Een voorstel om medewerkers vragen in gewone taal te laten stellen over de eigen bedrijfsdata — met antwoorden waarvan elk cijfer bewijsbaar juist, elke toegang gecontroleerd en elke redenering naspeelbaar is.
Elke organisatie zit op een berg data waaruit maar een fractie aan inzicht wordt gehaald, omdat elk nieuw inzicht een rapport, een analist of een IT-ticket vraagt. Moderne AI kan die drempel wegnemen: een medewerker stelt een vraag in gewone taal — "welke tussenpersonen verslechterden dit jaar in schaderatio, en ligt dat aan meer schades of aan duurdere schades?" — en krijgt binnen seconden een onderbouwd antwoord. De reden dat de meeste organisaties dit nog niet durven, is terecht: ongecontroleerde AI op bedrijfsdata is een risico voor vertrouwelijkheid, correctheid en compliance. Dit voorstel lost precies dát op. Niet door de AI dommer te maken, maar door er een gecontroleerde toegangspoort tussen te zetten die rechten, volumes en definities afdwingt — onafhankelijk van welk AI-model erachter draait.
Vandaag beantwoordt de organisatie vooral de vragen die vorig jaar voorzien zijn — dat zijn de rapporten. De waardevolle vragen zijn de onvoorziene: die van vanochtend, naar aanleiding van dat ene dossier. Dit systeem beantwoordt beide, zonder dat er voor elke nieuwe vraag ontwikkeld moet worden.
De doorlooptijd van "vraag" naar "onderbouwd antwoord" gaat van dagen (analist, ticket, wachtrij) naar seconden. Dat verandert niet alleen tempo maar gedrag: vragen die vandaag niet gesteld worden omdat het te veel moeite kost, worden wél gesteld.
"Marge", "schaderatio" of "omzet" heeft in de meeste organisaties drie definities die naast elkaar leven in verschillende rapportages. Dit systeem dwingt per kernbegrip één gecertificeerde definitie af, met een eigenaar. Die opruiming is blijvende waarde — ook los van de AI.
De kennis van ervaren medewerkers — hoe dit huis in grensgevallen beslist, waarom die uitzondering bestaat — wordt vastgelegd en door de AI gebruikt bij elk antwoord. Kennis die nu vertrekt wanneer mensen vertrekken, wordt een bedrijfsmiddel.
Het systeem bestaat uit vijf onderdelen. Vier ervan zijn van ú; alleen het vijfde komt van een AI-leverancier — en dat is bewust het inwisselbare onderdeel.
Structureel onmogelijk gemaakt, niet afgesproken. De AI kan alleen gegevens bereiken die expliciet zijn vrijgegeven en geclassificeerd; wat niet is vrijgegeven bestáát niet voor haar. Afscherming per vennootschap, land en rol wordt door het loket aan elke opvraging toegevoegd — de AI kan er niet omheen, ook niet als iemand haar dat via een slimme formulering probeert op te dragen. Persoonsgegevens dragen extra plichten: maskering, doelbinding, en alleen-geaggregeerde weergave waar dat hoort.
De AI rekent niet zelf — dat is de kern. Kerncijfers zoals marge of schaderatio komen uit gecertificeerde definities met een eigenaar; de databank telt op, de AI verwoordt. Elk antwoord vermeldt zijn aannames en draagt zijn bewijs: één klik toont hoe het cijfer tot stand kwam, tot op de onderliggende regels. Bij belangrijke cijfers controleert een tweede, onafhankelijk AI-model het resultaat — het vier-ogen-principe, toegepast op machines. En een testset van controlevragen draait bij elke wijziging, zodat kwaliteit gemeten wordt in plaats van gehoopt.
Alleen wat u verleent, wanneer u het verleent. Het systeem start volledig lezend: het beantwoordt vragen en verandert niets. Handelen — een herinnering versturen, een reserve bijstellen — wordt per handeling en per rol verleend langs een ladder van zes niveaus: eerst alleen aanbevelen, dan uitvoeren ná menselijke goedkeuring, en pas voor bewezen-veilige routinehandelingen zelfstandig binnen strikte grenzen. Elke trede wordt onderbouwd met de resultaten van de trede eronder. Autonomie wordt verdiend met bewijs, niet aangezet met een knop — en het comité bepaalt het tempo.
Nee — dat is een expliciet ontwerpdoel. Alle blijvende waarde (definities, classificatie, rechten, kennis, auditspoor) is eigendom van de organisatie en leverancieronafhankelijk. Het AI-model is een inwisselbaar onderdeel: een wissel is een configuratie plus een meting — het systeem kan duizend eerdere vragen op het alternatieve model naspelen en de verschillen tonen vóór u beslist. Dat adresseert meteen het concentratierisico waar toezichthouders (DORA) naar vragen.
AI-modellen worden snel beter, en de meeste AI-investeringen verouderen even snel mee: prompts, koppelingen en modelkeuzes van vandaag zijn over achttien maanden achterhaald. Dit ontwerp is daarop gebouwd via één toets die elke component moet doorstaan: wordt dit onderdeel méér of minder waard als de modellen beter worden?
De controle-onderdelen (het loket, het reglement) werken identiek voor een middelmatig en een briljant model — een kluisdeur vraagt niet hoe slim de bezoeker is. En de kennis-onderdelen (definities, precedenten, classificatie) worden juist waardevoller: een betere redeneerder haalt méér uit goed vastgelegde kennis, niet minder. De investering zit dus bewust in wat apprecieert; wat depreciëert is dun en vervangbaar gehouden.
Voor een gereguleerde instelling is dit geen bijzaak maar de voorwaarde om überhaupt naar productie te mogen. De architectuur is ontworpen zodat de bewijslast technisch invulbaar is in plaats van achteraf gereconstrueerd:
| Kader | Hoe het gedragen wordt |
|---|---|
| EU AI-verordening | Het auditspoor ís het vereiste gebeurtenissenlogboek; menselijk toezicht is per handeling verleend en aantoonbaar, niet een intentie. |
| AVG / GDPR | Grondslag en doelbinding per gegevenscategorie vastgelegd en afgedwongen; minimale verwerking door ontwerp; inzageverzoeken beantwoordbaar uit het spoor; geen louter geautomatiseerde besluiten met rechtsgevolg. |
| DORA | Leveranciersconcentratie beheerst door de inwisselbaarheid; uitwijk is een routeringsregel, en de exitstrategie is aantoonbaar via naspelen. |
| Solvency II / datakwaliteit | Gecertificeerde definities met eigenaar en herzieningsdatum; elk rapportagecijfer herleidbaar en reproduceerbaar; bekende datakwaliteitsbeperkingen verschijnen automatisch als voorbehoud in het antwoord. |
| Datasoevereiniteit | Per gegevenscategorie is vastgelegd wáár verwerking mag plaatsvinden (EU, eigen infrastructuur); het systeem dwingt dat automatisch af bij de modelkeuze per vraag. |
Eerlijke grens: architectuur maakt naleving aantoonbaar, ze levert haar niet. Risicoclassificatie, effectbeoordelingen en eigenaarschap blijven organisatiewerk — maar het verschil tussen "audit van twee weken" en "audit van twee kwartalen" zit in deze technische invulbaarheid.
De grootste kostenpost is niet techniek en niet modelverbruik, maar overeenstemming over definities: de vraag "wat is precies onze schaderatio?" heeft vandaag meerdere antwoorden, en dit programma dwingt er één af. Dat is ongemakkelijk — en het is tegelijk de grootste blijvende opbrengst, die er nog staat als de gebruikte AI-modellen al drie keer vervangen zijn. Wie dit als IT-project begroot, onderschat het; wie het als definitie- en governanceprogramma met een AI-dividend begroot, krijgt wat hij verwacht.
Het concept is de-risked: een reference implementation draait in een echte multi-tenant bedrijfsomgeving (VediCore, ERP voor de bouwsector — zestig domeinmodules, meerdere juridische entiteiten, zeven rollen), waar de kennislaag, de meerlaagse afscherming en de kostenadministratie operationeel zijn. Dit voorstel schaalt een bewezen patroon; het introduceert geen onbewezen technologie — dezelfde opbouw die Microsoft, AWS en de grote dataplatformen inmiddels als standaard naar voren schuiven.