← Kennisbank/C37
c37Governance28 juli 20263 min lezenMvG | Atthis AI redactie

AI Act risicoklasse bepalen voor contentteams: wat echt telt

Hoe bepaal je als MKB-contentteam de AI Act-risicoklasse? Rol, artikel 50, AI-geletterdheid en een register in vijf stappen — nuchter uitgelegd door Atthis.

De EU AI Act geldt sinds augustus 2024 en raakt ook teams die AI alleen gebruiken, niet bouwen. Voor MKB-contentteams draait de vraag niet om ‘moeten wij iets?’, maar om welke rol je hebt, hoe je elke toepassing behandelt en wat je vastlegt. Dit is de kern van de C37-gids, teruggebracht tot wat je deze week concreet kunt doen.

AI Act risicoklasse bepalen voor contentteams: wat echt telt

De EU AI Act geldt sinds augustus 2024 en raakt ook teams die AI alleen gebruiken, niet bouwen. Voor MKB-contentteams draait de vraag niet om ‘moeten wij iets?’, maar om welke rol je hebt, hoe je elke toepassing behandelt en wat je vastlegt. Dit is de kern van de C37-gids, teruggebracht tot wat je deze week concreet kunt doen.

Het kort: 5 praktijk-takeaways

1. Bepaal eerst je rol — Gebruik je een tekstgenerator zoals geleverd, dan ben je deployer en gelden de zwaarste eisen (conformiteitsbeoordeling, technische documentatie) niet voor jou. Pas je het systeem substantieel aan of bied je het onder eigen naam aan, dan kun je provider worden. Leg die rolkeuze per tool vast; hij bepaalt je verplichtingenpakket.

2. Classificeer per toepassing, niet per tool — Dezelfde generator valt bij intern conceptwerk buiten de specifieke eisen, maar raakt artikel 50 bij automatisch gepubliceerd nieuws en bijlage III bij sollicitatiecommunicatie of kredietinformatie. Doel, context en publiek bepalen de behandeling. Documenteer per toepassing tool, rol, inschatting en datum — ook als de uitkomst ‘geen specifieke verplichtingen’ is.

3. Artikel 50 is genuanceerder dan ‘label alles’ — De transparantieregels gelden in beginsel vanaf 2 augustus 2026 en onderscheiden situaties: chatbots moeten kenbaar zijn, deepfakes gemarkeerd, en AI-tekst over zaken van algemeen belang is uitgezonderd wanneer een mens redactioneel controleert en verantwoordelijkheid draagt. Bouw menselijke eindredactie in je workflow en leg vast wie tekent voor publicatie.

4. AI-geletterdheid geldt nu al — Sinds 2 februari 2025 moet je zorgen dat redacteuren begrijpen hoe de tools werken en waar ze falen: modellen verzinnen feiten, output vraagt verificatie. Een richtlijn plus korte training is een startpunt, geen vinkje. Wat passend is hangt af van team, context en doelgroep — herbeoordeel bij elke nieuwe tool of veranderd gebruik.

5. Start met een register van één pagina — Eén spreadsheet: per AI-tool de toepassing, je rol, de ingeschatte behandeling, een onderbouwing en de beoordelingsdatum. Wijs één verantwoordelijke aan, laat de directie de eindafweging maken en houd versiebeheer bij, zodat je kunt aantonen wat je wanneer wist. Herhaal jaarlijks en bij elke nieuwe tool; grensgevallen gaan naar een jurist.

Waar AI dit goed kan — en waar niet

AI kan bij dit onderwerp vooral het voorwerk versnellen. Een taalmodel is goed in het inventariseren en structureren van je AI-gebruik: laat het een registersjabloon opstellen, per toepassing vragen genereren over doel, context en publiek, en interne richtlijnen omzetten naar een korte trainingstekst voor redacteuren. Ook het samenvatten van lange stukken verordeningstekst of AP-guidance in begrijpelijke taal werkt goed — mits je de bronpassage ernaast houdt.

Waar het misgaat: de classificatie zelf. Een model dat je vraagt ‘in welke risicoklasse valt onze chatbot?’ geeft een vlot antwoord met artikelnummers, ingangsdata en bijlageverwijzingen die plausibel klinken en toch fout kunnen zijn. De AI Act wordt bovendien nog uitgewerkt in guidance en gedelegeerde handelingen; trainingsdata lopen daar per definitie op achter. Behandel elke AI-classificatie als eerste indicatie, controleer artikelverwijzingen tegen de verordeningstekst en laat grensgevallen door een jurist toetsen.

Let ook op wat je invoert. Een compleet overzicht van je tooling, processen en publieksgroepen is gevoelige bedrijfsinformatie; voer dat niet in bij een publieke consumentendienst maar in een omgeving waar je data in de EU blijft en niet voor training wordt gebruikt.

Bron

Dit overzicht is gebaseerd op het volledige artikel van C37: AI Act risicoklasse bepalen: praktische gids voor MKB-contentteams

Het C37-artikel werkt de vier risiconiveaus, de rolverdeling binnen het team, de MKB-steunmaatregelen zoals regulatory sandboxes en een vijfvragen-checklist volledig uit, met bronverwijzingen naar de Autoriteit Persoonsgegevens.

Het kort: 5 praktijk-takeaways

  1. 01 — Bepaal eerst je rol

    Gebruik je een tekstgenerator zoals geleverd, dan ben je deployer en gelden de zwaarste eisen (conformiteitsbeoordeling, technische documentatie) niet voor jou. Pas je het systeem substantieel aan of bied je het onder eigen naam aan, dan kun je provider worden. Leg die rolkeuze per tool vast; hij bepaalt je verplichtingenpakket.

  2. 02 — Classificeer per toepassing, niet per tool

    Dezelfde generator valt bij intern conceptwerk buiten de specifieke eisen, maar raakt artikel 50 bij automatisch gepubliceerd nieuws en bijlage III bij sollicitatiecommunicatie of kredietinformatie. Doel, context en publiek bepalen de behandeling. Documenteer per toepassing tool, rol, inschatting en datum — ook als de uitkomst ‘geen specifieke verplichtingen’ is.

  3. 03 — Artikel 50 is genuanceerder dan 'label alles'

    De transparantieregels gelden in beginsel vanaf 2 augustus 2026 en onderscheiden situaties: chatbots moeten kenbaar zijn, deepfakes gemarkeerd, en AI-tekst over zaken van algemeen belang is uitgezonderd wanneer een mens redactioneel controleert en verantwoordelijkheid draagt. Bouw menselijke eindredactie in je workflow en leg vast wie tekent voor publicatie.

  4. 04 — AI-geletterdheid geldt nu al

    Sinds 2 februari 2025 moet je zorgen dat redacteuren begrijpen hoe de tools werken en waar ze falen: modellen verzinnen feiten, output vraagt verificatie. Een richtlijn plus korte training is een startpunt, geen vinkje. Wat passend is hangt af van team, context en doelgroep — herbeoordeel bij elke nieuwe tool of veranderd gebruik.

  5. 05 — Start met een register van één pagina

    Eén spreadsheet: per AI-tool de toepassing, je rol, de ingeschatte behandeling, een onderbouwing en de beoordelingsdatum. Wijs één verantwoordelijke aan, laat de directie de eindafweging maken en houd versiebeheer bij, zodat je kunt aantonen wat je wanneer wist. Herhaal jaarlijks en bij elke nieuwe tool; grensgevallen gaan naar een jurist.

Waar AI dit goed kan — en waar niet

AI kan bij dit onderwerp vooral het voorwerk versnellen. Een taalmodel is goed in het inventariseren en structureren van je AI-gebruik: laat het een registersjabloon opstellen, per toepassing vragen genereren over doel, context en publiek, en interne richtlijnen omzetten naar een korte trainingstekst voor redacteuren. Ook het samenvatten van lange stukken verordeningstekst of AP-guidance in begrijpelijke taal werkt goed — mits je de bronpassage ernaast houdt.

Waar het misgaat: de classificatie zelf. Een model dat je vraagt ‘in welke risicoklasse valt onze chatbot?’ geeft een vlot antwoord met artikelnummers, ingangsdata en bijlageverwijzingen die plausibel klinken en toch fout kunnen zijn. De AI Act wordt bovendien nog uitgewerkt in guidance en gedelegeerde handelingen; trainingsdata lopen daar per definitie op achter. Behandel elke AI-classificatie als eerste indicatie, controleer artikelverwijzingen tegen de verordeningstekst en laat grensgevallen door een jurist toetsen.

Let ook op wat je invoert. Een compleet overzicht van je tooling, processen en publieksgroepen is gevoelige bedrijfsinformatie; voer dat niet in bij een publieke consumentendienst maar in een omgeving waar je data in de EU blijft en niet voor training wordt gebruikt.