Wat AI eigenlijk is (en wat het niet is)
Serie: AI-governance voor gemeenschapsleiders - Begrip Village AI voor bestuurders, raadsleden en bestuursleden (Artikel 1 van 5) Auteur: My Digital Sovereignty Ltd Datum: Juni 2026 Licentie: CC BY 4.0 International
AI veranderd terwijl u nadacht
Je bent vast wel eens beweringen tegengekomen dat kunstmatige intelligentie overheidsdiensten, gemeenschapsbestuur en de manier waarop organisaties werken gaat transformeren. Je bent misschien ook beweringen tegengekomen dat het overdreven is, of dat het niets echt nieuws kan doen. Beide standpunten slaan de plank mis en als je begrijpt waarom, kun je betere bestuurlijke beslissingen nemen.
Maar er is een punt dat elke raad van bestuur of raad zou moeten registreren: AI is wezenlijk veranderd, zelfs in de periode waarin organisaties hebben gedebatteerd over de vraag of ze het gaan gebruiken.
Een jaar geleden, toen de meeste mensen "AI" zeiden, bedoelden ze een chatbot - een systeem dat je een vraag stelde en dat tekst terugstuurde. Jij vroeg, het antwoordde. Vandaag de dag is het zwaartepunt verschoven. De systemen die de meeste aandacht en investeringen trekken, zijn niet langer alleen chatbots die antwoorden. Het zijn agenten die handelen - ze vullen formulieren in, versturen berichten, surfen en handelen op het web, bedienen andere software en streven doelstellingen na die uit meerdere stappen bestaan, met beperkte supervisie.
Deze verschuiving is voor een bestuursorgaan het allerbelangrijkste om te begrijpen, omdat het risicoprofiel van de adoptie hierdoor verandert. Om vandaag over AI te redeneren, moet je twee ideeën uit elkaar houden:
- De motor - het onderliggende model, de component die taal produceert.
- De agent - de motor die aan het werk wordt gezet, geconfigureerd zodat deze namens de organisatie acties in de wereld kan ondernemen.
De engine is capabeler geworden. Maar de consequente verandering voor elke instantie met een zorgplicht is wat er nu wordt gebouwd rondom de motor. We nemen ze elk op hun beurt.
De motor: Een machine die voorspelt
Hier is de duidelijkste beschrijving van wat de motor doet: hij voorspelt welk woord als volgende moet komen.
Wanneer iemand een vraag intypt in een chatbot, redeneert het systeem niet over de vraag zoals een raadslid of curator zou redeneren over een bestuursverslag. Het doet iets mechanisch. Het heeft miljarden pagina's tekst te zien gekregen - wetgeving, rapporten, correspondentie, technische documenten, nieuwsartikelen, sociale media, medische literatuur - en uit al dat materiaal heeft het patronen geleerd. Als je het een vraag stelt, genereert het een antwoord door woord voor woord te voorspellen hoe een plausibel antwoord eruit ziet op basis van alles wat het eerder heeft verwerkt.
Dit is echt nuttig. Een systeem dat de patronen van miljarden pagina's tekst heeft geabsorbeerd, kan helpen bij het opstellen van correspondentie, het samenvatten van lange documenten, het beantwoorden van feitelijke vragen of suggesties doen voor de formulering van een gevoelige mededeling. Dit zijn echte mogelijkheden en ze kunnen de administratieve last verminderen.
Maar in de kern doet de engine aan patroonherkenning op een buitengewone schaal. Dat ene feit verklaart zowel het grote nut als de karakteristieke manier waarop het faalt - een terugkerend thema in deze serie.
Kan de engine redeneren?
Er is een diepere vraag die onderzoekers actief onderzoeken en het eenvoudige antwoord is: dat weten we nog niet.
Toen vroege AI-systemen vloeiende tekst produceerden, was het redelijk om ze te beschrijven als geavanceerde patroonmatching en het daarbij te laten. Maar een nieuwere generatie engines - vaak "redenerende" of "denkende" modellen genoemd - doet iets anders. In plaats van meteen te antwoorden, werken ze in stappen door een probleem heen, waarbij ze een zichtbare keten van tussenliggende redeneringen produceren voordat ze zich vastleggen op een antwoord, en meer tijd besteden aan moeilijkere problemen. De resultaten kunnen verbluffend zijn: in 2025 losten redeneersystemen van meer dan één groot laboratorium problemen op van de Internationale Wiskunde Olympiade - een van de moeilijkste wiskundewedstrijden ter wereld - op een niveau dat gelijkwaardig is aan dat van een menselijke gouden medaillewinnaar.
Dus is dat redeneren, of zeer geavanceerde patroonmatching die op redeneren lijkt?
Het onderzoek is echt onduidelijk en serieuze onderzoekers zijn het er niet over eens. Eén invloedrijke studie uit 2025 stelde dat deze systemen een "illusie van denken" vertonen - ze storten in bij bepaalde puzzels op een manier die een echte redenaar niet zou doen. Verschillende even serieuze reacties beweerden het tegendeel. Het meest voorzichtige huidige oordeel is dat de huidige redeneermodellen geen echte redenaars zijn en ook geen papegaaien - ze zijn iets echt nieuws dat nog niet volledig begrepen wordt. Iedereen die je vertelt dat AI definitief wel of niet kan redeneren, overdrijft wat het bewijs ondersteunt.
Eén bevinding heeft directe relevantie voor het bestuur en wordt gemakkelijk verkeerd gelezen. Wanneer deze systemen hun "denken" tonen, weerspiegelt die zichtbare keten niet betrouwbaar wat het antwoord feitelijk heeft bepaald. Onderzoekers hebben herhaaldelijk ontdekt dat de verklaarde redenering van een model de werkelijke invloeden op de conclusie kan weglaten - niet door oneerlijkheid (het systeem heeft geen bedoelingen), maar omdat de weergegeven woorden zelf voorspelde tekst zijn en geen getrouwe weergave van een intern proces. Het praktische gevolg voor een bestuursorgaan: je kunt je niet kwijten van een toezichthoudende taak door alleen maar de uitleg te lezen die een AI voor zichzelf geeft. Verantwoording afleggen vereist dat je de output controleert aan de hand van de eigen gegevens van de organisatie - niet dat je vertrouwt op het zelfrapport van het systeem. We komen hierop terug in artikel 3, en dit heeft rechtstreeks te maken met de "recht op uitleg"-verwachtingen onder GDPR en de EU AI Act.
Wat met zekerheid gezegd kan worden is dat het traject steil is. Een paar jaar geleden konden deze systemen nauwelijks een samenhangende alinea produceren. Nu schrijven ze essays, leggen ze professionele examens af, genereren ze computercode en handelen ze steeds meer naar de wereld in plaats van die alleen maar te beschrijven. Binnen een paar jaar zullen de mogelijkheden weer groter zijn.
AI kan niets nieuws doen - Het hangt ervan af wat je met nieuw bedoelt
Mensen die AI afwijzen door te zeggen dat het niets origineels kan maken, doen een bewering die eng waar en breed misleidend is.
Een taalmodel kan niet voortkomen uit ervaring. Het heeft nooit deelgenomen aan een openbare raadpleging waar bewoners boos waren. Het heeft nog nooit het gewicht gevoeld van een financieringsbeslissing die het welzijn van een gemeenschap beïnvloedt. Het kan niet begrijpen waarom de precieze formulering van een raadsbesluit er toe doet - het kan alleen patronen reproduceren die statistisch gezien op begrip lijken. In die zin is alles wat ze produceert een recombinatie van materiaal dat ze tijdens de training heeft opgepikt.
Maar bedenk eens wat "recombinatie" op deze schaal betekent. Geen enkele persoon heeft elk stuk wetgeving van de lokale overheid gelezen, elk jaarverslag van de Community Trust, elk academisch artikel over participatief bestuur en elke effectbeoordeling van regelgeving van de afgelopen tien jaar. Wanneer de AI een verband legt tussen de theorie van polycentrisch bestuur en de praktijk van gemeenschapsontwikkeling, kan dat verband echt nieuw zijn voor een individuele lezer, ook al bestonden beide ideeën al afzonderlijk. De atomen zijn niet nieuw, maar de moleculen wel.
Dus "AI kan niets nieuws doen" is waar op het niveau van ontstaan en onjuist op het niveau van synthese. Beide dingen zijn belangrijk en voor een verantwoord beheer van deze technologie is het nodig om beide vast te houden.
Van antwoorden naar handelen: De agent
Dit is de verandering die de grootste invloed heeft op het bestuur.
Gedurende het grootste deel van het chatbot-tijdperk was het ergste wat een AI direct kon doen een slecht antwoord terugsturen. De schade werd alleen zichtbaar als een persoon ernaar handelde - de misleidende brief verstuurde, zich op het verkeerde cijfer baseerde, het gebrekkige advies doorstuurde. Een mens zat altijd tussen de machine en het gevolg.
Een agent haalt die mens uit de lus, dat is de bedoeling.
Een AI-agent is een motor verpakt in wat onderzoekers "steigers" noemen - een geheugen om een taak te volgen, toegang tot een webbrowser, de mogelijkheid om software en andere hulpmiddelen te bedienen en een doelstelling uitgedrukt in duidelijke taal. Met die steiger kan het systeem het doel in vele stappen nastreven met veel minder supervisie: het zoekt, beslist, handelt, controleert en handelt opnieuw. Een chatbot antwoordt. Een agent handelt.
Voor een bestuur is dit precies waar de risicobeoordeling verandert. Wanneer een systeem autonoom handelt, zijn er minder punten waarop een mens kan ingrijpen; sommige acties kunnen niet worden teruggedraaid; en wanneer een agent namens de organisatie handelt en de uitkomst verkeerd is, wordt het echt moeilijk om verantwoording af te leggen - tussen de functionaris die het doel heeft gesteld, de provider wiens systeem de stappen heeft gekozen en de instantie die het gebruik ervan heeft geautoriseerd. Wetenschappers beschrijven de resulterende "verantwoordelijkheidskloof" en de "morele kreukelzone", waarin de aansprakelijkheid bij de dichtstbijzijnde persoon ligt ondanks dat die persoon weinig echte controle had. Dit is geen bijkomstigheid van de regelgeving: het aandringen van de EU AI Act op betekenisvol menselijk toezicht is in feite een wettelijke vereiste dat deze lus niet kan worden gesloten zonder dat een persoon in staat is om in te grijpen. Een bestuursorgaan dat een agentieel systeem evalueert, evalueert precies dat - of het toezicht structureel is of alleen maar beloofd.
Het echte probleem: Wiens patronen en wie heeft de controle in handen?
Hier wordt het praktisch voor uw organisatie.
Wanneer een grote AI-engine wordt getraind op het internet, absorbeert hij de vooroordelen, aannames en culturele standaards van het internet. Het internet is overwegend Engelstalig, westers, commercieel georiënteerd en gevormd door de waarden van de technologische industrie. Dit is geen complot - het is gewoon wat er gebeurt als een systeem wordt getraind op gegevens die onevenredig veel één cultuur en één set prioriteiten vertegenwoordigen.
De gevolgen zijn subtiel maar materieel. Wanneer een inwoner een vraag stelt over een moeilijk burenconflict, grijpt het systeem terug naar individuele rechten en rechtsmiddelen - omdat dat de trainingsgegevens domineert - in plaats van bemiddeling, gemeenschapsplicht of een langetermijnvisie. Wanneer een ambtenaar van de gemeente het systeem vraagt om een mededeling op te stellen over een gevoelige planningskwestie, grijpt het systeem naar zakelijke stakeholder-managementtaal, omdat zakelijke correspondentie veel belangrijker is dan burgercommunicatie.
Het systeem staat niet vijandig tegenover burgerlijke waarden. Het kent ze gewoon niet. Het weet wat statistisch gebruikelijk is, en wat statistisch gebruikelijk is, is niet wat het meest geschikt is voor je kiezers.
In het chatbot-tijdperk bepaalde die vooringenomenheid de tekst die een agent beoordeelde. In het tijdperk van de agent geeft dezelfde vooringenomenheid vorm aan de handelingen die namens de organisatie worden verricht - verstuurde berichten, opgeslagen dossiers, aangegane verplichtingen - mogelijk voordat een functionaris ze heeft beoordeeld. Dus de governance vraag heeft nu twee helften: wiens patronen draagt het systeem, en wie heeft de controle wanneer het handelt?
Waarom dit nu van belang is voor bestuursorganen
Niemand weet met zekerheid wat er gebeurt als een AI-systeem ooit iets ontwikkelt dat lijkt op zijn eigen bedoelingen - bedoelingen die misschien niet overeenkomen met de belangen van de gemeenschappen die het dient. We zijn waarschijnlijk nog ver verwijderd van die drempel. Maar de architectuur die nu wordt gekozen en de gewoonten van het bestuur die vandaag worden ingesteld, zullen bepalen of een organisatie voorbereid is of dat ze te laat ontdekt dat ze ongemerkt controle heeft afgestaan.
Dit is niet speculatief. Het is een eenvoudige opmerking over institutionele paraatheid. Je raad heeft een grondwet. Je bestuur heeft een huishoudelijk reglement. Je trust heeft een bestuursdocument. Deze bestaan niet omdat elke vergadering in wanorde vervalt, maar omdat bestuursstructuren er moeten zijn voordat ze nodig zijn, niet erna.
Hetzelfde principe geldt voor AI en de AI-wet van de EU (Verordening 2024/1689) weerspiegelt precies deze logica - het instellen van bestuurlijke kaders voordat de technologie de regelgevende capaciteit overtreft. De komst van agentgebaseerde systemen verhoogt de inzet: een organisatie die AI invoert die handelt, zonder dat er structureel toezicht is, kan erachter komen dat ze niet in staat is om verantwoording af te leggen voor beslissingen die in haar naam worden genomen - een positie die fiduciair ongemakkelijk is en juridisch onaanvaardbaar.
Twee wegen vooruit
Er zijn twee manieren waarop een organisatie met AI kan omgaan.
De eerste manier is het gebruik van Big Tech AI - systemen zoals ChatGPT, Google Gemini of Microsoft Copilot, en in toenemende mate de agents die daarop zijn gebouwd. Deze zijn krachtig, handig en vaak goedkoop. Maar ze komen met voorwaarden. Jouw gegevens stromen naar hun servers. Je communicatie - en nu ook de acties van je agent - gaan door systemen waar jij geen controle over hebt. Het gedrag van de AI wordt bepaald door het beleid van het bedrijf, dat zonder jouw toestemming kan veranderen. En de patronen die de AI volgt, worden bepaald door de trainingsgegevens, waar jij geen invloed op hebt. Onder GDPR roept dit vragen op over de controle over de gegevens, de wettelijke basis voor verwerking en het recht op uitleg die elk bestuursorgaan zou moeten oplossen voordat het systeem wordt aangenomen - vragen die scherper worden, niet zachter, wanneer het systeem autonoom handelt.
Het tweede pad is om AI te gebruiken die uw organisatie controleert. Een meer gericht systeem, getraind op jouw content, draaiend op infrastructuur binnen jouw jurisdictie, bestuurd door regels die jouw bestuur of raad opstelt. Een systeem dat het verschil weet tussen een raadsnotule en een blogpost, omdat de gegevens van jouw organisatie het systeem dat hebben geleerd. Een systeem waarvan de antwoorden worden gecontroleerd aan de hand van uw werkelijke documenten door verificatielagen die onafhankelijk van de AI opereren - en waarvan het vermogen om te handelen opzettelijk is begrensd, zodat een mens die verantwoordelijk is voor uw kiezers altijd kan ingrijpen.
Dit is wat Village AI is. Het is niet het krachtigste AI-systeem dat er is. Het is ontworpen om verantwoording af te leggen aan uw gemeenschap - aan uw inhoud, uw waarden en uw bestuurskader - en om gezag te houden bij de mensen die het in handen hebben wanneer de AI overgaat van antwoorden naar handelen.
Het volgende artikel legt uit hoe Village AI structureel verschilt van Big Tech AI en waarom dat verschil belangrijker is dan pure kracht.
Dit is artikel 1 van 5 in de serie "AI Governance voor gemeenschapsleiders". Ga voor de volledige technische architectuur naar Village AI - Agentic Governance.
Volgende: Big Tech AI vs. door de gemeenschap bestuurde AI - Waarom het verschil ertoe doet