De horeca kent zelden één centraal AI-systeem dat het hele bedrijf raakt. In plaats daarvan zijn het losse toepassingen: een dynamisch prijssysteem voor kamers of tafels, een chatbot die reserveringen afhandelt, een tool die roosters samenstelt op basis van verwachte drukte, software die reviews samenvat of reageert op gasten. Elk van die toepassingen is op zichzelf beperkt. Samen vormen ze een laag beslissingen die niemand centraal heeft vastgelegd.
Daar komt bij dat de horeca vaak werkt met een kleine vaste kern en een grotere flexibele schil: seizoenskrachten, uitzendkrachten, meerdere vestigingen met eigen manager. Wie op de ene locatie een tool invoert, deelt dat niet automatisch met de andere. De verhouding tussen wat centraal bekend is en wat er op de vloer daadwerkelijk gebruikt wordt, is daardoor doorgaans schever dan in sectoren met een strakkere organisatiestructuur.
De IT-afdeling, als die er is, beheert de kassasystemen, het boekingsplatform en misschien het roosterprogramma. Wat de vestigingsmanager zelf heeft aangeschaft of geactiveerd — een AI-functie in de boekingstool, een los abonnement voor het beantwoorden van gastreviews, een app die personeelsplanning voorstelt — staat daar zelden in. Dat is geen nalatigheid; het is het gevolg van hoe beslissingen in deze sector genomen worden: decentraal, op de vestiging, door mensen die resultaat willen zien en niet wachten op een goedkeuringsproces.
Het gevolg is dat een overzicht dat begint bij de IT-lijst een vertekend beeld geeft. De vraag is niet alleen wat is aangeschaft, maar wat wordt gebruikt: door de manager die 's avonds prijzen bijstelt met een los abonnement, door de receptie die een chatbot laat reageren op gasten, door de planner die een tool laat meedenken over bezetting. Dat gebruik wordt zichtbaar door te vragen, niet door te zoeken in een inkoopsysteem.
Als die vraag gesteld wordt als controle — wie heeft hier zonder toestemming iets ingevoerd — krijgt u geen volledig antwoord. Mensen die iets hebben aangeschaft omdat het werkte, gaan dat niet melden als de eerste reactie een correctie is. De inventarisatie werkt alleen als het uitgangspunt is: wat draait er, ongeacht hoe het daar is gekomen. Dat is een andere houding dan een audit, en die houding is nodig om schaduw-AI in beeld te krijgen. Hoe u dat gesprek zo voert dat mensen wel vertellen wat ze gebruiken, staat beschreven op de pagina over hoe u voorkomt dat medewerkers een tool gebruiken die niemand kent.
Een prijstool die kamertarieven aanpast, een chatbot die met gasten communiceert en een rooster-tool die personeel indeelt zijn verschillend van aard. Het ene systeem stuurt inkomsten, het andere raakt de klantrelatie direct, het derde raakt arbeidsvoorwaarden. Ze horen niet in hetzelfde vakje. Een governance-aanpak die werkt in de horeca kijkt naar wat elk systeem doet en voor wie, en koppelt daar een risiconiveau aan — niet aan de naam van de leverancier of de prijs van de licentie.
Die indeling verschilt per sector. In de financiële dienstverlening ligt het zwaartepunt bij systemen die kredietbeslissingen raken, zoals te lezen is op de pagina over AI-governance in de financiële dienstverlening. In de vastgoedsector gaat het vaker om taxatie- en waarderingsmodellen, zoals beschreven op de pagina over AI-governance in de vastgoedsector. De horeca heeft een eigen mengeling: gastcontact, dynamische prijsstelling en personeelsplanning, elk met een eigen risicoprofiel.
Een horecaonderneming heeft doorgaans al een vorm van risicomanagement: voedselveiligheid, arbeidsvoorwaarden, brandveiligheid. AI-governance hoeft daar geen apart bouwwerk naast te zijn. De vraag is of een AI-toepassing die prijzen bepaalt, gasten te woord staat of personeel plant, in dezelfde structuur past als andere operationele risico's. Vaak is dat het geval — het gaat dan om wie beslist, wie toezicht houdt en hoe dat is vastgelegd, niet om een nieuw compliance-traject.
Deze aanpak keert terug in andere sectoren met veel decentrale besluitvorming en weinig centraal IT-beheer, zoals te lezen op de pagina's over AI-governance in de agrarische sector en over AI-governance in de energiesector. Ook in de ICT-sector, waar juist veel technische kennis aanwezig is maar tooling zich razendsnel uitbreidt, speelt een vergelijkbaar vraagstuk, beschreven op de pagina over AI-governance in de ICT-sector.
Zodra duidelijk is welke AI-toepassingen er in een horecaonderneming daadwerkelijk draaien en welke rol ze spelen, ontstaat een vervolgvraag die niet over risico gaat maar over inrichting van het werk: welk deel van een taak — prijzen bijstellen, gastvragen beantwoorden, roosters opstellen — kan een systeem overnemen, en welk deel blijft mensenwerk. Die vraag beantwoordt de werkscan van FTE TO AI, die per taak berekent welk deel voor AI in aanmerking komt, los van de vraag hoe dat gebruik wordt beheerst.
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.