← Kennisbank/C37
c37Governance3 augustus 20263 min lezenMvG | Atthis AI redactie

AI-beleid voor je redactie: de 8 onderdelen die ertoe doen

Een redactioneel AI-beleid regelt tools, data, verantwoordelijkheid en transparantie. De kern in acht onderdelen, met privacy-first tips voor redacties.

Zodra redacteuren AI gebruiken voor samenvattingen, koppen of conceptteksten, ontstaan er impliciete regels — per persoon verschillend. Een redactioneel AI-beleid maakt die afspraken expliciet: wat mag, wie beslist en wie aanspreekbaar blijft. Dit is de gedestilleerde kern van de acht onderdelen die zo’n beleid nodig heeft, met de accenten die wij als bouwers van privacy-first AI belangrijk vinden.

AI-beleid voor je redactie: de 8 onderdelen die ertoe doen

Zodra redacteuren AI gebruiken voor samenvattingen, koppen of conceptteksten, ontstaan er impliciete regels — per persoon verschillend. Een redactioneel AI-beleid maakt die afspraken expliciet: wat mag, wie beslist en wie aanspreekbaar blijft. Dit is de gedestilleerde kern van de acht onderdelen die zo’n beleid nodig heeft, met de accenten die wij als bouwers van privacy-first AI belangrijk vinden.

Het kort: 4 praktijk-takeaways

1. Begin met inventariseren, niet schrijven — Vraag je redactie eerst welke AI-tools ze al gebruiken en waarvoor. Die antwoorden bepalen direct wat er in je toollijst, dataregels en leveranciersbeoordeling moet staan. Een beleid dat de praktijk negeert wordt omzeild; een beleid dat erop voortbouwt heeft draagvlak vanaf versie 1.0.

2. Classificeer data in drie klassen — Deel informatie in als openbaar, intern of vertrouwelijk en koppel er harde regels aan: alleen openbare data mag zonder toets in externe AI-tools. Bronidentiteiten, embargo-materiaal en persoonsgegevens vallen daar nooit onder. Kies waar mogelijk voor tooling die data in de EU verwerkt en niet traint op je invoer.

3. Verantwoordelijkheid verschuift niet — Benoem per rol wie wat controleert: de redacteur checkt AI-output vóór inlevering, de chef blijft eindverantwoordelijk voor publicatie, compliance beoordeelt tools vooraf. Wijs één beleidseigenaar aan die het document beheert en halfjaarlijks evalueert. Zonder eigenaar veroudert het beleid zodra tools of regels veranderen.

4. Schrijf ja/nee-regels, geen intenties — ‘Wees voorzichtig met persoonsgegevens’ laat ruimte voor interpretatie; ‘persoonsgegevens gaan niet in een externe AI-tool’ niet. Benoem ook wat wél mag, zodat gebruik niet ondergronds gaat. Houd het kerndocument kort met bijlagen per tool, en neem freelancers expliciet mee in reikwijdte en contracten.

Waar AI dit goed kan — en waar niet

Op een redactie is AI sterk in het werk rond de tekst: samenvatten van eigen aantekeningen, meerdere kopvarianten voorstellen, een concept herschrijven naar een ander register, een ruwe vertaling maken. Ook bij controle heeft het waarde: een model kan markeren welke zinnen een feitelijke claim bevatten en dus een bron nodig hebben, of contentitems grof indelen naar risicoklasse. Dat zijn afgebakende taken waar een compact, efficiënt model prima volstaat — je hebt hiervoor geen groot frontiermodel nodig.

De nuance zit op drie plekken. Ten eerste feiten: taalmodellen produceren plausibele maar onjuiste statistieken, citaten en bronvermeldingen, en doen dat met dezelfde stelligheid als correcte output. Verificatie tegen de oorspronkelijke bron blijft mensenwerk. Ten tweede data: alles wat een redacteur in een externe chatbot plakt, verlaat de redactie. Een verwerkersovereenkomst en uitgeschakelde training zijn het minimum; voor bronmateriaal en persoonsgegevens is een model dat in Nederland of de EU draait, of lokaal binnen je eigen omgeving, de verstandiger route. Ten derde verantwoordelijkheid: AI kan niet uitleggen waarom iets gepubliceerd is. Wie tekent voor publicatie, moet dat wel kunnen — en dat is precies waarom het beleid de mens als eindbeslisser vastlegt.

Bron

Dit overzicht is gebaseerd op het volledige artikel van C37: AI-beleid opstellen voor je redactie: voorbeeldstructuur die werkt

Het C37-artikel werkt alle acht onderdelen uit met concrete invulvragen per sectie, bespreekt de protocollen van de Volkskrant en DPG Media, behandelt het juridische kader (AVG, auteursrecht en artikel 4 van de AI-verordening) en sluit af met een complete checklist.

Het kort: 4 praktijk-takeaways

  1. 01 — Begin met inventariseren, niet schrijven

    Vraag je redactie eerst welke AI-tools ze al gebruiken en waarvoor. Die antwoorden bepalen direct wat er in je toollijst, dataregels en leveranciersbeoordeling moet staan. Een beleid dat de praktijk negeert wordt omzeild; een beleid dat erop voortbouwt heeft draagvlak vanaf versie 1.0.

  2. 02 — Classificeer data in drie klassen

    Deel informatie in als openbaar, intern of vertrouwelijk en koppel er harde regels aan: alleen openbare data mag zonder toets in externe AI-tools. Bronidentiteiten, embargo-materiaal en persoonsgegevens vallen daar nooit onder. Kies waar mogelijk voor tooling die data in de EU verwerkt en niet traint op je invoer.

  3. 03 — Verantwoordelijkheid verschuift niet

    Benoem per rol wie wat controleert: de redacteur checkt AI-output vóór inlevering, de chef blijft eindverantwoordelijk voor publicatie, compliance beoordeelt tools vooraf. Wijs één beleidseigenaar aan die het document beheert en halfjaarlijks evalueert. Zonder eigenaar veroudert het beleid zodra tools of regels veranderen.

  4. 04 — Schrijf ja/nee-regels, geen intenties

    ‘Wees voorzichtig met persoonsgegevens’ laat ruimte voor interpretatie; ‘persoonsgegevens gaan niet in een externe AI-tool’ niet. Benoem ook wat wél mag, zodat gebruik niet ondergronds gaat. Houd het kerndocument kort met bijlagen per tool, en neem freelancers expliciet mee in reikwijdte en contracten.

Waar AI dit goed kan — en waar niet

Op een redactie is AI sterk in het werk rond de tekst: samenvatten van eigen aantekeningen, meerdere kopvarianten voorstellen, een concept herschrijven naar een ander register, een ruwe vertaling maken. Ook bij controle heeft het waarde: een model kan markeren welke zinnen een feitelijke claim bevatten en dus een bron nodig hebben, of contentitems grof indelen naar risicoklasse. Dat zijn afgebakende taken waar een compact, efficiënt model prima volstaat — je hebt hiervoor geen groot frontiermodel nodig.

De nuance zit op drie plekken. Ten eerste feiten: taalmodellen produceren plausibele maar onjuiste statistieken, citaten en bronvermeldingen, en doen dat met dezelfde stelligheid als correcte output. Verificatie tegen de oorspronkelijke bron blijft mensenwerk. Ten tweede data: alles wat een redacteur in een externe chatbot plakt, verlaat de redactie. Een verwerkersovereenkomst en uitgeschakelde training zijn het minimum; voor bronmateriaal en persoonsgegevens is een model dat in Nederland of de EU draait, of lokaal binnen je eigen omgeving, de verstandiger route. Ten derde verantwoordelijkheid: AI kan niet uitleggen waarom iets gepubliceerd is. Wie tekent voor publicatie, moet dat wel kunnen — en dat is precies waarom het beleid de mens als eindbeslisser vastlegt.