De agrarische sector heeft een structuur die weinig andere sectoren hebben: een individueel bedrijf, een coöperatie of afzetorganisatie, een toeleverancier van machines of zaaigoed, en vaak een verwerker of retailer die eisen stelt aan wat er op het erf gebeurt. AI-toepassingen komen niet alleen van binnenuit. Een groot deel wordt meegeleverd met apparatuur, sensoren of software van derden. Wie verantwoordelijk is voor governance, moet dus niet alleen kijken naar wat het eigen bedrijf aanschaft, maar ook naar wat binnenkomt via machines, adviesdiensten en ketenpartners. Die verhouding — eigen keuzes tegenover meegeleverde systemen — is groter dan in sectoren waar IT centraal wordt ingekocht.
In de agrarische sector wordt AI ingezet voor uiteenlopende taken: beeldherkenning bij gewasbeoordeling, voorspelling van opbrengst of ziektedruk, sturing van voer- en klimaatsystemen, en administratieve verwerking van subsidieaanvragen of ketenrapportages. Sommige van die toepassingen zitten vast ingebouwd in machines en zijn nauwelijks te scheiden van de hardware. Andere zijn losse tools die een teeltadviseur, inkoper of bedrijfsleider zelf is gaan gebruiken, vaak zonder dat dit ergens is vastgelegd. Governance moet dus twee soorten AI in beeld brengen: de systemen die met techniek zijn meegekomen en de systemen die mensen zelf zijn gaan gebruiken.
In veel agrarische bedrijven en coöperaties is er geen centrale IT-afdeling die alle software beheert. Inkoop van machines, adviesdiensten en data-tools verloopt vaak per bedrijfsonderdeel of per persoon. Dat betekent dat een inventarisatie die alleen bij IT of inkoop begint, een groot deel van wat er werkelijk gebruikt wordt mist. Een teeltadviseur die een AI-tool gebruikt om ziektebeelden te herkennen, of een planner die een chatbot raadpleegt voor logistieke keuzes, doet dat vaak op eigen initiatief. Om daar zicht op te krijgen is meer nodig dan een lijst opvragen: het is een kwestie van vragen stellen aan de mensen die het werk doen, op een manier die niet voelt als controle. Hoe dat in de praktijk werkt, staat beschreven op de pagina over hoe u voorkomt dat medewerkers een tool gebruiken die niemand heeft goedgekeurd. Een ander risico dat in deze sector vaak samenvalt met AI-gebruik is het delen van bedrijfsgevoelige gegevens, zoals opbrengstcijfers of contractvoorwaarden, in een openbaar chatvenster; de aanpak daarvan staat op de pagina over hoe u voorkomt dat bedrijfsdata in een gratis chatvenster belandt.
Een AI-toepassing die een gewas beoordeelt op ziekte heeft een andere impact dan een tool die een e-mail aan een leverancier concept-schrijft. De eerste beïnvloedt een operationele beslissing die financiële en soms voedselveiligheidsgevolgen kan hebben; de tweede is administratief ondersteunend. Governance in deze sector vraagt om een classificatie die onderscheid maakt tussen systemen die beslissingen over dieren, gewassen of veiligheid raken, en systemen die alleen tekst of planning ondersteunen. Die indeling bepaalt welk niveau van toezicht en documentatie nodig is, en of een toepassing onder strengere regels valt. De precieze regelinhoud en de bijbehorende termijnen horen niet op deze pagina; die worden elders bijgehouden. Hier gaat het om het mechanisme: weten wat er draait, weten welke rol het speelt, en dat aantoonbaar maken.
De agrarische sector deelt met andere sectoren dat AI zich verspreidt via individueel gebruik, niet via een centraal besluit. Dat patroon is ook te zien in de manier waarop de ICT-sector met AI-governance omgaat, waar losse ontwikkeltools zich net zo snel verspreiden als adviestools op het erf. Het verschil zit in de afhankelijkheid van fysieke apparatuur en keteneisen: waar de financiële dienstverlening vooral te maken heeft met modellen in software, en de energiesector met sturing van netwerken en installaties, combineert de agrarische sector beide: AI die in machines is ingebouwd en AI die los wordt gebruikt voor administratie of advies. Governance moet dus zowel de leverancier van de machine als de gebruiker op de werkvloer omvatten.
Een bestuurder of coöperatiebestuur dat verantwoording moet afleggen over AI-gebruik, heeft iets nodig om op te bouwen: een inventaris die is bijgehouden, een classificatie die is toegepast, en een overzicht van wie welke toepassing gebruikt en waarvoor. Zonder dat overzicht is elke uitspraak over AI-gebruik een schatting. Met een governance-set die aansluit op de bestaande risicostructuur van het bedrijf of de coöperatie, wordt die rapportage een kwestie van bijhouden in plaats van achteraf reconstrueren.
Zodra duidelijk is welke AI-toepassingen er zijn en welke rol ze spelen, volgt vanzelf een andere vraag: welk deel van het werk dat nu nog handmatig gebeurt, zich eigenlijk laat overnemen door AI. De werkscan van FTE TO AI rekent dat per taak uit, op basis van wat het werk feitelijk inhoudt, en laat zien welk deel daarvan zich voor automatisering leent.
Vraag maar. Governance begint bij weten wat er draait — ook wat niemand heeft goedgekeurd.
Antwoorden komen uit de kennisbank van deze site. Geen advies op maat, en geen scan van uw bedrijf.