De AI-folklore (2/2): wat blijft er overeind?

Mythes over AI maken goede besluitvorming lastig.

Sommige verhalen leiden tot onnodige terughoudendheid. Andere zorgen juist voor overhaaste investeringen. In beide gevallen raakt de inhoud uit beeld.

In dit tweede deel onderzoeken we vijf hardnekkige mythes. Ze gaan over wetgeving, betrouwbaarheid, duurzaamheid en waarde op lange termijn.

Juist op deze onderwerpen ontstaat vaak ruis in de bestuurskamer.

“Door de Europese regels mogen we bijna niets meer met AI.”

De Europese Unie verbiedt AI niet. De AI Act maakt onderscheid tussen verschillende risiconiveaus.

Een beperkt aantal toepassingen is verboden. Voor andere systemen gelden regels die passen bij het risico. Denk aan eisen voor transparantie, toezicht, documentatie en risicobeheer.

De regels vragen dus niet om een algemene stop. Ze vragen om bewuste keuzes en een goede organisatie.

Wat betekent dit voor jouw organisatie?
Breng per toepassing in kaart:

• waarvoor je AI gebruikt;
• welke risico’s daarbij horen;
• welke gegevens het systeem verwerkt;
• wie verantwoordelijk is;
• welk toezicht nodig is;
• welke regels van toepassing zijn.

Zo ontstaat ruimte om verantwoord te vernieuwen.

“Beeld en geluid kunnen nep zijn. Bewijs heeft dus geen waarde meer.”

Deepfakes maken controle belangrijker. Ze maken betrouwbare informatie niet onmogelijk.

Organisaties kunnen de herkomst en bewerking van digitale content beter vastleggen. Open standaarden zoals C2PA ondersteunen dat met gegevens over de oorsprong en geschiedenis van bestanden. Zulke informatie biedt aanwijzingen over herkomst, maar vormt geen volledige garantie op waarheid.

Ook interne processen blijven belangrijk. Denk aan logging, goedkeuring en controle door medewerkers.

Wat betekent dit voor jouw organisatie?
Leg vast:

• waar content vandaan komt;
• wie haar maakte of aanpaste;
• welke AI-toepassing is gebruikt;
• wie de uitkomst controleerde;
• wie het besluit goedkeurde.

Zo maak je informatie beter controleerbaar voor medewerkers, gebruikers en toezichthouders.

“AI traint straks alleen nog op AI-content en stort daardoor in.”

Model collapse is een reëel onderzoeksgebied. Het kan ontstaan wanneer nieuwe modellen steeds opnieuw trainen op ongecontroleerde, kunstmatige data. Daarbij kan belangrijke variatie uit de oorspronkelijke gegevens verdwijnen.

Dat betekent niet dat ieder model onvermijdelijk achteruitgaat. Onderzoek laat zien dat de manier waarop ontwikkelaars echte en kunstmatige data combineren veel verschil maakt.

Voor de meeste organisaties speelt bovendien een ander vraagstuk. Hun toepassingen zijn vooral afhankelijk van actuele, betrouwbare en goed beheerde kennisbronnen.

Wat betekent dit voor jouw organisatie?
Investeer in:

• duidelijke bronselectie;
• actuele en controleerbare data;
• goed toegangsbeheer;
• tests met vaste beoordelingscriteria;
• menselijke controle;
• regelmatige evaluatie van de output.

Een model alleen bepaalt de kwaliteit niet. De gebruikte data, context en controles tellen net zo zwaar.

“AI gebruikt veel energie. We kunnen er daarom beter mee stoppen.”

AI-systemen verbruiken energie. Vooral de groei van datacenters en zware AI-toepassingen verhoogt de elektriciteitsvraag.

Volgens het Internationaal Energieagentschap groeide het elektriciteitsgebruik van datacenters in 2025 sterk. Het verbruik per AI-taak daalt door efficiëntere technologie, maar het totale gebruik kan toch stijgen doordat steeds meer mensen AI inzetten.

De milieubelasting verschilt bovendien per toepassing en inrichting.

Wat betekent dit voor jouw organisatie?
Neem duurzaamheid mee in ontwerpkeuzes. Kijk bijvoorbeeld naar:

• de omvang van het gekozen model;
• het aantal uitgevoerde opdrachten;
• hergebruik van eerdere resultaten;
• verwerking op rustige momenten;
• de gekozen infrastructuur;
• de verwachte maatschappelijke waarde.

Gebruik geen groot model wanneer een kleinere oplossing hetzelfde resultaat biedt.

Duurzaamheid vraagt dus niet alleen om minder AI. Het vraagt vooral om doelmatige AI.

“Over een paar jaar staat alles weer uit.”

De aandacht voor AI zal veranderen. Sommige producten en toepassingen zullen verdwijnen. Andere krijgen een vaste plek in processen en dienstverlening.

Daarom is het onverstandig om alleen in losse functies te investeren. De waarde zit vooral in wat een organisatie duurzaam opbouwt.

Denk aan:

• bruikbare en betrouwbare data;
• veilige technische voorzieningen;
• heldere verantwoordelijkheden;
• medewerkers met de juiste kennis;
• meetbare werkprocessen;
• toepassingen die aansluiten op echte behoeften.

Zo blijft de investering bruikbaar, ook wanneer leveranciers, modellen of trends veranderen.

Wat betekent dit voor jouw organisatie?
Beoordeel een AI-initiatief niet alleen op de eerste demonstratie.

Kijk ook naar:

• het probleem dat je oplost;
• de meetbare opbrengst;
• de beheerkosten;
• de risico’s;
• de mogelijkheid om te veranderen;
• de aansluiting op bestaande systemen.

Een sterke basis is waardevoller dan een verzameling opvallende experimenten.

Voor maatschappelijke organisaties is AI geen speeltje. Het is ook geen ontwikkeling die je alleen hoeft af te remmen.

Goed toegepaste AI kan medewerkers ondersteunen, processen versnellen en dienstverlening verbeteren.

Daarbij horen duidelijke voorwaarden:

• veiligheid;
• uitlegbaarheid;
• menselijke controle;
• privacy;
• datasoevereiniteit;
• aantoonbaar eigenaarschap.

De kern is eenvoudig: gebruik AI waar zij waarde toevoegt. Maak tegelijk zichtbaar hoe je de risico’s beheerst.

Mythes verdwijnen niet door harder vóór of tegen AI te pleiten.

Ze verdwijnen door concrete toepassingen te onderzoeken. Kijk naar het doel, de gegevens, de risico’s en het verwachte resultaat.

Finalist helpt organisaties om die afweging stap voor stap te maken. Zo ontstaat een AI-aanpak die meetbaar, uitlegbaar en beheersbaar is.