Ethisch gebruik generatieve AI: de mogelijke kloof tussen richtlijnen en gedrag
Richtlijnen met betrekking tot het gebruik van AI zorgen nog niet tot verantwoord gedrag van medewerkers in de dagelijkse praktijk. Het rapport Behavioural aspects of the ethical use of Generative AI (pdf) beschrijft in dit verband drie spanningen waarmee organisaties te maken hebben bij verantwoorde AI-adoptie.
Dit rapport is een verkennend onderzoek van het Institute of Business Ethics (IBE) en adviesbureau Acteon. Voor het onderzoek interviewden de auteurs in december 2025 en januari 2026 leidinggevenden op het gebied van ethiek, AI en technologie bij zeventien grote organisaties. De inzichten zijn vervolgens aangescherpt in rondetafelgesprekken met de deelnemers. De auteurs benadrukken dat het om een kleinschalige kwalitatieve studie gaat: de bevindingen illustreren patronen, maar zijn niet statistisch generaliseerbaar.
Veel organisaties hebben hun benadering van verantwoorde AI vastgelegd in algemene principes, vaak aangeduid als een AI-framework of AI-richtlijn. Daarin gaat het meestal over goedkeuringsprocessen, het verminderen van bias en het belang van privacy. De deelnemers waren overwegend positief over deze richtlijnen, maar betwijfelden of principes alleen voldoende recht doen aan de menselijke factoren die in de praktijk bepalen of AI verantwoord wordt gebruikt. Principes leiden volgens hen niet vanzelf tot gedragsverandering, tenzij mensen die principes kunnen vertalen naar alledaagse handelingen. Verschillende deelnemers beschreven een kloof tussen ambitie en praktijk. AI-trainingen richten zich tot nu toe vooral op het bedienen van tools, niet op het kritisch beoordelen van de resultaten. Bovendien hebben organisaties vaak weinig zicht op hoe medewerkers AI feitelijk gebruiken.
De auteurs vatten hun bevindingen samen in drie spanningen. Zij benadrukken dat het om polariteiten gaat: de spanningen zijn niet op te lossen en zijn niet goed of fout. Een organisatie die de voordelen van AI benut, krijgt er vrijwel zeker mee te maken. Het gaat erom te herkennen wanneer één kant gaat domineren ten koste van de andere, of wanneer de spanning wordt genegeerd.
De eerste spanning bestaat tussen stimuleren en beheersen. Organisaties die snelle adoptie en efficiencywinst verwachten, creëren volgens deelnemers een sfeer waarin weinig ruimte is voor de frictie die verantwoord gebruik vereist: scepsis, verificatie en de vrijheid om te zeggen dat iets niet werkt. Slaat de balans door naar controle, dan zoeken medewerkers wegen eromheen. Verschillende deelnemers wezen daarbij op ‘schaduw-AI’: het gebruik van privéapparaten of niet-goedgekeurde tools om technische blokkades te omzeilen, wat voor organisaties lastig te meten is. Taal speelt hierbij een rol. Formele termen als ‘AI-governance’ schrikken af; een vriendelijkere inkadering rond ‘veilig en verantwoord AI-gebruik’ is meer uitnodigend. Sommige organisaties organiseren interne fora en inloopsessies om gesprekken over ethische aspecten te faciliteren.
De tweede spanning bestaat tussen technische goedkeuring en menselijke verantwoordelijkheid. De boodschap “deze tool is getest en goedgekeurd, dus veilig” bevordert adoptie, maar kan er ook toe leiden dat medewerkers output minder controleren en dat verantwoordelijkheid vervaagt. Deelnemers herkenden dat mensen die zich duidelijk verantwoordelijk voelen voor AI-output, eerder hun eigen oordeel toepassen en rekening houden met bias, fouten en hallucinaties. Medewerkers zijn bovendien niet altijd open over hun AI-gebruik, uit angst dat dit als vals spelen wordt gezien of hun geloofwaardigheid schaadt. Het rapport beschrijft uiteenlopende technische maatregelen: indeling van tools naar risiconiveau, beperking van functionaliteit en automatische disclaimers bij AI-output. Ook zogenaamde compliance-chatbots kwamen aan bod, met wisselende ervaringen. Deze chatbots zijn getraind op basis van specifieke, door de organisatie geaccordeerde, documenten. Sommige organisaties zagen voordelen, andere vonden de antwoorden onvoldoende betrouwbaar en zagen ervan af. Eén organisatie ontwikkelde een chatbot zonder AI, gebaseerd op door mensen opgestelde en goedgekeurde antwoorden, die goed werd ontvangen.
De derde spanning bestaat tussen efficiency en cultuur. Wie cultuur koste wat kost beschermt en efficiency negeert, riskeert dat de organisatie niet concurrerend blijft. Wie efficiency nastreeft zonder oog voor culturele gevolgen, betaalt een prijs in betrokkenheid, vertrouwen en personeelsbehoud. De meeste deelnemers zagen het potentieel van AI om werkdruk te verlichten, maar maakten zich zorgen over baanzekerheid, welzijn, het behoud van expertkennis en de ontwikkeling van toekomstig talent. Externe druk maakt het er niet eenvoudiger op: regelgeving is gefragmenteerd en organisaties zijn afhankelijk van AI-leveranciers waarvan de praktijken lastig te verifiëren zijn.
De kans ligt volgens het rapport in het creëren van omstandigheden waarin medewerkers AI-output controleren voordat zij ernaar handelen, kritisch nadenken over wat zij in AI stoppen en wat eruit komt, en zich vrij voelen om advies te vragen of aan de bel te trekken als iets niet goed voelt.
Mijn opmerkingen
De respondenten in dit kwalitatieve onderzoek zijn werkzaam bij bedrijven. De bevindingen zijn volgens mij echter herkenbaar voor het onderwijs. Ook onderwijsinstellingen stellen AI-richtlijnen op, en ook daar verandert een document op zichzelf weinig aan gedrag. Professionalisering richt zich vooral op hoe je een AI-tool moet gebruiken. Er is betrekkelijk weinig aandacht voor hoe je verantwoord kunt samenwerken met AI. Zie ook het onderscheid tussen AI-geletterdheid en AI-fluency waarover ik eerder schreef. Schaduw-AI is in het onderwijs eveneens realiteit: als instellingen tools blokkeren zonder bruikbare alternatieven te bieden, of als men traag komt tot besluiten, gebruiken docenten en lerenden privéaccounts. Helemaal te vermijden is dat volgens mij niet. Als onderwijsinstelling is het tempo waarin AI-technologie zich ontwikkeld niet bij te benen. Ook moet je keuzes maken. Het is dan wel belangrijk dat docenten en lerenden ook doordacht gebruik maken van AI-tools op hun eigen apparaten.
De spanning tussen technische goedkeuring en menselijke verantwoordelijkheid verdient binnen instellingen aandacht. Dat een tool centraal is goedgekeurd, ontslaat een docent niet van de plicht om output te beoordelen. Ook de observatie dat mensen hun AI-gebruik verzwijgen uit angst voor gezichtsverlies, herken ik; dat pleit voor een open gesprekscultuur in teams. Technologische faciliteiten alleen zijn onvoldoende, en ook professionalisering en ondersteuning van gebruikers. Het gaat er ook om dat je het gesprek voert over wat verantwoord en doordacht AI-gebruik is. Dat je met elkaar spreekt over hoe je het beste met AI-tools kunt (samen) werken. Wat is daarbij acceptabel en wat niet? Ik ben bijvoorbeeld zeer terughouden in het geven van toegang van AI-applicaties tot mijn data. Daarmee zijn diverse toepassingen voor mij niet beschikbaar. Welke keuzes maken collega’s? En wat vinden we daarvan?
Spanningen kun je niet oplossen met een checklist of richtlijnen. Het is een kwestie van voortdurend balanceren, van afwegingen en afspraken maken. Dat is m.i. een nuchter en bruikbaar perspectief, voor elke organisatie die met AI aan de slag is.
Mijn bronnen over (generatieve) artificiële intelligentie
Deze pagina bevat al mijn bijdragen over (generatieve) artificiële intelligentie.
Lees het hele
artikel