Hoe richt je een goedkeuringsproces in voor AI?

Jaap de Roos ·
Geopende documentmap op glazen bureau met gestapelde pagina's, hand met pen klaar voor beoordeling, zakelijke goedkeuringsworkflow.

Een AI-goedkeuringsproces richt je in door een vaste beslisstructuur te bouwen rondom drie elementen: wie beslist, op basis van welke criteria, en via welke stappen. Voor organisaties van 100 tot 5.000 medewerkers betekent dit concreet een multidisciplinair reviewteam, een risicogebaseerd toetsingskader en een gedocumenteerde doorloopfase voordat een AI-toepassing in productie gaat. De vragen hieronder werken elk onderdeel van dat proces verder uit.

Wie moet er betrokken zijn bij AI-goedkeuring?

Bij AI-goedkeuring zijn minimaal vier rollen nodig: een proceseigenaar, een IT- of securityverantwoordelijke, een compliance- of privacyfunctionaris, en een vertegenwoordiger van de business die de toepassing gaat gebruiken. Samen vormen zij het reviewteam dat een AI-initiatief beoordeelt voordat het verder gaat.

De proceseigenaar bewaakt of het AI-systeem aansluit op een gedocumenteerd en reproduceerbaar proces. Dat is geen vanzelfsprekendheid: veel processen draaien op mondelinge afspraken en stille kennis die voor mensen werken, maar niet voor geautomatiseerde systemen. Een AI-agent die een proces uitvoert met drie ongeschreven varianten, levert drie onverklaarbare uitkomsten op.

De IT- of securityverantwoordelijke toetst hoe de toepassing omgaat met toegang, credentials en datastromen. Een AI-agent is technisch gezien een actor met inloggegevens en toegang tot systemen, databases en externe API’s. Die identiteit verdient dezelfde aandacht als een menselijke gebruiker.

De compliance- of privacyfunctionaris beoordeelt de toepassing in het licht van geldende wet- en regelgeving, waaronder de EU AI Act en de AVG. Raadpleeg hiervoor altijd je eigen juridisch adviseur, want de specifieke verplichtingen hangen af van de risicoklasse van de toepassing en de context waarin deze wordt ingezet.

De businessvertegenwoordiger zorgt dat de goedkeuring niet puur technisch blijft. Hij of zij beantwoordt de vraag of de toepassing daadwerkelijk het probleem oplost waarvoor ze bedoeld is, en of medewerkers er straks mee kunnen en willen werken.

Welke criteria bepalen of een AI-toepassing goedgekeurd wordt?

Een AI-toepassing wordt goedgekeurd als ze voldoet aan vier categorieën van criteria: databetrouwbaarheid, procesveiligheid, compliance en meetbare meerwaarde. Ontbreekt er een van deze vier, dan is het risico op een mislukte of onbeheersbare inzet te groot om door te gaan.

  • Databetrouwbaarheid: werkt de toepassing met schone, eenduidige en beheerde data? Is er een aantoonbare bron van waarheid?
  • Procesveiligheid: is het onderliggende proces gedocumenteerd en reproduceerbaar? Leveren dezelfde invoer en dezelfde prompts consistent dezelfde uitkomsten op, of is de afwijking verklaarbaar?
  • Compliance: is de risicoklasse van de toepassing bepaald? Zijn de AVG-verplichtingen getoetst? Is er een human-in-the-loop voor beslissingen met significante impact?
  • Meerwaarde: lost de toepassing een concreet probleem op, voor een specifieke gebruikersgroep, en is er een meetbare definitie van succes?

Dit laatste punt is de kern van wat je een waardehypothese kunt noemen: welk probleem los je op, voor wie, en hoe ziet succes eruit? Een goedkeuringsproces zonder die vraag beantwoord te hebben, keurt feitelijk een technische implementatie goed zonder te weten of die implementatie de moeite waard is.

Hoe ziet een typisch AI-goedkeuringsproces eruit stap voor stap?

Een werkbaar AI-goedkeuringsproces bestaat uit vijf stappen: intake, risicoklassificatie, technische en compliance-toets, businessreview en formele beslissing. Elke stap heeft een eigenaar en een afrondingscriterium, zodat het proces niet blijft hangen in overleg.

  1. Intake: de aanvrager beschrijft het doel van de toepassing, de betrokken datasystemen, de gebruikersgroep en de verwachte impact. Dit vormt de basis voor alle volgende stappen.
  2. Risicoklassificatie: het reviewteam bepaalt de risicoklasse op basis van de EU AI Act-categorieën en de interne gevoeligheid van de data en processen. Hoog-risicotoepassingen doorlopen een zwaarder toetsingspad.
  3. Technische en compliance-toets: IT en security beoordelen de architectuur, toegangsrechten en secrets management. De compliance- of privacyfunctionaris toetst de AVG-aspecten en eventuele sectorspecifieke verplichtingen.
  4. Businessreview: de proceseigenaar en businessvertegenwoordiger beoordelen of het proces voldoende gedocumenteerd is voor reproduceerbare uitkomsten, en of de waardehypothese houdbaar is.
  5. Formele beslissing: het reviewteam neemt een gedocumenteerd besluit: goedgekeurd, goedgekeurd onder voorwaarden, of afgewezen met terugkoppeling. Het besluit en de onderbouwing worden vastgelegd in het AI-register.

Versiebeheer op prompts, agents en evaluatieresultaten is een onderdeel van stap drie dat organisaties vaak overslaan. Toch is het vergelijkbaar met wat versiebeheer ooit deed voor softwareontwikkeling: het maakt wijzigingen traceerbaar en uitkomsten controleerbaar.

Wat is het verschil tussen een AI-register en een goedkeuringsproces?

Een AI-register is een levend document dat bijhoudt welke AI-toepassingen actief zijn in de organisatie, inclusief hun risicoklasse, eigenaar en status. Een goedkeuringsproces is de beslisprocedure die bepaalt of een nieuwe toepassing in dat register terecht mag komen. Het register is het resultaat; het goedkeuringsproces is de route ernaartoe.

In de praktijk worden de twee regelmatig verward of samengevoegd. Dat leidt tot situaties waarin een register bestaat maar niet wordt bijgehouden, of waarin een goedkeuringsproces bestaat maar de uitkomsten nergens worden gedocumenteerd. Beide zijn dan weinig meer dan administratieve formaliteiten.

Een goed ingericht AI-register bevat per toepassing minimaal: de naam en versie van de toepassing, de verantwoordelijke eigenaar, de risicoklasse, de goedkeuringsdatum, de betrokken datasystemen en de geplande reviewdatum. Het goedkeuringsproces voedt dit register bij elke nieuwe toepassing en bij elke significante wijziging van een bestaande toepassing.

Samen vormen register en goedkeuringsproces de basis van governance voor AI: de organisatie weet wat er draait, wie verantwoordelijk is en op basis van welke beoordeling een toepassing is toegelaten.

Hoe voorkom je dat het goedkeuringsproces innovatie vertraagt?

Je voorkomt vertraging door het goedkeuringsproces risicogebaseerd in te richten: lage-risicotoepassingen doorlopen een licht en snel traject, hoog-risicotoepassingen een zwaarder. Een goedkeuringsproces dat elke chatbot even zwaar behandelt als een geautomatiseerd beslissysteem, verliest draagvlak en wordt omzeild.

Twee aanvullende maatregelen helpen concreet:

  • Vaste reviewmomenten: plan wekelijkse of tweewekelijkse reviewsessies zodat aanvragen niet weken liggen te wachten op een agendapunt. Snelheid zit vaak niet in de beoordeling zelf, maar in de wachttijd ervoor.
  • Duidelijke intake-template: een aanvrager die de juiste informatie aanlevert, hoeft minder heen en weer te communiceren. Een goede template vermindert de doorlooptijd aanzienlijk.

Daarnaast helpt het om een onderscheid te maken tussen een pilotgoedkeuring en een productiegoedkeuring. Een team dat een toepassing wil testen in een afgeschermde omgeving met gesimuleerde data, kan dat via een versneld traject doen. De volledige toets vindt dan pas plaats als de pilot naar productie gaat. Zo blijft experimenteren mogelijk zonder dat de governance-structuur wordt omzeild.

Welke tools ondersteunen een AI-goedkeuringsproces?

Er zijn geen tools die een AI-goedkeuringsproces volledig automatiseren, maar een combinatie van bestaande tooling volstaat voor de meeste organisaties. De keuze hangt af van de schaal van het proces en de systemen die al in gebruik zijn.

Gangbare opties per onderdeel van het proces:

  • Intakeformulieren en workflowbeheer: tools als Microsoft Forms, Jira of ServiceNow voor het indienen en routeren van aanvragen.
  • AI-register: een gestructureerde spreadsheet of een lichtgewicht databasetool volstaat voor de meeste middelgrote organisaties. Zwaardere GRC-platforms (Governance, Risk en Compliance) bieden meer automatisering maar vragen ook meer implementatietijd.
  • Versiebeheer op prompts en modellen: tools als Git of MLflow voor het bijhouden van versies van prompts, datasets en evaluatieresultaten.
  • Observability en monitoring: zodra een toepassing in productie draait, wil je kunnen zien of het systeem zich gedraagt zoals verwacht. Logging- en monitoringtools maken afwijkingen zichtbaar en ondersteunen de periodieke hertoetsing.

De tool is niet het startpunt. Het startpunt is een helder proces met gedocumenteerde stappen en eigenaarschap. Tooling ondersteunt dat proces, maar vervangt het niet. Organisaties die eerst de tool kiezen en daarna het proces proberen in te richten, lopen regelmatig vast omdat de tool de gewenste werkwijze niet ondersteunt.

Hoe wij helpen met AI-governance

Een AI-goedkeuringsproces opzetten vraagt om expertise op het snijvlak van proces, security en compliance. Dat is precies waar wij professionals en organisaties bij samenbrengen. Via ons netwerk koppelen we je aan specialty partners die ervaring hebben met het inrichten van governance-structuren voor AI, van het opstellen van een risicoklassificatiekader tot het implementeren van een werkend AI-register.

Wat je van ons kunt verwachten:

  • Een intake op basis van jouw specifieke situatie: welke AI-toepassingen lopen er al, welke zijn in voorbereiding en waar zitten de grootste risico’s? Bekijk hoe wij een passende oplossing bieden.
  • Toegang tot professionals met aantoonbare ervaring in AI-compliance, procesvolwassenheid en security, waaronder specialisten aangesloten bij SecurityConnected voor de beveiligingskant van AI-implementaties.
  • Een transparant proces zonder hoge marges: je werkt direct samen met de partner die jouw vraagstuk aanpakt, en je hebt zelf een stem in de keuze.

Wil je weten hoe jouw organisatie er nu voorstaat op de fundamenten die bepalen of AI echt kan landen? Doe de gratis AI Foundation Model Quick Scan en ontdek in vijf minuten waar je sterk staat en waar de echte risico’s liggen. Of neem direct contact op voor een kennismaking.

Related Articles