Veel organisaties, ook bij de overheid, zijn aan de slag met AI. Er zijn veel pilots, er worden awareness trainingen gehouden, er zijn ambities en de AI-experts poppen als paddenstoelen uit de grond. Maar de echte integratie van AI blijft vaak hangen in losse experimenten. Waarom? Mijn ervaring: we starten te vaak met techniek en te weinig met denken.
Bij AI komt veel meer kijken dan een slim model of een nieuwe tool. Succesvolle toepassingen vragen om overzicht, samenwerking en fundamentele vragen. Daarom werk ik altijd met wat ik noem de zeven AI-perspectieven – een praktisch raamwerk dat elke pilot, elk AI-initiatief, scherp en haalbaar maakt.
1. Zakelijk: wat lost AI op – en voor wie?
AI is geen speeltje. Elke toepassing moet terug te voeren zijn op een duidelijke waarde: meer snelheid, minder fouten, lagere kosten, hogere tevredenheid. Begin klein, maar begin wel met doelen. En durf te kiezen: bouw je iets zelf of koop je het in?
‘Zonder businesscase wordt een pilot al snel een hobbyproject. En als de baten vaag blijven, verdwijnt AI net zo snel weer van de agenda.’
2. Data: zonder brandstof kom je nergens
AI staat of valt met de kwaliteit van data. Opschoning, representativiteit, bias-controle, data lineage – het klinkt technisch, maar het raakt direct aan de betrouwbaarheid van je model. Wat er niet in zit, komt er ook niet uit. En als je bias negeert, loop je het risico op onrechtvaardige uitkomsten.
‘Bias opzit in elke AI-algoritme of AI-toepassing. Juist daarom moet weten op basis van welke data het AI-algoritme gemaakt is.’
3. Mens: techniek zonder mensen is zinloos
De grootste bottleneck is zelden de techniek – het zijn de mensen. Hebben zij het vertrouwen, de kennis en de ruimte om AI echt te gebruiken? Begrijpen ze wat AI doet, en durven ze feedback te geven op de uitkomsten? AI-geletterdheid is geen luxe, het is een basisvoorwaarde.
‘Ik haal energie uit teams die willen leren en veranderen. Zonder open leercultuur blijft AI hangen in angst of weerstand.’
4. Techniek: begrijp wat je inzet
Zonder een goed begrip van de techniek loop je het risico op verkeerde keuzes. Open-source model of commerciële API? Lokale hosting of cloud? Wat betekent AI-soevereiniteit voor je toepassing? Begrippen als explainable AI, MLOps en vendor lock-in zijn geen ver-van-je-bed-shows. Ze bepalen of je AI-pilot werkt, schaalbaar is en aan de wet voldoet.
‘Veel fouten komen voort uit gebrekkige technische kennis. Er zijn nog te veel chatbots die na twee vragen afhaken. Dat is frustrerend voor gebruikers en schadelijk voor het vertrouwen.’
5. Security & Compliance: werk je wel binnen de lijnen?
AI raakt aan privacy, veiligheid en wetgeving. Denk aan de AVG, de AI Act, NIS2. Toch zie ik dat veel pilots zonder DPIA starten, of met vage afspraken over datatoegang. Dat is niet alleen onverstandig – het is ronduit risicovol.
‘Compliance is geen rem op innovatie. Het is een randvoorwaarde om AI duurzaam en verantwoord in te zetten.’
6. Ethisch-maatschappelijk: mag het wel, wat kan?
Niet alles wat kan, mag ook. Hoe ga je om met rechtvaardigheid, transparantie en menselijke waardigheid? Wat is de impact op inclusie of duurzaamheid? Het stellen van deze vragen kost tijd, maar het niet stellen ervan kost vertrouwen.
‘Gebruik een ethisch klankbord of betrek burgers bij je keuzes. AI kan pas maatschappelijk waardevol zijn als het ook maatschappelijk gedragen wordt.’
7. Klant: begrijp je wat de gebruiker ervaart?
AI moet mensen helpen. Punt. Toch zijn veel toepassingen technisch indrukwekkend, maar gebruiksonvriendelijk. Of ze versterken juist de digitale ongelijkheid. Betrek eindgebruikers vanaf het begin. Test prototypes. Luister. Pas aan.
‘Een goed AI-systeem is niet alleen slim, het is ook begrijpelijk, transparant en behulpzaam.’
Van experiment naar impact
Een prachtig voorbeeld vind ik de gemeente Montferland, met hun pilot van de ‘Mai chatbot’. Ze gingen alle zeven perspectieven langs. Van goede technische keuzes tot grondige security-audits. Van datakwaliteit tot betrokkenheid van gebruikers. En wat bleek? Binnen een maand beantwoordde Mai 4.500 vragen met een oplossingsgraad van 95%.
Dat is wat er gebeurt als je multidisciplinair werkt en verantwoordelijkheid breed organiseert. Niet toevallig kregen ze vier ton subsidie om op te schalen. Want succes is nooit toeval.
AI vraagt durf en discipline
We staan pas aan het begin van wat AI ons kan brengen. De echte innovatie komt niet van tools, maar van teams die durven samenwerken, reflecteren en leren.
Dus mijn oproep: kijk verder dan de hype. Stel de juiste vragen. En bouw vanaf dag één aan draagvlak, duidelijkheid en discipline. AI is geen sprint. Het is een reis.
Lees ook:
