In Nederland en Europa groeit de discussie over diversiteit in kunstmatige intelligentie. Meer vrouwen in het veld is belangrijk, maar het lost de diepere problemen van AI niet op. Het gaat om machtsconcentratie, ondoorzichtige algoritmen en zwakke bescherming van burgers. Dat raakt direct aan de Europese AI-verordening en de gevolgen voor overheid en bedrijven op het moment van schrijven.
Diversiteit is niet genoeg
Vrouwen aantrekken in tech is nodig, maar het verandert de spelregels niet vanzelf. De kernproblemen zitten in prikkels, macht en toezicht. Als beslissingen over data, risico’s en uitrol bij dezelfde kleine top blijven, verandert de uitkomst zelden. Inclusie zonder mandaat wordt dan een bijzaak naast snelle productlanceringen.
Vooral de manier waarop systemen worden getraind en getest, bepaalt of burgers worden beschermd. Bias in modellen blijft bestaan als doelen vooral snelheid en groei zijn. Dat gebeurt ook wanneer teamleden diverser zijn, maar geen zeggenschap hebben over datasetkeuzes of stopknoppen. Zeggenschap en verantwoordingsplicht zijn dus net zo belangrijk als representatie.
Ook taalgebruik beïnvloedt verwachtingen. “AI-ethiek” klinkt vriendelijk, terwijl het vaak om harde keuzes gaat: welke data mag wel of niet, wie draagt aansprakelijkheid en wanneer zet je een systeem uit. Duidelijke kaders en onafhankelijke controle zijn daarvoor nodig, los van wie er in het team zit.
Bias is een systematische vertekening in data of uitkomsten waardoor bepaalde groepen nadelig worden behandeld.
Macht bij Big Tech
De rekenkracht, data en distributie van generieke AI-modellen liggen nu bij een paar spelers. OpenAI (GPT-4o), Google (Gemini), Meta (Llama 3), Microsoft en Anthropic (Claude 3) bepalen grotendeels tempo en richting. Zij leveren ook infrastructuur, zoals cloud en chips, waardoor afhankelijkheid toeneemt. Dat beperkt de ruimte voor lokale keuzes en publieke waarden.
Europese alternatieven bestaan, maar blijven kleiner. Bedrijven als Mistral AI en Aleph Alpha bouwen eigen modellen, maar missen de schaal van Amerikaanse platforms. Open modellen zoals Llama 3 helpen de toegang, toch is zware hardware nog steeds nodig. Zonder publieke investeringen en gezamenlijke inkoop blijft Europa achter de feiten aanlopen.
Regels voor marktmacht, zoals de Digital Markets Act, zetten een eerste rem op poortwachters. Maar standaardisatie, toegang tot compute en eerlijke voorwaarden voor ontwikkelaars vragen meer. Anders verschuift het risico: wel diversere teams, maar nog steeds afhankelijk van dezelfde cloud en API’s. Dan verandert de uitkomst voor burgers nauwelijks.
Strikte regels zijn nodig
De Europese AI-verordening introduceert risicoklassen: verboden, hoog risico en beperkt risico. Voor hoog-risico systemen zijn eisen vastgelegd, zoals menselijk toezicht, kwaliteitsbeheer en duidelijke documentatie. Voor generieke AI-modellen gelden transparantieplichten, en voor zeer krachtige modellen extra zorgvuldigheid. Dit moet de black box stap voor stap opentrekken.
In Nederland betekent dit dat overheden en bedrijven hun processen moeten herzien. Denk aan een fundamentele-rechten-toets voordat een hoog-risico systeem live gaat. Leveranciers moeten technische dossiers en evaluaties delen, niet alleen marketingdemo’s. Dat voorkomt dat beleid achterloopt op technologie.
De AVG blijft de basis voor data. Dataminimalisatie, versleuteling en duidelijke doelen zijn verplicht, ook bij het trainen van modellen. Een privacy impact assessment (DPIA) is nodig als burgers er merkbaar door geraakt worden. Zo grijpen de AI-verordening en de AVG in elkaar, met praktische gevolgen voor inkoop, IT en juridische teams.
Publieke diensten onder druk
Publieke diensten zijn extra gevoelig voor foutmarges en bias. De Nederlandse toeslagenaffaire liet zien wat risicoprofilering kan aanrichten. Nieuwe algoritmen bij gemeenten, UWV of de IND vallen daarom vaak in de categorie hoog risico. Dat vraagt strikte logging, testplannen en uitleg die een burger kan begrijpen.
Ook inzet van chatbots in onderwijs en zorg vraagt zorgvuldigheid. Een generiek AI-model is een groot model dat voor veel taken wordt gebruikt. Wie Gemini, GPT-4o of Claude 3 inzet, moet toetsen op hallucinaties, discriminatie en toegankelijkheid. En burgers moeten weten wanneer zij met een systeem praten, niet met een mens.
Leveranciers aan de overheid, zoals Microsoft met Copilot of OpenAI via Azure, beloven Europese datalocaties en aparte verwerkingsafspraken. Toezicht blijft nodig, want contractbeloften zijn geen toezicht. Overheden doen er goed aan om broncode, evaluatiesets en auditrapporten op te vragen. Dat maakt handhaving haalbaar en discussies toetsbaar.
Maak ethiek beslissend
Ethiekteams hebben alleen effect met echt mandaat. Dat betekent budget, toegang tot brondata en het recht om een uitrol te pauzeren. Zonder die macht verschuiven risico’s naar eindgebruikers en uitvoeringsorganisaties. Dan is “ethiek” vooral decor.
Onafhankelijke audits en red teaming moeten standaard worden, ook bij generieke modellen. De AI-verordening vraagt om monitoring na lancering en het melden van incidenten. Organisaties kunnen dat uitbreiden met externe toetsing en een klachtenloket voor burgers. Zo wordt leren van fouten een plicht en geen keuze.
Diversiteit blijft waardevol, maar koppel die aan zeggenschap. Stel meetbare doelen voor beloning, promoties en vertegenwoordiging in besluitorganen. Regel veilige meldkanalen en bescherming voor tegenspraak. Pas dan verandert wie er aan tafel zit ook wat er op tafel ligt.
Focus op systeemkeuzes
De echte keuzes gaan over doelen, data en macht, niet alleen over wie er in het team werkt. Maak vooraf duidelijk welk publiek belang zwaarder weegt dan snelheid of marktaandeel. Leg vast welke data niet gebruikt wordt, ook als het technisch kan. En bepaal wie aansprakelijk is bij schade.
Voor Europa ligt hier een kans om techniek en recht samen te laten werken. Stel bij inkoop van AI-systemen harde eisen aan uitlegbaarheid, energieverbruik en mensenrechten. Gebruik Europese standaarden en gemeenschappelijke testbanken om claims te toetsen. Zo krijgen kleinere spelers ook een eerlijke kans.
Meer vrouwen in AI is goed, maar niet genoeg. Zonder stevige regulering, herverdeling van macht en echte transparantie blijven de uitkomsten ongelijk. Met de AI-verordening, de AVG en actief toezicht kan dat kantelen. Dan wordt kunstmatige intelligentie veiliger én eerlijker voor iedereen.