Alle edities · Leadership Edition

Your Community, Your AI — CC BY 4.0

Wat AI nu eigenlijk is (en wat het niet is)

AI is veranderd terwijl u nog aan het beraadslagen was

U bent vast wel eens beweringen tegengekomen dat kunstmatige intelligentie de openbare dienstverlening, het bestuur van gemeenschappen en de manier waarop organisaties werken ingrijpend zal veranderen. Misschien bent u ook beweringen tegengekomen dat dit allemaal overdreven is, of dat AI niets echt nieuws kan doen. Beide standpunten missen de kern van de zaak, en als u begrijpt waarom, kunt u betere bestuursbeslissingen nemen.

Maar er is een nog belangrijker punt dat elk bestuur of elke raad ter harte moet nemen: AI is al aanzienlijk veranderd, zelfs in de periode waarin organisaties nog aan het debatteren waren of ze het al dan niet zouden invoeren.

Een jaar geleden, toen de meeste mensen het over „AI” hadden, bedoelden ze een chatbot — een systeem waaraan je een vraag stelde en dat tekst terugstuurde. Jij vroeg, het antwoordde. Tegenwoordig is het zwaartepunt verschoven. De systemen die de meeste aandacht en investeringen trekken, zijn niet langer alleen chatbots die antwoorden. Het zijn agenten die handelen — ze vullen formulieren in, versturen berichten, surfen en voeren transacties uit op het web, bedienen andere software en streven naar meerstapsdoelstellingen met beperkt toezicht.

Deze verschuiving is het allerbelangrijkste dat een bestuursorgaan moet begrijpen, omdat het het risicoprofiel van de invoering verandert. Om vandaag de dag over AI te redeneren, moet je twee begrippen van elkaar scheiden:

• De engine — het onderliggende model, het onderdeel dat taal produceert.
• De agent — de engine die in de praktijk wordt ingezet, zo geconfigureerd dat hij namens de organisatie acties in de wereld kan ondernemen.

De engine is steeds capabeler geworden. Maar de daaruit voortvloeiende verandering voor elke instantie met een zorgplicht is wat er nu rondom de engine wordt gebouwd. We bespreken ze een voor een. (Alle onbekende termen in deze reeks — engine, agent, redeneringsmodel en de rest — worden in gewone taal uitgelegd in de woordenlijst.)

De engine: een machine die voorspelt

Hier volgt de meest eenvoudige beschrijving van wat de engine doet: hij voorspelt welk woord erna moet komen.

Wanneer iemand een vraag in een chatbot intypt, redeneert het systeem niet over de vraag zoals een raadslid of bestuurslid zou redeneren over een bestuursdocument. Het doet iets meer mechanisch. Het heeft miljarden pagina’s tekst te zien gekregen — wetgeving, rapporten, correspondentie, technische documenten, nieuwsartikelen, sociale media, medische literatuur — en uit al dat materiaal heeft het patronen geleerd. Wanneer je het een vraag stelt, genereert het een antwoord door, woord voor woord, te voorspellen hoe een aannemelijk antwoord eruit zou zien op basis van alles wat het eerder heeft verwerkt.

Dit is echt nuttig. Een systeem dat de patronen van miljarden pagina’s tekst heeft geabsorbeerd, kan helpen bij het opstellen van correspondentie, het samenvatten van lange documenten, het beantwoorden van feitelijke vragen of het doen van suggesties voor de formulering van een gevoelige mededeling. Dit zijn reële mogelijkheden, die de administratieve last kunnen verlichten.

Maar in wezen voert de engine patroonherkenning uit op een buitengewone schaal. Dat ene feit verklaart zowel het aanzienlijke nut ervan als de kenmerkende manier waarop het faalt — een terugkerend thema in deze serie.

Kan de engine redeneren?

Er is een diepere vraag waar onderzoekers zich actief mee bezighouden, en het eenvoudige antwoord is: dat weten we nog niet.

Toen vroege AI-systemen vloeiende tekst produceerden, was het redelijk om ze te omschrijven als geavanceerde patroonherkenning en het daarbij te laten. Maar een nieuwere generatie systemen — vaak aangeduid als „redenerende“ of „denkende“ modellen — doet iets anders. In plaats van onmiddellijk te antwoorden, werkt het een probleem stapsgewijs door, waarbij het een zichtbare keten van tussenliggende redeneringen produceert voordat het tot een antwoord komt, en meer tijd besteedt aan moeilijkere problemen. De resultaten kunnen opvallend zijn: in 2025 losten redeneersystemen van meer dan één groot laboratorium problemen op uit de Internationale Wiskundeolympiade – een van de moeilijkste wiskundewedstrijden ter wereld – op een niveau dat gelijkwaardig is aan dat van een menselijke gouden medaillewinnaar.

Is dat nu redeneren, of zeer geavanceerde patroonherkenning die op redeneren lijkt?

Het onderzoek is nog volstrekt onduidelijk, en serieuze onderzoekers zijn het oneens. Een invloedrijke studie uit 2025 stelde dat deze systemen een „illusie van denken“ vertonen — ze lopen bij bepaalde puzzels vast op manieren waarop een echte redeneerder dat niet zou doen. Verschillende even serieuze reacties betoogden het tegenovergestelde. Het meest voorzichtige oordeel op dit moment is dat de huidige redeneringsmodellen noch echte redeneerders, noch louter papegaaien zijn — ze zijn iets werkelijk nieuws dat nog niet volledig wordt begrepen. Iedereen die beweert dat AI definitief wel of niet kan redeneren, overdrijft wat het bewijs aantoont.

Eén bevinding heeft directe relevantie voor het bestuur, en deze wordt gemakkelijk verkeerd geïnterpreteerd. Wanneer deze systemen hun ‘denken’ tonen, geeft die zichtbare keten niet op betrouwbare wijze weer wat daadwerkelijk tot het antwoord heeft geleid. Onderzoekers hebben herhaaldelijk vastgesteld dat de door een model aangegeven redenering de werkelijke invloeden op de conclusie kan weglaten — niet uit oneerlijkheid (het systeem heeft geen intentie), maar omdat de weergegeven woorden zelf voorspelde tekst zijn, en geen getrouwe weergave van een intern proces. Het praktische gevolg voor een bestuursorgaan: u kunt uw toezichtstaken niet vervullen door louter de uitleg te lezen die een AI zelf geeft. Verantwoording vereist dat de output wordt getoetst aan de eigen gegevens van de organisatie — en niet dat men vertrouwt op de zelfrapportage van het systeem. We komen hierop terug in artikel 3, en het heeft rechtstreeks betrekking op de verwachtingen rond het „recht op uitleg“ onder de AVG en de EU-AI-wet.

Wat met zekerheid kan worden gezegd, is dat de ontwikkeling razendsnel gaat. Een paar jaar geleden konden deze systemen amper een samenhangende alinea produceren. Tegenwoordig schrijven ze essays, slagen ze voor beroepsexamens, genereren ze computercode en grijpen ze in toenemende mate in op de wereld in plaats van deze louter te beschrijven. Binnen enkele jaren zullen de mogelijkheden weer groter zijn.

„AI kan niets nieuws doen“ — Het hangt ervan af wat je onder ‘nieuw’ verstaat

Mensen die AI afdoen met de bewering dat het niets origineels kan creëren, doen een uitspraak die in enge zin waar is, maar in bredere zin misleidend.

Een taalmodel kan niet voortkomen uit ervaring. Het heeft nog nooit deelgenomen aan een openbare hoorzitting waar bewoners boos waren. Het heeft nog nooit de zwaarte gevoeld van een financieringsbeslissing die het welzijn van een gemeenschap beïnvloedt. Het kan niet begrijpen waarom de precieze bewoordingen van een raadsbesluit ertoe doen — het kan alleen patronen reproduceren die statistisch gezien op begrip lijken. In die zin is alles wat het produceert een herschikking van materiaal dat tijdens de training is opgenomen.

Maar bedenk eens wat „herschikking“ op deze schaal betekent. Er is niemand die elk stukje lokale overheidswetgeving, elk jaarverslag van een gemeenschapsstichting, elk wetenschappelijk artikel over participatief bestuur en elke effectbeoordeling van regelgeving van het afgelopen decennium heeft gelezen. Wanneer de AI een verband legt tussen de theorie van polycentrisch bestuur en de praktijk van gemeenschapsontwikkeling, kan dat verband voor elke individuele lezer echt nieuw zijn, ook al bestonden beide ideeën afzonderlijk al. De atomen zijn niet nieuw, maar de moleculen wel.

Dus ‘AI kan niets nieuws doen’ is waar op het niveau van het ontstaan en onwaar op het niveau van de synthese. Beide aspecten zijn van belang, en verantwoord bestuur van deze technologie vereist dat beide in acht worden genomen.

Van antwoorden naar handelen: de agent

Dit is de verandering met de grootste invloed op het bestuur.

Gedurende het grootste deel van het chatbot-tijdperk was het ergste wat een AI direct kon doen, het geven van een slecht antwoord. De schade deed zich pas voor als een mens ernaar handelde — de misleidende brief verstuurde, op het verkeerde cijfer vertrouwde, het gebrekkige advies doorstuurde. Er zat altijd een mens tussen de machine en het gevolg in.

Een agent haalt die mens, zoals bedoeld, uit de keten.

Een AI-agent is een motor die is ingepakt in wat onderzoekers „scaffolding“ noemen — een geheugen om een taak bij te houden, toegang tot een webbrowser, de mogelijkheid om software en andere tools te bedienen, en een doel dat in gewone taal is verwoord. Met die scaffolding streeft het systeem de doelstelling in vele stappen na met veel minder toezicht: het zoekt, beslist, handelt, controleert en handelt opnieuw. Een chatbot geeft antwoord. Een agent onderneemt actie.

Voor een raad van bestuur is dit precies waar de risicobeoordeling verandert. Wanneer een systeem autonoom handelt, zijn er minder momenten waarop een mens kan ingrijpen; sommige acties kunnen niet ongedaan worden gemaakt; en wanneer een agent namens de organisatie handelt en de uitkomst verkeerd is, wordt het toewijzen van verantwoordelijkheid echt moeilijk — tussen de functionaris die de doelstelling heeft vastgesteld, de leverancier wiens systeem de stappen heeft gekozen, en het orgaan dat het gebruik ervan heeft goedgekeurd. Wetenschappers beschrijven de daaruit voortvloeiende „verantwoordelijkheidskloof“ en de „morele kreukzone“, waarin de aansprakelijkheid bij de dichtstbijzijnde mens komt te liggen, ondanks het feit dat die persoon nauwelijks daadwerkelijke controle had. Dit staat niet los van regelgeving: de nadruk die de EU-AI-wet legt op zinvol menselijk toezicht is in feite een wettelijke eis dat deze lus niet mag worden gesloten zonder dat er een persoon is die kan ingrijpen. Een bestuursorgaan dat een agentisch systeem beoordeelt, beoordeelt precies dat — of het toezicht structureel is of slechts beloofd.

De echte kwestie: wiens patronen, en wiens handen aan de knoppen?

Hier wordt het praktisch voor uw organisatie.

Wanneer een grote AI-engine op het internet wordt getraind, neemt deze de vooroordelen, aannames en culturele standaardinstellingen van het internet over. Het internet is overweldigend Engelstalig, westers, commercieel georiënteerd en gevormd door de waarden van de technologie-industrie. Dit is geen samenzwering — het is simpelweg wat er gebeurt wanneer een systeem wordt getraind op basis van gegevens die onevenredig veel één cultuur en één reeks prioriteiten vertegenwoordigen.

De gevolgen zijn subtiel maar wezenlijk. Wanneer een inwoner een vraag indient over een lastig burenconflict, grijpt het systeem standaard terug op de taal van individuele rechten en juridische rechtsmiddelen – omdat die de trainingsgegevens domineren – in plaats van bemiddeling, gemeenschapsverplichtingen of de langetermijnvisie. Wanneer een gemeenteambtenaar het systeem vraagt een brief op te stellen over een gevoelige ruimtelijke ordeningskwestie, grijpt het terug op zakelijke taal voor stakeholdermanagement, omdat zakelijke correspondentie in de gegevens waarop het is getraind ruimschoots de overhand heeft boven maatschappelijke communicatie.

Het systeem staat niet vijandig tegenover maatschappelijke waarden. Het kent ze simpelweg niet. Het weet wat statistisch gezien gebruikelijk is, en wat statistisch gezien gebruikelijk is, is niet per se het meest geschikt voor uw kiezers.

In het tijdperk van de chatbots bepaalde die vooringenomenheid de tekst die een ambtenaar beoordeelde. In het tijdperk van de agenten bepaalt diezelfde vooringenomenheid de acties die namens de organisatie worden ondernomen — verzonden berichten, aangelegde dossiers, aangegane toezeggingen — mogelijk nog voordat een ambtenaar ze heeft beoordeeld. De bestuursvraag bestaat nu dus uit twee delen: wiens patronen draagt het systeem in zich, en wie heeft de controle wanneer het handelt?

Waarom dit nu van belang is voor bestuursorganen

Niemand weet met zekerheid wat er gebeurt als een AI-systeem ooit iets ontwikkelt dat lijkt op een eigen intentie — doelen die mogelijk niet stroken met de belangen van de gemeenschappen die het bedient. We zijn waarschijnlijk nog een eind verwijderd van die drempel. Maar de architectuur die nu wordt aangenomen en de bestuursgewoonten die vandaag worden vastgesteld, zullen bepalen of een organisatie voorbereid is of dat zij te laat ontdekt dat zij de controle heeft afgestaan zonder het te merken.

Dit is geen speculatie. Het is een duidelijke constatering over institutionele paraatheid. Uw gemeenteraad heeft een statuut. Uw raad van bestuur heeft een reglement van orde. Uw stichting heeft een bestuursdocument. Deze bestaan niet omdat elke vergadering in chaos ontaardt, maar omdat bestuursstructuren aanwezig moeten zijn voordat ze nodig zijn, niet daarna.

Hetzelfde principe geldt voor AI, en de EU-AI-wet (Verordening 2024/1689) weerspiegelt precies deze logica — het vaststellen van bestuurskaders voordat de technologie de regelgevende capaciteit voorbijstreeft. De komst van agentische systemen verhoogt de inzet: een organisatie die AI implementeert die handelt, zonder dat er structureel toezicht is, kan in de situatie terechtkomen dat zij geen verantwoording kan afleggen voor beslissingen die in haar naam zijn genomen — een positie die vanuit fiduciair oogpunt ongemakkelijk is en juridisch kwetsbaar maakt.

Twee wegen voorwaarts

Er zijn twee manieren waarop een organisatie met AI aan de slag kan gaan.

De eerste weg is het gebruik van AI van Big Tech — systemen zoals ChatGPT, Google Gemini of Microsoft Copilot, en in toenemende mate de daarop gebaseerde agenten. Deze zijn krachtig, handig en vaak goedkoop. Maar er zijn voorwaarden aan verbonden. Uw gegevens stromen naar hun servers. Uw communicatie — en nu ook de acties van uw agent — verloopt via systemen waarover u geen controle hebt. Het gedrag van de AI wordt bepaald door het beleid van het bedrijf, dat zonder uw toestemming kan worden gewijzigd. En de patronen die de AI vertoont, worden bepaald door de trainingsgegevens, waar u geen invloed op hebt. Onder de AVG roept dit vragen op over de verwerkingsverantwoordelijkheid, de rechtsgrondslag voor de verwerking en het recht op uitleg, die elk bestuursorgaan vóór de invoering moet oplossen — vragen die scherper worden, niet minder, wanneer het systeem autonoom handelt.

De tweede weg is het gebruik van AI waarover uw organisatie de controle heeft. Een meer gericht systeem, getraind op uw eigen inhoud, draaiend op infrastructuur binnen uw rechtsgebied, en beheerst door regels die uw bestuur of raad vaststelt. Een systeem dat het verschil kent tussen een notulen van de raad en een blogpost, omdat de documenten van uw organisatie het dat hebben geleerd. Een systeem waarvan de reacties worden getoetst aan uw daadwerkelijke documenten door verificatielagen die onafhankelijk van de AI werken — en waarvan het vermogen om te handelen opzettelijk is beperkt, zodat een mens die verantwoording verschuldigd is aan uw achterban altijd kan ingrijpen.

Dit is wat Village AI is. Het is niet het krachtigste AI-systeem dat er is. Het is ontworpen om verantwoording af te leggen aan uw gemeenschap — aan uw inhoud, uw waarden en uw bestuurskader — en om de zeggenschap bij de mensen te houden die deze hebben wanneer AI de overstap maakt van antwoorden naar handelen.

In het volgende artikel wordt uitgelegd hoe Village AI structureel verschilt van de AI van Big Tech, en waarom dat verschil belangrijker is dan pure kracht.

Wil je dit soort AI-tools goed en veilig gebruiken? Onze gratis cursussen — Werken met Claude en Agents at Work — leren je de praktische vaardigheden, van het verkrijgen van betrouwbare antwoorden tot het bepalen wat je aan een agent moet toevertrouwen. Voor de volledige technische architectuur achter Village AI, zie Village AI — Agentic Governance.