Waarom bedrijven een waarden-gestuurde aanpak voor AI-governance moeten volgen

In september 2025 kwamen alle lidstaten van de Verenigde Naties voor het eerst bijeen om internationale AI-governance te bespreken; veel waren opnieuw vertegenwoordigd in februari op de AI Impact Summit in Delhi. Het evenement leidde tot de lancering van twee nieuwe instanties gericht op AI-governance; maar het was, op zijn best, een symbolisch succes.

De nieuwe mechanismen van de VN waren ontworpen om consensus te bereiken: ze mijden omstreden gebieden zoals militaire toepassingen van AI en ontbreken duidelijke bronnen van financiering en handhavingsbevoegdheden. Dit zou geen verrassing moeten zijn voor ervaren waarnemers. De VN van vandaag ontbreekt het aan de mogelijkheid om snel te handelen of universele naleving van hun beslissingen te garanderen, waardoor het een moeilijke forum is om echte verandering teweeg te brengen.

Dit past in een goed gevestigd patroon. Ondanks jarenlange verspreide pogingen om consensus te bereiken over AI-regelgeving, zijn er geen significante internationale overeenkomsten gesloten, waardoor een leegte is ontstaan waarin individuele landen en blokken zijn gedwongen om hun eigen regels te ontwikkelen. Toch is de effectieve governance van AI cruciaal als we het willen zien worden toegepast, vertrouwd door het publiek en gebruikt op manieren die duurzame sociale en economische voordelen opleveren.

Maak het goed en repareer het

Voor wereldwijd opererende bedrijven die AI-systemen bouwen en exploiteren, is het ontbreken van gemeenschappelijke, overeengekomen governance-mechanismen problematisch. Ze willen AI-systemen over de hele wereld inzetten, maar geen twee rechtsgebieden houden zich aan dezelfde set regels. Daarom zijn ze genoodzaakt om een generieke governance-framework rond hun systeem te creëren, en vervolgens opnieuw op te bouwen vanaf de grond in elk land waarin ze opereren om ervoor te zorgen dat deze voldoet aan de lokale wetten en regelgeving. Deze aanpak creëert een enorm amount aan extra werk, maakt AI-initiatieven duurder en gevoeliger voor vertragingen, en verzwakt de mogelijkheid van mondiale bedrijven om schaalvoordelen te realiseren en effectieve tools met gebruikers overal ter wereld te delen.

Er is echter een alternatief. Voor bedrijven die hun aanpak willen stroomlijnen, kan de beste optie zijn om een AI-governance-framework te bouwen dat rekening houdt met gemeenschappelijke ethische principes in deze verschillende regio’s, waardoor ze overal hoge standaarden halen in termen van bescherming van individuen, vrijheid, privacy en veiligheid. Deze techniek vertegenwoordigt een krachtige manier voor AI-bedrijven om het publieke vertrouwen in hun technologie te vergroten, hun klantenbestand te versterken en de potentiële voordelen van AI voor de samenleving te benutten.

Zes sleutelwaarden voor AI-governance

Voor elke organisatie die geïnteresseerd is in het volgen van een waarden-gestuurde aanpak voor AI-governance, zou ik het volgen van de zes sleutelwaarden die wij volgen aanbevelen: aansprakelijkheid, verklarende waarde, transparantie, eerlijkheid, veiligheid en betwistbaarheid.

We kozen deze waarden omdat ze alle belangrijke gebieden van de AI-systeemlevenscyclus dekken en omdat ze al zijn gecodificeerd in verschillende internationale en nationale standaarden met betrekking tot AI, zoals de International Organization for Standardization’s ISO/IEC 42001 en de Artificial Intelligence Playbook for the UK Government.

Om te beginnen met het eerste, aansprakelijkheid betekent weten wie verantwoordelijk is voor wat op elk moment in de AI-levenscyclus. Zonder duidelijke eigenaarschap kunnen vitale controles worden weggelaten omdat geen enkel individu of team de uiteindelijke verantwoordelijkheid draagt. Organisaties moeten senior, benoemde eigenaars – zoals hun Chief AI Officer – toewijzen aan AI-systemen en sleutelfasen en een risicogebaseerd governance-model gebruiken, waarbij dezelfde aandacht wordt besteed aan derdenhulpmiddelen als aan die welke in-house zijn ontwikkeld. Dit betekent dat men de leveranciersvoorwaarden, beperkingen en aansprakelijkheden net zo goed begrijpt als zijn eigen systemen.

De Organisatie voor Economische Samenwerking en Ontwikkeling (OESO) vat dit goed samen in haar richtsnoeren voor het bevorderen van aansprakelijkheid in AI, die aanbevelen dat organisaties “mechanismen creëren om het AI-risicomanagementproces in de bredere organisatorische governance in te bedden, waardoor een cultuur van risicomanagement wordt bevorderd, zowel binnen organisaties als in de hele AI-waardeketen.”

Als volgende is verklarende waarde. Organisaties moeten kunnen aantonen hoe een AI-systeem tot een beslissing komt. Dat vereist mechanismen om besluitvorming te documenteren en te traceren, naast duidelijke records van systeemontwerp, trainingsgegevens en beslissingsprocessen. Samen genomen, stelt dit teams in staat om de afkomst van informatie van een systeem te begrijpen vanaf het begin tot en met de implementatie.

Eerlijkheid richt zich op het waarborgen dat AI-systemen eerlijke resultaten opleveren en bestaande vooroordelen niet repliceren of versterken. Zonder doelgerichte controles kunnen systemen schade veroorzaken door scheve resultaten te leveren – een bijzonder probleem in hoog-impactgebieden zoals werving, gezondheidszorg en strafrecht. Om dit te mitigeren, moeten organisaties maatregelen tegen vooroordeel detecteren implementeren, uitvoer regelmatig controleren over relevante groepen en governance-kaders ontwerpen die lokale non-discriminatie-eisen kunnen accommoderen. In de praktijk betekent dit het bouwen van systemen die voldoen aan de hoogste juridische standaard die ze waarschijnlijk zullen tegenkomen, inclusief verplichtingen krachtens wetten zoals de Equality Act 2010 van het VK en het Handvest van de grondrechten van de EU.

Transparantie gaat over het verschaffen van duidelijkheid aan zowel gebruikers als toezichthouders. Mensen moeten begrijpen wanneer AI wordt gebruikt, welke rol het speelt in besluitvorming en welke gegevens het ondersteunen. Een praktisch startpunt is het standaardiseren van documentatie over AI-systemen, ondersteund door interne tools zoals modelkaarten: korte documenten die worden verstrekt met machine learning-modellen die de context uitleggen waarin de modellen zijn bedoeld om te worden gebruikt, details van de prestatiebeoordelingsprocedures en andere relevante informatie. Zonder transparantie kunnen gebruikers onrechtvaardige resultaten niet betwisten, kunnen toezichthouders niet effectief ingrijpen en kunnen schadelijke gevolgen onder het tapijt worden geveegd.

Veiligheid houdt in het beschermen van AI-systemen tegen ongeoorloofde toegang, manipulatie of onbedoeld gedrag. Als de beveiliging zwak is, kunnen AI-systemen organisaties, gebruikers en hun gegevens in gevaar brengen, waardoor ze worden blootgesteld aan financieel en reputatieschade. Organisaties moeten prestatie- en nauwkeurigheidsdrempels definiëren, systemen testen onder realistische omstandigheden en rode teamtesten incorporeren om kwetsbaarheden te identificeren.

Ten slotte waarborgt betwistbaarheid dat mensen een duidelijke en toegankelijke manier hebben om AI-gedreven beslissingen aan te vechten of aan te vechten. Zonder dit hebben getroffen gebruikers geen mogelijkheid om problemen aan de orde te stellen en kunnen deze nooit worden opgelost. Organisaties moeten meldingskanalen bieden op het moment van gebruik, senior eigenaars toewijzen om klachten te beheren en ervoor zorgen dat systemen kunnen worden gepauzeerd, herzien of bijgewerkt waar nodig.

Wat zijn de voordelen van een waarden-gestuurde raamwerk?

Er zijn twee krachtige redenen om deze waarden-gestuurde aanpak voor AI-governance te volgen. Ten eerste omdat degenen die AI-systemen bouwen en implementeren een ethische verantwoordelijkheid hebben jegens de mensen en organisaties die door hen worden beïnvloed; en ten tweede omdat dit een effectievere manier is om de beloofde voordelen van AI in de praktijk te realiseren.

Gebruikers van AI-systemen, zowel zakelijk als individueel, vertrouwen impliciet op de makers ervan om persoonlijke gegevens niet te misbruiken of hen aan onnodig risico bloot te stellen. Wanneer organisaties dit vertrouwen schenden, wordt het erg moeilijk voor hen om deze gebruikers te behouden. Uiteindelijk zullen mensen, tenzij ze AI-systemen vertrouwen en de duidelijke voordelen zien die ze bieden, niet meegaan met hun introductie. Dit zal leiden tot meer sociale en economische verdeeldheid, en we zullen veel van de kansen die deze technologie biedt missen.

Anderszijds kunnen bedrijven die een waarden-gestuurde raamwerk overal toepassen – inclusief in regio’s met minder strenge governance-eisen – aan klanten, investeerders en toezichthouders aantonen dat ze zich houden aan een hogere standaard dan de basisvereisten van naleving. Dit bouwt vertrouwen op, engagement en uiteindelijk zakelijk succes.

Stevige AI-governance is een waardecreator, niet een nalevingslast. Het stelt bedrijven in staat om nieuwe producten sneller op de markt te brengen, hun risico-expositie te verminderen en hun oplossingen met vertrouwen over meerdere markten te schalen.

McKinsey’s ‘The state of AI‘-rapport vond dat “een CEO’s toezicht op AI-governance… één element is dat het meest correleert met een hoger zelfgerapporteerd onderste regel-effect van een organisatie’s gen AI-gebruik,” waarmee de commerciële voordelen van een dergelijke aanpak worden onderstreept. In die zin vertegenwoordigt het opbouwen van sterke ethische kaders in AI-systemen verlicht eigenbelang.

Verder is het gewoon het juiste om te doen. We hebben ons wereldwijde ethische AI-beleid gebouwd rond hetzelfde principe: dat geavanceerde technologieën mensen en de samenleving moeten dienen, en niet andersom. Dit weerspiegelt de bredere visie van Society 5.0: een mensgericht innovatiemodel dat economische vooruitgang combineert met de oplossing van sociale uitdagingen.

Als opkomende technologieën zoals AI een gelukkiger, meer harmonieus samenleving moeten bevorderen, moeten ze worden gebouwd op sterke ethische fundamenten. Dat begint met een focus niet alleen op de standaarden die organisaties moeten naleven, maar ook op de standaarden die ze willen bereiken.