TNO waarschuwt dat productiviteitswinst door kunstmatige intelligentie geen automatisme is. Het Nederlandse onderzoeksinstituut ziet veel experimenten met tools als ChatGPT, Gemini en Microsoft Copilot, maar meetbare effecten blijven vaak beperkt. Bedrijven en overheden in Nederland en Europa moeten daarom investeren in processen, data en vaardigheden. Dit is extra urgent door de Europese AI-verordening (AI Act) en de AVG, die op het moment van schrijven de gevolgen voor overheid en bedrijfsleven sturen.
TNO tempert AI-optimisme
TNO stelt dat organisaties te snel rekenen op tijdwinst of kostenbesparing zodra zij een algoritme inzetten. In de praktijk blijkt dat pilots met generatieve AI vooral taken ondersteunen, maar zelden hele werkprocessen verbeteren. Zonder aanpassingen in organisatie en IT verdwijnen voordelen in overdracht, controles en herstelwerk. De beloofde productiviteit blijft dan uit.
Generatieve AI is software die nieuwe tekst, beeld of code maakt op basis van voorbeelden. Voorbeelden zijn OpenAI’s ChatGPT, Google’s Gemini en Microsoft Copilot in Office-apps. Deze systemen helpen bij conceptteksten, samenvattingen en eenvoudige analyse. Maar als input onvolledig is, of taken onduidelijk zijn, levert het systeem half werk op.
In Nederlandse sectoren zoals overheid, zorg en zakelijke dienstverlening lopen al veel proefprojecten. Die pilots tonen vaak snelle winst op individuele taken, zoals e-mails schrijven of verslagen opstellen. TNO ziet echter dat ketenbrede winst uitblijft als beleid, kwaliteitsnormen en werkverdeling niet mee veranderen. Het echte knelpunt zit dus in de organisatie, niet in de tool.
Zonder data geen voordeel
AI presteert alleen goed met actuele, schone en toegankelijke data. Veel organisaties hebben versnipperde databronnen en verouderde documentatie. Daardoor halen modellen verkeerde of onvolledige informatie op. Het resultaat is extra controlewerk, en dus geen productiviteitswinst.
De AVG verplicht dataminimalisatie en duidelijke doelen voor verwerking. Dat botst soms met de neiging om “alles” in een datamodel te stoppen. TNO benadrukt dat selectie en opschoning nodig zijn voordat AI nuttig kan werken. Dat geldt zeker bij gebruik van klantdata of medische gegevens, waar strenge beveiliging vereist is.
Steeds meer teams combineren generatieve AI met een eigen kennisbank via retrieval-augmented generation (RAG). Dit is een aanpak waarbij het model eerst zoekt in interne documenten en daarna antwoord geeft. Zo blijft informatie controleerbaar en blijven bedrijfsgeheimen binnen de organisatie. Zonder zo’n laag is het lastig om uitkomsten te toetsen en herhalen.
Menselijke factor bepaalt winst
Vaardigheden bepalen hoeveel voordeel gebruikers uit AI halen. Wie heldere opdrachten geeft en uitkomsten kan beoordelen, werkt sneller en beter. Dit vraagt training in schrijfstijl, kritisch lezen en basiskennis van datamodellen. Prompting, het formuleren van gerichte opdrachten aan een model, is daarbij een praktische vaardigheid.
AI verandert ook de verdeling van werk. Routinetaken verschuiven naar systemen, terwijl beoordeling en regie bij mensen blijven. Teams moeten daarom afspraken maken over wie de eindverantwoordelijkheid draagt. In publieke dienstverlening, zoals bij gemeenten, is menselijke toetsing extra belangrijk voor kwaliteit en rechtmatigheid.
Arbeidsafspraken en medezeggenschap spelen hierin mee. Werkgevers moeten helder zijn over monitoring, prestatiemetingen en privacy. Een Data Protection Impact Assessment (DPIA) helpt risico’s vooraf te wegen. Zo blijft inzet van AI uitlegbaar voor medewerkers en burgers.
Meet eerst, voer dan op
Zonder nulmeting is elke “winst” een gevoel. TNO adviseert om vooraf te bepalen welke indicatoren tellen: doorlooptijd, foutpercentage, klanttevredenheid of kosten per dossier. Koppel de indicator aan één taak en één team. Vergelijk daarna de uitkomsten met en zonder AI.
Begin klein, automatiseer pas na bewijs, en monitor continu. Organisaties kunnen A/B-testen en loggen welke prompts, datasets en versies van het model zijn gebruikt. Zo is duidelijk wat echt werkt en wat bijsturing vraagt. Dit voorkomt dat een werkende proef strandt bij uitrol.
Productiviteit is simpel gezegd: meer waarde per gewerkt uur. AI verhoogt die alleen als de totale keten sneller, correcter en met minder herstelwerk loopt.
Ook de keuze voor het type model telt mee. Een compact domeinmodel kan goedkoper en stabieler zijn dan een groot, algemeen model. Versiebeheer en herhaalbaarheid zijn belangrijk voor audits. Zeker in sectoren met toezicht moet elke stap terug te vinden zijn.
AI Act en AVG sturen keuzes
De Europese AI-verordening (AI Act) geldt op het moment van schrijven gefaseerd tussen 2024 en 2026. Hoogrisico-toepassingen, zoals systemen voor werving, krediet of essentiële publieke diensten, krijgen strenge eisen. Denk aan risicobeheer, data-kwaliteit, menselijke controle en uitgebreide documentatie. Organisaties moeten dit vroeg in projecten inbouwen.
Generatieve AI valt onder transparantieplichten, zoals het labelen van synthetische content. Bij gebruik in producten of diensten tellen bovendien de regels voor veiligheid en consumentenrecht mee. De AVG blijft onverminderd gelden voor persoonsgegevens. Dat betekent: doelbinding, dataminimalisatie, beveiliging en rechten van betrokkenen.
Publieke instellingen moeten rekening houden met inkoop en archivering. Loggen, uitlegbaarheid en bewaartermijnen zijn onderdeel van goed bestuur. Europese aanbieders zoals Mistral AI en Aleph Alpha profileren zich met dataverblijflocatie en controleerbaarheid. Dit kan helpen om te voldoen aan Europese eisen en interne auditnormen.
Wat organisaties nu kunnen doen
Inventariseer processen en kies taken met duidelijke, meetbare outputs. Start met een afgebakend gebruiksdoel, zoals dossiervorming of klantreacties. Koppel daar een kwaliteitsnorm aan en leg die vast in beleid. Bepaal vooraf wanneer je stopt, schaalt of bijstuurt.
Stel inkoopcriteria op voor modellen en platforms. Let op data-afscherming, Europese hostingopties, logging, versiebeheer en exitmogelijkheden. Controleer of leveranciers voldoen aan de AI Act en de AVG, en vraag om auditrapporten. Een dataportabiliteitsclausule verkleint afhankelijkheid van één aanbieder.
Richt governance in met rollen voor eigenaarschap, beveiliging en kwaliteitscontrole. Combineer automatische checks met menselijke beoordeling bij gevoelige besluiten. Geef medewerkers training en een duidelijk escalatiepad. Zo wordt AI een hulpmiddel dat aantoonbaar waarde toevoegt, in plaats van een belofte die niet uitkomt.