Door Simon Been
We weten al lang dat organisaties vaak slordig omgaan met informatie. Het vorige artikelin deze serie over de impact van AI op het informatiedomein belicht hoe AI dit probleem uitvergroot door toenemende fragmentatie, kwaliteitsrisico’s, verantwoordingsgaten en achterblijvende governance, maar ook kan dienen als kans en bindmiddel. Sterker nog: dat AI juist pleit voor een samenhangende aanpak. Dit deel 26 gaat een stap verder en introduceert een nieuw begrip – informatie-intelligentie – en een aanpak om orde te brengen in het AI-spanningsveld en een eigen plan te trekken voor je afdeling.
Voordat we het kunnen hebben over het herschreven informatie-DNA en over informatie-intelligentie en hoe jouw afdeling daarin een hoofdrol kan spelen, moet een obstakel worden opgeruimd: onjuiste beeldvorming. AI raakt de rol van de informatieprofessie op drie niveaus en op elk daarvan is sprake van belangrijke misverstanden. Daardoor worden nut, impact en risico’s miskend.
Persoonlijk niveau: ‘Mijn ervaring is ieders ervaring’
Eerst wat context: als je de ontwikkelingen rond generatieve AI dagelijks volgt, sta je perplex van de snelheid en omvang ervan. En dan heb ik het niet alleen over spraakmakende versies van grote modellen als ChatGPT en Claude die weer nieuwe wetenschappelijke (en soms bedenkelijke andere) doorbraken veroorzaken, maar ook de letterlijk honderden tussentijdse ‘kleine’ aanpassingen. De manier waarop een vraag wordt verwerkt is daardoor fundamenteel veranderd (afbeelding 1).
Aan veel informatieprofessionals gaat deze evolutie voorbij en dat leidt tot een verkeerd beeld van nut en impact van generatieve AI. Ze hebben er wat mee geëxperimenteerd en zijn teleurgesteld. Misschien was dat een jaar geleden, misschien recent maar met een gratis versie. Maar ook als er wel sprake is van recente, goede ervaringen met een betaald model, ontstaat er vaak een verkeerd beeld: niet iedereen heeft de tijd of gelegenheid om hands-on allerlei mogelijke toepassingen van AI uit te proberen en zo een goed overzicht te krijgen. Dat leidt er al snel toe dat alleen bepaalde gebruiksmogelijkheden voor de eigen functie worden gezien. Ook dat resulteert gemakkelijk in het idee dat AI ook voor andere functies maar beperkte waarde heeft.
Maar de impact van AI op kenniswerkers zoals adviseurs, beleidsmedewerkers, juristen, onderzoekers, projectleiders en managers kan juist aanzienlijk zijn: een krachtige denk- en werkomgeving bijvoorbeeld voor wie veel informatie moet verzamelen en combineren én daar professioneel oordeel over moet vormen.
Afdelingsniveau: ‘AI is voor grote klussen’
Enkele jaren geleden al waren informatieprofessionals voortvarend bezig met AI voor specifieke businesscases. Ik prees al eerder het project Alle Amsterdamse Akten van Stadsarchief Amsterdam waarin massieve hoeveelheden handgeschreven historische documenten automatisch worden gelezen en bovendien omgezet in gestructureerde data, resulterend in een netwerk van onderling verbonden historische gegevens. Zo zijn er anno nu meer en meer businesscases mogelijk die de moeite waard zijn.
Ik zie afdelingen die hier – terecht – stevig in investeren, maar de denkfout maken dat ze op deze manier AI-experts worden. De invloed van AI reikt namelijk veel verder dan grote klussen. Sterker nog: het risico is groot dat degene die oordeelt over een dergelijk project of zich erin specialiseert maar niet in de breedte nut en nukken van AI heeft leren kennen, basale inschattingsfouten maakt.
Ook veroorzaakt het inzoomen op eigen grote projecten dat er weinig besef is van wat andere afdelingen doen aan AI-projecten: in beleidswerk, advies, communicatie, juridische processen, klantcontact of onderzoek. Ook daarbinnen worden bronnen geselecteerd, teksten gegenereerd, kennis hergebruikt en beslissingen voorbereid. Juist daarin verandert AI dagelijks het informatiegedrag en de informatiehuishouding.
Organisatieniveau
Uiteraard kennen we AI vooral van de organisatiebrede modellen, zoals ChatGPT en Copilot. Informatieprofessionals weten maar al te goed dat een dergelijke grootschalige technologische vernieuwing vaak leidt tot stevige verstoringen en noodreparaties – denk aan Google, SharePoint, Teams – maar bij AI is het beeld diffuus. Overkoepelende effecten op het omgaan met informatie worden maar beperkt onderkend en het reageren erop wordt vooruitgeschoven. Tenslotte – en dat zagen we in artikel 24 al – ‘ligt de bal elders’: bij ICT, HR, innovatieteams, het bestuur of externe leveranciers. Eerst maar eens kijken wat de organisatie beslist.
Ook een stevige misvatting. We zagen al hoe kernfuncties binnen de informatieprocessen van organisaties AI omarmen, van onderzoek en advies tot communicatie. En we weten wat AI voor voetangels en klemmen met zich meebrengt, van hallucinaties tot ‘vergeten’ bronnen en een verdwijnend verantwoordingsspoor. De paragraaf hieronder focust daarop. Kortom: AI is niet sec een nieuwe tool en zelfs niet vooral een gedragskwestie, maar primair een organisatiebreed informatievraagstuk. Uiteindelijk moet duidelijk worden wie verantwoordelijk is voor de informatie waarop AI draait, wie kwaliteitseisen stelt en wie risico’s accepteert. Als informatieprofessionals wachten tot zaken formeel bij hen worden belegd, is de nieuwe informatieroute al ontstaan zonder hun expertise. En ook hier geldt wat we op de vorige twee niveaus al zagen: zonder brede eigen ervaring met AI blijft elk oordeel oppervlakkig.
Wat alle drie de niveaus betreft (afbeelding 2): op elk niveau ligt niet alleen een blinde vlek, maar ook een rol. Daarover verderop meer.
Het veranderende informatie-DNA
De genoemde miskenningen op de drie niveaus hebben één ding gemeen: AI wordt bezien door een verrekijker. De kijker is gericht op eigen ervaringen en businesscases of ‘hoe anderen de tool AI uitrollen’, maar de brede informatiekundige context en de samenhang worden niet helder waargenomen. Ook is het idee dominant dat er genoeg tijd is.
Maar hoe laag AI ook op de afdelingsagenda staat: het noodzaakt tot nieuwe spelregels voor informatiekwaliteit, organisatiegeheugen en verantwoording. Want het herschrijft het informatie-DNA: de basisregels waarmee een organisatie bepaalt welke informatie zij vertrouwt, hoe zij die gebruikt, wat zij bewaart en hoe zij zich daarover verantwoordt. Waarom? Het begint aan de basis: de kern van kenniswerk verandert. Van research tot analyse en van brainstormen tot sparren en formuleren. De basis is informatie in de AI en het resultaat verschijnt in nieuwe content die ook weer in het kennismeer stroomt. Vertrouwde stappen worden overgeslagen omdat het een alles-ineen-tool én collega is. Hierdoor eroderen vanzelfsprekendheden. Status en herkomst worden diffuus, dossiers krijgen blinde vlekken.
Onduidelijk eigenaarschap
AI verandert niet alleen het genereren van informatie – nog zo’n hardnekkig misverstand – maar ook de selectie, status, herkomst, versie, bewaring, controle en doorwerking ervan. Het schuift tussen de gebruiker en de bestaande informatiehuishouding en krijgt daardoor invloed op welke informatie wordt gevonden, welke versie wordt gebruikt, hoe bronnen worden gecombineerd, wat daarvan zichtbaar blijft en hoe de uitkomst vervolgens verder de organisatie instroomt.
Onoordeelkundig gebruik van AI maar ook ondoordachte uitrol ervan opent zo diverse valkuilen, van ontoereikende informatiekwaliteit tot problematische verantwoording en een (nog meer) vervuild organisatiegeheugen. Ook het ultieme laatste redmiddel, de ‘human in the loop’, biedt geen soelaas als zaken als bronkeuze, status, tussenstappen en doorwerking niet zichtbaar en toetsbaar zijn en eigenaarschap onduidelijk is.
Dus ja: het draait bij AI om informatie, en dat vraagt om een eigen soort intelligentie.
Tijd voor informatie-intelligentie
Informatie-intelligentie is het vermogen van een organisatie om informatie zó te organiseren, te beoordelen, te verwerken en te gebruiken dat betrouwbare oordelen en verantwoord handelen mogelijk worden, óók wanneer AI een groot deel van de informatieverwerking uitvoert. Dat vermogen ontstaat niet uit één onderdeel. Het is het resultaat van drie samenhangende dimensies (afbeelding 3).
Informatiekwaliteit– de kwaliteit van de informatie zelf. Denk aan betrouwbaarheid, geldigheid, status en herkomst, onderhoud, context en actualiteit. AI kan nooit betere antwoorden geven dan de kwaliteit van de informatie waarop het zich baseert.
Informatiegedrag– de manier waarop mensen met informatie omgaan. Hoe zij vragen stellen, bronnen beoordelen, regie houden over de dialoog met AI, eigen oordeelsvermogen behouden en professionele verantwoordelijkheid nemen. AI verandert de rol van de mens niet; het stelt juist hogere eisen aan informatiegedrag.
Informatieverwerking– de wijze waarop AI-systemen informatie selecteren, combineren, interpreteren en presenteren. Daarbij horen vragen over bronselectie, transparantie, actualiteit, functionaliteit en de beperkingen van het gebruikte model. Niet alleen de informatie telt, maar ook hoe het systeem daarmee omgaat.
Eigenschap van organisatie als geheel
Informatie-intelligentie ontstaat pas wanneer deze drie onderdelen elkaar versterken. Daarom is informatie-intelligentie geen eigenschap van AI en ook niet van individuele medewerkers, maar van de organisatie als geheel. Eentje die vraagt om deskundigheid, gedrag en systemen en uiteindelijk ook om mandaat: iemand moet bevoegd en aanspreekbaar zijn om kwaliteitseisen te stellen, brongebruik te begrenzen en onderhoud van informatie af te dwingen.
Maar met alleen informatie-intelligentie ben je er niet. Er is een toetssteen nodig: een normenkader. Want er zijn allerlei soorten organisaties, en ook één organisatie is intern niet homogeen. Verschillende afdelingen, functies en zelfs afzonderlijke activiteiten binnen een functie vergen verschillende inkleuringen van die intelligentie. Dat normenkader is werkintelligentie.
Werkintelligentie
Artikel 25 introduceerde dit begrip kort. Werkintelligentie is het vermogen van een organisatie om algemene kaders zoals wetgeving en informatie-intelligentie te vertalen naar wat het werk daadwerkelijk nodig heeft. Waar informatie-intelligentie gaat over de kwaliteit van het informatiekundige fundament, gaat werkintelligentie over de feitelijke toepasbaarheid en toegevoegde waarde. De bestaansreden van elke organisatie, afdeling, functie en zelfs handeling is dat die goed werk oplevert. En goed werk vereist een bepaalde intelligentie.
Werkintelligentie bepaalt of professionals in staat zijn om in hun eigen werksituatie goede afwegingen te maken, verantwoord af te wijken van standaarden wanneer dat nodig is en hun keuzes achteraf te reconstrueren en uit te leggen. Werkintelligentie bestaat dan ook uit vier samenhangende vermogens (afbeelding 4).
Oordeel. Wat is juist en verantwoord? Dit is wat een professional zelf moet kunnen bepalen. Informatie wordt in context geplaatst. Onzekerheden, alternatieven en gevolgen worden meegewogen.
Beweegruimte. Professionals krijgen ruimte en vertrouwen om hun oordeel te gebruiken. Kaders sluiten aan bij het soort werk en de risico’s. Vakmanschap kan gemotiveerd afwijken wanneer de situatie daarom vraagt.
Geheugen. Wat is gedacht, geleerd en besloten blijft behouden. Kennis en ervaring worden gedeeld en opnieuw bruikbaar gemaakt. Relevante context en afwegingen zijn verbonden aan de uitkomst.
Rekenschap. Besluiten en resultaten zijn reconstrueerbaar. Bronnen, afwegingen en verantwoordelijkheden blijven zichtbaar. De organisatie kan uitleggen en aantonen hoe zij heeft gehandeld.
Onlosmakelijk met elkaar verbonden
Werkintelligentie is daarmee meer dan een verzameling competenties van individuele medewerkers, het is een eigenschap van het werk en de inrichting van de organisatie. De aanwezige mate van die eigenschap bepaalt of professionals daadwerkelijk kunnen handelen zoals hun vak vraagt. Daarmee zijn informatie-intelligentie en werkintelligentie onlosmakelijk met elkaar verbonden. De kwaliteit van informatie, het informatiegedrag van mensen en de wijze waarop AI informatie verwerkt bepalen samen de informatie-intelligentie van de organisatie. Die informatie-intelligentie moet vervolgens werkintelligentie mogelijk maken: professionals kunnen beter oordelen, krijgen passende beweegruimte, bouwen gezamenlijk geheugen op en kunnen rekenschap afleggen over hun handelen.
En zo verschuift de discussie over AI. De centrale vraag is niet langer welke AI-tool het beste is, maar of de organisatie voldoende informatie-intelligentie bezit om AI verantwoord in te zetten én of die informatie-intelligentie daadwerkelijk zichtbaar wordt in het werk.
AI-spanning in de organisatie
Omgekeerd heeft AI ook invloed op de informatie-intelligentie en de werkintelligentie. Deels door de technologie zelf en deels door de wijze van inzet ervan.
AI vergroot het potentieel van professionals, afdelingen en organisaties op alle vier de genoemde werkintelligentievermogens en de drie informatie-intelligentiedimensies, maar evenzeer vergroot het de risico’s en verandert het het speelveld en de spelregels. De aard en mate zijn sterk afhankelijk van hoe de organisatie ermee omgaat. De matrix in afbeelding 5 kruist die vier vermogens en drie intelligenties en stelt wat bijbehorende vragen. Hieronder licht ik per vermogen de scherpste spanning eruit.
- Bij oordeel zit de spanning vooral in de overtuigingskracht. AI formuleert vloeiend en zelfverzekerd, ook wanneer de onderliggende informatie onzeker of verouderd is. De verleiding is groot om met het antwoord mee te gaan in plaats van het te toetsen. Goed oordeel vraagt dan dat de professional ziet welke bronnen zijn gebruikt en hoe het antwoord tot stand kwam, anders beoordeelt hij vooral de vorm. Dit vergt goed inzicht in de finesses van werken met informatie.
- Bij beweegruimte knelt het zodra één generieke regel of tool voor al het werk moet gelden. Een brainstorm vraagt iets anders dan een besluit of een extern advies. Leg je overal dezelfde compliancereflex overheen, dan beperk je precies het vakmanschap dat je wilt beschermen.
- Bij geheugen zorgt AI dat kennis tegelijk toegankelijker en vluchtiger wordt. Wat iemand met AI uitdenkt, blijft vaak steken in een individuele chat. Vloeit dat niet terug naar kennisbank, dossier of werkproces, dan leert de organisatie niet mee en versnippert het geheugen verder. En dat geldt ook voor het individu: kan zij haar eigen dialogen en inzichten nog terugvinden?
- Bij rekenschap verdwijnen brongebruik, context en afwegingen makkelijk uit beeld, en juist dat maakt reconstructie achteraf zwak. AI kan verantwoording rijker maken, met traceerbare bronnen en prompts, maar tegelijk complexer. Methoden als labelling, watermerken, technische markering (zie artikel 50 van de AI-wet) introduceren nieuwe spanningen.
Pas als de informatie klopt, de professional blijft oordelen, kennis terugvloeit naar het organisatiegeheugen en afwegingen bewaard blijven, draagt AI echt positief bij.
Beheersing en gemak
Als je een stap terug doet, ontdek je een onderliggend spanningsveld dat van alle tijden is, maar vooral in onze maatschappij en generaties steeds sterker speelt: overheden en wet- en werkgevers streven naar beheersing. Het doel is doorgaans kwaliteit, veiligheid, voorspelbaarheid, verantwoording. Niet voor niets wordt de actuele opvatting over de maatschappij ook wel maakschappij genoemd: we denken soms dat alles maakbaar is. Dat leidt tot allerhande protocollen, normen, controles en verantwoordingsmechanismen. Goed bedoeld, maar ook een steeds groter wordend conflictpunt.
Diezelfde burgers, medewerkers en klanten zoeken in deze steeds veeleisender en hectischer maatschappij naar rust, speling en … gemak. Luiheid en verwenning kunnen een rol spelen, maar hoofden zitten al zo vol met information overload en alle complicaties van werk en huishouden. Mensen willen zo min mogelijk inspanning voor hetzelfde of een beter resultaat. Niet voor niets draait een groot deel van de commercie op het ontwikkelen en verkopen van tools die fricties wegnemen, van wasmachines en Google tot smartphones. Allemaal ‘normaal’, maatschappelijk (grotendeels) geaccepteerd. We leven duidelijk ook in een gemakschappij.
En dan verschijnt AI op het toneel. Voor het eerst wordt kenniswerk eenvoudiger, sneller, soms zelfs beter en vooral ook toegankelijker. Wat eerst diverse specialistische platforms (zoals voor zoeken, analyseren, programmeren) en fysieke activiteiten (zoals overleggen, overnemen, vergelijken, schrijven) vergde, kan nu geïntegreerd in één app met de allereenvoudigste interface: vraag en antwoord. Ultiem werkgemak. Reactie van de wetgever en in het kielzog vaak de werkgever: beheersing. Zoals een individu thuis een balans moet vinden tussen werk en ontspanning, moeten een organisatie en haar medewerkers een optimaal punt vinden tussen werkgemak en beheersing. De spanning die hier ontstaat is dus niet uniek voor AI, maar wel extra schurend. Want beheersing gaat ten koste van het zo begeerde werkgemak. En omgekeerd.
AI-trilemma
Maar AI voegt nog een derde factor toe: functionaliteit. Want het gaat niet alleen om gemak. AI kan ook steeds méér. Modellen krijgen toegang tot meer bronnen en context, kunnen analyseren en redeneren, werken met documenten, beeld en geluid, worden gekoppeld aan bedrijfssystemen en kunnen steeds zelfstandiger handelingen uitvoeren. Juist die groeiende functionaliteit maakt AI zo aantrekkelijk voor het werk. Maar ze maakt beheersing tegelijkertijd ingewikkelder. Hoe meer een AI mag, weet en doet, hoe lastiger het wordt om grip te houden op kwaliteit, privacy, transparantie, informatiegebruik en risico’s. Omgekeerd kan beheersing juist functionaliteit beperken: door bronnen, toegang, mogelijkheden of autonomie in te perken.
Zo ontstaat een AI-trilemma tussen gemak, functionaliteit en beheersing (afbeelding 6). We willen het alle drie, maar het maximaliseren van de ene factor kan consequenties hebben voor de andere. Het optimale punt verschilt bovendien per taak, functie en risico. Daarmee groeit de rol van de factor verantwoordelijkheid. Iemand blijft aanspreekbaar op wat er gebeurt. De gebruiker, professional, leidinggevende of organisatie kan zich niet eenvoudig verschuilen achter het feit dat ‘de AI het zei’. En zo komt werkintelligentie weer in beeld: het vermogen om binnen die spanning professioneel te blijven handelen, met voldoende oordeel, beweegruimte, geheugen en rekenschap.
Hoe spelen we hierop in?
De cirkel is rond: als AI een informatievraagstuk is, wie heeft dan welke verantwoordelijkheid? Preciezer: wat is de rol die jouw afdeling hierin zou kunnen en misschien wel moeten spelen? In voorgaande artikelen is al diep ingegaan op mogelijke rollen, dus inspiratie zat, maar eigenlijk zijn rollen altijd situatiegebonden. De vraag is niet welke rollen het bekendste of aantrekkelijkste zijn, maar welke passen. En dat kun je alleen zelf uitzoeken. Maar hoe?
Tijd voor een quickscan in drie stappen (afbeelding 7). Er rolt geen blauwdruk uit, wel een aantal duidelijke richtingen waarmee je verder kunt.
Stap 1. Peil wat er werkelijk gebeurt
Breng in kaart welke AI’s er in je organisatie spelen en hoe die werken. Meestal zijn er drie soorten, en het is belangrijk die uit elkaar te houden:
- Massale dataverwerking, waarbij AI grote hoeveelheden documenten of data leest, structureert of ontsluit. Denk aan een systeem dat handgeschreven archiefstukken automatisch omzet in doorzoekbare gegevens.
- Afdelingsspecifieke toepassingen, waarbij AI in een proces of systeem is ingebouwd. Denk aan Copilot op SharePoint, een chatbot op de eigen kennisbank of een RAG-toepassing.
- Generiek gebruik van generatieve AI, waarbij medewerkers ChatGPT, Copilot, Claude of Gemini dagelijks inzetten om te zoeken, samen te vatten, te schrijven of te sparren.
Voor deze peiling zou ik er één kiezen, de soort die in jóuw organisatie het meest speelt, en ga daar de diepte in.
Hanteer de drie onderdelen van informatie-intelligentie. Enkele handvatten:
Informatieverwerking: hoe werkt het systeem eigenlijk? Essentieel als start.
- Wat kan en wat mag het systeem wel en niet?
- Is het systeem (mede) gebaseerd op interne data en documenten?
- Worden bronnen afgeschermd, zowel interne als externe, via welke criteria?
- Weet een gebruiker welke bronselectie plaatsvindt tijdens een dialoog?
- Wat gebeurt er met de uitkomst? Wordt die opgeslagen, hergebruikt of teruggevoerd in de kennisbank?
Informatiegedrag: hoe gaan mensen er werkelijk mee om? Ga in gesprek:
- Hoe doen ze research met AI, en hoe snel nemen ze genoegen met een antwoord?
- Zetten ze het breed in of vooral voor een paar specifieke werksoorten?
- Gebruiken ze het om te sparren of vooral als vraagbaak?
- Nemen ze formuleringen van AI over in hun eigen documenten?
- Hoe breed en intensief zijn ze erin getraind? En welke AI gebruiken ze eigenlijk?
Informatiekwaliteit: op welke informatie draait de AI?
- Hebben documenten een duidelijke status, of staan concept en vastgesteld door elkaar?
- Is de informatie actueel, en zie je dat aan de bron?
- Hoe weet je waar iets vandaan komt en of het (nog) geldt?
Het is een peiling, geen brede nulmeting, dus pluk vooral laaghangend fruit. Ga in gesprek met een paar uiteenlopende functies die er echt toe doen en werk die uit. Laat die collega’s zelf vertellen met welke AI ze werken en waar die tegen grenzen aanloopt. Dan gaat het ook voor je leven. En: onderzoek ook even wat het AI-beleid van de organisatie is. Leg daarna je bevindingen naast de matrix (afbeelding 5) en kijk waar de spanning het grootst is.
Stap 2. Bepaal wat het voor jullie betekent
Nu pas komt je eigen positie in beeld. Denk aan dit soort vragen:
- Waar wordt jullie expertise gemist? Sterker nog: waar wordt zij wél ingezet? En als ze niet is ingezet, wordt dat gat dan op een andere manier gedicht?
- Wat zou je toegevoegde waarde zijn? Kijk naar het formele mandaat maar ook verder. Dat mandaat kan een hefboom zijn om aan tafel te komen, maar ook een rem als het krap geïnterpreteerd wordt.
- Welke rolontwikkeling past hierbij? Laat je inspireren door de rollen uit artikel 20. Wijst je peiling bijvoorbeeld op versnippering van kennis, dan ligt een rol als hoeder van de informatiestromen voor de hand. Zie je dat besluiten achteraf niet meer te reconstrueren zijn, dan gaat het richting bewaker van verantwoording. En vergis je niet: waarschijnlijk kom je uit op meerdere rollen.
- Is er überhaupt duidelijkheid over wie in jullie organisatie informatiehouder is, wie kwaliteitseisen stelt en wie mandaat heeft om voorwaarden aan AI-gebruik te verbinden?
Stap 3. Kies waar je begint
Uit de peiling komt een handvol richtingen. Gebruik die voor nader (zelf)onderzoek. Deels kun je zelf stappen bepalen om eerste keuzes te concretiseren, maar je zult ook anderen mee moeten krijgen. ICT ziet een technisch project, het bestuur ziet een strategisch thema, andere informatieafdelingen hebben elk hun eigen pet. Vertaal je bevindingen naar hun taal en laat zien dat je aanvult in plaats van afremt. Dat je de partij bent die voorkomt dat een dure AI-investering op drijfzand wordt gebouwd.
En wees eerlijk over de grens van je eigen bereik. De scherpste spanningen lopen dwars door de organisatie, langs ICT, HR, privacy en bestuur. Daar helpt geen enkele afdeling in haar eentje. Zoals ik in artikel 25 beschreef, vraagt dat om regie die niemand vanzelf op zich neemt. Jouw richtingen maken zichtbaar wat je zelf kunt doen, maar ook waar je anderen nodig hebt. Want wie heeft het mandaat om eisen te stellen aan die zo essentiële informatie? Wie is houder, wie bepaalt kwaliteit, wie accepteert risico’s, wie borgt lifecycle, metadata en verantwoording? Dat informatiemandaat wordt onmisbaar en iemand moet het op de agenda zetten.
Geen een-tweetje
Dit is werk dat je er niet even bij doet. Je moet AI zelf onder de knie krijgen, je eigen situatie eerlijk peilen en de taal vinden om anderen mee te krijgen. Maar op wie anders dan jij kan jouw organisatie bouwen als het gaat om informatiekundige zaken als betrouwbaarheid, herkomst, context en verantwoording?
Behoefte aan verdieping?
In het kader van het 30-jarig bestaan van Informatieprofessional (IP) organiseren het Papieren Tijger Netwerk en IP samen de middagsessie ‘AI herschrijft het informatie-DNA – de informatieprofessie aan zet’. Op 29 september bij Stadsarchief Rotterdam. Tijd voor nieuwe spelregels voor informatiekwaliteit, organisatiegeheugen en verantwoording! Check vooral ook het mooie rijtje sprekers van onder meer Belastingdienst, Rijk, TNO/GPT-NL en AkzoNobel (meer op papierentijger.net/heterdaadsessies).
Korting voor abonnees
Ben je geen lid van het netwerk maar wel abonnee van IP, vermeld dan bij aanmelding de code IP30 voor 10 procent korting!
De vorige 25 afleveringen in deze serie lezen? Je vindt ze in het archief op informatieprofessional.nl (trefwoord ‘AI informatiedomein’).
Simon Been is trainer en klankbord voor AI in het informatiedomein en directeur van het Papieren Tijger Netwerk.
Deze bijdrage komt uit de papieren IP #6-2026. Het hele nummer kun je hieronder lezen of downloaden.