Wanneer je een generatief AI-tool in een marketingteam of klantenservice uitrolt, is de eerste vraag niet meer “welk model te kiezen”, maar “hebben we het recht om het zo te gebruiken”. Deze verschuiving vat een groot deel samen van wat er in de technologie in 2024 is veranderd: de tools ontwikkelen zich snel, de regelgeving volgt nauwgezet, en de afwegingen worden nu zowel op juridisch als technisch vlak gemaakt.
AI Act: wat de Europese verordening concreet verandert op het terrein
De Europese verordening inzake kunstmatige intelligentie (AI Act) werd op 12 juli 2024 gepubliceerd in het Publicatieblad van de EU en trad in werking op 1ᵉʳ augustus 2024. De architectuur is gebaseerd op een classificatie op basis van risiconiveaus, met geleidelijke verplichtingen afhankelijk van het gebruik van het AI-systeem.
Wat deze tekst onderscheidt, is de geleidelijke tijdlijn. De eerste verboden (sociale scoring, gedragsmanipulatie) zijn van kracht sinds 2 februari 2025. De verplichtingen voor AI-modellen voor algemeen gebruik volgen vanaf 2 augustus 2025. We hebben niet te maken met een grote regelgevingsovergang, maar met een geleidelijke opbouw over meerdere maanden.
Voor bedrijven betekent dit een inventarisatiewerk: het opsommen van de intern gebruikte AI-systemen, het classificeren van elk gebruik volgens het risiconiveau dat door de verordening is gedefinieerd, het documenteren van de processen en het trainen van de teams. Je vindt de tech-informatie op Web Hebdo die regelmatig deze regelgevingsevoluties toepast op de dagelijkse tools.
Het vaak onderschatte punt: de naleving geldt ook voor bedrijven die AI implementeren, niet alleen voor degenen die de modellen ontwerpen. Een HR-dienst die een AI-gebaseerde CV-selectietool gebruikt, valt onder de reikwijdte van de verordening net als de uitgever van de software.
Gegevensbeveiliging en informatiesystemen in 2024
Generatieve AI heeft nieuwe aanvalsvectoren geopend. De generatie van gepersonaliseerde phishing, stemdeepfakes voor sociale engineering, of het gebruik van taalmodellen om kwetsbaarheden in broncode te detecteren, zijn scenario’s die door de IT-beveiligingsteams zijn gedocumenteerd.
Als reactie integreren beveiligingsoplossingen ook kunstmatige intelligentie om netwerkgedragingen in real-time te analyseren. We zien een verschuiving in investeringen: minder klassieke perimeter-firewalls, meer gedragsdetectie en dynamische segmentatie.
Wat verandert voor KMO’s
Grote bedrijven hebben toegewijde teams. Voor kleinere structuren is het gebruik van beheerde beveiligingsdiensten in de cloud de haalbare compromis. Deze platforms bundelen de bewaking, dreigingsanalyse en incidentrespons.
De reacties variëren op dit punt afhankelijk van de sector: een industriële KMO heeft niet dezelfde beperkingen als een adviesbureau. De afweging gaat vaak over de verhouding tussen de kosten van een incident en die van preventie.
Cloudtechnologieën en hybride IT: de afwegingen van 2024
Het debat “alles in de cloud” versus “terug naar on-premise” is verfijnd. In de praktijk werken de meeste organisaties in hybride modus, met werklasten verdeeld tussen lokale infrastructuur en publieke cloud afhankelijk van de gevoeligheid van de gegevens en de latentie-eisen.
- Gegevens die onder sterke regelgeving vallen (gezondheid, financiën, publieke sector in Frankrijk) worden vaak gehost op gekwalificeerde of soevereine infrastructuren
- Variabele werklasten (gegevensanalyse, training van AI-modellen, applicatietests) migreren naar de publieke cloud om te profiteren van de elasticiteit
- Kritieke applicaties met lage latentie (industriële sturing, embedded systemen) vertrouwen steeds meer op edge computing, met verwerking zo dicht mogelijk bij de bron
De keuze van architectuur hangt af van de use case, niet van een doctrine. Je migreert niet “naar de cloud” uit principe, je plaatst daar wat een meetbaar operationeel belang heeft.
Generatieve AI in bedrijven: verder dan de demonstratie
De experimenteerfase met ChatGPT en zijn equivalenten heeft plaatsgemaakt voor een meer praktische vraag: hoe deze tools integreren in bestaande bedrijfsprocessen zonder technische schuld of juridische risico’s te creëren.
De use cases die standhouden na enkele maanden van implementatie delen gemeenschappelijke kenmerken:
- Een beperkte en goed gedocumenteerde reikwijdte (opstellen van standaard e-mails, samenvatting van verslagen, generatie van eerste code-ontwerpen)
- Een systematische menselijke validatieronde voordat iets naar buiten wordt verspreid
- Een duidelijke afbakening van de trainings- en promptgegevens, om te voorkomen dat vertrouwelijke gegevens in externe modellen worden geïnjecteerd
- Een training van de teams die verder gaat dan de simpele tutorial en de beperkingen van het model dekt (hallucinaties, vooroordelen, gebrek aan actualiteit van de gegevens)
De bedrijven die een concreet voordeel halen uit generatieve AI zijn degenen die het gebruik hebben afgebakend voordat ze het tool implementeren. Het omgekeerde levert teleurstellende resultaten op en een snelle afwijzing door de teams.
De kwestie van modellen voor algemeen gebruik
De AI Act legt specifieke verplichtingen op aan leveranciers van AI-modellen voor algemeen gebruik, met name op het gebied van technische documentatie en transparantie over de trainingsgegevens. Voor bedrijven die bedrijfsapplicaties op deze fundamenten bouwen, betekent dit dat ze de conformiteit van het onderliggende model moeten controleren, niet alleen die van de applicatielaag.
Dit onderwerp blijft technisch en wordt in veel organisaties nog steeds slecht begrepen. De trend in 2024, op dit vlak, is minder massale adoptie dan wel structurering: gebruik in kaart brengen, risico’s documenteren, medewerkers trainen.
Het techlandschap van 2024 onderscheidt zich minder door spectaculaire breuken dan door een snelle rijping van gebruikskaders. De tools zijn er, de regelgeving wordt duidelijker, en het concrete werk gebeurt nu in de afwegingen van architectuur, naleving en teamtraining.
