De Nederlandse auteur en adviseur Van Empel presenteert een nieuw boek over kunstmatige intelligentie. Het werk ontrafelt wat algoritmen doen in organisaties en laat lezers zelf aan de slag met oefeningen en checklists. De lancering richt zich op bestuurders, ict-managers en docenten in Nederland en Europa. Doel is om kansen te benutten en risico’s te beheersen, in lijn met de Europese AI-verordening en de AVG, met gevolgen voor overheid en onderwijs.
Boek zet lezer aan het werk
Het boek legt in heldere stappen uit wat AI in de praktijk betekent voor processen, medewerkers en klanten. Generatieve AI, een techniek die nieuwe tekst of beelden maakt op basis van voorbeelden, krijgt extra aandacht. De auteur vertaalt technische keuzes naar begrijpelijke vragen: welk probleem los je op, welke data heb je echt nodig en wie kijkt mee? Zo wordt de technologie tastbaar voor niet-technische lezers.
Van Empel gebruikt herkenbare voorbeelden uit kantoorwerk, ict en dienstverlening. Denk aan tekstassistenten zoals ChatGPT van OpenAI, schrijf- en analysefuncties in Microsoft Copilot, of vraag-antwoordsystemen als Google Gemini. Bij elk voorbeeld staat wat werkt, wat niet, en welke randvoorwaarden nodig zijn. Lezers krijgen opdrachten om zelf pilots te ontwerpen en resultaten te meten.
Een pilot is een kleinschalige proef met een duidelijk doel en einddatum. Het boek adviseert om klein te beginnen, met een taak die vaak terugkomt en meetbaar is. Denk aan het samenvatten van rapporten of het opstellen van eerste conceptteksten. Daarna volgt opschaling, met extra controles en afspraken over kwaliteit en veiligheid.
Belangrijk is ook de beperking van deze systemen. Taalmodellen kunnen “hallucineren”: uitkomsten geven die overtuigend klinken maar niet kloppen. Het boek laat zien hoe je dit risico beperkt met bronverwijzingen, interne kennisbanken en menselijk toezicht. Daarbij hoort ook een duidelijke rolverdeling tussen business, ict en compliance.
Europese AI-verordening stuurt keuzes
De Europese AI-verordening (AI Act) bepaalt op het moment van schrijven steeds meer de randvoorwaarden. Regels treden stapsgewijs in werking tussen 2024 en 2026 en leggen verplichtingen op aan aanbieders en gebruikers. Hoog-risicosystemen, zoals AI voor werving of kredietbeoordeling, krijgen extra eisen. Transparantie en menselijk toezicht zijn rode draden.
Voor organisaties in Nederland telt ook de AVG, met plichten rond dataminimalisatie, versleuteling en doelbinding. Een Data Protection Impact Assessment (DPIA) is nodig als een toepassing privacyrisico’s kan veroorzaken. Het boek koppelt deze vereisten aan praktische stappen: bepaal de grondslag, beperk persoonsgegevens en log beslissingen. Zo ontstaat aantoonbare verantwoording.
Leverancierskeuze krijgt een wettelijke dimensie. Afdelingen moeten afwegen of ze werken met gesloten clouddiensten van partijen als OpenAI, Google of Microsoft, of met open modellen zoals Llama van Meta of Mistral. Locatie van data-opslag en mogelijkheden voor Europese datacentra spelen mee. Het boek helpt bij het opstellen van inkoopcriteria en exit-strategieën.
Ook publieke instellingen moeten vooruit plannen. Gemeenten en uitvoeringsorganisaties hebben te maken met aanbestedingsregels en extra transparantie-eisen. Het advies is om vroegtijdig juridische, ict- en domeinexperts aan tafel te zetten. Zo voorkom je dat een succesvolle pilot spaak loopt bij opschaling.
De AI-verordening deelt systemen in vier risicoklassen: minimaal, beperkt, hoog en onaanvaardbaar. Hoe hoger het risico, hoe strenger de eisen voor data, toezicht en documentatie.
Praktische methode en oefeningen
Van Empel reikt een kort stappenplan aan: probleem afbakenen, data verzamelen, tool kiezen, testen, inbedden en borgen. Elke stap bevat voorbeelden en controlevragen. Een werkblad helpt om doelen, KPI’s en risico’s vast te leggen. Zo wordt één lijn gehouden tussen bestuur en werkvloer.
Het boek legt prompten uit: het formuleren van een duidelijke opdracht aan een model. Lezers oefenen met rollen, toon en constraints, zoals “schrijf in 200 woorden met bronverwijzing”. Voor kennisintensieve taken wijst de auteur op RAG, een techniek die eigen documenten ophaalt en meegeeft aan het model. Dit vergroot relevantie en maakt controles eenvoudiger.
Testen gebeurt niet alleen op gemiddelde kwaliteit, maar ook op fouten en vooroordelen. Het boek stimuleert “red teaming”: actief zoeken naar zwakke plekken. Denk aan scenario’s met gevoelige begrippen of meertalige invoer. Resultaten worden vastgelegd, herhaalbaar gemaakt en gedeeld met stakeholders.
Tot slot beschrijft het boek hoe teams klein en multidisciplinair kunnen starten. Business, ict, juridische experts en eindgebruikers werken samen in sprints. Besluiten en aannames worden gedocumenteerd, zodat audits later soepel verlopen. Zo ontstaat een leerproces dat past bij Europese eisen en Nederlandse werkcultuur.
Kansen en beperkingen op werkvloer
De productiviteitswinst zit vaak in veelvoorkomende taken. Denk aan samenvattingen, eerste conceptteksten, codevoorstellen of vergaderverslagen. Microsoft Copilot in 365 en GitHub Copilot kunnen hier tijd besparen, mits goed ingeregeld. Het boek adviseert om menselijk nazien verplicht te stellen bij externe publicaties.
Bias blijft een aandachtspunt, zeker in HR en dienstverlening. Hoog-risicotaken vragen extra controles, zoals dubbele menselijke beoordeling en dossiervorming. Het boek geeft checklistvragen om uitkomsten te toetsen op rechtmatigheid en uitlegbaarheid. Zo wordt discriminatie voorkomen en vertrouwen behouden.
Auteursrecht en bronvermelding komen ook aan bod. Veel modellen zijn getraind op webdata; dit kan discussies geven over hergebruik. Het advies is om output juridisch te laten toetsen bij commercieel gebruik en altijd bronnen te bewaren. Voor gevoelige content zijn interne modellen of striktere filters een optie.
Kosten en energieverbruik spelen mee bij opschaling. Grote modellen zijn krachtig maar duur in gebruik; kleinere modellen zijn efficiënter maar soms minder nauwkeurig. Open modellen zoals Llama of Mistral kunnen lokaal draaien voor meer controle. Het boek helpt bij het afwegen van prestaties, kosten en beveiliging.
Nederland vraagt om vaardigheden
Veel organisaties kampen met een vaardigheidskloof. Het boek legt daarom nadruk op praktische training voor mbo, hbo en werkvloer. Sectororganisaties zoals SURF en SIVON publiceren richtlijnen die hierbij aansluiten. Zo groeit basiskennis over privacy, veiligheid en verantwoord gebruik.
Voor de overheid zijn de gevolgen concreet. Chatbots, documentanalyse en zaakafhandeling vallen snel onder transparantie- en toezichtplichten. Labeling van AI-gegenereerde content en duidelijke bezwaarroutes worden standaard. Het boek geeft formats om deze eisen in processen te verankeren.
Ook het mkb krijgt handvatten. Standaarden zoals NEN-ISO/IEC 42001 (AI-management) helpen om governance op te tuigen zonder zware overhead. Checklists helpen bij leveranciersbeoordeling, van dataopslag tot incidentmelding. Daarmee wordt “verantwoord schalen” haalbaar, ook voor kleinere teams.
De kernboodschap is nuchter: begin klein, meet, leer en borg. Van Empel combineert uitleg met werkbladen, zodat lezers direct kunnen oefenen. Organisaties krijgen zo grip op kansen en risico’s, binnen de kaders van de AI-verordening en de AVG. Dat is precies wat nu nodig is in Nederland en de rest van Europa.