Van proefballon naar productielijn: de datahygiëne achter generatieve AI
Photo: Ben P L from Provo, USA, CC BY-SA 2.0, via Wikimedia Commons
Generatieve AI is in veel organisaties begonnen als een proefballon: een team krijgt toegang tot een model, bouwt een demo en laat zien wat mogelijk is. De eerste resultaten zijn vaak indrukwekkend. Zodra het initiatief echter naar productie moet, verschuift het probleem. Niet het model, maar de datahuishouding bepaalt dan of het systeem betrouwbaar, uitlegbaar en bestuurbaar blijft. Voor Nederlandse organisaties die van experiment naar opschaling willen, is generatieve AI daarom in de eerste plaats een databeheerprobleem.
Waarom de demo niet voorspellend is
Een demo werkt meestal met een beperkte, handmatig samengestelde dataset. De vragen zijn bekend, de uitkomsten worden gecontroleerd en er is ruimte om fouten weg te poetsen. In productie verdwijnt die bescherming. Gebruikers stellen onverwachte vragen, bronnen veranderen, documenten raken verouderd en meerdere teams willen tegelijk toegang. Wat in een gecontroleerde omgeving acceptabel leek, wordt dan een risico voor besluitvorming en verantwoording.
Dat risico is niet alleen technisch. Het raakt ook aan transparantie, privacy en bestuurlijke controle. Een model dat een antwoord geeft zonder herleidbare bron, is lastig te verdedigen tegenover een klant, een toezichthouder of een interne auditor. Zeker wanneer gevoelige bedrijfsinformatie of persoonsgegevens in het spel zijn, moet helder zijn welke data is gebruikt, wie eigenaar is en welke beperkingen gelden.
Vier datavoorwaarden vóór opschaling
1. Herleidbaarheid van bron tot antwoord
Generatieve AI voegt informatie samen en produceert nieuwe tekst. Daardoor ontstaat al snel een schijn van autoriteit. Organisaties moeten kunnen uitleggen op welke bronnen een antwoord is gebaseerd, hoe actueel die bronnen zijn en welke bewerkingen zijn toegepast. Een bronregister en technische lineage zijn hiervoor geen luxe. Ze zijn de basis voor controle, foutopsporing en het beperken van misinformatie.
2. Eigenaarschap met mandaat
Een eigenaar in een spreadsheet is nog geen eigenaar in de praktijk. Voor elke bron die aan een AI-toepassing wordt gekoppeld, moet duidelijk zijn wie inhoudelijk verantwoordelijk is, wie wijzigingen mag doorvoeren en wie vragen over kwaliteit afhandelt. Zonder mandaat blijft eigenaarschap een administratieve vermelding. Met mandaat wordt het een functie die kwaliteit en toegang daadwerkelijk beïnvloedt.
3. Kwaliteit en representativiteit
Een taalmodel is gevoelig voor de data waarmee het wordt gevoed. Ontbrekende context, verouderde documenten of eenzijdige bronnen leiden tot antwoorden die plausibel klinken maar niet kloppen. Organisaties doen er verstandig aan om vóór opschaling vast te leggen welke kwaliteitseisen gelden, hoe vaak bronnen worden ververst en welke uitsluitingen bewust zijn gemaakt. Ook时必须 duidelijk zijn welke vragen het systeem niet mag beantwoorden.
4. Toegang en classificatie
Niet elke medewerker hoeft bij elke bron te kunnen. Een generatieve AI-toepassing mag bestaande toegangsrechten niet omzeilen. Classificatie van data naar gevoeligheid, een heldere rolverdeling en logging van toegang zijn daarom noodzakelijk. In de praktijk blijkt dit vaak een van de lastigste punten, omdat rechten verspreid zitten over meerdere applicaties en teams.
Van prompt naar proces: een checklist
Voor teams die van experiment naar productie willen, helpt een korte maar strikte checklist:
- Is per bron vastgelegd wie eigenaar is en wie wijzigingen mag goedkeuren?
- Zijn herkomst, actualiteit en kwaliteit van bronnen controleerbaar?
- Zijn toegangsrechten technisch afgedwongen en niet alleen beleidsmatig beschreven?
- Is duidelijk welke data niet gebruikt mag worden, bijvoorbeeld vanwege privacy of contractuele beperkingen?
- Zijn antwoorden herleidbaar tot bronnen en is vastgelegd hoe met twijfelgevallen wordt omgegaan?
- Is er een proces voor het melden, onderzoeken en corrigeren van fouten?
- Zijn evaluatievragen en testscenario's vooraf vastgesteld, inclusief negatieve tests?
- Is vastgelegd wie het systeem mag aanpassen en hoe wijzigingen worden geaudit?
Deze vragen lijken op governance, maar ze zijn in essentie databeheer. Ze bepalen of een AI-toepassing uitlegbaar blijft wanneer de omstandigheden veranderen.
Governance als producteigenschap
Veel organisaties behandelen verantwoording als een document dat naast het project bestaat. Dat werkt niet voor generatieve AI. Transparantie moet in het product zelf zitten: in de manier waarop bronnen worden getoond, in logging, in foutmeldingen en in de mogelijkheid om een antwoord te betwisten. Dat vraagt om samenwerking tussen data-engineers, juridische teams, privacy-officers en de business.
Voor Nederlandse organisaties komt daar een extra aandachtspunt bij: het applicatielandschap is vaak gegroeid via decentrale keuzes. Documenten staan op meerdere plekken, definities verschillen per afdeling en leveranciers hebben eigen opslaglocaties. Een generatief model maakt die versnippering niet ongedaan; het maakt haar zichtbaar. Wie opschaling serieus neemt, pakt daarom eerst de bronnen aan en pas daarna de interface.
Conclusie
Generatieve AI is geen magische laag bovenop bestaande data. Het is een nieuwe gebruiker van die data, met eigen eisen aan herleidbaarheid, eigenaarschap en toegang. Organisaties die dat tijdig erkennen, bouwen aan een productielijn die bestuurbaar blijft. Organisaties die alleen het model optimaliseren, ontdekken later dat de zwakke plek niet in de prompt zat, maar in het dataproces erachter.