Een abonnement wordt afgesloten omdat iemand het nodig heeft. Dat is de eigenschap die inkoop- en licentiegegevens waardevol maakt bij het opbouwen van een AI-inventaris. Een medewerker die een taal- of beeldmodel gebruikt zonder dat IT ervan weet, betaalt daar meestal wel voor: met een creditcard, via een declaratie, via een teamkaart, via een afdelingsbudget. Die transactie staat ergens geregistreerd, ook als niemand hem heeft gemeld als "AI-gebruik".
Dat maakt financiële data een andere ingang dan de IT-lijst. Waar waarom de IT-lijst niet klopt bij een organisatie met meerdere afdelingen uitlegt waarom formele goedkeuring en werkelijk gebruik uit elkaar lopen, laat dit spoor zien wat er ondanks die kloof toch geregistreerd staat: geld dat is uitgegeven aan iets.
De bronnen liggen niet bij één afdeling. Relevant zijn onder meer:
Geen van deze bronnen geeft op zichzelf een volledig beeld. Samen leggen ze een patroon bloot dat de IT-lijst niet laat zien.
Het doel is niet een lijst van bedragen, maar een lijst van toepassingen met herkomst. Per gevonden abonnement of contract is het zinvol om vast te leggen:
Deze velden zijn een vertrekpunt. Een vollediger overzicht van wat er per toepassing nodig is om tot een classificatie te komen, staat beschreven in wat u per toepassing vastlegt bij een organisatie met meerdere systemen. Inkoopdata levert vooral het startpunt: een naam, een afdeling, een bedrag. De rest van de classificatie volgt later.
Inkoop- en licentiegegevens vinden vooral betaald gebruik. Gratis versies van AI-tools, proefperiodes en persoonlijke accounts die niet via de zaak worden afgerekend, blijven hiermee onzichtbaar. Ook diensten die zijn ingebed in een bestaand contract — een AI-functie die is toegevoegd aan software die al werd gebruikt, zonder apart te worden gefactureerd — duiken niet op in een facturenoverzicht.
Dat is een van de redenen waarom financiële data één bron is naast andere, niet de enige. Ander materiaal, zoals netwerkverkeer of browserextensies, vindt juist het gebruik dat geen geld kost. Welke technische signalen daarvoor bruikbaar zijn en wat ze wel en niet laten zien, staat beschreven in welke IT-signalen bruikbaar zijn bij het opsporen van AI-gebruik. Beide sporen samen geven een beter beeld dan elk apart.
Wie een onbekend abonnement aantreft in de administratie, kan de afdeling die het heeft afgesloten daar rechtstreeks naar vragen. Dat werkt beter als die vraag niet als controle wordt gesteld. Een afdelingshoofd dat vermoedt dat een uitgave ter discussie staat, geeft minder snel volledige informatie dan iemand die denkt dat de vraag alleen bedoeld is om een compleet beeld te krijgen. Hoe die vraag zo gesteld wordt dat iemand antwoordt in plaats van dichtklapt, staat uitgewerkt in hoe u het aan medewerkers vraagt zonder afrekening bij een organisatie met bestaande AI-toepassingen.
Inkoopdata is een van de bouwstenen bij het opbouwen van een organisatiebrede inventaris, niet het hele proces. Hoe deze bron zich verhoudt tot medewerkersbevragingen, technische signalen en de bestaande IT-lijst, en in welke volgorde dat praktisch aan te pakken is, staat beschreven in hoe u een AI-inventaris opbouwt bij een organisatie met meerdere afdelingen.
Een inventaris op basis van inkoopgegevens beantwoordt de vraag welke AI-toepassingen er zijn en wie ervoor betaalt. Daarmee is nog niet gezegd wat die toepassingen daadwerkelijk opleveren, of welk deel van het werk waarvoor ze zijn aangeschaft ook echt door AI wordt gedaan. Die vraag ligt buiten het bereik van een governance-inventaris en wordt beantwoord door de werkscan van FTE TO AI, die per taak berekent welk deel van het werk over te nemen is door AI. Wie eenmaal weet welke toepassingen er in de organisatie draaien, kan met die scan bepalen wat ze concreet aan werk verplaatsen.
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.