Is minimalisering de beste aanpak voor AI-governance?

Wanneer organisaties kunstmatige intelligentie (AI) in hun bedrijfsvoering integreren, hebben ze duidelijke manieren nodig om de risico’s van de ontwikkeling en het gebruik ervan te beheersen. Effectief toezicht biedt controle, maar complexe procedures kunnen middelen opslokken en de invoering vertragen. Minimalisering kan governance evenrediger maken door onnodig datagebruik te beperken en tegelijkertijd verantwoording en waarborgen te behouden.

Waarom AI-governance belangrijk is

AI-governance legt het beleid, de verantwoordelijkheden en het toezicht vast die richting geven aan de manier waarop organisaties AI-systemen ontwikkelen, inzetten en gebruiken. Het helpt organisaties risico’s in kaart te brengen, bevoegdheden voor besluitvorming toe te wijzen en processen op te zetten om prestaties te bewaken en problemen aan te pakken.

Organisaties moeten bij de invoering van AI rekening houden met verschillende risico’s, waaronder privacyschendingen, beveiligingskwetsbaarheden, bevooroordeelde uitkomsten, onnauwkeurige resultaten en beperkte transparantie. Zonder passende beheersmaatregelen kunnen beslissingen die door AI worden gegenereerd gevolgen hebben voor klanten, werknemers en andere belanghebbenden, en die gevolgen kunnen moeilijk te herstellen zijn. Governance helpt organisaties ook om te voldoen aan toepasselijke wettelijke vereisten en het gebruik van AI af te stemmen op bedrijfsdoelstellingen.

De International Association of Privacy Professionals meldde dat 77% van de ondervraagde organisaties in 2025 bezig was met AI-governance. Deze bevinding wijst op aanzienlijke aandacht van organisaties voor dit onderwerp, al betekent werken aan governance niet noodzakelijkerwijs dat een organisatie haar raamwerk heeft afgerond of volledig heeft ingevoerd.

Duidelijke verantwoordelijkheden en doorlopende monitoring helpen organisaties opkomende kwesties te signaleren, onverwachte uitkomsten te onderzoeken en beheersmaatregelen aan te passen wanneer systemen veranderen. Effectieve governance kan ook het vertrouwen van belanghebbenden versterken door te laten zien dat een organisatie rekening houdt met de gevolgen van AI-gebruik en verantwoordelijkheid blijft nemen voor haar beslissingen.

Uitdagingen bij AI-governance

Hoewel governance organisaties helpt AI-risico’s te beheersen, kan het lastig zijn effectief toezicht op te zetten en in stand te houden. Om de reikwijdte van het toezicht te bepalen, moeten organisaties vaststellen welke AI-systemen, activiteiten en afhankelijkheden onder governance moeten vallen. 

Om de reikwijdte van AI-governance duidelijk af te bakenen, kunnen organisaties ISO/IEC 42001 raadplegen. Deze norm bevat vereisten voor het opzetten en onderhouden van een AI-managementsysteem. Naleving kan de modelprestaties verbeteren, waardoor AI sneller en veiliger kan worden ingezet. Ook helpt dit organisaties vast te stellen welke onderdelen van hun bedrijfsvoering onder hun AI-managementsysteem vallen. Deze normen houden rekening met de geografische dekking, de koppelingen met andere systemen en de reikwijdte van de AI-activiteiten. 

Andere belangrijke uitdagingen zijn:

• Complexiteit van AI-systemen: AI-toepassingen kunnen afhankelijk zijn van onderling verbonden modellen, datasets, tools van derden en geautomatiseerde beslissingen. Door deze afhankelijkheden kan het lastig zijn om de herkomst van resultaten te achterhalen, kwetsbaarheden te identificeren en te bepalen waar beheersmaatregelen nodig zijn.
• Privacy en beveiliging van gegevens: Organisaties moeten gevoelige informatie beschermen tijdens de verzameling van gegevens, het trainen van modellen, de implementatie en het verdere gebruik. 
• Vooringenomenheid en beperkte transparantie: Niet-representatieve trainingsgegevens kunnen bijdragen aan oneerlijke uitkomsten, terwijl ondoorzichtig modelgedrag het moeilijk kan maken om beslissingen uit te leggen, te beoordelen of aan te vechten.
• Veranderende regelgeving en normen: Organisaties die in meerdere rechtsgebieden actief zijn, kunnen te maken krijgen met uiteenlopende of veranderende wettelijke vereisten. Governanceprocessen moeten aan de toepasselijke verplichtingen voldoen zonder onnodige doublures te creëren.
• Beperkingen op het gebied van middelen en bedrijfsvoering: Specialistische kennis, documentatie, beoordelingen en doorlopende monitoring kosten tijd en geld. 
• Toezicht en innovatie in balans brengen: Buitensporige goedkeuringsvereisten kunnen projecten vertragen, terwijl zwakke beheersmaatregelen ertoe kunnen leiden dat aanzienlijke risico’s onbeheerst blijven.

Deze uitdagingen onderstrepen hoe waardevol het is om onnodige complexiteit te verminderen. Tegelijkertijd moet het minimaliseren van governance ook gepaard gaan met beheersmaatregelen die mensen en informatie beschermen en de verantwoordingsplicht van de organisatie waarborgen.

Zo stelde de New York State Comptroller vast dat overheidsinstanties in New York City geen eenduidige aanpak hanteerden voor toezicht op AI; sommige instanties hadden geen beleid om vooringenomenheid en nauwkeurigheid te beoordelen. De bevindingen laten zien dat het verminderen van complexiteit duidelijke, consistente governancenormen vereist om de verantwoordingsplicht te handhaven. 

Wat minimalisering binnen AI-governance inhoudt

Minimalisering binnen AI-governance houdt in dat onnodig datagebruik en administratieve lasten worden teruggedrongen, terwijl de maatregelen die nodig zijn om risico’s te beheersen behouden blijven. Dit kent twee hoofddimensies: dataminimalisatie en het minimaliseren van governance. Beide zijn erop gericht AI-praktijken evenrediger te maken aan hun doel en mogelijke impact.

Dataminimalisatie

Dataminimalisatie beperkt het verzamelen, bewaren, verwerken en delen van informatie tot wat een AI-systeem nodig heeft voor een duidelijk omschreven doel. Organisaties kunnen dit principe toepassen door de toegang tot gevoelige informatie te beperken en waar passend geanonimiseerde of synthetische gegevens te gebruiken.

Door overbodige gegevens te beperken, kunnen organisaties de privacyrisico’s verkleinen en de hoeveelheid informatie die ze moeten beschermen terugdringen. Dataminimalisatie vraagt echter om een zorgvuldige afweging. Het verwijderen van relevante informatie kan de nauwkeurigheid van modellen verminderen, ervoor zorgen dat verschillende groepen minder goed vertegenwoordigd zijn of het lastiger maken om bevooroordeelde uitkomsten te herkennen. Organisaties moeten bepalen welke gegevens nodig zijn om het beoogde doel te bereiken en betrouwbare, eerlijke resultaten te ondersteunen.

Vereenvoudiging van governance

Bij vereenvoudiging van governance ligt de nadruk op het stroomlijnen van toezichtprocessen. Organisaties kunnen overlappende beoordelingen samenvoegen en beoordelingen waar passend opnieuw gebruiken. Ook kunnen ze de bevoegdheden voor besluitvorming verduidelijken en goedkeuringslagen schrappen die geen betekenisvolle extra bescherming tegen risico’s bieden.

Deze veranderingen helpen de administratieve kosten en vertragingen te beperken en maken de verantwoordelijkheden van teams duidelijker. Vereenvoudiging van governance mag echter niet leiden tot het schrappen van essentiële documentatie, onafhankelijke toetsing, menselijk toezicht of verplichte controles. Het doel is het toezicht efficiënter te maken en tegelijkertijd de verantwoordingsplicht te handhaven.

Strategieën om AI-governance te vereenvoudigen

Een aanpak op basis van minimalisatie kan AI-governance efficiënter maken wanneer organisaties hun gegevenspraktijken en toezichtvereisten afstemmen op de risico’s van elk gebruiksscenario. Verschillende maatregelen kunnen onnodige complexiteit verminderen en tegelijkertijd de verantwoordingsplicht, betrouwbare prestaties en passende waarborgen behouden.

Kies voor een risicogebaseerde aanpak

Organisaties kunnen AI-systemen indelen op basis van het beoogde gebruik, de mogelijke impact en de gevoeligheid van gegevens. Het AI Risk Management Framework van het National Institute of Standards and Technology biedt een structuur voor het beheersen van AI-risico’s aan de hand van vier functies, namelijk Govern, Map, Measure en Manage. Organisaties kunnen deze functies gebruiken om risico’s in kaart te brengen, het belang ervan te beoordelen en passende maatregelen te bepalen.

Stel duidelijke vereisten voor gegevens vast

Voor elk AI-systeem moet het doel zijn bepaald voordat de gegevensverzameling begint. Organisaties kunnen vervolgens vaststellen welke gegevenscategorieën nodig zijn, irrelevante velden verwijderen, de toegang beperken en passende bewaartermijnen vaststellen. Tests moeten bevestigen dat de verkleinde gegevensverzamelingen nauwkeurige en eerlijke resultaten blijven ondersteunen.

Optimaliseer modellen en computerbronnen

Modeloptimalisatie, efficiënte algoritmen en energiezuinige hardware kunnen helpen de onnodige rekenbehoefte te verminderen. Bedrijven kunnen federatief leren onderzoeken, waarbij minder overdracht nodig is van grote hoeveelheden informatie. Deze praktijken kunnen de rekenkosten en het energieverbruik verlagen en tegelijkertijd de privacy van gegevens helpen beschermen. 

Stroomlijn governanceprocessen

Organisaties kunnen overlappende beoordelingen samenvoegen, beoordelingen die dezelfde risico’s behandelen opnieuw gebruiken, verantwoordelijkheden verduidelijken en goedkeuringsroutes vaststellen op basis van risiconiveau. Gestandaardiseerde processen helpen teams routinetoepassingen efficiënt af te handelen en complexere gevallen voor te leggen aan de juiste specialisten.

Behoud essentiële waarborgen

Een aanpak op basis van minimalisatie moet waarborgen voor privacy en beveiliging, beoordelingen van vooringenomenheid, passend menselijk toezicht, controlesporen en procedures voor incidentrespons behouden. Organisaties moeten ook nagaan of gestroomlijnde processen blijven voldoen aan de toepasselijke wettelijke en regelgevende verplichtingen.

Houd prestaties in de gaten en beoordeel controles opnieuw

Governancevereisten kunnen veranderen wanneer een AI-systeem zich verder ontwikkelt, nieuwe gebruikers bereikt of extra taken ondersteunt. Organisaties moeten na de ingebruikname de nauwkeurigheid, eerlijkheid en privacyrisico’s monitoren. Ook moeten ze de vereisten voor gegevens en de toezichtprocedures opnieuw beoordelen wanneer de omstandigheden veranderen.

Minimalisatie toepassen op AI-governance

Minimalisatie werkt het best als onderdeel van een risicogebaseerde governancestrategie. Het passende niveau van minimalisatie verschilt echter per doel, complexiteit en mogelijke impact van een AI-systeem. Door efficiëntie af te wegen tegen passende waarborgen, verantwoordingsplicht en voortdurende evaluatie, kunnen organisaties AI-governance vereenvoudigen en tegelijkertijd verantwoord en betrouwbaar gebruik van AI handhaven.