In Nederland en Europa groeit de zorg over de macht van kunstmatige intelligentie. Burgers en instellingen vragen zich af hoe ze zeggenschap houden, nu systemen als ChatGPT en Gemini overal opduiken. Het debat speelt in overheden, bedrijven en universiteiten, en is urgent in 2026. De kernvraag: hoe beperken we afhankelijkheid zonder digitale vooruitgang te verliezen?
Big tech bundelt AI-diensten
Grote technologiebedrijven koppelen hun datamodellen aan clouddiensten en besturingssystemen. OpenAI biedt ChatGPT en GPT-4o via Microsoft Azure, terwijl Google Gemini diep in Workspace en Android zit. Meta levert Llama 3 als open model, maar stuurt gebruik via eigen platforms. Die bundeling maakt overstappen lastig en vergroot hun onderhandelingsmacht.
De macht zit niet alleen in het model, maar vooral in infrastructuur en data. Wie de chips, de cloud en de distributie van apps beheerst, bepaalt de spelregels. Dat geldt voor Microsoft, Google en Amazon Web Services, maar ook voor chipleveranciers als NVIDIA. Europese alternatieven zoals Mistral AI moeten daarom niet alleen modellen bouwen, maar ook toegang tot rekenkracht en klanten organiseren.
Voor gebruikers betekent dit lock-in risico’s. Een organisatie die vandaag een AI-assistent in alle processen verweeft, kan morgen moeilijk weg als prijzen stijgen of voorwaarden veranderen. Contracten, API’s en bestandsformaten spelen daarbij een stille maar grote rol. Keuzevrijheid vraagt dus om technische en juridische exit-opties vanaf dag één.
Europese AI-verordening geeft kaders
De Europese AI-verordening (AI Act) zet een risicokader neer dat op het moment van schrijven gefaseerd ingaat. Verboden toepassingen gelden eerder, terwijl verplichtingen voor hoog-risico systemen in 2026 van kracht worden. Ook algemene AI-modellen (foundation models) zoals GPT-4o, Gemini en Llama 3 krijgen transparantieplichten. Dat moet machtsmisbruik en ondoorzichtige inzet beperken.
Voor overheden in Nederland heeft dit directe gevolgen. In zorg, onderwijs, werk en publieke dienstverlening vallen veel toepassingen in de hoog-risico klasse. Instellingen moeten dan risicoanalyses doen, data-kwaliteit borgen en menselijk toezicht inbouwen. Inkoop vraagt dus om nieuwe eisen, audits en documentatie.
Toezicht wordt Europees en nationaal belegd. De European AI Office ondersteunt handhaving en richtlijnen, terwijl lidstaten markttoezichthouders aanwijzen. In Nederland spelen op het moment van schrijven de Autoriteit Persoonsgegevens en de Rijksinspectie Digitale Infrastructuur een rol rond respectievelijk data en digitale systemen. Heldere taken en capaciteit zijn nodig om regels echt te laten werken.
Mens houdt beslissingsrecht
De Algemene verordening gegevensbescherming (AVG) geeft burgers bescherming tegen automatische besluiten. Artikel 22 biedt recht op menselijke tussenkomst bij beslissingen met rechtsgevolg of vergelijkbare impact. Dat raakt sollicitaties, kredietbeoordeling en toewijzing van publieke diensten. Organisaties moeten daarom “mens-in-de-lus” ontwerpen en dat aantoonbaar maken.
Praktisch betekent dit logboeken, uitleg in heldere taal en een bezwaarprocedure. Ook moeten modellen regelmatig worden getest op foutmarges en vooringenomenheid. Een algoritme dat 95 procent scoort, kan nog steeds groepen structureel benadelen. Zonder corrigerende mens en goede data is dat onacceptabel.
Recht op menselijke tussenkomst: geen beslissing met rechtsgevolgen mag volledig geautomatiseerd zijn zonder passende waarborgen (AVG, art. 22).
Publieke organisaties in Nederland kunnen voortbouwen op bestaande instrumenten. Denk aan effectbeoordelingen voor algoritmen, registers van gebruikte systemen en externe inspecties. De AI Act maakt veel daarvan verplicht en controleerbaar. Dat helpt burgers om besluiten te begrijpen en aan te vechten.
Open en lokaal als alternatief
Open modellen en lokaal draaien bieden meer controle. Met Llama 3 of Mistral Large kan een organisatie systemen op eigen servers of op Europese clouds inzetten. Dat beperkt datadeling met Amerikaanse aanbieders en verlaagt afhankelijkheid. Het past ook beter bij dataminimalisatie onder de AVG.
Er zijn wel ruilvoeten. Veiligheidsfilters en updates moet je zelf organiseren, en dat vraagt expertise. Ook halen compacte, lokaal draaiende modellen vaak niet het niveau van de grootste cloudmodellen. Een hybride aanpak — lokaal waar het kan, cloud waar het moet — is daarom realistisch.
Europese spelers bouwen hierop door. Mistral AI en Aleph Alpha richten zich op aanpasbaarheid en integratie met bestaande IT. Sectorale modellen, bijvoorbeeld voor zorg of overheid, kunnen zo met striktere datakaders werken. Voorwaarde is wel: duidelijke contracten over beveiliging, onderhoud en exit.
Transparantie maakt keus mogelijk
Zeggenschap begint bij inzicht. Leveranciers moeten documentatie geven over trainingsdata, beperkingen en bekende risico’s van hun systemen. Voor algemene modellen verplicht de AI Act op het moment van schrijven tot technische documentatie en risicobeperking. Dat geeft inkopers en toezichthouders een basis om kwaliteit te toetsen.
Nederlandse overheden kunnen transparantie doortrekken naar burgers. Gemeentelijke algoritmeregisters en begrijpelijke uitleg bij besluiten helpen vertrouwen te winnen. Ook watermerken of labels bij AI-gegenereerde beelden en teksten worden belangrijk. Zo ziet een gebruiker sneller wat machinewerk is en wat niet.
Contractueel kan nog veel worden vastgelegd. Denk aan openbaar maken van evaluaties, periodieke bias-tests en incidentmeldingen. Heldere service levels over foutpercentages en hersteltermijnen maken risico’s bespreekbaar. Zonder deze ankers wordt “vertrouw maar op het model” al snel een blanco cheque.
Energie en chips bepalen grenzen
De fysieke laag remt en stuurt de macht van AI. Grootschalige modellen vragen veel rekenkracht, water en stroom. Datacenters en GPU’s zijn schaars en duur, wat toegang ongelijk maakt. Dit vergroot de voorsprong van partijen met diepe zakken en eigen infrastructuur.
Europa heeft hier eigen hefboompunten. ASML in Veldhoven levert cruciale machines voor chipproductie, en Europese energie- en datacenterregels bepalen waar groei kan landen. Beleidskeuzes over netcapaciteit en duurzaamheid sturen dus indirect de AI-markt. Transparantie over verbruik en efficiëntie wordt een concurrentiefactor.
Voor organisaties loont het om efficiëntie mee te nemen in selectiecriteria. Kleinere, taak-specifieke modellen kunnen vaak hetzelfde leveren tegen lagere kosten en impact. Slimmere prompts en caching schelen eveneens veel rekenwerk. Minder rekenkracht betekent ook minder afhankelijkheid van een paar wereldwijde leveranciers.
Volledig ontsnappen aan AI-macht is niet realistisch, maar gerichte keuzes helpen. Kies voor open waar mogelijk, borg menselijk toezicht en leg afspraken vast. Gebruik de Europese AI-verordening en de AVG als harde ondergrens. Zo blijft technologie hulpmiddel, geen heerser.