AI-ethiek: van waarden naar controleerbare keuzes (2026)

AI-ethiek is het systematisch afwegen van waarden, rechten, baten en mogelijke schade rond een concrete AI-toepassing. Een toepassing is pas verantwoord wanneer die afweging zichtbaar wordt in ontwerpkeuzes, tests, eigenaarschap, menselijk toezicht, uitleg, bezwaar en herstel.

Ethiek is daarmee geen losse intentieverklaring en ook geen synoniem voor naleving van de AI-verordening. Je moet kunnen laten zien welke afweging is gemaakt, wie mocht beslissen en wat er gebeurt wanneer de uitkomst onjuist of oneerlijk blijkt.

Waar deze gids wel en niet over gaat

Deze gids helpt je een ethische beoordeling uit te voeren. Aanpalende vragen hebben een eigen controlepad:

voor gegevens, toegang, prompt injection en incidenten gebruik je AI veilig gebruiken;
voor persoonsgegevens, grondslag en leveranciersrollen gebruik je de AVG-checklist voor ChatGPT en AI-diensten;
voor feitelijke fouten en verzonnen bronnen gebruik je AI-hallucinaties herkennen;
voor rechten op trainingsmateriaal, uploads en output gebruik je AI en auteursrecht;
voor productkeuze, contracten en beheer gebruik je de controlecriteria voor AI-tools.

Kom je onderweg termen zoals bias, inference, RAG of model tegen, raadpleeg dan de AI-woordenlijst met 40 begrippen voor een korte, precieze uitleg.

De routes overlappen in aandachtspunten, maar hebben een andere hoofdvraag. Ethiek vraagt niet alleen mag het? en werkt het?, maar ook welk doel dienen we, wie draagt het risico, welke waarden botsen en welke keuze kunnen we verantwoorden?

De actuele Europese context op 29 juli 2026

De AI-verordening gebruikt een risicogebaseerd juridisch kader. Op 29 juli 2026 geldt de volgende hoofdlijn:

de eerste acht verboden AI-praktijken en de verplichting om maatregelen voor AI-geletterdheid te nemen gelden sinds 2 februari 2025;
verplichtingen voor aanbieders van general-purpose AI-modellen gelden sinds 2 augustus 2025;
de transparantieplichten uit artikel 50 gelden vanaf 2 augustus 2026;
na Verordening (EU) 2026/1744 gelden de regels voor toepassingen in de gevoelige hoog-risicogebieden van bijlage III vanaf 2 december 2027;
een negende verboden praktijk rond bepaalde niet-consensuele intieme inhoud en materiaal van seksueel misbruik van kinderen geldt vanaf 2 december 2026.

De tijdlijn bepaalt niet of een toepassing vandaag ethisch goed is. Vooruitlopen op een komende transparantie- of toezichtsplicht kan passend zijn wanneer mensen nu al door de uitkomst worden geraakt.

Artikel 50 verdeelt de transparantieplichten over rollen. Aanbieders vallen onder leden 1 en 2, waaronder informeren over directe AI-interactie en technische markering van synthetische content. Gebruiksverantwoordelijken vallen onder leden 3 en 4, waaronder informatie over bepaalde emotieherkenning en biometrische categorisering en openbaarmaking van deepfakes en bepaalde AI-tekst over aangelegenheden van algemeen belang. Een natuurlijke persoon die AI louter persoonlijk en niet-professioneel gebruikt, valt buiten de verplichtingen voor gebruiksverantwoordelijken.

Verordening (EU) 2026/1744 voegt in artikel 111, lid 4, een beperkte overgang toe. Aanbieders van genererende systemen die vóór 2 augustus 2026 in de handel zijn gebracht, moeten uiterlijk 2 december 2026 voldoen, maar uitsluitend aan de technische markeringsplicht uit artikel 50, lid 2. De andere transparantieplichten worden daardoor niet uitgesteld.

Ook bestaande regels blijven relevant. Artikel 22 AVG beperkt onder voorwaarden uitsluitend geautomatiseerde besluiten die rechtsgevolgen hebben of iemand anderszins in aanmerkelijke mate treffen. Het Nederlandse Algoritmekader benadrukt dat menselijke controle inhoudt dat een mens output kritisch kan beoordelen, aanpassen, naast zich neerleggen en het systeem zo nodig kan stoppen.

Zeven ethische vragen vóór je een tool kiest

1. Is het doel legitiem en is AI nodig?

Beschrijf het probleem zonder een productnaam. Vergelijk AI met een eenvoudiger proces, een regelgebaseerde oplossing, extra menskracht of helemaal niets doen.

Een toepassing kan technisch indrukwekkend zijn en toch geen aantoonbaar probleem oplossen. Als het doel vaag is, kun je ook niet bepalen welke data, kwaliteit of risico's aanvaardbaar zijn.

2. Wie heeft voordeel en wie draagt het risico?

Maak minimaal onderscheid tussen:

de organisatie die tijd, informatie of schaal wint;
medewerkers die met het systeem moeten werken;
mensen over wie een voorspelling, advies of beslissing gaat;
groepen die minder zichtbaar zijn in de gebruikte data;
derden die gevolgen ervaren zonder gebruiker te zijn;
toekomstige gebruikers bij wie de context anders kan zijn.

Nodig betrokkenen uit voordat de belangrijkste keuzes vaststaan. Alleen achteraf feedback vragen over een al gekozen systeem beperkt hun werkelijke invloed.

3. Welke rechten en waarden kunnen botsen?

Breng niet alleen privacy in kaart. Denk ook aan:

gelijke behandeling en non-discriminatie;
autonomie en vrije keuze;
menselijke waardigheid;
toegankelijkheid en inclusie;
vrijheid van meningsuiting en informatie;
arbeidsrechten en professionele ruimte;
veiligheid en gezondheid;
intellectuele eigendom;
recht op uitleg, bezwaar en effectief herstel;
duurzaamheid en inzet van schaarse middelen.

Een waarde heeft pas betekenis wanneer je beschrijft welk ontwerp- of procesbesluit eruit volgt.

4. Welke fouten zijn onomkeerbaar of moeilijk herstelbaar?

Een slechte brainstormsuggestie is meestal te vervangen. Een onterechte afwijzing, openbaar label, onveilige medische instructie of gelekt dossier kan blijvende gevolgen hebben.

Noteer per fout:

wie geraakt wordt;
hoe snel de fout zichtbaar wordt;
of een mens vóór het gevolg kan ingrijpen;
hoe de beslissing wordt teruggedraaid;
wie schade herstelt;
wanneer de toepassing direct moet stoppen.

5. Welke ongelijkheid kan het proces versterken?

Bias komt niet alleen uit trainingsdata. Vooringenomenheid kan ontstaan bij:

de keuze welk probleem wordt geautomatiseerd;
historische labels die bestaand beleid weerspiegelen;
meetmethoden die voor groepen verschillend werken;
ontbrekende talen, regio's, beperkingen of randgevallen;
drempelwaarden die één foutsoort belangrijker maken dan een andere;
gebruikers die een modeladvies te snel volgen;
feedbackdata die eerdere besluiten opnieuw als waarheid gebruikt.

Test daarom het hele sociotechnische proces: data, model, interface, gebruiker, procedure en gevolg.

6. Kan een mens echt controleren en afwijken?

Een menselijke goedkeuring is alleen betekenisvol wanneer de controleur:

de taak en beperkingen begrijpt;
de relevante invoer, bron en onzekerheid kan zien;
genoeg tijd en deskundigheid heeft;
niet op snelheid of productie wordt afgerekend voor afwijking;
zelfstandig aanvullende informatie kan opvragen;
gemotiveerd kan afwijken;
een actie kan pauzeren of terugdraaien;
incidenten veilig kan melden.

Een knop met goedkeuren maakt een proces niet menselijk wanneer de controleur geen alternatief, context of bevoegdheid heeft.

7. Kunnen betrokkenen begrijpen, betwisten en herstellen?

Geef een begrijpelijke uitleg over doel, rol van AI, gebruikte informatie, belangrijke beperkingen en contactroute voor bezwaar. Leg uit welke beslissing door een mens wordt genomen en hoe iemand fouten kan laten corrigeren.

Transparantie moet handelingsperspectief bieden. Een lange algemene verklaring die niet uitlegt wat in de concrete situatie gebeurde, helpt een betrokkene weinig.

Stappenplan: maak de ethische afweging controleerbaar

Stap 1: schrijf een doel- en noodzaaknotitie

Beschrijf de taak, doelgroep, beoogde baten, alternatieven en expliciete grenzen. Noteer welke beslissing nooit door het systeem mag worden genomen.

Formuleer succes niet alleen als snelheid of volume. Voeg criteria toe voor kwaliteit, toegankelijkheid, gelijke behandeling, menselijke regie en herstel.

Stap 2: maak een stakeholder- en gevolgenkaart

Spreek met mensen uit verschillende rollen, waaronder mensen die de uitkomst ondergaan. Noteer per groep:

verwacht voordeel;
mogelijke schade;
informatie- en machtspositie;
mogelijkheid om niet mee te doen;
mogelijkheid om bezwaar te maken;
benodigde ondersteuning of toegankelijkheid.

Leg meningsverschillen vast. Een ethische beoordeling hoeft niet te doen alsof alle waarden zonder conflict te combineren zijn.

Stap 3: verbind waarden aan eisen en eigenaren

Vertaal iedere relevante waarde naar een controleerbare eis.

Waarde	Voorbeeld van een eis	Eigenaar
Gelijke behandeling	Test foutpercentages en uitval per relevante groep	Product- en proceseigenaar
Autonomie	Bied een bruikbaar proces zonder gedwongen AI-interactie	Dienstverlener
Transparantie	Leg rol, beperking en bezwaarroute in begrijpelijke taal uit	Communicatie en juridisch
Menselijke regie	Geef beoordelaar broninformatie, tijd en afwijkbevoegdheid	Proceseigenaar
Privacy	Minimaliseer gegevens en leg doel, grondslag en retentie vast	Privacyprofessional
Herstel	Pauzeer besluiten en corrigeer gegevens en gevolgen	Operationeel eigenaar

Eén eigenaar hoeft niet alle werkzaamheden uit te voeren, maar moet wel aanspreekbaar zijn op de uitkomst.

Stap 4: ontwerp een representatieve test

Maak vóór ingebruikname een testset met gewone gevallen, randgevallen, ontbrekende informatie en relevante groepen. Leg vooraf vast:

welk resultaat correct of aanvaardbaar is;
welke foutsoorten je telt;
welke groepsverschillen je onderzoekt;
welke uitkomst menselijke controle vereist;
bij welke drempel de proef stopt;
wie de resultaten onafhankelijk beoordeelt.

Een gemiddelde score kan ernstige fouten voor een kleine groep verbergen. Bekijk daarom ook fouttypen en verdeling.

Stap 5: richt betekenisvolle menselijke controle in

Maak een werkinstructie met besliscriteria, bronnen, bevoegdheden en escalatie. Laat de controleur oefenen met bewust foutieve en onvolledige output.

Meet vervolgens niet alleen hoeveel uitkomsten worden goedgekeurd. Controleer ook:

hoe vaak mensen afwijken;
of afwijking inhoudelijk wordt beoordeeld;
hoeveel tijd controle kost;
of broninformatie beschikbaar is;
of automatiseringsbias ontstaat;
of een stop- of herstelprocedure werkelijk werkt.

Stap 6: maak gebruik, beperking en bezwaar zichtbaar

Vertel mensen in passende taal:

dat en waarom AI wordt gebruikt;
welke rol het systeem in het proces heeft;
welke gegevens relevant zijn;
wat de belangrijkste beperkingen zijn;
wie de uiteindelijke beslissing neemt;
hoe iemand uitleg, correctie of menselijke beoordeling vraagt;
hoe een klacht of incident wordt behandeld.

Controleer daarnaast of artikel 50 van de AI-verordening, de AVG, een sectorregel of een contract een specifieke vorm van transparantie vereist. Bepaal daarbij eerst je rol: aanbieders hebben onder artikel 50, leden 1 en 2, andere plichten dan gebruiksverantwoordelijken onder leden 3 en 4. De deepfakeplicht rust op de gebruiksverantwoordelijke en geldt niet voor een natuurlijke persoon die AI louter persoonlijk en niet-professioneel gebruikt.

Stap 7: start klein, monitor en durf te stoppen

Begin met een begrensde proef zonder automatische doorwerking naar een belangrijk besluit. Registreer fouten, klachten, afwijkingen, groepsverschillen, incidenten en herstel.

Plan een herbeoordeling op datum en op gebeurtenis. Stop of beperk de toepassing wanneer:

de beoogde waarde niet aantoonbaar ontstaat;
een groep structureel slechter wordt bediend;
controleurs niet werkelijk kunnen afwijken;
de gegevensstroom groter blijkt dan beoordeeld;
uitleg of bezwaar niet werkt;
een productwijziging de oorspronkelijke test ongeldig maakt;
ernstige schade niet tijdig kan worden voorkomen of hersteld.

Drie korte voorbeelden

Een cv-samenvatting voor recruiters

De organisatie wil sneller relevante ervaring vinden. Ethische vragen gaan dan niet alleen over modelbias, maar ook over welke ervaring als relevant is gedefinieerd, of sollicitanten weten dat AI wordt gebruikt, of een recruiter de originele cv ziet en of iemand een verkeerde samenvatting kan laten corrigeren.

Een chatbot voor inwoners

Een chatbot kan informatie buiten openingstijden aanbieden. Controleer ook taalniveau, toegankelijkheid, doorverwijzing naar een mens, herkenbaarheid als AI, bronactualiteit en wat gebeurt wanneer iemand door fout advies een termijn mist.

Een conceptgenerator voor marketing

De directe gevolgen lijken kleiner, maar er blijven vragen over auteursrecht, stereotypering, misleiding, herkenbare personen en het presenteren van gegenereerde ervaringen als echte klantverhalen. De publicerende organisatie blijft verantwoordelijk voor de eindredactie.

Veelgemaakte fouten

Ethiek als algemene waardenposter behandelen. Verbind iedere waarde aan een eis, eigenaar, test en stopregel.
Alleen naar trainingsdata kijken. Probleemdefinitie, labels, interface, gebruikersgedrag en gevolgen kunnen eveneens bias veroorzaken.
Wetgeving als maximum gebruiken. Juridische naleving is noodzakelijk waar de regels gelden, maar beantwoordt niet iedere proportionaliteits- of machtsvraag.
Een mens als decoratieve controle toevoegen. Zonder informatie, tijd, deskundigheid en afwijkbevoegdheid is toezicht niet betekenisvol.
Alleen gemiddelde kwaliteit meten. Ernstige fouten en groepsverschillen verdwijnen makkelijk in één totaalscore.
Betrokkenen pas na aanschaf spreken. Dan zijn doel, leverancier en ontwerp vaak al moeilijk te veranderen.
Geen herstelroute ontwerpen. Transparantie zonder correctie, bezwaar of terugdraaiing biedt weinig bescherming.
Na de pilot niet meer toetsen. Model, data, doel, gebruikers en omgeving veranderen.

Veelgestelde vragen

Wat is AI-ethiek?

AI-ethiek is het systematisch afwegen van waarden, rechten, baten en mogelijke schade bij het ontwerpen, inkopen, gebruiken en stoppen van een AI-toepassing. Het resultaat moet zichtbaar worden in keuzes, tests, verantwoordelijkheden, uitleg, menselijk toezicht en herstel.

Is een wettelijk toegestane AI-toepassing automatisch ethisch verantwoord?

Nee. Wetgeving stelt ondergrenzen en concrete plichten, terwijl een ethische afweging ook kijkt naar noodzaak, proportionaliteit, autonomie, toegankelijkheid, machtsverhoudingen en gevolgen die niet volledig door één wet zijn geregeld.

Hoe controleer je AI op bias?

Test relevante groepen en situaties met vooraf gekozen kwaliteits- en gelijkheidscriteria. Onderzoek niet alleen trainingsdata, maar ook probleemdefinitie, labels, ontbrekende groepen, drempelwaarden, gebruikersgedrag en de manier waarop output in een besluit wordt gebruikt.

Wat is betekenisvolle menselijke controle?

De controleur begrijpt doel en beperkingen, ziet de relevante broninformatie, heeft genoeg tijd en bevoegdheid, kan gemotiveerd afwijken en kan de toepassing stoppen. Alleen formeel een mens laten klikken zonder echte keuzeruimte is geen betekenisvolle controle.

Wanneer moet je vertellen dat AI wordt gebruikt?

Maak AI-gebruik zichtbaar wanneer mensen anders redelijkerwijs kunnen denken dat zij met een mens te maken hebben, wanneer de herkomst hun beslissing beïnvloedt of wanneer wet, contract of sectorregel dat vraagt. Vanaf 2 augustus 2026 vallen aanbieders onder artikel 50, leden 1 en 2, en gebruiksverantwoordelijken onder leden 3 en 4. De deepfakeplicht van lid 4 geldt voor gebruiksverantwoordelijken, niet voor een natuurlijke persoon die AI louter persoonlijk en niet-professioneel gebruikt. Alleen aanbieders van genererende systemen die vóór 2 augustus 2026 in de handel zijn gebracht, krijgen voor artikel 50, lid 2, tot 2 december 2026 om te voldoen.

Wie is verantwoordelijk voor een beslissing met AI?

Verantwoordelijkheid moet over de hele keten zijn toegewezen aan echte personen en organisaties. Een leverancier beheert het product, een proceseigenaar bepaalt het doel en een bevoegde beoordelaar beslist over gebruik en gevolgen. De formulering 'de AI besliste' is geen verantwoordingsmodel.

Wanneer moet je een ethische AI-beoordeling herhalen?

Herhaal de beoordeling bij een ander doel, nieuwe doelgroep, nieuw model, gewijzigde data, koppeling, drempelwaarde, leverancier of wet. Herbeoordeel ook na incidenten, klachten, onverwachte groepsverschillen of signalen dat mensen het systeem anders gebruiken dan bedoeld.

Officiële bronnen

Laatst inhoudelijk gecontroleerd: 29 juli 2026.