Experimenteren om te reguleren: hoe kunnen innovatie en sturing van AI hand in hand gaan?

AI ontwikkelt zich supersnel

Op het moment kan je de krant bijna niet openslaan zonder over berichten van de ontwikkeling en de gevolgen van AI te struikelen. Een greep uit recente nieuwsberichten: een pilot met een Nederlands AI-taalmodel gaat van start, burgerrechten organisaties stappen naar de rechter om ‘uitkleed app’ Grok te verbieden, en een Amerikaans AI-bedrijf wil niet dat zijn technologie voor surveillance of autonome wapensystemen wordt gebruikt. Zowel het gebruik van de technologie, als de roep om regulering van de technologie komen dus vaak langs.

Kansen voor AI zijn onder andere de ontwikkeling van nieuwe AI-diensten, zoals AI-assistenten als ChatGPT, Claude en CoPilot. Maar ook de toepassing van AI in de zorg, de landbouw, fabricage, enzovoort, met als doel processen efficiënter en effectiever te maken. Risico’s van AI zijn onder andere privacyschending, discriminatie of uitsluiting en de verspreiding van nepnieuws.

Daarnaast is er nog een categorie risico’s, namelijk op ‘lock-in’ effecten. Dit betekent dat er afhankelijkheid van leveranciers ontstaat. Voor dit laatste is veel aandacht omdat de meeste digitale diensten uit de Verenigde Staten komen en er weinig Europese alternatieven zijn. Zo was er onlangs een discussie in de Tweede Kamer over of het wel verantwoord is om het bedrijf Solvinity te verkopen aan een Amerikaans bedrijf. Solvinity levert het platform waarop onze elektronische identiteitssysteem DigiD draait. Doordat er nog nauwelijks Europese alternatieven zijn, ontstaat zo’n risico dus ook voor AI-diensten.

“Doordat de perspectieven op AI governance verschillen, sluiten de sturingsinstrumenten die worden ontwikkeld vanuit de verschillende perspectieven niet altijd bij elkaar aan.”

_{Anne Fleur van Veenstra, Wetenschappelijk directeur TNO Vector en bijzonder hoogleraar governance van data en algoritmen voor stedelijk beleid aan de Universiteit Leiden}

Hand in hand

Voor sturing op AI zijn alle drie de perspectieven relevant en ze komen dan ook naast elkaar voor. Daarnaast speelt innovatie ook in alle drie de perspectieven een rol. Het staat centraal in het innovatieperspectief, maar het is ook onderdeel van de andere twee perspectieven waarbij de innovatie waardengedreven is of gericht op autonomie. Doordat de perspectieven op AI governance verschillen, sluiten de sturingsinstrumenten die worden ontwikkeld vanuit de verschillende perspectieven niet altijd bij elkaar aan. Er is zelfs een risico dat ze elkaar tegenwerken. Zo is het niet automatisch dat Europees ontwikkelde AI ook verantwoorde AI is.

Experimenteren om te reguleren

Daarom is er naast het opstellen van wetten, regels, beleid en richtlijnen nog een belangrijke manier om voortdurend te leren van de impact van de technologie en de (on)gewenste effecten ervan. Namelijk om te experimenteren met AI om er (ook) van te leren voor regulering. Een voorbeeld is de inrichting van proeftuinen (‘regulatory sandboxes’), zoals in de AI Verordening staat. Maar ook op kleine schaal, zoals het doen van pilots voor de toepassing van generatieve AI in chatbots voor gemeenten.

Een voorbeeld van zo’n experiment is de toepassing van machinaal leren (een vorm van AI) voor jeugdbeleid dat TNO uitvoerde in samenwerking met de gemeente Rotterdam en het ministerie van BZK. Gezamenlijk verkenden we op welke manier machinaal leren kon bijdragen aan een vraagstuk voor de gemeente Rotterdam. Daarnaast leerden we ook wat mogelijke positieve en negatieve effecten van het gebruik van AI waren. Deze inzichten gebruikte het ministerie van BZK voor het opstellen van AI beleid.

Door bij het uitvoeren van experimenten zo nadrukkelijk te leren met als doel om sturing en regulering te verbeteren is één manier waarop innovatie en sturing van AI hand in hand kunnen gaan, die past bij de snelle ontwikkeling van AI.

Deze reflectie is gebaseerd op de oratie van Anne Fleur, getiteld ‘Over experimenteren en reguleren: perspectieven op governance van data en algoritmen’ die plaatsvond op 20 maart 2026 aan de Universiteit Leiden.