Dossier - AI in welzijn en zorg

het is niet de vraag of maar wel hoe we AI gebruiken
publicatiedatum: 18 juni 2026

Tim Vanhove & Marie Van der Cam

Stel je voor 

Stel je voor: een collega die altijd tijd heeft, nooit moe wordt, razendsnel kan schakelen tussen dossiers, nota’s schrijft in enkele seconden en zelfs meedenkt over complexe situaties op het werk… maar die geen mens is. AI chatbots (zoals ChatGPT, Copilot of Gemini) sluipen steeds nadrukkelijker de werkpraktijk van welzijn en zorg binnen. Wat begon als een digitale gimmick, evolueert vandaag tot een technologie die onze manier van werken, ondersteunen en communiceren fundamenteel verandert.

Voor professionals in welzijn en zorg biedt dat mooie kansen én scherpe vragen. Hoe kunnen we conversationele artificiële intelligentie (AI) inzetten zonder onze professionele intuïtie te verliezen? Waar ligt de grens tussen ondersteunend en risicovol gebruik? Wat betekent empathie wanneer ze wordt gesimuleerd door een algoritme? En vooral: hoe houden professionals controle binnen duidelijke ethische krijtlijnen, in tijden waarin technologie zo overtuigend menselijk lijkt? Hoe kan je authentiek in verbinding blijven gaan met je eigen ‘personal touch’?

In dit dossier nemen we je mee door de essentie van een specifieke vorm van generatieve AI. Wat kan conversationele AI wel en niet, hoe wordt het vandaag al toegepast in welzijn en zorg en welke kaders zijn nodig zijn om er verstandig en veilig mee om te gaan? Opgelet, dit is een aanzet, geen eindpunt. Er ligt werk op de plank om hier beleid rond uit te werken, zoveel is duidelijk.

AI dendert door, maar als sector en professionals moeten we zelf bepalen wanneer, hoe en waarom we het (niet) inzetten. De vraag is niet of AI een rol krijgt in welzijn en zorg, maar hoe we ervoor zorgen dat die rol mensgericht, verantwoord en professioneel blijft. De mens is aan zet, niet het algoritme.

triangle accent Dotted square accent Striped circle accent

Wat is generatieve en conversationele AI?

Patroonherkenning zoals onze hersenen dit kunnen

Generatieve Artificiële Intelligentie (GenAI) bestaat uit technologie die patronen herkent in grote hoeveelheden data (tekst, beelden, geluid…) en op basis daarvan goed voorspellingen kan maken, waardoor nieuwe output (tekst, beelden, geluiden…) gegenereerd kan worden die erg geloofwaardig kan zijn. Het genereert dus volledig nieuwe zelf gecreëerde output, het is geen kwestie van goed knippen en plakken. Het baseert zich daarvoor op héél véél basismateriaal. AI-modellen hebben uit zowat alle teksten en beelden die online staan statistische patronen kunnen detecteren, waardoor ze erg goed zijn in het genereren van nieuwe output. Met andere woorden, ze kunnen goed voorspellen wat het volgende woord, pixel of geluid zou kunnen zijn volgens gedetecteerde patronen.

De huidige AI-systemen zijn gebaseerd op kunstmatige neurale netwerken, geïnspireerd op de werking van menselijke hersenen. Menselijke hersenen bestaan uit neuronen die verbindingen versterken door ze te gebruiken, door dingen te ervaren dus. AI doet iets vergelijkbaars met kunstmatige neuronen. Tijdens de training van een AI model verwerkt het een massa aan data (dus tekst, beelden of geluid) en het haalt daaruit patronen, zonder daar betekenis aan te kunnen geven. Bij elke toevoeging van data wordt het statistisch model lichtjes aangepast. Als je dit dan honderdduizenden keren doet, dan is het model erg goed in het geloofwaardig voorspellen van bijvoorbeeld het volgende woord (in teksten), een volgende pixel (in beelden) of noot (in geluiden). Zo kan het een geloofwaardige tekst, foto of geluiden creëren: een reeks statistische voorspellingen op een rijtje.

Zo’n AI-systeem kent of begrijpt echter helemaal niets van wat het gemaakt heeft. Het werkt puur statistisch: het kan patronen detecteren en via kansberekening maakt het een nieuwe voorspelling. AI herkent patronen, maar begrijpt ze dus niet. Het vermogen tot abstract denken, reflectie en het bewust toekennen van betekenis is en blijft iets typisch menselijks.

AI wordt steeds krachtiger dankzij de beschikbaarheid van enorme hoeveelheden data (o.a. grote delen van het internet), snellere en gespecialiseerde computerchips en menselijke input en feedback tijdens training. Dit leidt tot modellen met miljarden parameters waardoor de voorspellingen op basis van kansberekening voor ons geloofwaardig zijn. Pas na de dure en trage trainingsfase wordt het resultaat - een gigantisch neuraal netwerk - gebruikt om bijvoorbeeld een AI chatbot mee te bouwen.

triangle accent Dotted square accent Striped circle accent

Een korte geschiedenis van AI: van regels naar zelflerend


Als het over de geschiedenis van AI gaat, dan spreekt men vaak over “de vier zomers van AI”. Na elke zomer van doorbraak en hoop volgt een winter van teleurstelling en terugval.

circle accent triangle accent Dotted square accent Striped circle accent


De eerste zomer (1950-‘70) bestond uit experimenteren met spelletjes. Hoewel de verwachtingen hoog gespannen waren, was er weinig sprake van intelligentie. Spelletjes werden eerder gezien als experimentele testomgevingen om te kijken of er een vorm van autonomie mogelijk was. Onderzoekers gebruikten bordspellen zoals dammen en schaak omdat ze duidelijke regels en meetbare prestaties kennen, waardoor algoritmen goed konden worden getest en vergeleken. Programma’s werden ontwikkeld die konden leren uit het spelen van een spelletje dammen of schaak bijvoorbeeld. Een eerste voorbeeld van Machine Learning. Zo’n spelletjes boden een gecontroleerde mini-wereld waarin wetenschappers fundamentele ideeën over probleemoplossing, besluitvorming en leren konden ontwikkelen. De vooruitgang was niet groot, maar leek wel veelbelovend.

Niet meteen een spel, maar ook de eerste therapeutische chatbots staken al de kop op. De Rogeriaanse psychotherapeutische chatbot uit 1966, ELIZA, staat nog steeds online. Ze werd geprogrammeerd met ‘als-dan’-regels. We zouden haar nu geen AI meer noemen. Probeer ELIZABOT hier uit. 

circle accent triangle accent Dotted square accent Striped circle accent


De tweede zomer in de jaren 1980 bestond uit een serieuzere poging om AI ook werkelijk toepasbaar te maken in het echte leven, vooral dan in industrie en wetenschap. De basisfilosofie bestond uit het zo uitgebreid mogelijk programmeren met allerhande regels, zodat op alle mogelijke situaties werd geanticipeerd. Maar dit bleek veel werk en niet schaalbaar: voor elke toepassing moest alle programmeerwerk opnieuw gebeuren. Tot in de jaren 1990 bestonden pogingen om AI te verbeteren dus uit regelgebaseerde systemen ("als X gebeurt, doe dan Y"). Dat faalde bij complexe informatie zoals taal of menselijk gedrag.

De huidige doorbraak kwam er in derde zomer vanaf 2010 toen het inzicht kwam om systemen zelfstandig te laten leren uit data, zonder regels of uitleg van mensen. Via ‘reinforcement learning’ test een AI systeem eerst via toeval wat mogelijkheden uit en leert dan uit de menselijke feedback erop hoe goed de poging was. Het systeem leert dus welke acties succesvol waren en welke niet. Na talloze herhalingen kan het zo niet enkel de regels van een spel zelfstandig leren kennen, maar ook welke strategieën het meest effectief waren om het spel te winnen.

triangle accent Dotted square accent Striped circle accent

In een experiment in 2012 met miljoenen lukraak gekozen YouTube filmpjes ontdekten Google onderzoekers dat het AI systeem zelf het bestaan van… katten ontdekte in al die filmpjes. Het ontdekte in al die filmpjes een patroon: er kwamen veel beelden van katten in voor. Dit soort leren vormde de basis van de moderne AI. Of hoe kattenfilmpjes de basis van technologische vooruitgang hebben gevormd.

Kan jij uitleggen wat het verschil is tussen een kat en een croissant? Probeer maar!

Meer info in deze blog

Die grote doorbraak kwam er door de combinatie van een grote hoeveelheid data (het internet en alle boeken die ooit zijn geschreven) en snelle computers. AI-modellen zitten soms ook in toepassingen waarvan je het niet goed beseft: denk aan de aanbevelingen die Netflix of Spotify op maat van jouw voorkeuren kan maken of de Google Maps routeplanner. Vanaf 2022 kwam de megadoorbraak met generatieve AI: de chatbot van ChatGPT zette de wereld op zijn kop. Als een heuse wervelwind verandert er veel in entertainment, onderwijs, onderzoek… maar dus ook voor welzijn en zorg. De nieuwe toepassingen brengen ook nieuwe risico’s met zich mee zoals onbetrouwbare resultaten, desinformatie, energieverbruik...

circle accent triangle accent Dotted square accent Striped circle accent

Taalmodellen kunnen tekst begrijpen en volledig nieuwe tekst genereren

Conversationele AI zoals ChatGPT, Copilot, Claude of Gemini gebruiken grote taalmodellen (Large Language Models of LLM’s) om nieuwe tekst te genereren. Zo’n taalmodel weet wat de relatie is tussen woorden in een taal: het maakt statistische inschattingen over welke woorden belangrijk zijn in relatie tot andere woorden. Via zogenaamde transformers (de T in GPT) kunnen modellen betekenis halen uit tekstuele context, grammaticaal consistente zinnen maken en langere stukken tekst verwerken.

Transformers?

Transformers vormen een specifieke manier waarop een taalmodel leert. Transformers wegen elk woord af tegenover elk ander woord in een zin om te bepalen wat belangrijk is voor de betekenis van die woorden. Hierdoor kunnen ze complexe verbanden leggen. Het kijkt naar alle woorden in een zin tegelijk om te begrijpen hoe ze met elkaar samenhangen en grijpt ook terug naar de context in vorige zinnen.

Dankzij het systeem van transformers kan een AI-model inschatten waarover de ‘zij’ gaat in de zin: “Lisa gaf het boek aan Emma omdat zij het nodig had”. Die slaat natuurlijk op Emma, en niet op Lisa. Zo weet het AI-systeem ook dat de oven niet per se lekker is in deze zin: “De pizza kwam uit de oven en smaakte lekker.”

Het is belangrijk om te begrijpen dat zo’n taalmodel steeds nieuwe tekst (of beelden of geluiden) genereert, gebaseerd op patronen en kansberekening. Het model genereert tekst op basis van waarschijnlijkheden, niet door informatie op te zoeken in een bron. Daardoor kan het heel overtuigend klinken, ook als de inhoud foutief of niet up-to-date is. Een taalmodel is dus op zich geen betrouwbare zoekmachine. Antwoorden zijn bovendien nooit hetzelfde: naast de kansberekening (gebaseerd op wat het meeste kans heeft), is er ook een mate van toeval nodig. Het model kiest niet altijd het meest waarschijnlijke volgende woord, maar kan ook een tweede of derde optie kiezen, op toevallige wijze. Dat zorgt voor variatie. Zoniet, dan zou eenzelfde input (een prompt) steeds leiden tot exact dezelfde output. Je zal elke keer een lichtjes ander antwoord op je vraag krijgen.

De kwaliteit van de output wordt bepaald door de kwaliteit van de input. Niet enkel je eigen prompts, maar alles wat het taalmodel als voedingsmateriaal kreeg in de trainingsfase. Dit wordt wel eens ‘Garbage in = Garbage out’ genoemd: als je ook ‘slecht’ materiaal gebruikt als leerbasis, dan zal het resultaat navenant zijn. De huidige taalmodellen zijn getraind op grote en diverse datasets bestaande uit meer dan 10.000.000.000.000.000.000 woorden (10 triljoen dus) verwerkt door meer dan 100.000 computerchips, zonder onderscheid te maken tussen goed of slecht trainingsmateriaal. Op deze schaal is het onhaalbaar om al het materiaal vooraf strikt op kwaliteit, correctheid en wenselijkheid te filteren. Wat ‘goede’ of ‘slechte’ tekst is, is bovendien contextafhankelijk en subjectief vast te leggen. Na het trainen van het taalmodel is er evenwel geen taal meer te bespeuren in dat model: het bestaat dan enkel nog uit enkele triljoenen cijfers (parameters of datapunten) in een regressiemodel.

triangle accent Dotted square accent Striped circle accent

In de trainingsfase werd er dus ook materiaal gebruikt waarop we als mensheid misschien minder trots zijn zoals racistische of homofobe pamfletten, seksistische taal op Twitter, koloniale verheerlijking in romans, erotische blogs, huiswerktaken van kinderen, verouderde wetenschappelijke boeken… gewoon alles op het internet.

Twitter als leerplek?

In 2016 al experimenteerde Microsoft op Twitter (ondertussen X) met hun chatbot Tay. Die AI chatbot moest leren praten zoals een tiener door in interactie te gaan met gebruikers op Twitter. Omdat Tay zonder veiligheidsfilters rechtstreeks leerde van alles wat mensen stuurden, werd Tay in korte tijd overspoeld door trolling: gebruikers stuurden racistische, seksistische en extremistische uitspraken, die Tay vervolgens begon te herhalen en variëren zonder enig begrip van de inhoud. Door dat ongefilterde leermechanisme, het ontbreken van moderatie of een ethisch-juridisch kader en haar gevoeligheid voor imitatiegedrag ontspoorde de chatbot reeds binnen enkele uren, waarna Microsoft haar meteen offline haalde.

circle accent triangle accent Dotted square accent Striped circle accent

Conversationele AI in de praktijk

In dit hoofdstuk zoomen we in op een aantal goede praktijken en AI-tools die ingezet kunnen worden in welzijn en zorg. AI wordt intussen op heel wat manieren gebruikt in de sector. Het is daarom onmogelijk om een volledig overzicht te geven van alle bestaande toepassingen en tools. Er bestaat vandaag een groot aanbod aan (vaak gratis) tools die erg snel resultaat opleveren. Toch is een gratis tool niet altijd de beste of veiligste keuze. Veel AI-tools kunnen gebruikt worden in welzijn en zorg, maar zijn daar vaak niet voor ontwikkeld. Dat vraagt om een bewuste, kritische en ethische aanpak.

Wie conversationele AI wil inzetten in de dagelijkse praktijk, vertrekt best niet vanuit de tool zelf, maar vanuit de vraag: hoe kan AI ons helpen om onze opdracht beter te vervullen? Daarna volgt de vraag welke tools geschikt zijn om dat op een veilige, zorgvuldige en ethische manier te doen. In een volgend hoofdstuk geven we meer informatie en richtlijnen over hoe je AI doordacht en vanuit een sterke visie kan inzetten. 

Goede praktijken en tools:

triangle accent Dotted square accent Striped circle accent
Algemene tools
  1. Algemene chatbots zoals ChatGPT, Google Gemini, Microsoft Copilot, Claude, Perplexity en Mistral Le Chat kunnen voor verschillende taken gebruikt worden: teksten samenvatten, je teksten verbeteren of herstructureren, brainstormen, data analyseren of complexe (wet)teksten herschrijven in begrijpbare en eenvoudigere taal. Diezelfde apps worden ook steeds meer gebruikt om informatie mee op te zoeken. In Google Search zal je eerste resultaat vaak een AI-overzicht zijn. Het combineert informatie uit verschillende internetbronnen en geeft je een overzicht van die bronnen. Tegelijk blijft het nieuwe taal genereren en komt het antwoord dus niet volledig uit die bronnen. Laat je dus assisteren, maar blijf wel zelf aan het stuur. Een taalmodel is geen zoekmachine, dus check altijd op correctheid en volledigheid via betrouwbare bronnen en wees kritisch met de antwoorden. Wees transparant over het gebruik van A: vermeld het steeds als je gebruik hebt gemaakt van een AI tool
  2. Een virtuele assistent om gericht informatie te vinden: Overheden en steden zetten de eerste stappen om het voor burgers en gebruikers makkelijker te maken om via AI de juiste informatie en dienstverlening te vinden op hun platformen en websites. Zie het als een digitale gids of assistent. 
  3. Een digitale gesprekspartner als vriend: In populaire apps zoals Snapchat, Tiktok, Instagram, Whatsapp of Messenger kan je in gesprek gaan met een AI-vriend (of een zogenaamde ‘digitale compagnon’). Kinderen, jongeren en volwassenen vinden hun weg naar dit soort entertainment en leren er omgaan met digitale vriendschap. Ook gespecialiseerde apps rond vriendschap, de zogenaamde AI companions zijn populair: denk aan Replika.AI, CHAI AI platform, Character.AI. Maar het kan ook gewoon met ChatGPT, Copilot en Gemini. Voorzichtigheid is wel geboden: is dit een remedie tegen eenzaamheid? Of kan het ook een oorzaak zijn? Hoewel deze AI tools specifiek ontwikkeld zijn voor dit (schijnbaar) sociale doel, betekent het niet dat ze het doel ook daadwerkelijk op een correcte, eerlijke, ethisch verantwoorde manier verwezenlijken. Achterliggend blijft het ook een commercieel bedrijf, met als doel om geld te verdienen.
  4. Een digitale gesprekspartner bij welzijnsvragen: In diezelfde apps zien we een toename aan gesprekken over gevoelens en mentale gezondheid. AI als luisterend oor of therapeut dus. Tom Van Daele schrijft: “AI komt vriendelijk, empathisch en zachtaardig over, en dat kan ervoor zorgen dat mensen zich gehoord voelen, ook al is dat gevoel geprogrammeerd. Therapie is niet alleen een aangenaam gesprek, maar bevat ook frictie: momenten van weerstand, ongemak, zelfs tijdelijke verergering van klachten. … Een AI-bot die altijd bevestigt en nooit confronteert mist dat cruciale onderdeel van therapie” AI bootst menselijke empathie na, maar heeft zelf geen gevoelens, en net daarom is het geen goede therapeut.
  5. Een virtuele intake-assistent bij welzijn en gezondheid:  In het Verenigd Koninkrijk is er terugbetaling door de overheid mogelijk bij gebruik van Limbic.AI, waarbij een chatbot de vooraanmelding in de geestelijke gezondheidszorg op zich neemt, met gestandaardiseerde vragenlijsten.
  6. Hulp voor blinden en slechtzienden:
    • EMVI en Be My Eyes zijn apps die ontwikkeld zijn om blinden en slechtzienden te ondersteunen in nieuwe omgevingen. EMVI gebruikt AI ter plekke om inzicht te geven in de omgeving via de omschrijving van de gefilmde beelden. Be My Eyes verbindt de gebruiker met een vrijwilliger of AI via live video in meer complexe situaties. Deze apps worden door gebruikers als nuttig ervaren.
    • Sommige navigatie-apps helpen blinden en slechtzienden om de juiste route te vinden en te volgen. Naast routebegeleiding biedt de Lazarillo-app bijvoorbeeld ook hulp bij de oriëntatie en mogelijke hindernissen. Ook Voice Vista, Google Maps en Apple maps zijn gratis navigatie-apps die gebruikmaken van VoiceOver en Talkback.
  7. Hulp bij praktische taken: een cv of motivatiebrief opstellen, een mail (her)schrijven naar een verhuurder, een klachtbrief voorbereiden, een lijst maken van documenten die nodig zijn voor een aanvraag, een budgetoverzicht structureren. Let op: doe dit anoniem en voer nooit persoonsgebonden of privacygevoelige informatie.


Ter ondersteuning bij hulpverlening

  1. Voorbereiden van een gesprek. Heb je een moeilijk gesprek en wil je je beter voorbereiden? Wil je psycho-educatie bieden op maat van de context? AI kan je helpen om de juiste formulering te vinden, de taal aan te passen aan je doelgroep of de juiste vragen te stellen, structuur brengen in je boodschap, mee nadenken over mogelijke aandachtspunten of een motiverende gespreksleidraad voorbereiden. Aan jou om de resultaten kritisch te beoordelen, keuzes te maken en ze te herschrijven zodat ze “van jou” worden. Je AI-model wordt een sparring partner.
  2. Mee nadenken en advies formuleren over een casus. Een voorbeeld:
  • Verslag: Je hebt gesprekken gehad met een gezin waar er veel conflicten en gedragsproblemen zijn. Vraag aan AI om aan de hand van geanonimiseerde nota’s een verslag te maken van dit gesprek.
  • Advies: denk zelf na over een mogelijke aanpak voor dit gezin. Vraag aan AI om op basis van jouw denkwerk aanvullingen te doen, en een voorstel te maken voor een advies of mogelijke aanpak voor dit gezin.
  • Takenlijst: bekijk zelf wat elke betrokken partner of gezinslid kan doen om de situatie te verbeteren. Vraag aan AI om op basis van je voorbereiding, het verslag en het advies een takenlijst te maken voor de verschillende betrokkenen.

3. Chatbots voor zorg en welzijn: Sekasin is een Finse hulplijn voor kinderen en jongeren die naast de menselijke chathulp ook een chatbot ontwikkelde om jongeren te helpen die in de wachtrij staan voor de menselijke chat. De chatbot geeft empathische antwoorden en informatie, maar vervangt de menselijke chat niet. Bij verontrustende berichten zal de chatbot doorverwijzen naar de menselijke chat of een andere vorm van hulpverlening.

4. Digitale trainingsassistent bij chatgesprekken: het TETRA AI CARES project ontwikkelde een prototype om chatmedewerkers in opleiding te ondersteunen bij hun leerproces. De chatbot neemt in een tijdelijke testcase de rol van cliënt op zich, en geeft na het gesprek een beoordeling en feedback aan de chatmedewerker. De tool werd gevoed met documenten die in de chatopleiding van SAM, steunpunt Mens en Samenleving gebruikt worden.

5. NOT DONE: Afweging maken bij een ethisch dilemma of verontrusting. Maakt je cliënt een situatie mee waarbij je een ethische afweging of keuze moet maken? We raden je hiervoor aan om in overleg te gaan met je collega’s en leidinggevenden, maar NIET met AI. Dit vraagt om een menselijke en zorgvuldige afweging. AI is geen mens en heeft niet de professionele en gevoelsmatige expertise die nodig is om voor jou deze afweging te maken. Bovendien loop je het risico om hier toch persoonsgebonden gegevens te moeten invoeren.

    Als hulpmiddel voor de sociale professional in welzijn en zorg

    1. Tekstverwerkers:
    • Moeilijke teksten herwerken naar verstaanbare, duidelijke taal: oa. Leessimpel. De app helpt bij het maken van teksten. Ze werd gescreend en goedgekeurd door Onlinehulp-apps.be.
    • Teksten herformuleren: staan je teksten vaak vol van vakjargon? AI kan je helpen om je tekst beter begrijpbaar te maken voor je doelgroep. Vraag AI om je tekst om te zetten naar B1-niveau (duidelijke, eenvoudige en praktische taal). Schrijfsimpel is hiervoor een geschikte tool.
    • Samenvatten: worstel je met lange beleidsteksten, wetteksten of onderzoeksrapporten? Vraag aan AI om de tekst samen te vatten. Zo kan je de kern vatten en vragen blijven stellen over de tekst. Let wel op met persoonsgegevens, privacygevoelige informatie of bestanden met auteursrecht. Het lijkt erg gemakkelijk om de tekst aan een AI-model te geven, maar mag je dat wel?
    • Schrijven van e-mails: gebruik AI als assistent om je mails nog duidelijker te maken, nog empathischer, nog concreter of (in)formeler. Ook hier geldt de tip: maak het eerste concept zelf (zonder persoonsgegevens) en laat AI hierop feedback geven en verder werken op de manier die je zelf voorstelt.

    2. Vertalen: een folder of een welkomsttekst vertalen, informatie geven of zelfs een eenvoudig gesprek voeren. Vertaalsoftware zoals DeepL, Microsoft Translator, Google Translate, iTransate of Linguee kan je hierbij assisteren. Het kan dankzij AI rekening houden met context, zinsbouw, toon en betekenis. Dit komt de vertaling ten goede en zal ervoor zorgen dat ze klinkt alsof ze door een mens is geschreven of gesproken. Let op: doordat de tekst niet woord voor woord wordt vertaald, zullen er regelmatig fouten in de vertaling ontstaan. Gebruik deze tools dus enkel als je de doeltaal enigszins kan begrijpen of interpreteren en vertel aan de cliënt dat je een vertaaltool gebruikt.

    3. Ondersteunen bij een denkproces en brainstormen: ben je op zoek naar creatieve oplossingen om bijvoorbeeld leuke activiteiten te vinden of vrijetijdsbesteding voor je cliënten? Zoek je naar een creatieve titel of aanpak? Dan kan AI je hierbij helpen.


    In the back-office

    1. Verslagen schrijven: In Brugge, Kortrijk, Mechelen en Oostende worden de eerste stappen gezet om AI-tools te gebruiken ter ondersteuning voor hun dienstverleners. In een proefproject gaat OCMW Kortrijk bijvoorbeeld aan de slag met Magic Notes, een spraak-naar-tekst tool op basis van AI. Gesprekken worden opgenomen, automatische getranscribeerd en omgezet naar verslagen op maat van het OCMW.
    2. AI als tekstverwerker: een ruwe nota omzetten naar een verslag, een tekst samenvatten, herschrijven, structureren, inkorten, actiepunten en taakverdelingen uit een tekst halen, lijstjes maken en info bundelen volgens opgegeven hoofdstukken. Belangrijk hierbij: denk zelf na en start met een voorstel waar AI op kan verder werken.
    3. Presentaties maken: een AI taalmodel kan je helpen vanaf een tekst een voorstel van presentatie te maken. Sommige tools zoals Canva of Genially bieden sjablonen aan en maken gebruik van AI om je presentaties extra aantrekkelijk te maken.
    4. Afbeeldingen genereren: Vraag aan AI om afbeeldingen te genereren die passen bij je thema. Dit kan je integreren in je presentatie.
    5. Resultaten van een bevraging analyseren: vraag aan AI om een eerste aanzet te doen voor een rapport door de antwoorden van de bevraging te structuren volgens door jou gekozen thema’s. Controleer het resultaat en vraag daarna om bijvoorbeeld
    6. 3 strategische doelstellingen en 3 mogelijke actiepunten te formuleren.

    Aandachtspunten bij het gebruik van deze tools

    1. Voer nooit vertrouwelijke persoonsgebonden of privacygevoelige informatie in over jezelf of je cliënt in een publiek toegankelijke AI tool. Anonimiseer de informatie: verwijder namen, adressen, specifieke gegevens die kunnen herleiden naar een organisatie of persoon zoals geboortedata, school- of organisatienamen, medische of juridische gegevens,... Omschrijf bijvoorbeeld een cliëntsituatie zo algemeen mogelijk en gebruik enkel geanonimiseerde informatie over je cliënt. Maar wel specifiek genoeg om AI te laten begrijpen waar je naar op zoek bent.
    2. Werk met AI-tools die voldoen aan de Europese wetgeving (GDPR en EU AI Act) en bij voorkeur gegevens verwerken op servers binnen de EU. Controleer of de aanbieder duidelijk uitlegt welke gegevens worden verzameld, hoe lang ze worden bewaard en of jouw gegevens gebruikt worden om het AI-model verder te trainen. Als de tool persoonsgegevens verwerkt namens jouw organisatie, sluit dan indien nodig een gegevensverwerkingsovereenkomst (DPA) af met de leverancier.
    3. Check de informatie altijd op correctheid, volledigheid, bias en discriminatie. Raadpleeg hiervoor betrouwbare bronnen, niet wat een AI-model zelf brengt. Zelfs als je vraagt aan een AI-model om bronnen te vermelden, is de inhoud niet noodzakelijk betrouwbaar. Het lijkt goed, maar is niet noodzakelijk op die externe bronnen gebaseerd. Je moet dus zelf ook nog aan de slag en de inhoud controleren en staven met eigen bronnen.
    4. De ecologische gevolgen van AI-training en massaal AI-gebruik zijn niet klein. Wees dus milieubewust door slim te prompten: daarmee vermijd je overmatig gebruik omdat je minder bijvragen moet stellen bij de resultaten (zie verder)
    5. Wees transparant over het gebruik van AI en vermeld dit.
    6. Voer nooit auteursrechtelijk beschermde teksten, video’s, geluidsbestanden of afbeeldingen in AI.

    Voor meer info: check het AI-kader voor CLB-medewerkers

    Tips om goed te prompten

    Denk na voor je gaat prompten. Goed prompten leidt tot betere resultaten. Bij een prompt geef je niet enkel een instructie, maar creëer je ook de context en de stijl van het antwoord. Hoe concreter die context en stijl, hoe beter.

    Omschrijf de rol van de chatbot: expert, kind, cliënt, journalist, content creator, hulpverlener, communicatiemedewerker… Maak dit concreet, zoals een persona of een omschrijving van een fictief personage dat een specifieke doelgroep vertegenwoordigt.

    Wees duidelijk over doel, taak, context, doelgroep en kwaliteitseisen. Benoem de taak concreet: welk soort antwoord wil je? Een tabel? Meerdere opties? Een korte of lange tekst?

    Omschrijf de gewenste stijl of ‘tone of voice’: formeel, kritisch, zacht, warm, professioneel, assertief, aanmoedigend, enthousiast, rustig…

    Wat is je kernboodschap: welke boodschap wil je vooral overbrengen?: een event promoten, een uitnodigende houding aannemen naar een boze cliënt, recente wetenschappelijke inzichten onder de aandacht brengen,…

    Wat is je ‘call-to-action’: wat wil dat de lezer ermee doet?

    Geef input in de vorm van voorbeelden en zeg dezelfde stijl te gebruiken. Schrijf in de stijl van Peter Adriaenssens, Dirk De Wachter, Donald Trump of Paul van Ostaijen bijvoorbeeld. Kies een publieke figuur met veel publieke schrijfsels, niet je buurman.

    Zeg ook wat de chatbot niet mag zijn: “Je kent niets, behalve over […] en op alle andere vragen antwoord je: ‘dit behoort niet tot mijn kennis en vaardigheden’”. 

    Hier een sjabloon om te gebruiken om goed te prompten:

    • DOEL: help me om ...
    • PERSONA / ROL: jij bent een … met ervaring in …
    • CONTEXT: omschrijf achtergrond, doelgroep, bedoeling, randvoorwaarden
    • PROCES: omschrijf stapsgewijs wat de chatbot moet doen
    • OUTPUT: maak een tabel, stappenplan, …
    • PARAMETERS: omschrijf de toon, lengte, niveau, verboden zaken
    • PAS ZELF AAN: maak het “van jou” door eigen accenten te vermelden, zoals gebruik geen liggende streepjes of m-dash
    triangle accent Dotted square accent Striped circle accent

    Risico’s bij de inzet van AI

    De kracht van AI is duidelijk maar de uitdagingen zijn er evenzeer. Zeker voor gebruik in welzijn en zorg. We sommen hier even enkele mogelijke gevaren op:

    1. Gebrek aan transparantie: Bij veel AI-systemen is het onvoldoende duidelijk waarop het model is getraind. Werd problematisch of minder kwaliteitsvol materiaal geweerd? Welke instructies kreeg het model? Welke begrenzingen en kwaliteitscontroles zijn aanwezig? Spelen er commerciële motieven mee die het ontwerp of gebruik sturen? Door de enorme commerciële belangen (met enorme investeringen) zullen multinationals zoals OpenAI, Google, Microsoft, Meta, etc. geen zicht geven op hun werkwijze uit schrik dat de concurrentie die inzichten gratis kan overnemen.

    2. Gebrek aan betrouwbaarheid: Generatieve AI is en blijft vatbaar voor vooroordelen (een scheeftrekking van de resultaten) en hallucinaties (overtuigend klinkende maar foutieve output). Dat is eigen aan het generatieve aspect ervan. Omdat het model nieuwe tekst genereert op basis van statistische waarschijnlijkheid kan het meestal bruikbare antwoorden geven, maar soms toch ernstig de mist ingaan. Dat maakt de output niet volledig voorspelbaar. Dit is een belangrijk aandachtspunt wanneer veiligheid en correctheid centraal staan.

    3. Te weinig of te veel menselijkheid: AI kan empathie en menselijke nabijheid overtuigend nabootsen, maar die (schijn)menselijkheid moet zorgvuldig gedoseerd worden. Er is een risico op te weinig empathie, maar ook op overdreven of ongepaste empathie. Daardoor kunnen rode vlaggen gemist worden als mensen AI inzetten als vriend of hulpverlener, of kan een noodzakelijke crisisinschatting, probleemverheldering of doorverwijzing ontbreken. Te veel empathie werkt dan bezwarend. Soms zoekt iemand bovendien geen emotionele resonantie, maar nuchtere, concrete informatie. De juiste timing en dosering van empathie is dus essentieel en een chatbot kan dit niet ‘aanvoelen’.

    4. De grote ecologische impact: De milieulast van AI komt vooral door het hoge energie- en waterverbruik van datacenters. Wereldwijd gebruiken datacenters momenteel tot 2% van alle elektriciteit, een aandeel dat blijft groeien. (In Ierland is het effect erg zichtbaar: datacenters verbruiken er al 17% van de nationale elektriciteit en dit zou nog kunnen verdubbelen. Dublin is een belangrijk Europees digitaal knooppunt, met sterke connectiviteit naar de VS en Europa via onderzeese kabels en telecominfrastructuur). Het trainen van AI-modellen kan tientallen gigawattuur elektriciteit verbruiken. Samen zorgen AI-toepassingen naar schatting voor tientallen miljoenen ton CO₂-uitstoot per jaar, vergelijkbaar met de uitstoot van een klein land. Daarnaast gebruiken datacenters veel water voor koeling van servers. Hoewel één individuele AI-opdracht relatief weinig energie kost (0,3 Wh), leidt het enorme aantal dagelijkse AI-interacties tot een aanzienlijke totale milieubelasting. Tegelijk kan AI ook bijdragen aan duurzamere systemen, bijvoorbeeld door energiegebruik of transport efficiënter te maken.

    triangle accent Dotted square accent Striped circle accent

    Op weg naar een organisatievisie op het professioneel gebruik van AI

    De AI-tools zijn er. Cliënten, patiënten en sociale, welzijns- en zorgprofessionals maken er gebruik van. De keuze om een tool wel of niet te gebruiken, om bepaalde taken wel of niet uit te voeren, om informatie wel of niet in te voeren, ligt nu nog te vaak bij de praktijkwerker zelf. Het beleid van de organisatie is nu aan zet om de kaders en richtlijnen uit te zetten. Wat mag (niet), hoe gebruiken we het (niet) en wat zijn de randvoorwaarden en richtlijnen?

    Maak als organisatie een organisch beleidskader waarbij je de krijtlijnen van professioneel gebruik van AI-systemen verduidelijkt voor iedereen. Wanneer er geen beleid is, dan loop je het risico dat medewerkers AI gebruiken in het kader van hun professionele activiteiten, zonder zicht te hebben op de risico’s. Voorzie dus een kader waarbij de professionele inzet van AI verduidelijkt wordt. In eerste instantie bekijken we hier het professioneel gebruik van bestaande AI-tools, en daarna bekijken hoe je het moet aanpakken als je een eigen AI-tool wil implementeren in je organisatie.

    Hier volgen enkele elementen die deel uitmaken van het opzetten van een organisatiebeleid rond de professionele inzet van conversationele AI, gebaseerd op de resultaten van het TETRA project AI CARES van de Arteveldehogeschool, Thomas More-Hogeschool en UGent.

    1. Professioneel gebruik van AI tools

    Via dit stappenplan kan je je als organisatie klaar maken voor een AI-kader:

    Stappenplan bij het implementeren van een AI-kader in je organisatie

    triangle accent Dotted square accent Striped circle accent


    Fase 1: In kaart brengen huidig (informeel) gebruik

    Elke organisatie in welzijn en zorg bevindt zich vandaag in een context waarin AI-tools reeds gebruikt worden, vaak zonder expliciete afspraken of zicht op risico’s. Een eerste noodzakelijke stap is daarom het erkennen van deze realiteit. Medewerkers experimenteren met AI in hun dagelijkse praktijk, wat kansen biedt, maar ook risico’s inhoudt op vlak van privacy, kwaliteit en ethiek. Zonder beleidskader ontstaat schaduwgebruik, waarbij professionals zelf inschattingen maken zonder gedeelde richtlijnen. Het is daarom een goede eerste stap om binnen de organisatie zicht te krijgen op het informeel gebruik en zo tot bewustwording (of zelfs een gevoel van urgentie) te komen, zodat de stap naar een organisatiebeleid logisch wordt.

    Fase 2: Visievorming en beleidskader uitwerken

    Na deze bewustwording volgt de ontwikkeling van een gedragen visie en bijhorend beleid. Deze visievorming vormt het fundament voor alle verdere keuzes. Centraal staat het expliciteren van hoe de organisatie AI wil positioneren binnen haar professionele werking. Een sterke visietekst vertrekt vanuit enkele kernprincipes:

    - De mens blijft altijd eindverantwoordelijk

    - AI is ondersteunend en nooit beslissend

    - Professionele autonomie en menselijkheid blijven centraal staan

    Daarnaast moet duidelijk worden welke ethische en juridische grenzen gerespecteerd worden. Zo is het bijvoorbeeld juridisch niet toegestaan dat AI diagnoses stelt of beslissingen ondersteunt met een significante impact op de doelgroep op het gebied van hun rechten, welzijn of gezondheid. Om dit te koppelen aan bestaande regelgeving zoals de GDPR en de EU AI Act heb je ook wat juridische expertise nodig. Daarom wordt best een multidisciplinair kernteam samengesteld dat het traject trekt. Dit team combineert praktijkkennis, organisatiemanagement met expertise in IT, juridische aspecten en ethiek, en kan indien nodig aangevuld worden met externe begeleiding, zoals een vormings- of kennisinstelling.

    Als de visie in grote lijnen vastligt, dan moet ze worden vertaald naar concrete richtlijnen in een beleidskader. Het doel is om medewerkers duidelijke handvatten te geven over wat wel en niet kan, en onder welke voorwaarden. Dit betekent dat expliciete regels worden opgesteld, bijvoorbeeld rond persoonsgegevens, identificeerbare cliëntgegevens, medische informatie of casusbesprekingen. Deze mogen niet ingevoerd worden in publieke AI-systemen. Deze moeten dus volledig geanonimiseerd worden. Indien toch met gevoelige informatie gewerkt wordt, vereist dit expliciete toestemming, wat in de praktijk vaak moeilijk haalbaar is. Daarnaast worden kwaliteitsvereisten vastgelegd. AI-output moet steeds kritisch gecontroleerd worden op juistheid, volledigheid en mogelijke bias. Transparantie is eveneens belangrijk: wanneer AI een rol speelt in het creëren van inhoud, is het een goed idee om dit ook te communiceren aan je doelgroep. Tot slot is het nodig om ook de technische voorwaarden vast te leggen omtrent externe of interne servers, afgeschermde AI-omgevingen om risico’s rond datagebruik te beperken.

    We geven hier enkele inhoudelijke basisbouwstenen, waarop je kunt bouwen.

    • Behoud als professional altijd de eindverantwoordelijkheid. Bewaar je professionele autonomie en menselijkheid. Gebruik je expertise en maak zelf een professionele inschatting over kwaliteit. AI is slechts een hulpmiddel. De eindverantwoordelijkheid ligt altijd bij de mensen die het gebruiken, niet bij de tool. Gebruik het dus bewust en gericht, wees altijd voorzichtig en blijf zelf aan het stuur. Lees alles grondig na en pas aan. Maak het je eigen en herwerk de AI-ouput opnieuw: je moet jezelf er terug in herkennen. Ondertussen zijn ervaren lezers vaak in staat om snel te herkennen dat een tekst door AI geschreven werd: het ziet er goed uit, maar voelt leeg aan.
    • Wees alert voor fouten, vooroordelen en discriminatie. AI leert uit datasets die fouten en eenzijdige beeldvorming bevatten. Controleer dus op stereotypes, bevooroordeelde formuleringen of veralgemeningen. Pas AI-gegenereerde adviezen nooit zomaar toe op gebruikers of cliënten. Neem de suggesties nooit zonder kritische reflectie over. Controleer AI-output volledig op juistheid, volledigheid en vooroordelen door zelf ook betrouwbare bronnen te raadplegen. Dat is lastig: het kost soms veel werk om alles te controleren, maar het is essentieel. De bronnen die een AI model vermeldt zullen niet altijd bestaan of de inhoud bevatten waarnaar wordt verwezen.
    • Gebruik AI enkel waar het gepast en veilig is. Je kan enkel aan de slag met je eigen materiaal waar je eigenaar van bent én waar er geen identificeerbare of privacygevoelige info in zit. Vermijd identificeerbare info, cliëntgegevens, medisch, diagnostisch of materiaal, zeer concrete casusbesprekingen of crisissituaties. Persoonsnamen, adressen, geboortegegevens, plaatsnamen, medische of diagnostische details mag je niet delen. Omschreven situaties mogen niet te herleiden zijn tot een individu. Anonimiseer de gegevens dus zelf op voorhand.
    • Wil je toch identificeerbare of privacygevoelige gegevens gebruiken? Dan is de expliciete toestemming vereist van de betrokken personen (zoals gebruikers, ouders of wettelijke vertegenwoordigers bij minderjarigen, maar ook je collega’s bijvoorbeeld). Zo moet je bij een werkverslag ook van de auteur én van de eigen organisatie toestemming hebben om dit verslag in een AI-systeem te verwerken. In de praktijk is dit vaak niet haalbaar. Doe dit nooit in een publiek toegankelijke tool, maar in een afgeschermde omgeving.
    • De EU AI Act maakt duidelijk dat er bij gebruik van AI-modellen geen gevolgen mogen zijn voor de (mensen)rechten, de veiligheid of het welzijn van burgers. AI-systemen mogen dus van Europa geen diagnoses stellen, geen hypotheses over cliënten formuleren en geen beslissingen ondersteunen die een significante impact hebben op hulpverleningstrajecten.
    • Werk met interne, afgeschermde AI-omgevingen waar mogelijk. Publieke of commerciële AI-systemen bewaren vaak gegevens. Organisaties in welzijn en zorg hebben baat bij gesloten systemen waarbij data binnen de organisatie blijft. Dit vermindert privacyrisico's en verhoogt de controle.
    • Wees transparant over het gebruik van AI. Wanneer je AI-tools gebruikt bij het creëren of optimaliseren van inhoud (tekst, beeld, presentatie…), vermeld dan dat AI werd ingezet. Dit is verplicht, behalve bij zeer beperkte AI-ondersteuning waarbij het eindresultaat duidelijk een menselijk product blijft. Wees je bewust van de gebruikte disclaimers van AI modellen: “de output kan fouten bevatten”.
    • Wees ecologisch. AI-training en gebruik verbruikt veel water en elektriciteit. Beperk dus de gevolgen voor klimaat en milieu en beperk het aantal keer dat je prompt. Je prompts mogen lang en uitgebreid zijn (ze worden ook beter dan), en beperk bijsturingen en aanvullingen via een nieuwe prompt. Formuleer vragen helder en efficiënt. Wees tevreden met een 80%-antwoord en werk zelf bij. Overweeg alternatieve informatiebronnen vóór je AI inzet. Goed prompten is ook milieubewuster prompten.
    • Laat je hierbij adviseren en ondersteunen, door gebruik te maken van de expertise van mensen via procesbegeleiding. Of zoek inspiratie bij gelijkaardige organisaties. Je hoeft niet altijd het warm water zelf uit te vinden voor het creëren van visieteksten.

    Fase 3: Implementatie van beleid en tools

    Selecteer de AI-tools die je op organisatieniveau wil inzetten zorgvuldig. Staar je niet blind op snelle beloftes van efficiëntie, maar kijk ruimer. Naast kostprijs zijn eigenschappen zoals dataveiligheid, privacy, data- en technologie soevereiniteit ook belangrijk (voorkeur voor software uit de EU). Maak onderscheid tussen het gebruik van bestaande AI-tools als consument en het inzetten van aangepaste AI-tools op organisatieniveau. Als je zelf een AI-toepassing ontwikkelt of integreert in je werking, dan kruip je in de rol van producent, en zijn er extra verantwoordelijkheden.

    Een beleidskader met richtlijnen heeft pas impact als medewerkers ook weten hoe ze het in de praktijk moeten toepassen. De implementatie bepaalt in grote mate het succes van het beleid. Het is belangrijk dat het beleidskader niet als een abstract document blijft bestaan, maar effectief geïntegreerd wordt in de dagelijkse werking. Gebruik begrijpelijke taal en concrete voorbeelden die aansluiten bij de praktijk van medewerkers. Voorzie ook praktische ondersteuning. Dit kan door richtlijnen te ontwikkelen rond goed gebruik van AI, zoals hoe veilig te prompten, welke informatie wel of niet ingevoerd mag worden, en hoe output kritisch geëvalueerd wordt. Daarnaast kunnen concrete hulpmiddelen voorzien worden, zoals prompt-sjablonen, checklists en beslissingskaders. Een visueel systeem met bijvoorbeeld kleurcodes (groen, oranje, rood) kan helpen om snel in te schatten of een bepaalde toepassing (informeel) toegestaan is en onder welke voorwaarden.

    Daarnaast is opleiding en training noodzakelijk, zowel rond basiskennis van AI als rond specifieke vaardigheden zoals prompting en risico-inschatting. Kijk bijvoorbeeld eens naar het aanbod van Vlaamse AI Academie VAIA en Kenniscentrum Data en Maatschappij. Tot slot is het belangrijk dat medewerkers ergens terechtkunnen met vragen of twijfels. Dit kan via een IT-aanspreekpunt binnen je organisatie of de interne AI-ervaringsdeskundigen.

    Fase 4: Monitoring en bijsturing

    AI evolueert snel, waardoor een visie en beleidskader nooit statisch kan zijn. Het is daarom essentieel om het beleid regelmatig te evalueren en bij te sturen. Door feedback te verzamelen van medewerkers over het AI gebruik en de technologische en juridische evoluties op te volgen, kan je de risico’s inschatten. Op basis daarvan kan het beleid aangepast worden, zodat het relevant en werkbaar blijft. Een beleidskader is dus geen eindpunt, maar een continu proces van bijsturen.

    Enkele voorbeelden van AI-kaders:

    triangle accent Dotted square accent Striped circle accent
    AI-kader van CLB-online

    Download dit kader hier

    CLB-online - infographic AI-kansen
    CLB-online - infographic AI-aandachtspunten
    CKG De Hummeltjes - huisregels AI
    SAM - richtlijnen AI

    2. Het maken of aanpassen en inzetten van een eigen AI tool

    AI is niet enkel een algemeen hulpmiddel voor medewerkers, maar kan ook ingezet worden via eigen of aangepaste toepassingen op organisatieniveau. Dan volstaat het niet om een ‘gewoon’ organisatiebeleid op zetten voor het gebruik van Copilot in Microsoftproducten, maar ga je zelf een AI-technologie aanpassen of integreren in je eigen systemen. Denk aan je eigen chatbot voor medewerkers om de juridische databanken meer toegankelijk te maken. Dank aan een chatbot om je nieuwe vrijwilligers of medewerkers mee te laten oefenen voordat ze een chatgesprek met een echte personen doen. Denk aan een chatbot om de online registratiefase te vereenvoudigen in voorbereiding van een intakegesprek. Denk aan het maken van aangepaste AI video’s op maat van cliënten (zie TETRA Psy-Aid).

    Wanneer je AI-systemen actief verder ontwikkelt en aanpast binnen je eigen werking zijn de voorwaarden en vereiste stappen wat uitgebreider. Bepaal bij het ontwikkelen, aanpassen of aankopen van AI-oplossingen op voorhand je eigen criteria omtrent kwaliteit, ethiek en veiligheid. Kijk niet meteen naar de aanbod-kant (wat is er al op de markt), maar sta stil bij de vraag-kant: wat heb je als organisatie nodig? Wat zijn de randvoorwaarden? 

    Dit lijstje kan je dan naast het aanbod leggen:

    (klik voor meer info)

    triangle accent Dotted square accent Striped circle accent

    Bekijk in hoeverre je organisatie technisch, juridisch, financieel en organisatorisch klaar is voor de stap. Een belangrijk aspect daarbij zal zijn de mate waarop je je eigen data of gegevens kent (wat staat waar met welke eigenschappen, onder welke toestemmingen,…) en hoe bruikbaar deze gegevens zijn om AI mee te trainen (is de data goed gelabeld, moet je de data opkuisen, is er nood aan anonimisering of pseudonimisering). Denk aan deze elementen:

    • Dataopslag: waar staat je data opgeslagen, is het veilig? Wat is de soort en kwantiteit van de data?
    • Data Monitoring: Heb je een verwerkingsregister? Controleer je datalogs op datalekken: wie heeft wanneer toegang?
    • Data delen: wat mag je delen met derden (zoals IT’ers of onderzoekers)
    • Structuur en rollen: De inzet van eigen AI-toepassingen vereist governance: een aangepast organisatiemodel met omschreven rollen en verantwoordelijkheden. Wie heeft welke verantwoordelijkheid heeft over de data en de inzet van AI. Benoem de rollen en hun taakomschrijving. Naast een Data Protection Officer (DPO) heb je wellicht ook een Databeheerder of Datasteward nodig: iemand met praktische kennis die als helpdesk kan fungeren bij vragen. Voorzie hoe dan ook een aanspreekpunt voor vragen en incidenten. Voorzie in samenwerking met externe experts, want je hebt niet alle kennis in huis en alles verandert snel.

    AI-toepassingen worden prioritair ingezet in domeinen waar ze efficiëntie verhogen zonder risico op negatieve gevolgen voor gebruikers of cliënten. Bepaal de voorwaarden waarbinnen die tools ingezet mogen worden op voorhand: laat de technologie niet bepalen wat je voor wie doet. AI wordt enkel weloverwogen ingezet waar het een meerwaarde biedt ten opzichte van bestaande werkwijze, niet omdat het er nu eenmaal is. Sta zelf aan het stuur. Als organisatie maak je daarom een onderscheid tussen gebruikers- of cliëntgerichte toepassingen (frontoffice, bv. chatbots, informatieverstrekking, begeleidingstools) of interne toepassingen (backoffice, bv. administratie, verslaggeving, planning, kennisbeheer). De risico’s zijn erg verschillend. AI-systemen mogen geen autonome beslissingen nemen die een significante impact hebben op de doelgroep zoals de toegang tot hun rechten, diagnoses, indicatiestellingen, risico-inschattingen of automatische beslissingen. AI-output is altijd adviserend en vereist menselijke validatie. De eindverantwoordelijkheid ligt steeds bij een bevoegde professional.

    Zet een stap terug en bepaal als organisatie je centrale waarden. Doe de oefening intern en benoem je centrale waarden als organisaties en bekijk welke gevolgen de inzet van technologie kunnen hebben erop: pas het dus concreet toe. Ethiek ontstaat namelijk pas in de praktijk waarbij verschillende waarden met elkaar botsen. Zo zijn gebruiksvriendelijkheid, bereikbaarheid en kwaliteit alle drie heel belangrijk, maar samen zijn ze wellicht niet altijd even goed combineerbaar. Hoeveel risico’s rond kwaliteit of veiligheid wil je nemen om een groter bereik te hebben door een AI-tool in te zetten? Een zeer gebruiksvriendelijke chatbot zal misschien antwoorden geven die ethisch gezien lastiger zijn? Algemene regels zijn dan ook onvoldoende: ga in gesprek samen, maak de afweging en blijf de discussie open aangaan. Er zijn geen absolute waarheden die altijd van toepassing zijn. Nuance, context en voorwaarden zijn belangrijk: benoem ze.

    AI in welzijn en zorg kent nog niet veel specifieke regelgeving. Pionieren dus. Naast de GDPR-wetgeving en EU AI Act moet eventueel ook Medical Device Regulation worden gevolgd. Volg de (internationale) regelgeving dus op, ook gelinkt aan je eigen sector. Deel je je gegevens met derden, dan heb je een Data Transfer Agreement (DTA) nodig. Voorzie ook in een systeem van risicobeheersing: bepaal hoe je de risico’s verbonden aan het professioneel gebruik van AI maatregelen in kaart zult brengen en hoe je die risico’s kunt beheersen via veiligheidsmaatregelen.

    • Gevoelige data zoals persoonsgegevens worden enkel verwerkt indien strikt noodzakelijk én juridisch onderbouwd, met toestemming van de betrokkenen.
    • Wil je een AI model trainen? Die data mogen geen persoonsgegevens omvatten, tenzij je daar toestemming voor kreeg. Data worden bij voorkeur geanonimiseerd of gepseudonimiseerd. In beide gevallen worden persoonsgegevens verwijderd, maar bij geanonimiseerde data kunnen de gegevens ook achteraf niet meer herleid worden tot een persoon, terwijl gepseudonimiseerde data nog wél herleidbaar is via aanvullende informatie (zoals een sleutel of door het combineren van niet-verwijderde gegevens in de data).
    • Er moet worden gewerkt op beveiligde servers. Gegevens worden best niet gedeeld met externe commerciële AI-aanbieders zonder expliciete waarborgen over privacy en dataveiligheid. In geopolitieke instabiele tijden is de locatie van de dataopslag en nationaliteit van de eigenaars van technologie relevant. Indien mogelijk, geef je voorkeur aan EU-servers met EU-gebaseerde technologie.
    • Gebruikers of cliënten en medewerkers hebben recht op duidelijkheid over het gebruik van AI. Het gebruik van AI wordt expliciet en op voorhand duidelijk gecommuniceerd. Gebruikers worden geïnformeerd over de rol en beperkingen van het systeem, het soort taalmodel. Voorlopig nog niet de standaard, maar overweeg om ook de gehanteerde guardrails en systeem prompts mee te delen. Guardrails (of vangrails) zijn de veiligheidsmaatregelen en regels die ervoor zorgen dat een AI-systeem op een betrouwbare en verantwoorde manier binnen vooraf bepaalde grenzen blijft functioneren zonder risico’s te creëren op het vlak van veiligheid, privacy, ethiek of wetgeving. Dit doe je onder andere via een ‘systeemprompt’ waarbij elke input door een gebruiker achterliggend aangevuld wordt door bijkomende prompt met algemene instructies. Door de guardrails en systeemprompts transparant te delen, expliciteer je je eigen ethische kaders en begrenzingen op een concrete manier. Voorzie een privacy statement van je organisatie op je website, met daarin uitleg over het organisatiegebruik van AI tools.

    AI-systemen kunnen fouten en biases bevatten die schadelijk zijn. AI is een evoluerende technologie en vereist continue opvolging.

    • AI-toepassingen worden periodiek geëvalueerd: bij nieuwe versies van de software en bij veranderingen in het gebruik en toepassingsgebied. Ook gebruiker en medewerkers kan je best betrekken bij de evaluatie: voor wat wordt een tool werkelijk ingezet en welke oorspronkelijke doelen worden er niet meer bereikt?
    • Evalueer de AI-toepassingen periodiek: bij nieuwe versies van de software, bij veranderingen in het gebruik en bij veranderingen van het toepassingsgebied. Betrek ook de gebruikers en de medewerkers bij deze evaluatie om na te gaan waarvoor een tool werkelijk ingezet wordt en welke oorspronkelijke doelen niet meer bereikt worden.
    • Pas je beleidskader en je aanbod aan AI-toepassingen aan naargelang de juridische, technologische en maatschappelijke evoluties. Snelle veranderingen zijn te verwachten, relatief snelle reacties zijn dus vanzelfsprekend.
    • AI-systemen worden vooraf getest op kwaliteit en bias. Er is een verplichting tot continue monitoring en evaluatie. Kritische toepassingen vereisen menselijke controle en validatie.

    Alle betrokken medewerkers zouden best opleiding en begeleiding krijgen. Dit betreft niet enkel de technische kant van de AI-tools (de handleiding), maar gaat breder: ook de essentie van AI (kenmerken, voordelen, nadelen) en de rol van AI in de samenleving moet aan bod komen (gevolgen voor jobs, ecologie en economie). Voorzie meteen een basis aan richtlijnen en procedures. Deze kunnen samen groeien met het ontwikkelen en het gebruik ervan. Wacht niet tot je de perfecte richtlijnen en procedures kunt uitschrijven, maar ga voor een snelle maar bruikbare versie om meteen te testen, samen met het testen en implementeren van de AI-tool. De inzet van AI-toepassingen vereist wellicht expliciete goedkeuring op bestuursniveau. Voorzie vorming voor leden van het directieteam en/of raad van bestuur over AI zodat ze de risico’s en mogelijkheden correct kunnen inschatten (zie ook de vereiste om vorming te voorzien in de EU AI ACT, als ook de gevolgen op het gebied van de hoofdelijke aansprakelijkheid in het kader van de NIS2 wetgeving rond cyberveiligheid). Vormingsaanbieders zijn bijvoorbeeld Vlaamse AI Academie VAIA en Kenniscentrum Data en Maatschappij.

    Meer weten?

    triangle accent Dotted square accent Striped circle accent
    Type
    Titel
    Auteur(s)
    Omschrijving
    Link
    polygon icon
    AI in de hulpverlening
    Develtere, L. & Vanhove, T.

    In dit achtergrondartikel op Sociaal.net interviewt Lisa Develtere Tim Vanhove omtrent het gebruik van artificiële intelligentie in de hulpverlening. 

    polygon icon
    Artificiële Intelligentie in welzijnswerk en geestelijke gezondheidszorg
    Vanhove, T.

    Welke uitdagingen en belemmeringen zijn er in verband met artificiële intelligentie voor welzijnswerk en geestelijke gezondheidszorg? Een bijdrage aan Blender 2024 door Tim Vanhove, medewerker van Mens, Samenleving & Digitalisering aan de Arteveldehogeschool.

    polygon icon
    Mijn vriend AI
    Brems P. en Konings , J.

    In deze Pano-reportage getuigen mensen van hun relatie met AI-partners. Pano onderzoekt hoe die gemaakt worden en verzamelen ze reflecties van academici. In een experiment geven ze een inkijk in de ontwikkeling van een avatar van professor Dirk De Wachter die AI-psychotherapie aanbiedt.

    polygon icon
    ChatGPT verbruikt 25 keer meer energie dan Google
    Merckx, V.

    In dit bericht op VRT NWS gaat Vincent Merckx vooral in op het milieu-impact van het gebruik van Artificiële Intelligentie

    polygon icon
    Barend legt uit: ChatGPT en andere taalmodellen
    Last, B.

    In de kern is ChatGPT een digitale gesprekspartner gebaseerd op een groot taalmodel. Zo’n taalmodel kun je zien als een soort slimme rekenmachine die zich waagt aan het nabootsen van menselijke taal. Maar hoe werkt dit precies? Wat gebeurt er onder de motorkap als je een vraag stelt? Dit heeft te maken met kansberekening. En als je eenmaal weet hoe de techniek ongeveer werkt, kun je het veel beter op waarde schatten. Dat staat centraal in de volgende video van ‘Barend Legt Uit’.

    polygon icon
    Inspiratiesessie AI in zorg en welzijn
    Van der Cam, M.; Vanhove, T.; Billiet, T. & Op de Beeck, E.

    In dit webinar van Onlinehulp Vlaanderen over AI in welzijn en zorg schetst Tim Vanhove (Arteveldehogeschool) een kader over AI in zorg en welzijn. Marie Van der CAM (SAM vzw), Tom Billiet en Elke Op de Beeck (CLB Online) illustreren het gebruik van AI in de welzijnspraktijk.

    polygon icon
    Hoe vervuilend is AI? De ecologische voetafdruk van AI
    Casteels, W.

    In dit artikel op de blog van VAIA geeft Wim Casteels een duidelijk inzicht in de ecologische voetafdruk van het gebruik van artificiële intelligentie.

    polygon icon
    AI-chatbots in de zorgdriehoek: wat doet dit met de zorgprofessional?
    de Jeu, E.

    Steeds meer cliënten en mantelzorgers gebruiken AI-chatbots, zoals ChatGPT, om informatie en advies te krijgen over zorg en praktische problemen. Dat kan helpen bij het uitvoeren van zorgtaken, maar er zijn ook risico’s en nog veel onzekerheden. Wat merken zorgprofessionals in hun dagelijkse werk van het gebruik van AI-chatbots? En wat betekent dit voor de samenwerking tussen cliënt, mantelzorger en professional in de zorgdriehoek? In deze blog van Erik de Jeu staat het perspectief van de zorgverlener centraal.

    polygon icon
    AI voor studenten
    Odisee en Arteveldehogeschool

    In dit elearningpakket voor studenten van Odisee en de Arteveldehogeschool gaan de auteurs in op 'artificiële intelligentie', 'generatieve AI', 'prompting', 'toepassingen' en een 'zelftest'. Ook handig voor hulpverleners als kennismaking met AI.

    polygon icon
    Mag ik AI gebruiken in mijn job als hulpverlener?
    Vander Cam, M. & Jens, Laurens en Priscilla

    In deze podcast op Sociaal.net gaan Marie, Laurens en Priscilla in op volgend thema: AI lijkt alles te kunnen: teksten schrijven, beelden maken, diepe gesprekken voeren… Maar kan je het ook inzetten in je job als hulpverlener? En mag dat eigenlijk? Dit is een aflevering van de podcast ‘Hulplijn voor hulpverleners’

    polygon icon
    Onderzoek naar machinevertaling in chathulp met anderstaligen
    CAW Halle-Vilvoorde, CLB, OHUP, Arteveldehogeschool, SAM en UA

    Verlag van een verkennend onderzoek naar belang, kansen en risico's van vertaaltechnologie in de chathulp

    Contactpersonen

    Tim Vanhove

    Arteveldehogeschool - Mens, Samenleving & digitalisering

    tim.vanhove@arteveldehs.be

    www.linkedin.com/in/vanhove-tim/

    www.arteveldehogeschool.be/nl/onderzoek-en-samenwerking/onderzoek/mens-en-samenleving/mens-samenleving-en-digitalisering

    Marie Van der Cam

    SAM vzw - Onlinehulp Vlaanderen

    marie.vandercam@samvzw.be

    www.linkedin.com/in/marie-van-der-cam-5a720123a/

    Dit dossier is het resultaat van een samenwerking tussen SAM vzw en Arteveldehogeschool. Het dossier is gefinancierd vanuit de Incentive projecten 2025 van het Departement Zorg (Vlaamse overheid) en sluit ook aan op het VLAIO-TETRA project AI CARES. 

    Met dank aan Philippe Bocklandt (SAM vzw), Michiel Tyncke (Autisme Chat), Tom Billiet (CLB Online), Elke Op de Beeck (CLB Online) en Jana Verplancke (Arteveldehogeschool) voor het nalezen en het inspireren.

        circle accent triangle accent Dotted square accent Striped circle accent