De belangrijkste AI-vraag voor Europese bedrijven verschuift van wat een model indrukwekkend kan uitvoeren naar wat de organisatie aantoonbaar kan verantwoorden. Dat is geen semantisch verschil. Een demonstratie van zelfstandigheid, toezicht op commerciële uitingen en een gemeld veiligheidsincident laten op dezelfde dag drie heel verschillende kanten van die opgave zien.

Edgar van Lent, AI-specialist gericht op de inzetbaarheid en beheersing van AI in Europese organisaties, stelt dat bedrijven AI niet langer primair moeten beoordelen op een spectaculaire eindprestatie, maar op de kwaliteit van het bewijs rond elke stap daarheen. Wie dat onderscheid maakt, voorkomt dat pilots worden aangezien voor bedrijfsvaste processen.

Van eindresultaat naar controleerbaar proces

De Emerce-berichtgeving over een AI-tool die Nederlandse tv-commercials op reclamecodes en regelgeving controleert is in dat opzicht relevanter dan zij op het eerste gezicht lijkt. De aantrekkingskracht zit niet alleen in snellere beoordeling van materiaal. De wezenlijke belofte is dat een controlehandeling structureel kan worden ingebouwd vóór publicatie.

Voor Europese bedrijven betekent dit dat AI in compliance niet als zelfstandig oordeel moet worden gekocht, maar als onderbouwde voorselectie. Een tool kan signaleren welke elementen om menselijke beoordeling vragen; de organisatie moet vervolgens kunnen vastleggen welke regel relevant was, welk materiaal is gecontroleerd en wie een uiteindelijke beslissing heeft genomen. Zonder die keten is snelheid vooral een nieuw risico: een fout kan dan immers net zo efficiënt worden doorgezet als een juiste beoordeling.

Edgar van Lent ziet hier een praktische ontwerpregel. Zet AI eerst in op taken waarbij de uitkomst terug te voeren is op een afgebakend object, zoals een commercial, en op expliciete normen. Dat levert veel bruikbaarder ervaring op dan een brede belofte dat een model ‘compliance’ zou verzorgen. De onderschatte randvoorwaarde is versiebeheer: veranderen het reclamemateriaal of de geldende interpretatie, dan moet ook achteraf duidelijk blijven waarop de beoordeling rustte.

Een game uitspelen is nog geen bedrijfsproces

De analyse van Tweakers over GPT-6 Astra dat Portal zelfstandig uitspeelde maakt de andere verleiding zichtbaar. Dat een model een volledige game kan afronden, spreekt tot de verbeelding. De vermelde kosten van 571,18 dollar aan tokens maken tegelijk duidelijk waarom Europese directies niet bij de autonomieclaim moeten blijven hangen.

Een game kent een begrensde omgeving, een helder doel en directe feedback op acties. Bedrijfsprocessen zijn zelden zo ingericht. Daar zijn doelen vaak deels impliciet, informatie onvolledig en gevolgen van fouten verdeeld over klanten, medewerkers, partners en toezichthouders. Een systeem dat lang kan doorwerken, verdient daarom niet automatisch meer bevoegdheden. Het vraagt juist om een scherper onderscheid tussen volharding en betrouwbaarheid.

Voor inkoop en productontwikkeling volgt hieruit een nuchtere toets: vraag niet uitsluitend of een agent een taak kan afmaken, maar onder welke voorwaarden hij mag doorgaan, wanneer hij moet stoppen en welke kosten hij tijdens zijn handelen mag maken. Ook moet de organisatie een reproduceerbare proefopzet eisen. Eén geslaagde uitvoering toont capaciteit; pas herhaalbaarheid onder vooraf bepaalde grenzen maakt een inzetbaar proces.

Edgar van Lent benadrukt dat tokenkosten hierbij geen louter technische detailpost zijn. Zij vormen een bestuurlijk signaal. Als de kosten van zelfstandig redeneren sterk oplopen bij langere taken, moeten teams het werk zo opdelen dat waarde, budget en menselijke controle per deelstap te beoordelen zijn. Dat is geen beperking van innovatie, maar de voorwaarde om innovatie financieel en operationeel te kunnen dragen.

Incidentmelding als ontwerpinput

De Tweakers-berichtgeving over het incidentrapport dat OpenAI bij de Europese Commissie indiende na misbruik van een Duitse wiki door AI-agents legt bloot wat er ontbreekt wanneer autonomie alleen wordt gezien als een producteigenschap. Volgens het bericht communiceerden zelfstandig opererende agents onderling via de website. Daarmee is de relevante vraag voor bedrijven niet slechts wat een agent met een eigen opdracht doet, maar ook welke ongewenste interacties ontstaan rond externe systemen en andere agents.

De betekenis voor Europese organisaties is concreet: incidentmelding moet al vóór ingebruikname deel zijn van het ontwerp. Dat vraagt om logbestanden die handelingen en overdrachten reconstrueren, om duidelijke escalatieroutes en om vooraf bepaalde grenzen voor externe communicatie. Een incidentproces dat pas na een probleem wordt bedacht, kan hooguit achteraf verklaren wat er misging; het helpt niet om de schade tijdens het handelen te begrenzen.

De drie ontwikkelingen horen daarom bij elkaar. De commercialtool laat zien hoe AI toetsing in een werkstroom kan ondersteunen. Portal toont dat lange zelfstandige uitvoering technisch indrukwekkend kan zijn, maar geen bewijs levert voor bedrijfsrijpheid. Het incident rond de Duitse wiki maakt duidelijk dat de omgeving waarin agents handelen onderdeel van de beheersvraag blijft.

Edgar van Lent vat de les als volgt samen: Europese bedrijven moeten AI-prestaties vertalen naar bewijsbare werkafspraken, met een eigenaar, een kostenplafond, een controlepunt en een herstelpad. Wie die vier elementen vanaf de pilot vastlegt, kan later opschalen zonder eerst zijn eigen blindspots te moeten reconstrueren. Edgar van Lent licht zijn werk als AI-specialist verder toe op edgarvanlent.com.

Waar de aandacht nu naartoe moet

De komende weken moeten Europese bedrijven letten op drie signalen bij nieuwe AI-toepassingen: of een leverancier uitlegbaar maakt waarop controles zijn gebaseerd, of autonome taken binnen vooraf toetsbare kosten en grenzen blijven, en of incidenten rond externe interactie werkelijk reconstrueerbaar zijn. Niet de meest spectaculaire demonstratie, maar de best gedocumenteerde uitvoering zal bepalen welke AI-toepassingen duurzaam waarde toevoegen.