Een team wilde iets uitproberen. Een chatbot voor klantvragen, een script dat rapportages samenvat, een koppeling met een taalmodel om e-mails te sorteren. Er was geen groot besluit voor nodig: iemand had een account, een API-sleutel of een gratis proefperiode, en binnen een middag draaide er iets. De pilot werkte, of werkte voldoende, en niemand had nog een reden om hem uit te zetten.
Dit is geen uitzondering. Het is de gewone manier waarop AI een organisatie binnenkomt. Niet via een aanbesteding of een goedgekeurd budget, maar via een proefopstelling die haar eigen proefstatus overleeft. De testfase is nooit formeel afgesloten, omdat er ook nooit een formeel begin was om af te sluiten.
Een pilot die werkt, wordt gebruikt. En wat gebruikt wordt, wordt afhankelijkheid. Het team dat de rapportage-samenvatter bouwde is misschien vertrokken, maar de samenvatting komt nog elke week binnen. Niemand heeft de opdracht om het uit te zetten, en niemand wil het risico nemen dat iets ophoudt te werken zonder te weten wat ervoor in de plaats komt.
Daarbij komt dat een proefopstelling meestal geen eigenaar heeft in de zin die een governancestructuur verwacht. Er is geen risicoclassificatie gemaakt, geen data-analyse uitgevoerd, geen besluit genomen over wie verantwoordelijk is als het misgaat. De pilot bestaat in een tussenruimte: te gebruikt om te negeren, te informeel om te beheren. Dat is exact het patroon dat leidt tot medewerkers die een tool gebruiken die niemand heeft goedgekeurd — alleen dan op teamniveau in plaats van individueel.
De reflex bij het ontdekken van een ongeautoriseerde proefopstelling is vaak: wie heeft dit toegestaan, en waarom wisten wij dit niet. Die vraag is begrijpelijk, maar ze werkt averechts. Wie bij het eerste gesprek al voelt dat er een schuldvraag aankomt, vertelt de volgende keer niets meer. En de volgende proefopstelling — die er ongetwijfeld komt — verdwijnt dan net zo goed uit het zicht als deze.
Een inventarisatie die op vertrouwen is gebouwd, levert meer op dan een audit die op controle is gebouwd. Niet omdat mensen niets te verbergen zouden willen hebben, maar omdat de informatie die u zoekt bij de gebruiker zit, en die gebruiker alleen praat als hij niet wordt afgerekend op wat hij vindt.
Zodra een proefopstelling in beeld is, is de eerste vraag niet of ze mag blijven bestaan, maar wat ze precies doet. Welke data gaat erin, wie gebruikt de uitkomst, en wat gebeurt er als de uitkomst fout is. Dat zijn dezelfde vragen die gelden voor elke andere AI-toepassing, en het antwoord bepaalt of iets een informeel hulpmiddel is of een risico dat aandacht verdient.
Daarna volgt classificatie: past de toepassing in een risicocategorie die al bestaat, of vraagt ze om een nieuwe afweging. Vervolgens: wat moet worden vastgelegd om aantoonbaar te maken dat de organisatie weet wat er draait en waarom. Dat is precies waar wat u per toepassing moet vastleggen op ingaat — niet als extra bureaucratie, maar als de minimale documentatie die nodig is om een pilot van een risico te onderscheiden.
Een proefopstelling die deze toets doorstaat, kan blijven bestaan, nu met een eigenaar en een classificatie. Een proefopstelling die de toets niet doorstaat, moet worden afgebouwd — maar dat is een gecontroleerd proces, geen ontslag van de persoon die hem ooit startte.
De proefopstelling die nooit is uitgezet, is één vorm van een breder patroon. Denk aan de browserextensie met toegang tot uw mail die iemand ooit installeerde om tijd te besparen, of aan bedrijfsdata die in een gratis chatvenster belandt omdat het sneller ging dan de officiële tool. Al deze situaties delen een kenmerk: ze zijn ontstaan uit een praktische behoefte, niet uit een beleidskeuze, en ze blijven bestaan zolang niemand ernaar vraagt.
De IT-lijst met goedgekeurde software is daarom niet het startpunt van een inventaris — het is het beginpunt van een zoektocht naar wat er buiten die lijst valt. Wie wil weten hoe die zoektocht eruitziet, vindt een aanpak in hoe u een AI-inventaris opbouwt.
Een proefopstelling die aan het licht komt, roept meestal een vervolgvraag op die verder gaat dan governance: waarom werkte dit eigenlijk zo goed dat niemand het durfde stoppen? Dat is een vraag over het werk zelf, niet alleen over het risico. De werkscan van FTE TO AI rekent per taak uit welk deel van het werk door AI over te nemen is, en maakt daarmee zichtbaar wat een proefopstelling impliciet al liet zien: dat een deel van het werk anders kan worden ingericht. Waar de Responsible AI Scan in kaart brengt wat er draait en onder welk risico, laat de werkscan zien waar dat gebruik vandaan komt en wat het structureel betekent voor de taakverdeling.
De Responsible AI Scan, met de inventarisatie, classificatie en governance-set die hierboven zijn beschreven, is in ontwikkeling. Wie hier nu al mee te maken heeft en wil worden geïnformeerd zodra het instrument beschikbaar is, kan zich aanmelden voor de wachtlijst.
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.