Verantwoordelijkheden rond AI verdeel je door per domein een duidelijke eigenaar aan te wijzen: iemand die beslist over data, iemand die verantwoordelijk is voor het proces en de beveiliging, en iemand die toeziet op adoptie en gedrag binnen teams. Zonder die verdeling schuiven beslissingen door tussen afdelingen en blijven AI-projecten steken in pilots die niemand echt bezit.
Voor IT-managers, operationeel directeuren en CFO’s in middelgrote organisaties is dit geen theoretische vraag. Governance rond AI bepaalt of een project van de grond komt of vastloopt op onduidelijkheid over wie wat mag, moet en bewaakt. De vragen hieronder geven je een concreet kader.
Wie is er eindverantwoordelijk voor AI-beslissingen in een organisatie?
Eindverantwoordelijkheid voor AI-beslissingen ligt bij een benoemde AI-owner of een lid van het directieteam dat expliciet mandaat heeft gekregen voor AI-governance. Dit is niet automatisch de CTO of IT-manager. Het gaat om iemand die zowel de bedrijfsdoelen als de operationele risico’s overziet en beslissingen kan nemen die meerdere afdelingen raken.
In de praktijk ontbreekt die benoeming regelmatig. AI-projecten worden dan gestart vanuit IT, maar de verantwoordelijkheid voor uitkomsten, risico’s en naleving van regelgeving zoals de EU AI Act blijft onduidelijk verdeeld. Dat is een governance-probleem, geen technisch probleem. Gartner verwacht dat meer dan 40% van de agentische AI-projecten voor eind 2027 wordt geannuleerd, en governance is daarbij vrijwel altijd de oorzaak.
Een AI-owner heeft drie kerntaken: het bewaken van de waardehypothese (welk probleem lossen we op, voor wie, en hoe ziet succes eruit), het borgen van naleving van interne en externe kaders, en het fungeren als beslisser bij conflicterende belangen tussen afdelingen. Zonder die rol drijft een AI-initiatief stuurloos.
Welke rollen zijn onmisbaar in een AI-team?
Een functionerend AI-team heeft minimaal drie typen rollen nodig: iemand die verantwoordelijk is voor de datakwaliteit en de betrouwbaarheid van de informatie waarop de AI werkt, iemand die het proces en de beveiliging bewaakt, en iemand die adoptie en gedragsverandering binnen de organisatie begeleidt. Samen dekken ze de drie lagen waarop AI-projecten slagen of falen.
Die drie lagen zijn te omschrijven als Waarheid, Werking en Waarde, zoals beschreven in het AI Foundationsmodel voor organisaties:
- Waarheid: een data-eigenaar of data steward die zorgt voor schone, eenduidige en beheerde data als basis voor alle AI-toepassingen. Een agent die met slechte data werkt, levert altijd slechte uitkomsten, ongeacht hoe goed de rest is ingericht.
- Werking: een procesarchitect of security-specialist die bewaakt dat AI-agents veilig, schaalbaar en herhaalbaar draaien. Dit omvat identity management, toegangscontrole en compliance met geldende regelgeving.
- Waarde: een AI Champion of change-begeleider per team die zorgt dat medewerkers de tools begrijpen, vertrouwen en effectief gebruiken. Zonder dit lukt adoptie niet, ongeacht hoe goed de techniek werkt.
Afhankelijk van de omvang van het project en de organisatie kunnen deze rollen bij één persoon liggen of verdeeld zijn over meerdere mensen. Wat telt, is dat elke laag een herkenbaar aanspreekpunt heeft.
Hoe voorkom je dat AI-verantwoordelijkheid tussen afdelingen valt?
Je voorkomt dat AI-verantwoordelijkheid tussen afdelingen valt door bij de start van elk AI-initiatief een RACI-matrix op te stellen die per beslissing vastlegt wie verantwoordelijk is, wie goedkeurt, wie geraadpleegd wordt en wie geïnformeerd wordt. Zonder dat expliciete kader neemt niemand eigenaarschap bij problemen.
Het patroon dat je wilt vermijden ziet er zo uit: IT bouwt een AI-toepassing, de business gebruikt hem, maar bij een fout of een compliance-vraag is onduidelijk wie handelt. Beide afdelingen verwijzen naar de ander. Dit is geen kwestie van slechte wil, maar van ontbrekende structuur.
Concrete maatregelen die dit voorkomen:
- Stel per AI-toepassing een productowner of verantwoordelijke aan die ook na de livegang aanspreekbaar blijft.
- Leg vast wie toestemming geeft voor wijzigingen in het model, de data of de scope van de toepassing.
- Zorg dat compliance en security vanaf het begin betrokken zijn, niet achteraf als toetser.
- Plan vaste evaluatiemomenten waarbij alle betrokken partijen aanwezig zijn en uitkomsten worden gedeeld.
De EU AI Act legt ook verplichtingen op aan organisaties die AI-systemen inzetten, onder andere op het gebied van documentatie en menselijk toezicht. Laat je hierover adviseren door een eigen juridisch adviseur, want de specifieke eisen hangen af van de risicocategorie van de toepassing.
Wanneer heb je een AI-stuurgroep of AI-owner nodig?
Je hebt een AI-stuurgroep nodig zodra AI-toepassingen meerdere afdelingen raken, klantdata verwerken of beslissingen automatiseren die voorheen door mensen werden genomen. Een AI-owner is al relevant bij een eerste serieuze pilot: iemand die de waardehypothese bewaakt en kan bijsturen als de richting afwijkt van de bedrijfsdoelen.
Een stuurgroep is niet hetzelfde als een AI-owner. De AI-owner is operationeel en dagelijks betrokken. De stuurgroep is een beslisorgaan op strategisch niveau dat periodiek bijeenkomt om richting te bepalen, budgetten te bewaken en escalaties te behandelen. In grotere organisaties werken ze naast elkaar.
Signalen dat je een stuurgroep nodig hebt:
- Meerdere AI-initiatieven lopen parallel zonder onderlinge afstemming.
- Er zijn conflicterende prioriteiten tussen IT, de business en compliance.
- Beslissingen over AI worden uitgesteld omdat onduidelijk is wie bevoegd is.
- De organisatie werkt toe naar schaalbare inzet van AI, niet alleen losse pilots.
Wacht niet tot de problemen zichtbaar worden. Een stuurgroep of AI-owner instellen kost minder dan de vertraging die ontstaat als governance achteraf moet worden gerepareerd.
Hoe verdeel je verantwoordelijkheden bij uitbesteed AI-werk?
Bij uitbesteed AI-werk verdeel je verantwoordelijkheden door intern minimaal drie rollen te behouden: een opdrachtgever die de waardehypothese en de grenzen van het project bewaakt, een data-eigenaar die controle houdt over de databronnen, en een acceptatieverantwoordelijke die toetst of het opgeleverde werk voldoet aan de gestelde eisen. De externe partij bouwt en levert, maar de regie blijft intern.
Een veelgemaakte fout is dat organisaties bij uitbesteding ook de governance uitbesteden. De externe partij neemt dan impliciet beslissingen over dataverwerking, modelkeuzes en beveiligingsinstellingen die eigenlijk intern goedgekeurd hadden moeten worden. Dat levert problemen op bij audits, incidenten en contractbeëindiging.
Leg in de samenwerking het volgende contractueel vast:
- Wie is verantwoordelijk voor de kwaliteit en herkomst van de trainingsdata of invoerdata.
- Welke logging en documentatie de externe partij bijhoudt en aan wie die beschikbaar is.
- Hoe menselijk toezicht is georganiseerd bij geautomatiseerde beslissingen.
- Wat de procedure is bij een incident of een onverwachte uitkomst van het systeem.
Hoe meer een AI-toepassing raakt aan klantprocessen of gevoelige data, hoe strakker die afspraken moeten zijn. Zorg ook dat je na afloop van het project de kennis intern kunt borgen, zodat je niet structureel afhankelijk blijft van de externe partij voor beheer en aanpassingen.
Hoe wij helpen met AI-governance in jouw organisatie
Veel organisaties weten wat ze willen met AI, maar lopen vast op de vraag wie wat doet en hoe ze de regie houden. Wij helpen je dat concreet te maken, zonder dat je eerst een heel governance-framework hoeft te bouwen voordat je kunt starten.
Via ons netwerk van specialty partners verbinden we je met de juiste expertise per laag:
- Data-eigenaarschap en datakwaliteit: specialisten die je databasis op orde brengen en houden.
- Procesbeveiliging en compliance: professionals die AI-toepassingen inrichten volgens de geldende kaders, waaronder de eisen uit de EU AI Act. Voor juridisch advies verwijzen we je naar je eigen adviseur.
- Adoptie en AI-literacy: change-begeleiders en AI Champions die teams meenemen in verantwoord gebruik.
- Tijdelijke rolinvulling: via Connect & Build vullen we rollen in die je nu nog niet intern hebt, en dragen we die over zodra je eigen mensen klaar zijn om ze te nemen.
De aanpak start altijd met jouw waardehypothese: welk probleem wil je oplossen, voor wie, en hoe ziet succes eruit? Vanuit dat vertrekpunt selecteren we partners die aansluiten op jouw uitdaging en jouw organisatiegrootte. Wil je weten welke rollen bij jouw organisatie ontbreken of hoe je de governance rond een lopend AI-initiatief kunt versterken? Neem contact op en we bespreken het samen.