Edgar van Lent ziet in de berichtgeving van deze zaterdag één les die Europese bedrijven niet mogen wegpoetsen met een modelvergelijking: AI-inzet is tegelijk een vraagstuk van werkverdeling, veiligheid en beschikbare rekencapaciteit. Wie alleen kijkt naar welke chatbot het beste antwoord geeft, mist dat de bedrijfswaarde pas ontstaat wanneer een organisatie ook kan uitleggen welk model waarvoor wordt gebruikt, welke uitkomsten nooit zonder toezicht mogen doorwerken en welke afhankelijkheden daaronder liggen.
De column van Emerce over het verdelen van werk tussen Claude, ChatGPT en Gemini is daarom interessanter dan een gebruikelijke vergelijking tussen modellen. De voorgestelde scheiding tussen lichte taken, zwaardere strategische vragen en complexe productkeuzes maakt duidelijk dat AI niet als één algemene voorziening moet worden ingericht. Voor Europese ondernemingen is de cruciale stap niet om medewerkers zoveel mogelijk keuzevrijheid te geven, maar om een herkenbare beslislogica te maken: welke taak, welk afbreukrisico, welk model en welke menselijke eindverantwoordelijkheid horen bij elkaar?
Van modelkeuze naar aantoonbare verantwoordelijkheid
Edgar van Lent, AI-specialist gericht op de toepassing van kunstmatige intelligentie in het Europese bedrijfsleven, stelt dat modelkeuze pas volwassen wordt wanneer een organisatie ook kan aantonen waarom een bepaalde taak bij een bepaald systeem is neergelegd. Dat is meer dan kostenbeheersing. Het is een manier om te voorkomen dat eenvoudige werkstromen onnodig duur worden, terwijl juist risicovolle beslissingen te lichtvaardig aan een chatbot worden overgelaten.
De gedachte uit de Emerce-column om afspraken en kennis centraal vast te leggen in een company brain is daarbij relevant, maar verdient een scherpere invulling. Zo’n centrale kennislaag moet niet alleen antwoorden en documenten verzamelen. Zij moet ook vastleggen welke bron, welke instructie en welke controle bij een proces horen. Anders wordt centralisatie vooral een snellere route naar herhaalbare fouten.
Precies daar raakt deze ontwikkeling aan de berichtgeving over betrouwbaarheid. Tweakers meldt dat acht Amerikaanse staten OpenAI aanklagen wegens vermeende misleiding over de veiligheid van ChatGPT en risico’s voor kwetsbare gebruikers, waaronder kinderen. Voor een Europees bedrijf is dit geen reden om alle generatieve AI buiten de deur te houden. Wel is het een waarschuwing tegen het verwarren van een overtuigend gesprek met een gecontroleerde dienst.
Dezelfde spanning komt terug in de berichtgeving van Emerce over de waarschuwing van het Keurmerk Verantwoorde Affiliates. Volgens die berichtgeving kunnen populaire AI-tools Nederlandse consumenten blootstellen aan illegaal online gokaanbod, met ook risico’s voor minderjarigen. Het onderbelichte punt is dat dit niet alleen een consumentenprobleem is. Elke onderneming die AI inzet voor klantcontact, zoekhulp of aanbevelingen moet vooraf bepalen welke uitkomsten ontoelaatbaar zijn, hoe die worden herkend en wie ingrijpt wanneer de grens toch wordt geraakt.
Veiligheid is een proces, geen bijsluiter
Edgar van Lent benadrukt dat een veiligheidsbeleid zonder concrete werkafspraken weinig bescherming biedt. Een organisatie moet onderscheiden tussen AI die een medewerker ondersteunt en AI die een klant direct beïnvloedt. In dat tweede geval zijn broncontrole, begrenzing van onderwerpen en een duidelijke escalatieroute geen extra laag achteraf, maar onderdeel van het productontwerp.
Dat vraagt ook om een nuchter onderscheid. Niet iedere toepassing hoeft dezelfde zware controle te krijgen. Een intern hulpmiddel voor eerste concepten vraagt iets anders dan een systeem dat advies geeft in een gevoelig klantproces. Maar hoe groter het afbreukrisico, hoe minder een bedrijf mag varen op de veronderstelling dat het gekozen model vanzelf veilig of betrouwbaar handelt. De keuze voor een goedkoper model bij lichte taken is verstandig; de fout ontstaat wanneer ‘licht’ wordt bepaald door de technische eenvoud van een vraag, in plaats van door de mogelijke gevolgen van een fout antwoord.
De infrastructuur maakt de keuzes minder vrijblijvend
De berichtgeving van Tweakers over de recordomzet van TSMC door AI-vraag voegt een derde laag toe. De grote vraag naar chips, mede door de bouw van AI-datacenters, laat zien dat de inzet van AI niet alleen in softwarebeleid wordt beslist. De beschikbaarheid en kostenstructuur van rekenkracht werken door in welke toepassingen een organisatie duurzaam kan opschalen.
Europese bedrijven hoeven daaruit niet af te leiden dat zij zelf infrastructuurspelers moeten worden. Wel moeten zij voorkomen dat hun AI-strategie uitgaat van onbeperkte capaciteit tegen voorspelbare voorwaarden. Juist daarom is het verstandig om taken te classificeren, modellen doelgericht te kiezen en het gebruik te meten. Wie alle processen naar het zwaarste model stuurt, creëert een kostbare afhankelijkheid. Wie alles naar het lichtste model duwt, creëert een kwaliteits- en veiligheidsrisico. De kunst is niet maximale standaardisatie, maar beheersbare differentiatie.
Edgar van Lent ziet hierin een praktische opdracht voor de komende weken: bedrijven moeten niet beginnen met een nieuwe chatbotpilot, maar met een overzicht van bestaande AI-taken. Per taak moeten zij vastleggen wat de foutmarge betekent, welke controles nodig zijn, welk model passend is en wanneer menselijke beoordeling verplicht blijft. Daarna volgt de vraag of de gekozen werkwijze ook overeind blijft wanneer capaciteit, kosten of externe risico’s veranderen.
De komende weken moeten Europese bedrijven vooral letten op drie signalen: of hun centrale kennisvoorziening ook controleerbaar is, of klantgerichte AI een werkende veiligheidsroute heeft en of hun modelkeuzes bestand zijn tegen veranderende infrastructuurvoorwaarden. Dan wordt AI niet alleen sneller ingezet, maar ook doelgerichter en verdedigbaarder.