordeling negatief meewegen.

De gekoppelde officiële informatie over de AI-verordening vult hierop aan dat organisaties die AI-systemen aanbieden of onder eigen verantwoordelijkheid gebruiken sinds 2 februari 2025 werk moeten maken van AI-geletterdheid.

AI Impact Assessment

Tijdens het webinar presenteerde Ruber het AI Impact Assessment als een hulpmiddel voor organisaties die AI ontwikkelen, inkopen of adopteren. Met een vragenlijst en checklist helpt het assessment om de juiste vragen te stellen over een verantwoorde toepassing. Daarbij gaat het onder meer om de gebruikte data, de opslag daarvan, de betrokkenheid van gebruikers, het risicotoepassingsgebied en de vereisten uit de AI-verordening.

Het via de terugblik aangeboden AI Impact Assessment, versie 2.0 werkt deze toelichting verder uit. Volgens dit document is de versie van december 2024 opgesteld door de Concerndirectie Informatiebeleid, het IDlab en de afdeling Analyse van de Inspectie Leefomgeving en Transport en het Datalab van Rijkswaterstaat.

Het document beschrijft dat het assessment het denkproces begeleidt en de verantwoording, kwaliteit en reproduceerbaarheid van AI-toepassingen moet vergroten. Het moet door een multidisciplinair team worden ingevuld, omdat voor de verschillende onderdelen onder meer juridische, technische en inhoudelijke kennis nodig is.

Volgens het document bestaat het assessment uit twee samenhangende delen:

  • Deel A – Afweging: het doel en de noodzaak van het systeem, de verwachte impact en de afweging om het AI-systeem wel of niet te gebruiken.
  • Deel B – Implementatie en gebruik: technische robuustheid, data governance, risicobeheer en verantwoordingsplicht.

Het document vermeldt daarnaast dat het assessment binnen IenW kan worden gebruikt als quickscan, bij het opstellen van een projectplan, tijdens de ontwikkeling en bij de ingebruikname en evaluatie van een systeem. Binnen IenW moet een ingevuld assessment beschikbaar zijn voordat een AI-systeem naar productie gaat, ook wanneer het om een pilot gaat. Wanneer het doel of toepassingsgebied verandert, moet de afweging opnieuw worden uitgevoerd.

Van AI-geletterdheid naar een AI-mindset

Bekijk de terugblik vanaf hier op YouTube

Bart Brink, waarnemend directeur bij TKI Bouw en Techniek, plaatste AI tijdens het webinar in de bredere opgaven van de gebouwde omgeving. De sector staat voor een grote vernieuwingsopgave en heeft tegelijkertijd te maken met schaarste aan geld, kennis, kunde en mensen. Brink werkt al 20 jaar op het snijvlak van deze opgaven en de kansen van digitale technologie. De tijdens het webinar getoonde hoofdpunten staan in zijn presentatie over AI-geletterdheid en een AI-mindset.

AI en levensduurverlenging

AI kan volgens Brink een rol spelen bij het langer en beter benutten van bestaande bruggen, viaducten en gebouwen. Daarbij komen de maatschappelijke duurzaamheidstransitie en de technologische transitie samen in een zogeheten twin transitie.

Tijdens het webinar verwees Brink naar de position paper Artificiële Intelligentie voor Levensduurverlenging. De preview van deze gekoppelde paper bevat aanvullende cijfers over de omvang van de opgave. Volgens de paper gebruikte in 2023 5% van de bedrijven in de ontwerp-, bouw- en technieksector AI. Tegelijkertijd is naar verwachting in 2050 nog 85–95% van de bestaande woningen, utiliteitsgebouwen en civiele infrastructuur nodig.

De paper schat dat AI voor de levensduurverlengingsopgave maximaal €1 miljard per jaar aan toegevoegde waarde kan opleveren door groei van de arbeids- en kapitaalproductiviteit, automatisering en vermindering van complexiteit. Deze cijfers werden niet tijdens het webinar uitgesproken, maar komen uit de aangeboden position paper.

In het Groeifondsprogramma Toekomstbestendige Leefomgeving werken assetowners onder meer samen aan beter databeheer en onderhoud. Brink adviseerde om AI ook binnen dergelijke innovatieprogramma’s een vaste plaats te geven. Zo kunnen organisaties gezamenlijk ontdekken waar AI wel en niet helpt. Daarvoor zijn niet alleen technologie, wetgeving, governance en toezicht nodig, maar ook samenwerking en een AI-mindset.

Samenwerken aan toepassingen en data

Brink vertelde dat de position paper mede leidde tot het initiatief Built by AI. Via onder meer een podcast over AI-toepassingen in de gebouwde omgeving worden voorbeelden en ervaringen van organisaties gedeeld.

Begin 2026 startte daarnaast een programma voor AI in de woningbouw. Daarin werken partijen uit de keten en de sector aan concrete toepassingen. Samenwerking is noodzakelijk omdat de benodigde data niet altijd bij één assetowner aanwezig is. Data kan bijvoorbeeld ook bij marktpartijen of gemeenten liggen.

Brink onderscheidde tijdens het webinar verschillende niveaus waarop AI wordt gebruikt:

  • generatieve AI voor de productiviteit van individuele medewerkers, met tools zoals ChatGPT en Copilot;
  • AI in de bedrijfsvoering en in aangepaste kernprocessen;
  • agents en agentic AI die delen van processen ondersteunen;
  • AI binnen projecten;
  • AI in ketens waarin organisaties gezamenlijk aan vervanging en vernieuwing werken.

Bij toepassing in de bedrijfsvoering moet niet alleen worden gekeken hoe AI in een bestaand proces past. De vraag is ook hoe kernprocessen moeten veranderen om productiever te kunnen werken.

Adoptie is vooral een organisatievraagstuk

Technologie, technische blauwdrukken en organisatorische werkwijzen ontwikkelen zich snel. De grootste uitdaging ligt volgens Brink echter bij grootschalige adoptie. Op een tijdens het webinar getoonde slide werd de opgave voor 20–30% toegeschreven aan technologie en proces en voor 70–80% aan adoptie.

AI verandert hoe mensen, organisaties en sectoren werken. Daarbij spelen vertrouwen, beschikbare data, gedrag, cultuur en samenwerking een grote rol. Projectdata is vaak versnipperd en niet altijd structureel op orde gebracht. Pas wanneer data wordt gestructureerd en verbonden, kan AI er waarde uit halen. Ook complexe rekenmodellen vragen ondanks automatisering om domeinkennis.

De opgave is daarom niet alleen om AI naar de sector te brengen, maar om de sector AI-geletterd te maken en een AI-mindset te ontwikkelen. Professionals moeten leren hoe AI hen kan ondersteunen in hun eigen werk, in samenwerking met anderen en op organisatieniveau.

AI kan leiden tot kostenbesparing en productiviteitswinst, maar ook tot nieuwe oplossingen, andere samenwerkingsvormen en een andere waarde voor burgers, vervoerders en andere gebruikers. AI kan bijvoorbeeld nieuwe inzichten opleveren en proactieve planning ondersteunen.

De 30%-mentaliteit en menselijke regie

Een AI-mindset draait om wendbaarheid en aanpassingsvermogen. Niet iedere medewerker hoeft AI-expert te worden, maar iedere professional heeft een basisniveau van kennis, kunde en ervaring nodig. Brink omschreef dit als een 30%-mentaliteit. Hij vergeleek het met het leren van een vreemde taal: met ongeveer 30% beheersing van grammatica en woordenschat ontstaat voldoende basis om mee te kunnen doen en jezelf uit te drukken.

Medewerkers moeten bewust bekwaam worden. Dat betekent dat zij:

  • de juiste vragen kunnen stellen;
  • AI-uitkomsten kunnen lezen, begrijpen en beoordelen;
  • weten wanneer AI wel en niet geschikt is;
  • de benodigde kennis hebben om resultaten te controleren;
  • menselijke regie over het proces kunnen houden.

Bij generatieve AI voorspellen modellen bijvoorbeeld welk woord waarschijnlijk als volgende komt. De uitkomst is probabilistisch en moet daarom worden gecontroleerd. De rol van de mens verschuift volgens Brink van human in the loop naar human on the loop: de mens voert niet noodzakelijk iedere stap zelf uit, maar houdt wel toezicht en regie. Organisaties moeten bepalen welke kennis, competenties en rollen daarvoor nodig zijn.

Ruimte voor leren en experimenteren

Een AI-strategie en duidelijke organisatierichting zijn belangrijk, maar niet voldoende. Er moet ook een omgeving zijn waarin medewerkers kunnen leren, experimenteren en fouten mogen maken. Organisaties die vanaf het begin ruimte boden voor experimenten, hebben volgens Brink inmiddels meer leercurves doorlopen dan organisaties die terughoudend waren met het beschikbaar stellen van toepassingen zoals ChatGPT.

Medewerkers bevinden zich bovendien op verschillende punten in de adoptie. Sommige mensen lopen voorop, anderen willen wel meedoen maar hebben ondersteuning nodig en een deel ervaart weerstand. Koplopers en change agents kunnen als transformatoren optreden: zij begrijpen de technologie en helpen de volgende groep om ermee te leren werken.

Brink noemde tijdens het webinar een internationaal voorbeeld waarbij het niet uitsluitend ging om het trainen van 200.000 medewerkers. De bijbehorende slide lichtte toe dat geselecteerde high performers werden opgeleid tot AI-champions. Via interne netwerken trainden zij vervolgens collega’s in verschillende regio’s. Het voorbeeld laat zien hoe een eerste groep medewerkers de bredere adoptie kan stimuleren.

Aanbevelingen voor organisaties

  • Combineer training met kritische reflectie, inhoudelijk begrip en gesprekken over AI.
  • Formuleer duidelijke wettelijke en organisatorische kaders.
  • Behandel AI niet uitsluitend als een onderwerp voor IT of de bedrijfsvoering; het raakt de hele organisatie.
  • Creëer een veilige experimenteeromgeving waarin medewerkers bewust mogen leren en falen.
  • Bied verantwoorde AI-tools aan. Een verbod kan ertoe leiden dat medewerkers AI via schaduw-IT blijven gebruiken.
  • Koppel AI aan bestaande opgaven en werkzaamheden in plaats van er uitsluitend een los initiatief van te maken.
  • Laat medewerkers praktijkvoorbeelden met elkaar delen. Leren van collega’s is effectiever dan alleen externe presentaties aanbieden.
  • Gebruik interne netwerken en relaties om kennis te verspreiden.
  • Bespreek zorgen over de gevolgen van AI voor werk, functies en loopbanen.
  • Besteed aandacht aan het energiegebruik en andere duurzaamheidsaspecten van AI.

Er bestaat geen snelle route naar een organisatiebrede AI-mindset. De aanbeveling is om te beginnen, ervaringen op te doen en de aanpak stap voor stap verder te ontwikkelen.

De aanpak van Waterschap Drents Overijsselse Delta

Bekijk de terugblik vanaf hier op YouTube

Jeroen Waanders, innovator binnen het CIO-team van Waterschap Drents Overijsselse Delta, liet tijdens het webinar zien hoe het waterschap wetgeving, interne kaders en initiatieven van medewerkers combineert. De resultaten staan ook in de tijdens het webinar getoonde presentatie over de AI-ontwikkeling binnen WDODelta.

Eind 2024 onderzocht het waterschap welke informatie medewerkers uploaden naar generatieve AI-toepassingen zoals ChatGPT. Daarbij werd een grote informatiestroom naar verschillende toepassingen zichtbaar. Het bleek niet haalbaar om alle varianten technisch te blokkeren. Daarom koos het waterschap ervoor het gebruik te reguleren, risico’s te beperken en tegelijkertijd verantwoorde toepassingen te stimuleren.

In plaats van te wachten tot de AI-verordening volledig was vertaald naar intern beleid, organiseerde het waterschap eerst de noodzakelijkste waarborgen. Daarna begon het met leren en toepassen.

Vier regels voor AI-gebruik

Waanders presenteerde vier basisregels voor AI-gebruik:

  • AI is adviserend: de medewerker blijft zelf verantwoordelijk.
  • Een AI-uitkomst is een concept: de inhoud moet altijd op juistheid worden gecontroleerd.
  • Deel geen gevoelige informatie: houd rekening met persoonsgegevens, de AVG en bedrijfsgevoelige informatie.
  • Wees transparant: maak duidelijk wanneer en hoe AI is gebruikt.

Deze regels zijn uitgewerkt in een beslisboom. De via de terugblik aangeboden handreiking voor het gebruik van AI-tools laat de volledige afweging zien. Medewerkers beantwoorden daarin achtereenvolgens de vragen of zij gevoelige informatie gebruiken, of de uitkomst inhoudelijk moet kloppen, of zij de tekst op basis van hun kennis kunnen beoordelen en of zij zelf de verantwoordelijkheid kunnen nemen. Bij gevoelige informatie of wanneer controle en verantwoordelijkheid niet mogelijk zijn, schrijft het kader voor geen Copilot of andere AI-tool te gebruiken.

Het AI-café als leeromgeving

In de kerstvakantie van 2024 ontstond het plan voor een intern AI-café. Het waterschap richtte met een tweedehands interieur een fysieke caféomgeving in en koos daarmee voor een andere werkvorm dan gebruikelijk binnen de organisatie.

In het AI-café leren medewerkers:

  • wat AI technisch is;
  • hoe AI zich historisch heeft ontwikkeld;
  • welke vormen van AI bestaan;
  • hoe de technologie onder de motorkap werkt;
  • welke voordelen, beperkingen en vormen van vooringenomenheid er zijn;
  • hoe goede prompts worden opgesteld.

Een tijdens het webinar getoonde slide beschrijft het gebruikte social-learningprincipe: 10% leren door formele training, 20% door feedback, coaching en gesprekken en 70% door in de praktijk en van elkaar te leren.

De deelname is vrijwillig. Waterschap Drents Overijsselse Delta heeft ongeveer 800 fte en ten tijde van het webinar had meer dan de helft van de organisatie het AI-café bezocht. Het waterschap werkte vervolgens aan een aanvullende groep, met bijzondere aandacht voor de buitendienst. Daarvoor gaat het AI-café ook naar buitenlocaties.

Ook het dagelijks bestuur en het algemeen bestuur namen deel. Het ontstane bewustzijn over kansen en risico’s droeg bij aan het instellen van een ethiekcommissie. Deze commissie beoordeelt, vaak vooraf, of bepaalde AI-toepassingen binnen de organisatie worden toegestaan.

Het AI-café maakt ook duidelijk dat AI veel invloed kan hebben op het werk van medewerkers. Sommige deelnemers komen binnen met het idee dat AI hun functie niet zal raken en vertrekken met het besef dat de technologie hun werkzaamheden ingrijpend kan veranderen. Aandacht voor deze menselijke gevolgen is daarom onderdeel van de aanpak.

Van persoonlijk gebruik naar bots en agentic AI

Naast individueel gebruik bouwen medewerkers toepassingen voor ondersteunende bedrijfsprocessen. Waanders noemde tijdens het webinar informatie uit personeelshandboeken en verlofregelingen als voorbeeld. Deze informatie kan worden opgenomen in een bot of een vorm van agentic AI die vragen van collega’s beantwoordt.

De via de terugblik gekoppelde praktijkpagina over het AI-café van WDODelta werkt dit voorbeeld verder uit. Deze pagina meldde in januari 2026 90 ideeën voor het automatiseren van eenvoudig maar noodzakelijk werk. Als voorbeelden noemt de pagina het verwerken van vraag-en-antwoordlijsten, het analyseren van offertes en het inzichtelijk maken van factuurstatussen.

Tijdens het webinar vertelde Waanders dat inmiddels 94 collega’s aan dergelijke ondersteunende toepassingen werkten. Van iedere toepassing wordt vastgelegd wat er technisch onder de motorkap zit, hoe de toepassing is geprompt en welke data wordt gebruikt. Deze informatie wordt gepubliceerd waar dat nodig is.

Rond de toepassingen is een interne community ontstaan. Medewerkers helpen elkaar met leren en ontwikkelen. Deze vorm van social learning verspreidt zich als een olievlek door de organisatie en vergroot het bewustzijn rond AI.

AI bij toezicht op watergangen

Waanders noemde tijdens zijn presentatie dat het waterschap al jaren satellieten en AI gebruikt voor toezicht en dat deze toepassing in het Algoritmeregister staat. De gekoppelde beschrijving van Digitale schouw B-watergangen in het Algoritmeregister werkt deze toepassing technisch verder uit.

Volgens het Algoritmeregister worden machinelearningmodellen gebruikt om lucht- of satellietbeelden te combineren met kadastrale gegevens en een kaart van de watergangen. Het algoritme zoekt in multispectrale beelden naar relaties met locaties die door waterschapsmedewerkers als schoon of niet schoon zijn beoordeeld.

Het waterschap levert volgens deze bron beoordeelde foto’s als trainingsdata. Het model classificeert vervolgens de te schouwen watergangen. Twijfelgevallen worden als niet schoon aangemerkt en daarna door een medewerker via een dashboard beoordeeld. Na deze beeldschermschouw worden de als niet schoon beoordeelde sloten waar nodig fysiek gecontroleerd. De toepassing maakt gebruik van Schouw M.app en in het Algoritmeregister staat Imagem als leverancier.

Tijdens de Q&A lichtte Waanders de omvang en mogelijke duurzaamheidswinst van deze toepassing verder toe. Het waterschap controleert ongeveer 7.500 kilometer watergangen. Voorheen gingen medewerkers daarvoor met een groot aantal auto’s gedurende drie weken naar buiten. Tegenwoordig wordt dit toezicht met satellieten en AI uitgevoerd. De toepassing kan mobiliteit en menselijke inzet besparen, al blijft het volgens Waanders ingewikkeld om alle effecten te vertalen naar een door het bestuur geaccepteerde businesscase waarin ook de CO2-impact wordt meegewogen.

Waterschap Drents Overijsselse Delta werkt daarnaast toe naar een meer datagedreven en zelfsturende organisatie, waarin techniek beslissingen steeds verder ondersteunt. Het AI-beleid werd parallel aan de ontwikkeling van toepassingen en de opleiding van medewerkers opgesteld. Tijdens het webinar was de planning om het eigen AI-beleid in het tweede kwartaal van 2026 formeel vast te stellen. De belangrijkste les is om medewerkers die AI al begrijpen en gebruiken goed te begeleiden en te benutten, zonder de organisatie door onzekerheid te laten stilvallen.

Resultaten van de peilingen

Een peiling aan het begin van het webinar liet zien dat ongeveer 50% van de deelnemers nog niet bekend was met de AI-verordening. Bij een tweede peiling plaatste het grootste deel de eigen organisatie in of onder de middenmoot wat betreft AI-implementatie. Van de deelnemers zag 4% de eigen organisatie als koploper en 19% als achterloper.

Bijna de helft van de deelnemers gaf aan generatieve AI dagelijks professioneel te gebruiken. Bij 80% was het gebruik formeel binnen de organisatie geregeld.

Vraag en antwoord

Bekijk de terugblik vanaf hier op YouTube

Hoe kan het Algoritmekader worden gebruikt?

Ruber beschreef het Algoritmekader tijdens het webinar als een website met kaders, richtlijnen, bronnen en praktische tips voor het verantwoord toepassen van AI en algoritmes. Hij adviseerde het als naslagwerk en als verzamelplaats voor relevante overheidsbronnen te gebruiken. Het gekoppelde Algoritmekader maakt de informatie toegankelijk via onder meer soorten algoritmes, onderwerpen, fasen van de levenscyclus, rollen en wettelijke vereisten.

Hoe hangen de toepassing van AI en een CE-markering samen?

Ruber legde tijdens het webinar uit dat de toepassing van een AI-systeem bepalend is voor de risicocategorie en de bijbehorende maatregelen. Bij een beperkt aantal toepassingen kan daar uiteindelijk een CE-markering uit volgen.

De gekoppelde officiële informatie in het Algoritmekader vult aan dat aanbieders van bepaalde hoogrisicosystemen een conformiteitsbeoordelingsprocedure moeten doorlopen. Voor zulke systemen kunnen onder meer een EU-conformiteitsverklaring en een CE-markering vereist zijn. Een CE-markering geldt dus niet voor iedere AI-toepassing.

Hoe wordt toezicht op de AI-verordening ingericht?

Tijdens het webinar verwachtte Ruber dat de Autoriteit Persoonsgegevens een belangrijke rol in het Nederlandse toezicht zou krijgen. Hij benadrukte dat daarvoor voldoende geld, middelen en personeel nodig zijn.

De gekoppelde pagina van Digitale Overheid biedt aanvullende actuele informatie: nationale toezichthouders controleren de naleving van de regels voor verboden toepassingen, hoogrisicosystemen en transparantie. Verplichtingen voor grote AI-modellen worden op Europees niveau gecontroleerd door het AI-bureau.

Hoe kan data veilig tussen organisaties worden gedeeld?

Brink legde tijdens het webinar uit dat betrouwbare en effectieve AI om de juiste data vraagt, terwijl die data zich vaak bij verschillende organisaties bevindt. Delen betekent niet noodzakelijk dat een organisatie de zeggenschap over haar data verliest. Met federatief datadelen kunnen partijen binnen afgesproken kaders bepalen welke data zij delen, op welke manier en onder welke voorwaarden.

Een complicatie is dat data soms als toekomstig businessmodel en economisch bezit wordt gezien. Dat kan gezamenlijke innovatie belemmeren. Naast toegang tot data zijn ook de structuur en machineleesbaarheid belangrijk. Het gaat niet uitsluitend om de hoeveelheid data, maar om de juiste data in een bruikbare structuur. Organisaties moeten daarom samen bespreken hoe delen veilig, verantwoord en betrouwbaar kan worden georganiseerd en hiervoor geschikte omgevingen creëren.

Wat is de functie van het Algoritmeregister?

Ruber beschreef het Algoritmeregister tijdens de Q&A als een openbare website en database waarin publieke organisaties hun algoritmes en AI-toepassingen kunnen registreren. Het register ontstond na de toeslagenaffaire vanuit de behoefte aan meer transparantie over algoritmes die overheden gebruiken in processen met burgers.

Het gekoppelde Algoritmeregister van de Nederlandse overheid vermeldt aanvullend dat het register zich richt op impactvolle algoritmes, waaronder hoogrisico-AI-systemen, en bezoekers inzicht geeft in de werking daarvan.

Registratie biedt burgers inzicht in het gebruik van algoritmes. Organisaties kunnen het register ook als inspiratiebron gebruiken door te bekijken welke toepassingen andere publieke organisaties inzetten.

Voor hoogrisico-AI-systemen bevat de AI-verordening een verplichting tot registratie in een Europese databank. Voor overheidsorganisaties ligt het volgens Ruber voor de hand om dergelijke toepassingen ook in het Nederlandse Algoritmeregister op te nemen. Voor de precieze juridische uitwerking voor waterschappen werd tijdens het webinar geen definitief antwoord gegeven.

Biedt de risicogebaseerde aanpak ruimte om te experimenteren?

Ruber legde tijdens de Q&A uit dat de AI-verordening mede bedoeld is om innovatie mogelijk te maken. Toepassingen met onaanvaardbare risico’s worden verboden en aan hoogrisicosystemen en toepassingen met transparantierisico’s worden eisen gesteld. Systemen met minimaal risico worden zoveel mogelijk ongemoeid gelaten.

De praktische aanpak van Waterschap Drents Overijsselse Delta past volgens Ruber binnen deze ruimte. Organisaties hoeven zich daarom niet door de hoeveelheid regels te laten afschrikken, maar kunnen vanuit de praktijk leren hoe processen verantwoord worden ingericht.

Hoe moet duurzaamheid worden meegewogen?

Tijdens de Q&A werd besproken dat het energiegebruik van AI onderdeel moet zijn van de afweging. Waterschap Drents Overijsselse Delta wijst medewerkers er in zijn instructie bijvoorbeeld op dat begroetingen en bedankjes afzonderlijke prompts zijn. Volgens de tijdens het webinar gegeven uitleg kunnen vier van zulke prompts samen evenveel energie vragen als de ingewikkelde inhoudelijke vragen die een gebruiker tussendoor stelt.

Tegelijkertijd kan AI bijdragen aan efficiënter gebruik van energie, grondstoffen en andere schaarse middelen. Dit maakt duurzaamheid tot een dilemma: de technologie gebruikt energie, maar kan ook helpen betere besluiten te nemen en processen doelmatiger in te richten. Bij iedere toepassing moeten daarom veiligheid, betrouwbaarheid en duurzame impact worden meegewogen.

Een belangrijk deel van het energiegebruik zit volgens de bespreking in het trainen van generatieve AI-modellen. Organisaties kunnen daarnaast beoordelen of voor een taak een kleiner model volstaat. Niet iedere toepassing vraagt om het zwaarste beschikbare model.

Leidt AI automatisch tot productiviteitswinst?

Brink vertelde tijdens de Q&A over een onderzoek binnen één organisatie waarin scope creep ontstond. Medewerkers namen meer werk op zich doordat AI taken sneller uitvoerde. Daardoor werd het werk wel efficiënter uitgevoerd, maar nam de totale effectiviteit niet automatisch toe.

Ruber noemde als vergelijkbaar voorbeeld het automatisch transcriberen van vergaderingen. Waar eerder één medewerker een verslag van één A4 met vier hoofdpunten maakte, kan AI een verslag van acht pagina’s produceren. Dat levert meer tekst op, maar maakt het proces niet noodzakelijk slimmer. Organisaties moeten daarom steeds beoordelen of een toepassing bijdraagt aan het beoogde doel en het proces daadwerkelijk verbetert.

Welke afsluitende lessen zijn het belangrijkst?

Waanders benadrukte dat AI veel breder is dan generatieve AI. De centrale ontwikkeling is dat computers steeds meer voor mensen gaan werken, in plaats van dat mensen uitsluitend met computers werken. Daarbij blijft menselijke regie noodzakelijk.

Brink adviseerde organisaties om van directie tot uitvoering te bepalen welke profielen, competenties, kennis en vaardigheden nodig zijn om toezicht te houden op AI. Daarbij moet rekening worden gehouden met beperkingen zoals hallucinaties, die volgens Brink vooral bij generatieve AI een rol spelen.

AI is geen vraagstuk dat aan de ICT-afdeling kan worden gedelegeerd. IT, management, uitvoering en bedrijfsvoering hebben ieder een rol. De aanbeveling is daarom om collectief aan de slag te gaan, de belangrijkste risico’s gezamenlijk te beperken en stap voor stap te leren van toepassingen in de praktijk.

Dit artikel is samengesteld met behulp van AI op basis van de terugblik Van AI-geletterdheid naar AI-mindset – 23 maart 2026. Mochten er onjuistheden in staan, neem dan contact met ons op.