De Europese AI-discussie wordt vaak gevoerd alsof innovatie en regels elkaar afremmen. De ontwikkelingen van deze dinsdag laten iets praktischer zien: wie AI dicht bij klanten, medewerkers en de openbare ruimte brengt, moet niet alleen de technologie laten werken, maar ook de zichtbaarheid, herkomst en sociale aanvaardbaarheid ervan organiseren. Dat is geen juridische bijzaak, maar een ontwerpvraag voor het bedrijf.

Edgar van Lent, AI-specialist gericht op de toepassing van AI in het Europese bedrijfsleven, stelt dat bedrijven hun AI-plannen niet moeten opdelen in losse dossiers voor marketing, compliance en productontwikkeling. Juist waar AI output produceert, waarneemt of adviseert, komen die verantwoordelijkheden samen.

AI in de echte wereld vraagt om toestemming als producteigenschap

Het voorgenomen tijdelijke verbod op AI-brillen op drukbezochte publieke plekken in Noorwegen is vooral relevant omdat het de aandacht verlegt van wat een model kan, naar wat een apparaat onzichtbaar doet. Volgens NOS Tech wil de regering tijd creëren voor onderzoek en regelgeving, uit zorg dat mensen ongemerkt gefilmd of gefotografeerd kunnen worden. De bril combineert een gewone uitstraling met camera, microfoon en AI-assistent.

Voor Europese ondernemingen is dat een waarschuwing tegen een te smalle definitie van AI-governance. Een organisatie kan keurig vastleggen welke data een taalmodel gebruikt, maar alsnog maatschappelijk vertrouwen verliezen wanneer een AI-interface voor omstanders onduidelijk maakt wanneer opname, analyse of assistentie plaatsvindt. De onderschatte randvoorwaarde is daarom niet uitsluitend toestemming op papier, maar begrijpelijkheid op het moment zelf.

Edgar van Lent ziet hierin een ontwerpnorm voor elke fysieke AI-toepassing: zichtbare signalen, duidelijke gebruikssituaties en begrensde functionaliteit horen vanaf het begin in het productontwerp thuis. Bedrijven die wachten tot een verbod of interne escalatie, behandelen vertrouwen als schadebeperking. Bedrijven die helder maken wat een systeem waarneemt en doet, maken toestemming onderdeel van de gebruikerservaring.

Dat onderscheid reikt verder dan brillen. De Noorse stap gaat over openbare ruimte, maar de les voor werkgevers, retailers en dienstverleners is breder: hoe dichter AI op mensen zit, hoe minder voldoende het is om alleen de eindgebruiker te informeren. Ook degene die wordt geobserveerd, beoordeeld of aangesproken verdient een begrijpelijke positie in het ontwerp.

Herkomst van tekst wordt een operationele vraag

De Europese uitrol van onzichtbare, machinaal leesbare watermerken voor tekst uit ChatGPT en Codex legt een tweede laag bloot. The Verge AI meldt dat OpenAI deze markering eerst voor gebruikers in de Europese Unie invoert; TechCrunch AI wijst er tegelijk op dat bewerking de detectie ervan moeilijker kan maken.

Dat laatste is precies waarom watermerken niet moeten worden verkocht als een automatische oplossing voor betrouwbaarheid. Een markering kan helpen bij het herkennen van herkomst, maar zij vervangt geen redactieproces, geen controle op juistheid en geen besluit over welke teksten medewerkers zonder menselijke beoordeling mogen publiceren. De waarde zit niet in het label zelf, maar in het proces dat volgt wanneer het label wordt aangetroffen of ontbreekt.

Edgar van Lent, AI-specialist gericht op verantwoorde inzet van generatieve systemen, stelt dat de Europese discussie nu moet verschuiven van detecteerbaarheid naar aantoonbaarheid. Organisaties moeten kunnen uitleggen welke AI bij een tekst betrokken was, welke medewerker eindverantwoordelijk was en welke controles van toepassing waren. Watermarking kan daarbij een technisch spoor vormen, maar een spoor is nog geen governance.

Voor softwareteams is de koppeling met Codex bovendien relevant. Wanneer AI niet alleen communicatie ondersteunt maar ook code produceert, ontstaat dezelfde bestuurlijke vraag in een andere vorm: niet of de output snel is gemaakt, maar of de organisatie kan herleiden hoe zij die output heeft beoordeeld en in gebruik heeft genomen. Europese bedrijven doen er verstandig aan die werkwijze voor tekst, code en klantcommunicatie niet als drie aparte regimes te organiseren.

Vindbaarheid en koopervaring worden reputatievraagstukken

De verschuiving naar Generative Engine Optimization maakt dit nog concreter aan de commerciële kant. In de podcast van Emerce staat centraal dat AI-assistenten niet alleen naar de eigen website kijken, maar ook naar reviews en PR bij aanbevelingen. Dat betekent dat online vindbaarheid minder een kwestie wordt van de best geformuleerde eigen claim en meer van de consistentie tussen wat een bedrijf zegt, doet en terugziet in zijn omgeving.

Voor Europese bedrijven is dit een nuttige correctie op het idee dat AI-zoekgedrag met louter nieuwe content kan worden gewonnen. Concrete, citeerbare antwoorden blijven belangrijk, maar zij werken alleen geloofwaardig wanneer service, productinformatie en publieke reputatie niet met elkaar botsen. Marketing kan deze opgave niet alleen dragen. De organisatie moet zorgen dat bronmateriaal actueel is, dat antwoorden controleerbaar blijven en dat feedback uit de markt niet wordt weggemasseerd maar benut.

De update voor virtueel kleding passen in ChatGPT Images, gemeld door Emerce, laat zien hoe snel deze reputatievraag ook een productvraag wordt. Een virtuele paservaring kan onzekerheid bij een shopper verminderen, maar alleen wanneer de uitkomst duidelijk wordt gepresenteerd als hulpmiddel en de verwachtingen niet groter maakt dan de toepassing kan waarmaken. Hier raken AI-ervaring, klantbelofte en vertrouwen elkaar rechtstreeks.

Edgar van Lent benadrukt dat Europese bedrijven niet moeten kiezen tussen zichtbaarheid en voorzichtigheid. De betere keuze is om AI-uitingen, AI-gegenereerde inhoud en AI-ondersteunde klantinteracties vanuit één toets te beoordelen: begrijpt de klant wat het systeem doet, kan de organisatie de herkomst en onderbouwing uitleggen, en klopt de ervaring met de belofte?

De komende weken: let op de verbinding tussen techniek en gedrag

De komende weken moeten Europese bedrijven vooral letten op drie signalen: regelgeving die AI dichter bij de fysieke wereld begrenst, technische voorzieningen die herkomst van output zichtbaar proberen te maken, en AI-assistenten die reputatie en productinformatie directer vertalen naar aanbevelingen. Het gemeenschappelijke risico is niet dat AI ineens minder bruikbaar wordt. Het risico is dat organisaties de technologie sneller invoeren dan zij de verwachtingen, verantwoordelijkheden en controles eromheen kunnen organiseren.

Wie die samenhang nu vastlegt, heeft later geen extra laag bureaucratie nodig, maar een sterker fundament voor toepassingen die medewerkers, klanten en omstanders daadwerkelijk accepteren.