AI systems should benefit all human beings, including future generations. It must hence be ensured that they are sustainable and environmentally friendly. [...] their social and societal effects should be carefully evaluated.
— EU High-Level Expert Group on AI, Ethics Guidelines for Trustworthy AI (2019)

Well-being

GR_06

AI die bijdraagt aan welzijn van mensen, samenleving en milieu.

EU-term: Societal and environmental well-being

Wat is het

Wat is Well-being?

Wat is Well-being?

TenneT meldde in mei 2025 dat datacenters al circa 30% van het Nederlandse elektriciteitsverbruik vragen en bij ongewijzigd beleid in 2050 op 70% van het huidige totaal uitkomen. In de Wieringermeer kocht Microsoft in september 2025 vijftig hectare bij voor uitbreiding, uitgezonderd van het nationale moratorium (de Nederlandse bouwstop voor nieuwe hyperscale-datacenters, ingesteld door het kabinet en periodiek verlengd) dankzij toegang tot offshore windenergie. En de twee grootste AI-aanbieders rapporteerden over hetzelfde jaar dat hun eigen operaties juist schoner waren geworden, terwijl de totale uitstoot stilletjes met een kwart tot de helft was gegroeid sinds zij grootschalig AI bouwden. De vraag wie de rekening uiteindelijk betaalt, hoort niet als verrassing aan het einde van een AI-ambitie. Hij hoort vooraan, in de bestuurskamer.

Well-being betekent dat duidelijk is of een AI-systeem daadwerkelijk bijdraagt aan een gezonde samenleving, een leefbaar milieu en een functionerende democratie. Het is geen enkele eigenschap maar een verzameling: helpt het systeem mensen zonder hen hun vakmanschap te ontnemen, blijft de compute-voetafdruk (de elektriciteit en rekenkracht die het AI-systeem gebruikt om antwoorden te leveren) in verhouding tot de geleverde waarde, raakt de inzet mensen die zich niet kunnen verweren, en houdt de organisatie de oorspronkelijke doelstelling vast als de toepassingsmogelijkheden zich uitbreiden?

In de EU Trustworthy AI-traditie staat Societal and environmental well-being als zesde pijler. De HLEG-richtlijnen van 2019 leverden de definitie. ALTAI (2020) splitste die op in drie sub-domeinen: milieu, werk en samenleving. De EU AI Act (2024-2026) maakte de wettelijke verankering via verboden praktijken (Art. 5), werknemersinformatieplicht (Art. 26 lid 7), FRIA (Art. 27) en transparantie van synthetische content (Art. 50).

Vier andere kaders verankeren milieu en samenleving in concrete verplichtingen:

  • CSRD/ESRS: de Europese verplichting tot gestandaardiseerde duurzaamheidsrapportage voor grote ondernemingen (via de European Sustainability Reporting Standards), voor klimaatdata.
  • European Accessibility Act: toegankelijkheid van consumentengerichte digitale diensten zoals chatbots en virtuele assistenten.
  • Energy Efficiency Directive: de EU-richtlijn die datacenters van meer dan 500 kW jaarlijks verplicht hun energie- en watergebruik openbaar te maken.
  • Digital Services Act: het beoordelen en beperken van systeemrisico’s bij zeer grote online platforms, zoals desinformatie rond verkiezingen.

Het Digital Omnibus-akkoord van 7 mei 2026 verschoof de handhavings-deadline voor Bijlage III hoogrisico-systemen naar 2 december 2027, maar de Art. 50-deadline werd juist vervroegd naar 2 december 2026 en de FRIA-deadline bleef ongewijzigd op 2 augustus 2026.

Organisaties die hier scherp op sturen verschillen van organisaties die het niet doen op één punt: bij hen kan een natuurlijk persoon in de directie binnen een uur uitleggen welke maatschappelijke vraag dit AI-systeem beantwoordt, wat het aan elektriciteit en water kost om hem die vraag te laten beantwoorden, en welke groepen vooral nadeel ondervinden als hij het verkeerd doet.

De drie sub-domeinen: milieu, werk en samenleving

ALTAI deelt Societal and environmental well-being op in drie sub-domeinen die in 2026 nog steeds de leidraad vormen voor evaluatie en audit. Elk domein heeft eigen meetpunten en eigen tegenmaatregelen.

1. Milieu (ALTAI 6.1). De ecologische voetafdruk van AI-systemen over hun gehele levensduur: van grondstofwinning voor chips tot de dagelijkse stroomvraag in datacenters. De gouden meetstandaarden in 2026 zijn:

  • gram CO2-equivalent per modelaanroep;
  • kWh per training of inference;
  • PUE (Power Usage Effectiveness: de ratio van het totale energieverbruik van een datacenter gedeeld door het verbruik van de IT-apparatuur zelf, ideaal 1,0);
  • WUE (Water Usage Effectiveness: de liters water die per kWh IT-compute worden verbruikt voor koeling).

Het meest omvangrijke onderzoek tot nu toe, “How Hungry is AI?” van Jegham et al. (mei 2025, arXiv 2505.09598), benchmarkte dertig taalmodellen in commerciële datacenters en vond een spreiding van ongeveer een factor 70 tussen het meest efficiënte model en zware redeneer-modellen als o3 en DeepSeek-R1, die per lange prompt boven de 33 Wh uitkomen. Een korte query aan GPT-4o kost ongeveer 0,42 Wh, vergelijkbaar met een ledlamp van 10 watt die je tweeënhalve minuut laat branden; bij honderden miljoenen queries per dag groeit dat tot een elektriciteitsverbruik dat vergelijkbaar is met dat van tienduizenden Amerikaanse huishoudens, met een watervoetafdruk die de jaarlijkse drinkwaterbehoefte van meer dan een miljoen mensen evenaart.

Het small model first-principe (kies het kleinste model dat de taak adequaat uitvoert; rechtvaardig elke opschaling met onderbouwing) is in 2026 empirisch onderbouwd. Phi-3 3.8B haalt vergelijkbare kwaliteit op samenvattings-, extractie- en classificatietaken tegen 10 tot 100 maal lagere energiekosten dan een GPT-4-klasse model. Kwantisatie en gerichte batch-instellingen leveren nog eens 20 tot 40% reductie. De Energy Efficiency Directive recast (Richtlijn 2023/1791) verplicht sinds 15 mei 2024 datacenters van meer dan 500 kW jaarlijks te rapporteren over energieverbruik, PUE, WUE en hernieuwbare bronnen aan een Europese database.

2. Werk en skills (ALTAI 6.2). De impact van AI op werkgelegenheid, taakinhoud, autonomie en de machtsverhouding tussen werkgever en werknemer. Het centrale risico in 2026 is deskilling: het verlies van professionele oordeelsvorming wanneer AI routinematig adviseert en de mens stopt met oefenen. Acemoglu en Kong (MIT, februari 2026) leverden hiervoor de theoretische onderbouwing: langdurige AI-afhankelijkheid erodeert systematisch menselijk cognitief vermogen. Het empirisch werk laat zich nuanceren: Goldman Sachs schatte in maart 2023 dat generatieve AI wereldwijd 300 miljoen voltijdsbanen zou kunnen automatiseren, maar de International Labour Organization (ILO) liet in 2023-2024 zien dat taken veel vaker veranderen dan banen verdwijnen. MIT FutureTech (januari 2024) toonde aan dat veel theoretisch automatiseerbare taken economisch onrendabel zijn voor AI-substitutie vanwege de compute-kosten. De OECD (Skills Outlook 2025, december 2025) bevestigde de upskilling-paradox: de trainingsinspanning landt vooral bij hogeropgeleiden, terwijl de druk op baanzekerheid juist neerslaat bij administratieve middenfuncties.

In NL is de Sociaal-Economische Raad (SER), het adviesorgaan van werkgevers, vakbonden en onafhankelijke kroonleden voor regering en parlement, hierover helder. Het advies AI en Werk (mei 2025) stelt dat Nederland niet klaar is voor de veranderingen op de werkvloer en formuleert vier aanbevelingen: mens centraal, overheidssturing op verdeling, leven lang leren en investering in innovatie. De Wet op de Ondernemingsraden (WOR) Art. 25 (adviesrecht bij ICT-systemen met personeelsgevolgen) en Art. 27 (instemmingsrecht persoonsgegevensverwerking) zijn van toepassing op AI-systemen; EU AI Act Art. 26 lid 7 voegt een expliciete werknemersinformatieplicht toe. De EU Platform Work Directive (Richtlijn 2024/2831, omzettingsdeadline 2 december 2026) verbiedt accountopschorting of ontslag zonder menselijke check en eist transparantie over algoritmische sturing. Hoewel de richtlijn formeel platformwerkers beschermt (mensen die via een app werken, zoals maaltijdbezorgers en taxichauffeurs), werken de principes door naar reguliere werkgevers die AI inzetten voor personeelsaansturing.

3. Samenleving en democratie (ALTAI 6.3). De impact van AI op democratische processen, machtsconcentratie en het publieke debat. Twee centrale risico’s: synthetische content die verkiezingen kan beïnvloeden, en function creep: een AI-systeem dat begint als hulptool en stilletjes beslisser wordt, of een systeem dat zonder governance-besluit op nieuwe doelen wordt toegepast. ALTAI 6.3 waarschuwt expliciet voor het creëren van afhankelijkheid van AI-systemen en de uniformisering van processen waardoor menselijke oordeelsvorming verdwijnt. De Roemeense presidentsverkiezingen van november 2024 leverden de scherpste recente EU-case: kandidaat Călin Georgescu won verrassend de eerste ronde na massale algoritmische amplificatie (het systematisch versterken van bepaalde content door het aanbevelings-algoritme van een platform) op TikTok, het constitutioneel hof annuleerde de uitslag op 6 december 2024, en in mei 2025 vond de herhalingsverkiezing plaats onder verscherpt toezicht. EU AI Act Art. 50 verplicht aanbieders van generatieve AI synthetische content machine-leesbaar te markeren als kunstmatig (deadline vervroegd naar 2 december 2026). De Digital Services Act dwingt zeer grote online platforms (Meta, TikTok, X: platforms met meer dan 45 miljoen actieve EU-gebruikers per maand) om systeemrisico’s (maatschappij-brede risico’s die het ontwerp en de aanbevelings-algoritmes van een platform veroorzaken, zoals desinformatie, verkiezingsbeïnvloeding en schade aan minderjarigen) rond verkiezingen actief te beoordelen en te beperken.

Wat de wet eist (en wat niet)

In 2026 is well-being voor hoogrisico-AI geen vrijwillige kwaliteitseis meer. Vijf wettelijke sporen vormen samen het kader, plus één Nederlandse laag.

Spoor 1, EU AI Act: vier artikelen zijn voor well-being maatgevend.

  • Art. 5 (verboden praktijken) sinds 2 februari 2025: subliminale manipulatie (mensen via prikkels die ze niet bewust opmerken in een richting duwen), exploitatie van kwetsbaarheden, social scoring door overheden (burgers een algemene gedragsscore toekennen die hun toegang tot diensten bepaalt, zoals in het Chinese systeem), real-time biometrische identificatie in de publieke ruimte. Het Digital Omnibus-akkoord voegt per 2 december 2026 een verbod toe op het zonder toestemming genereren van intieme beelden (niet-consensuele deepnudes).
  • Art. 26 lid 7 (werknemersinformatieplicht): de deployer (de gebruikende organisatie) moet werknemers of hun vertegenwoordigers informeren vóór inzet van een hoogrisico-AI-systeem dat op hen betrekking heeft. Bijlage III punt 4 maakt werving, selectie, taakverdeling en prestatiebeoordeling hoogrisico.
  • Art. 27 (FRIA): verplicht voor overheidsorganen en bepaalde private partijen. Deadline 2 augustus 2026, ongewijzigd door het Digital Omnibus-akkoord.
  • Art. 50 (synthetische content): aanbieders van generatieve AI moeten outputs machine-leesbaar markeren; wie een deepfake inzet moet dat expliciet bekendmaken (disclosure: de kijker zichtbaar laten weten dat beeld, audio of video door AI is gemaakt). Deadline vervroegd naar 2 december 2026 voor providers die vóór 2 augustus 2026 al op de markt waren. Sancties tot € 15 miljoen of 3% mondiale omzet.

Spoor 2, CSRD/ESRS na Omnibus I. De Corporate Sustainability Reporting Directive (Richtlijn 2022/2464) verplicht ondernemingen tot rapportage over duurzaamheid via de European Sustainability Reporting Standards. ESRS E1 (klimaat) dekt scope 3 cloud-emissies (de indirecte uitstoot die ontstaat in de toeleveringsketen, waaronder datacenter-energie van cloud-providers) waaronder AI-compute valt; ESRS S1 (eigen personeel) raakt de impact van AI op werknemers. Sinds het Omnibus I-pakket (26 februari 2025) geldt deze rapportageplicht alleen nog voor de grootste ondernemingen, met meer dan 1.000 werknemers én meer dan € 450 miljoen omzet; daardoor viel ongeveer 85% van het oorspronkelijke aantal bedrijven buiten de verplichting. Voor MKB blijft well-being-rapportage daarmee vooral een vrijwillig of contractueel ingegeven dossier.

Spoor 3, European Accessibility Act (EAA). Sinds 28 juni 2025 zijn consumentengerichte digitale diensten zoals AI-chatbots, virtuele assistenten, banking en e-commerce verplicht toegankelijk voor mensen met een beperking. Technische invulling: WCAG 2.2 op AA-niveau. WCAG (Web Content Accessibility Guidelines, W3C, oktober 2023) is de internationale standaard voor toegankelijke digitale diensten; het AA-niveau is de middelste van drie oplopende conformiteitstrappen (A, AA, AAA) en geldt wettelijk als de norm.

Vier nieuwe AA-criteria raken AI-interfaces direct:

  • Accessible Authentication: geen cognitieve tests bij het inloggen zonder alternatief.
  • Consistent Help: hulp altijd op dezelfde plek vindbaar.
  • Redundant Entry: niet opnieuw vragen om gegevens die het systeem al heeft.
  • Target Size: klikdoelen minimaal 24 bij 24 pixels.

Niet-deterministische AI-interfaces (een chatbot die elke keer een net iets ander antwoord geeft) vormen een unieke uitdaging voor mensen met autisme, cognitieve beperking of dyslexie. In NL handhaaft de Autoriteit Consument en Markt; audits zijn gepland voor 2026.

Spoor 4, Energy Efficiency Directive (EED) Art. 12. Datacenters van meer dan 500 kW rapporteren sinds 15 mei 2024 jaarlijks aan een EU-database: PUE, WUE, energiehergebruik (ERF), aandeel hernieuwbare energie en absoluut energieverbruik. Eerste rapportage betrof het jaar 2023. Voor afnemers betekent dit dat zij hun cloud-providers kunnen vragen welke PUE en WUE zij rapporteren; voor Nederland is een aandachtspunt dat Data Center Dynamics in 2026 meldde dat Microsoft en Google de vereiste data niet volledig publiceren ondanks de verplichting.

Spoor 5, Digital Services Act + Platform Work Directive. De DSA (Verordening 2022/2065) dwingt zeer grote online platforms (Meta, TikTok, X: platforms met meer dan 45 miljoen actieve EU-gebruikers per maand) om systeemrisico’s (maatschappij-brede risico’s zoals desinformatie en verkiezingsbeïnvloeding) te beoordelen en te beperken, inclusief verkiezingsrisico’s en AI-desinformatie (Art. 34-35). Sancties tot 6% mondiale jaaromzet. De EU Platform Work Directive (Richtlijn 2024/2831, omzettingsdeadline 2 december 2026) reguleert algoritmische sturing van platformwerkers: recht op uitleg, verbod op accountopschorting zonder menselijke check, verbod op verwerking van bijzondere persoonsgegevens. Uitstraling naar reguliere werkgevers is in 2026 zichtbaar in AI-gestuurde personeelsplanning (software die automatisch diensten en werktijden inroostert) en prestatiebeoordeling.

De Nederlandse laag: drie kaders verankeren de EU-eisen in NL-bestuur:

  • Algoritmekader Rijk (versie 2.0, januari 2025): verplicht overheidsorganisaties met risico-indicerende of besluitvormende algoritmen om het IAMA te doorlopen.
  • IAMA (Impact Assessment Mensenrechten en Algoritmes): het werkende NL-instrument voor de FRIA-verplichting; in februari 2026 bijgewerkt, uitgelijnd op EU AI Act Art. 27 en structureel vereenvoudigd.
  • Werkagenda Waardengedreven Digitaliseren (Ministerie van Binnenlandse Zaken en Koninkrijksrelaties, BZK; geüpdatet 2024): stuurt op digitale inclusie en bestrijding van desinformatie.

Voor handhaving zijn drie toezichthouders in beeld: de Autoriteit Persoonsgegevens als coördinerend AI Act-toezichthouder, de Autoriteit Consument en Markt voor EAA en consument-AI, en sectorale instanties zoals de Inspectie Gezondheidszorg en Jeugd (IGJ) en de Inspectie van het Onderwijs.

Het komt neer op zes praktische dingen:

  1. Weet per AI-systeem welke maatschappelijke vraag het beantwoordt en welke ALTAI-sub-domeinen het raakt (milieu, werk, samenleving). Geen vaagheid; uitgewerkt in Acht valkuilen, punt 8.
  2. Meet de compute-voetafdruk per modelaanroep én per maand totaal. Tokens kennen zonder watt kennen is compute-blindheid (Acht valkuilen, punt 6).
  3. Voer een FRIA uit en herzie hem bij wezenlijke wijzigingen. De FRIA hoort bij Client Blueprint (BB_02: ontwerp vertrekt vanuit de waarde-stroom van de klant): per processtap is helder welke beslissing welke groepen raakt en wie eigenaar is.
  4. Informeer werknemers vóór ingebruikname en betrek de ondernemingsraad. Geen retroactieve adviesaanvraag; geen instemming achteraf.
  5. Toets klantgerichte interfaces op WCAG 2.2 AA én B1-leesniveau. Geautomatiseerde scans vangen 40 tot 50% van de toegankelijkheidsproblemen op; handmatige schermlezer-tests blijven nodig.
  6. Markeer synthetische content conform Art. 50 (deadline 2 december 2026) en voer een pre-electorale risicoscan uit voor systemen die op verkiezingen of stemgedrag kunnen ingrijpen.

Acht valkuilen en hoe je ze ontwijkt

Well-being-programma’s falen op herkenbare manieren. Onder elke valkuil staat de tegenmaatregel.

1. Function creep zonder governance: een AI-systeem dat als hulptool begint en geleidelijk beslisser wordt, of dat zonder governance-besluit op nieuwe doelen wordt toegepast. SyRI (Rechtbank Den Haag, 5 februari 2020, ECLI:NL:RBDHA:2020:865) begon als gerichte fraudedetectie en verwerkte gaandeweg data van complete woonwijken; het werd onrechtmatig verklaard onder Art. 8 EVRM (Europees Verdrag voor de Rechten van de Mens, het recht op privé- en gezinsleven). De Toeslagenaffaire combineerde KOI (risico-classificatie) en FSV (zwarte lijst) tot een discriminerend profileringssysteem; elk instrument afzonderlijk leek proportioneel. Tegenmaatregel: kwartaalcadans op doel-bevestiging en scope-check, gekoppeld aan een directiebesluit per wezenlijke wijziging. Een AI-systeem dat van scope verandert is een nieuw AI-systeem, niet een evolutie van het oude.

2. Greenwashing van AI: jezelf groener voordoen dan je bent door relatieve efficiëntiewinst te etaleren terwijl de absolute uitstoot stijgt. Microsoft rapporteerde in mei 2025 dat de eigen operaties (scope 1+2: directe uitstoot van eigen kantoren en gebouwen, plus de elektriciteit die de organisatie zelf inkoopt) met 29,9% waren gedaald sinds 2020, en tegelijkertijd dat scope 3 (de indirecte uitstoot in de toeleveringsketen, waaronder hardware-bouw en cloud-energie) met 26% was gestegen, waardoor de totale uitstoot 23,4% hoger uitkwam dan in 2020. Scope 3 vormt 97% van Microsoft’s footprint. Google rapporteerde in 2025 een stijging van 51% sinds 2019, met 11,5 miljoen ton CO2-equivalent in 2024. Tegenmaatregel: absolute getallen rapporteren naast relatieve, en de scope-verdeling expliciet maken; geen “AI for Good”-claims op basis van eigen-operaties-verbetering wanneer de keten zelf groeit.

3. Inclusie als bijzaak achteraf: toegankelijkheid pas regelen nadat het systeem al draait. Een AI-chatbot lanceren en pas daarna ontdekken dat schermlezers (software die schermtekst hardop voorleest voor blinden en slechtzienden) er niet mee overweg kunnen, of dat foutmeldingen vol jargon staan. De European Accessibility Act maakt dit sinds 28 juni 2025 wettelijk afdwingbaar. Tegenmaatregel: WCAG 2.2 AA-checks in de geautomatiseerde bouw- en uitrolketen (CI/CD: software continu bouwen, testen en uitleveren), B1-leesniveau-toets op AI-output en handmatige schermlezer-tests vóór livegang; niet als sluitstuk.

4. AI-substitutie zonder transitie: kostenbesparing eerst, herinrichting van werk later. Klarna verving in februari 2024 ongeveer 700 voltijdsbanen door een GPT-4-klasse AI-customer-service en haalde naar eigen zeggen $ 40 miljoen kostenbesparing per jaar. In mei 2025 kondigde CEO Siemiatkowski herstart van menselijke wervingen aan: AI miste empathie en faalde op complexe, emotioneel geladen interacties; klanttevredenheid daalde. In 2026 draait het hybride model. Tegenmaatregel: investeer in herinrichting van werk vóór de eerste reductie van personeel; behandel AI-substitutie als organisatie-ontwerp, niet als kostenpost.

5. Verkiezingsblindheid: geen pre-electorale risicoscan voor AI-systemen die op publieke opinie kunnen ingrijpen. Roemenië 2024 toonde dat algoritmische amplificatie (het aanbevelings-algoritme van een platform dat bepaalde content systematisch vaker laat zien) op één platform een verkiezing kan doen kantelen; Slowakije 2023 toonde dat een deepfake-audio tijdens de wettelijke verkiezings-stilte (de periode waarin media en kandidaten in NL en EU-landen wettelijk geen verkiezingsuitspraken meer mogen doen) niet weersproken kon worden voor de stembus opende. Tegenmaatregel: pre-electorale scan op AI-content-risico’s, niet alleen op stembus-dag maar inclusief de mediastilte-periode; samenwerking met EDMO (de European Digital Media Observatory, een EU-monitoringnetwerk voor desinformatie) en nationale fact-checkers.

6. Compute-blindheid: wel tokens kennen, geen watt. Veel organisaties weten exact wat een LLM-aanroep kost in dollarcent maar hebben geen idee van de CO2-voetafdruk per aanroep. Tegenmaatregel: open-source tools als CodeCarbon (Python-package) of EcoLogits (API-specifiek voor LLM-aanroepen) inbouwen in de productie-stack; PUE en WUE opvragen bij de cloud-provider. Stochastic Parrots (Bender et al., maart 2021) en het eerdere Energy and Policy Considerations for Deep Learning in NLP (Strubell et al., juni 2019) zetten dit onderwerp op de academische agenda; in 2026 is meten haalbaar.

7. Deskilling door blind vertrouwen: medewerkers leren dat hun professionele oordeel minder waard is dan het algoritme. Bij OxRec (zie Drie sectoren) kregen reclasseringswerkers expliciet te horen dat hun eigen oordeel “net zo betrouwbaar als het opgooien van een muntje” was; menselijk toezicht (HITL) werd zo systematisch ondermijnd. Acemoglu en Kong (MIT, februari 2026) leverden de theoretische onderbouwing: langdurige AI-afhankelijkheid erodeert systematisch menselijk cognitief vermogen. Tegenmaatregel: behandel AI als hulpmiddel, niet als orakel; bouw bewuste oefen-momenten zonder AI in voor kritieke beslisrollen; meet de mate van afwijking van AI-advies door menselijke beoordelaars.

8. Symboolwetgeving en papieren ethiek: prachtige well-being-uitspraken in de corporate AI-visie, maar geen meetbare doelen of eigenaarschap in de product-backlog. WCAG-scores, B1-leesniveau, gram CO2 per inference, FRIA-publicatie: zonder concrete getallen in de release-criteria is well-being decoratief. Tegenmaatregel: vertaal elk well-being-principe naar minimaal één meetbare KPI met een eigenaar en een drempelwaarde; zonder die vertaling hoort het principe niet op de pagina.

In de praktijk: drie sectoren, drie gezichten

Hoe ziet well-being eruit wanneer de wet aan de praktijk wordt afgemeten? Drie cases uit 2024 tot 2026, één per ALTAI-sub-domein.

Milieu: de hyperscaler-paradox en NL-netcongestie. Microsoft en Google rapporteerden over hetzelfde jaar tegengestelde ontwikkelingen. Microsoft’s 2025 Environmental Sustainability Report (mei 2025) meldde een daling van 29,9% in de directe uitstoot (scope 1 en 2: eigen gebouwen en ingekochte elektriciteit) sinds 2020, maar een stijging van 26% in de indirecte uitstoot (scope 3, de keten van leveranciers en hardware-bouw). Omdat scope 3 in 2026 ongeveer 97% van Microsoft’s totale footprint vormt, kwam de totale uitstoot 23,4% hoger uit dan in de 2020-baseline; het energieverbruik steeg in dezelfde periode met 168%, tegen 71% omzetgroei. Google’s 2025 Environmental Report (juli 2025) rapporteerde een stijging van 51% sinds 2019, met 11,5 miljoen ton CO2-equivalent in 2024. In NL voelt deze hyperscaler-groei tastbaar: TenneT meldde in mei 2025 dat datacenters circa 30% van het Nederlandse elektriciteitsverbruik vragen en bij ongewijzigd beleid in 2050 op 70% van het huidige totaal uitkomen. Microsoft kocht in september 2025 vijftig hectare bij in de Wieringermeer voor uitbreiding van zijn datacenter, uitgezonderd van het nationale datacenter-moratorium dankzij toegang tot offshore windenergie. De EU heeft hier een spanning gecreëerd: het AI Continent Action Plan (april 2025) streeft naar verdrievoudiging van de EU-datacenter-capaciteit, terwijl de Commissie tegelijk een energiepakket voorbereidt met een EU-breed duurzaamheidslabel dat datacenters een score geeft op hun energie- en watergebruik (vaststelling gepland voor 2026). De les: relatieve efficiëntiewinst van één speler in eigen huis is irrelevant als de keten zelf exponentieel groeit, en Nederland voelt het op het stroomnet, waar vraag en aanbod van elektriciteit steeds moeilijker in balans te houden zijn (netcongestie).

Werk: OxRec bij Reclassering Nederland. De Inspectie Justitie en Veiligheid publiceerde op 12 februari 2026 een onderzoek naar het OxRec-instrument (Oxford Risk of Recidivism Tool), dat sinds 2018 door drie reclasseringsorganisaties werd gebruikt voor circa 44.000 recidive-risico-inschattingen per jaar. Drie bevindingen samen vormen het meest gedocumenteerde NL-deskilling-incident:

  1. De berekeningsformules voor gedetineerden en niet-gedetineerden bleken bij implementatie in 2018 verwisseld. De fout bleef zeven jaar onopgemerkt. Het recidiverisico werd in ongeveer een kwart van de gevallen onderschat, met name bij drugsgebruikers en mensen met een ernstige psychiatrische stoornis.
  2. Het systeem gebruikte discriminerende variabelen zoals buurtscores en inkomensniveau zonder gedocumenteerde rechtvaardiging.
  3. Medewerkers kregen expliciet te horen dat hun professionele oordeel “net zo betrouwbaar als het opgooien van een muntje” was; menselijk toezicht als correctiemechanisme werd zo systematisch ondermijnd.

Drie reclasseringsorganisaties pauzeerden het systeem in februari 2026. De Inspectie eist een rapportage-interval van zes maanden en gestructureerd professioneel oordeel met vier-ogen-principe als terugvalpatroon. De brede les: deskilling is geen abstract risico maar een meetbare productieschade. Een AI-systeem met juridische impact moet in een gesloten controlecyclus draaien: meten, signaleren, bijstellen en weer meten. Anders groeien onopgemerkte fouten ongezien door tot ze niet meer terug te draaien zijn.

Als contrast: de Klarna-casus laat zien dat AI-substitutie zonder transitie ook commercieel faalt. Februari 2024 verving Klarna ongeveer 700 voltijdsbanen door een GPT-4-klasse customer-service-AI, met een gerapporteerde besparing van $ 40 miljoen per jaar. Mei 2025 kondigde CEO Siemiatkowski herstart van menselijke wervingen aan vanwege het onvermogen om empathie te tonen en complexe interacties af te handelen. In 2026 draait Klarna een hybride model. Substitutie faalt op kwaliteit, niet op kwantiteit; hybride werkt, maar vraagt een herinrichting die de meeste organisaties niet vooraf hebben begroot.

Samenleving en democratie: Roemenië 2024-2025. Op 24 november 2024 won kandidaat Călin Georgescu verrassend de eerste ronde van de Roemeense presidentsverkiezingen, zonder verkiezingsbudget maar met massale TikTok-aanwezigheid. Global Witness documenteerde dat TikTok pro-Georgescu content 4,6 tot 14 keer vaker toonde dan content over zijn tegenstander; een netwerk van ruim 4.000 nep-accounts uit Turkije werd geïdentificeerd. Op 6 december 2024 annuleerde het constitutioneel hof (CCR) de verkiezing, een EU-precedent. De Europese Commissie startte een formele DSA-procedure tegen TikTok vanwege vermoede schending van Art. 34-35-verplichtingen (beoordeling van systeemrisico’s rond verkiezingsintegriteit). In mei 2025 werd de herhalingsverkiezing gehouden onder verscherpt toezicht; Georgescu werd uitgesloten van deelname. In februari 2026 publiceerde de Commissie voorlopige bevindingen (preliminary findings) dat de combinatie van eindeloos doorscrollen, automatisch afspelen, meldings-pop-ups en gepersonaliseerde aanbevelingen op TikTok systeemrisico’s creëert voor het welzijn van gebruikers, met name minderjarigen. De les: één algoritme op één platform kan een nationale verkiezing doen kantelen. Pre-electorale risicoscans, samenwerking met EDMO en duidelijke watermerk-verplichtingen onder Art. 50 (deadline vervroegd naar 2 december 2026) zijn niet langer abstract beleid maar concrete operationele eisen.

Voor de Nederlandse context: het AP-rapport RAN-6 (5 maart 2026) zet de AI-Impactbarometer op rood. Vier van negen indicatoren staan op rood (tegen twee in RAN-5), met als hoofdoorzaken:

  • onvoldoende kaders en bevoegdheden voor AI-toezicht;
  • geen geharmoniseerde standaarden;
  • registratie en transparantie schieten tekort;
  • zichtbaarheid van incidenten ontbreekt.

De AP kondigt strengere handhaving aan op de registratie-paradox: organisaties registreren systemen wel in het algoritmeregister maar kwalificeren ze niet als AI-systeem onder de AI Act om hoogrisico-verplichtingen te ontduiken.

Het well-being-dashboard en tooling voor 2026

Een werkend well-being-dossier kent twee lagen. Eerst een dashboard met meetbare doelen per ALTAI-sub-domein. Daarna een toolstack die de meting daadwerkelijk levert.

Dashboard: vijf meetbare KPI’s. Voor een directie of risicocomité in 2026 zijn dit de vijf concrete referentiepunten:

DomeinKPIStreeftarget 2026Benchmark-bron
MilieuCO2 per modelaanroepOnder 0,5 gCO2eq per korte queryEcoLogits / ML.energy leaderboard / “How Hungry is AI?” (Jegham et al., mei 2025)
MilieuDatacenter-efficiëntiePUE onder 1,20; WUE onder 0,4 L/kWhEU EED-database (datacenter-rapportage Art. 12)
InclusieToegankelijkheidsscore100% conformiteit met WCAG 2.2 AAEN 301 549 / Axe DevTools
InclusieLeesbaarheid AI-outputConform B1-leesniveau (begrijpelijk voor de gemiddelde Nederlander)Klinkende Taal (BureauTaal) / LiNT
GovernanceRisicobeheersing en transparantieFRIA gepubliceerd; IAMA actueelAlgoritmekader Rijk / IAMA-handreiking

De dashboard-waarden zijn een signaal, geen oordeel. Een drempel-overschrijding triggert geen automatische actie maar een melding aan een gekwalificeerde verantwoordelijke die de normatieve weging uitvoert en schriftelijk vastlegt. Tooling levert het cijfer; de mens met bevoegdheid draagt de beslissing.

Tooling in vier lagen. Het gereedschapspakket voor well-being is in 2026 een gelaagde verzameling:

  1. Energie- en CO2-meting: open-source tools die concreet meten wat een AI-systeem verbruikt.
  2. CSRD-rapportage en sustainability-administratie: enterprise-software voor scope 1, 2 en 3 emissies, gekoppeld aan jaarverslag-cyclus.
  3. Toegankelijkheid en klare taal: scanners en handmatige tests voor WCAG 2.2 AA én B1-leesniveau.
  4. Impact-assessment en content-provenance: FRIA/IAMA-instrumenten plus watermerk-implementaties voor synthetische content.

1. Energie- en CO2-meting. CodeCarbon (open-source Python-package) meet realtime de uitstoot van lokale compute (CPU, GPU, RAM). EcoLogits is specifiek voor generatieve AI-aanroepen via de API (OpenAI, Anthropic, Gemini, Mistral). AI Energy Score (HuggingFace) levert een vergelijkend dashboard tussen modellen. ML CO2 Impact Calculator schat de training- en inferentievoetafdruk: de CO2-uitstoot van zowel het eenmalig trainen van een model als het daarna laten antwoorden (inference). Limitaties: deze tools meten primair operationele energie en rekenen embedded carbon (de uitstoot van hardware-productie) vaak niet volledig mee.

2. CSRD-rapportage en sustainability-administratie. Microsoft Sustainability Manager, Watershed, Sweep, Plan A (EU) en Salesforce Net Zero Cloud leveren enterprise-rapportage volgens ESRS. Een ironische observatie: Microsoft’s eigen +23,4% emissies sinds 2020 wordt deels door dit type tooling gerapporteerd. De tools zijn zo goed als de emissiefactoren die de cloud- en hardware-leveranciers aanleveren; gebruik EED-databasenummers voor de cloud-laag.

3. Toegankelijkheid en klare taal. Axe DevTools (Deque) en WAVE (WebAIM) scannen WCAG 2.2-conformiteit in browser of CI/CD; ze vangen 40 tot 50% van de problemen op. Lighthouse (Google, ingebouwd in Chrome DevTools) doet WCAG-checks plus performance. Handmatige schermlezer-tests met NVDA, JAWS of VoiceOver zijn voor de overige helft van de problemen onmisbaar. Voor B1-leesniveau-toetsing op AI-output: Klinkende Taal (BureauTaal) en LiNT (Leesbaarheidsinstrument voor Nederlandse Teksten, via Gebruiker Centraal). Beperking: deze tools toetsen grammatica en zinslengte, niet de feitelijke juistheid van AI-antwoorden.

4. Impact-assessment en content-provenance. Het IAMA (Impact Assessment Mensenrechten en Algoritmes) is in NL het werkende instrument voor de FRIA-verplichting onder Art. 27; februari 2026-update uitgelijnd op EU AI Act. De ALTAI online tool (HLEG/EU Commissie) levert een zelf-assessment per ALTAI-pijler. Voor synthetische content: C2PA Content Credentials (open standaard, geratificeerd als ISO/IEC 22144 in 2025) wordt actief ondersteund door Adobe Creative Cloud, Microsoft, OpenAI en Google; hardware-signing in professionele camera’s van Sony, Canon en Nikon. Google SynthID is een eigen watermerk voor Gemini-output. Kritisch probleem: Instagram, X en WhatsApp strippen C2PA-metadata bij upload, en Watermarks for LLMs are not robust (Zhang et al., 2023-2024) toonde aan dat tekst-watermarks niet bestand zijn tegen parafrasering (de tekst met andere woorden herschrijven, waardoor het verborgen watermerk verdwijnt). Watermerken is daarmee een noodzakelijke maatregel, geen voldoende garantie.

Het koppelpunt met andere bouwstenen en waarborgen

Well-being is geen geïsoleerd thema. Het landt in concrete bouwstenen en raakt direct aan vier andere waarborgen.

Bouwstenen die well-being operationaliseren staan in de sectie hieronder uitgewerkt:

  • Client Blueprint (BB_02: ontwerp vertrekt vanuit de waarde-stroom van de klant) maakt zichtbaar welke maatschappelijke vraag het AI-systeem beantwoordt en welke groepen geraakt worden. Per processtap landt de FRIA hier; zonder waarde-stroom-mapping blijft well-being abstract.
  • Dynamic Context (BB_03: actuele context op het juiste moment) raakt de compute-voetafdruk direct: een RAG-architectuur (een bestaand model dat antwoorden samenstelt door tijdens elke vraag relevante stukken uit een kennisbank op te halen) kost een fractie van de energie van fine-tuning (een bestaand model verder trainen op eigen data) of een volledige hertraining. Het small model first-principe landt hier in de keuze van het embedding-model, de manier waarop documenten in stukken worden opgedeeld voor het ophalen, en het aantal van die documentstukken dat per vraag aan het model wordt meegegeven.
  • Model Engines (BB_06: modeltype-keuze als ontwerpvraag) is waar het small model first-principe zou moeten landen: Phi-3, Llama 3.2 en Mistral Small leveren vergelijkbare kwaliteit op gerichte taken tegen 10 tot 100 maal lagere energiekosten dan een frontier-model.
  • Evaluation Loop (BB_07: meten, leren en verbeteren in een gesloten cyclus) is waar well-being-KPI’s productie-meetbaar horen te worden: compute per aanroep, WCAG-conformiteit per release, B1-leesniveau per output, en function creep-bewaking per kwartaal. Zonder gesloten loop is well-being een momentopname.

Andere waarborgen raken aan well-being op verschillende plekken:

  • Human Agency (GR_01: mens beslist, ook als AI versnelt) deelt de deskilling-zorg. De OxRec-zaak is hier de gezamenlijke waarschuwing: een mens-in-de-loop (HITL) die onder druk wordt verteld dat zijn oordeel onbetrouwbaarder is dan het algoritme, is geen toezicht maar afvinking.
  • Transparency (GR_04: uitlegbaarheid van besluit en systeem) is de aansluiting voor synthetische content (Art. 50) en B1-leesbare uitleg aan betrokkenen. Watermerken zonder uitleg-laag is technische compliance zonder communicatieve waarde.
  • Fairness (GR_05: gelijke behandeling, geen systematische benadeling) overlapt sterk met digitale inclusie: laaggeletterden, mensen met een beperking en niet-Nederlands-sprekenden zijn vaak ook de groepen waar disparate-impact-risico’s optreden. De FRIA-deadline (2 augustus 2026) is voor beide waarborgen het gezamenlijke kalenderpunt.
  • Accountability (GR_07: duidelijk wie verantwoordelijk is, en hoe daarop wordt toegezien) is de bestuurlijke verankering. Well-being-doelen zonder eigenaar in de directie zijn papieren ethiek; de FRIA is alleen werkbaar als er een persoon is die hem kan vaststellen, herzien en, indien nodig, de inzet kan pauzeren.
Checklist

Heb je dit geregeld?

Is per AI-toepassing een impactbeoordeling uitgevoerd op de drie ALTAI-sub-domeinen: milieu (energie en water), werk (taken, autonomie, deskilling) en samenleving (democratie, function creep)?
Wordt de energie- en compute-voetafdruk (de elektriciteit en rekenkracht per modelaanroep) van het systeem gemeten en geregistreerd, met een richtwaarde onder 0,5 gram CO2-equivalent per korte query voor klantgerichte toepassingen?
Is bewust gekozen voor de kleinste modelschaal die de taak adequaat uitvoert (small model first), met onderbouwing waarom een groter frontier-model nodig is als dat wordt ingezet?
Worden werknemers vóór ingebruikname van een hoogrisico-AI-systeem geïnformeerd conform EU AI Act Art. 26 lid 7, met betrokkenheid van de ondernemingsraad (WOR Art. 25 en 27)?
Is een Fundamental Rights Impact Assessment (FRIA) onder Art. 27 uitgevoerd voor overheidsorganisaties en bepaalde private partijen, met deadline 2 augustus 2026 (ongewijzigd door het Digital Omnibus-akkoord)?
Voldoen klantgerichte AI-chatbots en virtuele assistenten aan WCAG 2.2 AA (de Web Content Accessibility Guidelines, de internationale toegankelijkheidsstandaard versie 2.2 op AA-niveau), verplicht onder de European Accessibility Act sinds 28 juni 2025?
Genereert het systeem synthetische content (door AI gegenereerd beeld, audio, video of tekst) die conform EU AI Act Art. 50 machine-leesbaar als kunstmatig is gemarkeerd (deadline 2 december 2026)?
Is function creep (sluipende doelverschuiving zonder governance-besluit) actief bewaakt: blijft het systeem binnen de oorspronkelijke scope, of zijn nieuwe toepassingen door directie en compliance opnieuw beoordeeld?
Worden output van AI-systemen die laaggeletterden of mensen met een beperking raken, getoetst op B1-leesniveau (begrijpelijk voor de gemiddelde Nederlander) en cognitieve toegankelijkheid (voorspelbaar gedrag, vaste herstelpaden)?
Is voor de aangewezen toezichthouder een aanspreekpunt benoemd: in NL de Autoriteit Persoonsgegevens als coördinerend AI Act-toezichthouder, plus sectorale instanties (ACM voor markt, IGJ voor zorg, Inspectie van het Onderwijs) waar van toepassing?

Wat lever je op?

  • FRIA (Fundamental Rights Impact Assessment, de verplichte grondrechten-effectbeoordeling onder AI Act Art. 27) per hoogrisico-AI-systeem met grondrechten-mapping (per processtap aangeven welke grondrechten geraakt worden), mitigaties en restrisico-analyse, herzien bij wezenlijke wijzigingen of jaarlijks.
  • Compute-dashboard met per-modelaanroep en per-maand totaal energieverbruik en CO2-equivalent, gekoppeld aan een richtwaarde onder 0,5 gram CO2-equivalent per korte query voor klantgerichte toepassingen.
  • WCAG 2.2 AA-conformiteitsverklaring (WCAG is de internationale toegankelijkheidsstandaard; AA is de middelste van drie niveaus en wettelijk de norm) voor consumentengerichte AI-chatbots en virtuele assistenten, met geautomatiseerde scan plus handmatige schermlezer-test (NVDA of JAWS), en B1-leesniveau-toets op AI-output voor laaggeletterden of kwetsbare doelgroepen.
  • Werknemersinformatieprotocol conform Art. 26 lid 7 met bewijs van OR-betrokkenheid (WOR Art. 25 en 27) vóór ingebruikname van elk hoogrisico-AI-systeem op de werkvloer.
  • Function-creep-monitor (function creep is het sluipend uitbreiden van een AI-systeem naar nieuwe doelen zonder governance-besluit) met kwartaalcadans: doelbevestiging, scope-check en governance-besluit per AI-systeem; geactiveerd bij elke wezenlijke wijziging en geregistreerd in het AI-portfolio-overzicht.
  • Watermerk- of provenance-implementatie (provenance is de aantoonbare herkomst van een bestand: wie of wat het heeft gemaakt en welke bewerkingen het onderging) voor synthetische content conform Art. 50 (vervroegd naar 2 december 2026), met pre-electorale risicoscan voor systemen die op verkiezingen of stemgedrag kunnen ingrijpen.
Quick Start

Aan de slag in 3 stappen

1

Strategisch: stel vast welke maatschappelijke doelen elk AI-systeem dient en op welke schaal het de drie ALTAI-sub-domeinen raakt: milieu, werk en samenleving (ALTAI is de EU-zelfevaluatielijst voor betrouwbare AI uit 2020). Wijs voor hoogrisico-toepassingen een eigenaar in de directie of het risicocomité aan, met bevoegdheid om de inzet te pauzeren bij signalen van structureel nadeel voor een groep, de samenleving of het milieu. Sinds het Digital Omnibus-akkoord (het EU-pakket van 7 mei 2026 dat enkele AI Act-deadlines verschoof) is de handhavings-deadline voor Bijlage III hoogrisico-systemen verschoven naar 2 december 2027, maar de Art. 50-deadline voor synthetische content is juist vervroegd naar 2 december 2026 en de deadline voor de FRIA (de verplichte grondrechten-effectbeoordeling onder AI Act Art. 27) blijft 2 augustus 2026. Inhoudelijke voorbereiding loopt door, ongeacht het handhavings-tempo.

2

Tactisch: voer een Fundamental Rights Impact Assessment (FRIA) uit voor elke hoogrisico-toepassing en betrek de ondernemingsraad vóór ingebruikname. Stel een compute-baseline op: meet de elektriciteit en rekenkracht per modelaanroep én per maand totaal, kies bij voorkeur de kleinste modelschaal die de taak adequaat uitvoert en motiveer als een groter frontier-model nodig is. Toets klantgerichte interfaces op WCAG 2.2 AA (de internationale toegankelijkheidsstandaard, niveau AA: de middelste van drie trappen en wettelijk de norm) met geautomatiseerde scanners aangevuld met handmatige schermlezer-tests, en gebruik klare-taal-toetsing (B1-niveau, begrijpelijk voor de gemiddelde Nederlander) op AI-output die laaggeletterden of kwetsbare doelgroepen raakt.

3

Operationeel: voor laag-risico-systemen (interne assistenten zonder rechtsgevolg en zonder klantgerichte content) is de baseline een compute-meting per modelaanroep, een klare-taal-toets bij output naar werknemers, en een halfjaarlijkse impact-evaluatie op werk en taken. Voor hoogrisico-systemen komt daar bij: een gepubliceerde FRIA conform Art. 27, watermerken op synthetische content conform Art. 50 (vervroegd naar 2 december 2026), WCAG 2.2 AA-conformiteit voor klantgerichte interfaces, een pre-electorale risicoscan voor systemen die op verkiezingen of stemgedrag kunnen ingrijpen, en een function-creep-bewakingscyclus (per kwartaal: doel-bevestiging, scope-check, governance-besluit). In beide gevallen geldt: zonder eigenaar met bevoegdheid om te pauzeren is een impactbeoordeling decoratief.

Bouwstenen

Bouwstenen die Well-being operationaliseren

Een waarborg is geen abstract principe; hij landt in concrete bouwstenen. Hieronder de stenen waarin deze waarborg het sterkste tot uitdrukking komt.

De waarde-stroom (de keten van processtappen die samen waarde voor de klant leveren) maakt zichtbaar welke maatschappelijke vraag het AI-systeem beantwoordt en welke groepen geraakt worden. Per processtap landt de FRIA (Fundamental Rights Impact Assessment onder EU AI Act Art. 27) hier; zonder waarde-stroom-mapping blijft well-being abstract. Hier landt ook de informatieplicht richting werknemers en ondernemingsraad (onder de Wet op de Ondernemingsraden, WOR: Art. 25 adviesrecht en Art. 27 instemmingsrecht) vóór ingebruikname van een hoogrisico-systeem.

De compute-voetafdruk (de elektriciteit en rekenkracht per modelaanroep) wordt sterk bepaald door de manier waarop het systeem informatie ophaalt en aan het model meegeeft. Een RAG-aanpak (documenten ophalen en meegeven aan een bestaand model) kost een fractie van de energie van een volledige hertraining of fine-tuning (een bestaand model verder trainen op eigen data). Het small model first-principe landt hier in concrete keuzes: kleinere embedding-modellen, gerichte chunking (documenten in kleinere stukken opdelen) en het beperken van het aantal opgehaalde stukken per vraag. Voor klantgerichte chatbots geldt sinds 28 juni 2025 de European Accessibility Act met WCAG 2.2 AA als technische invulling.

Modelkeuze bepaalt de well-being-balans direct. Volgens de benchmark "How Hungry is AI?" (Jegham et al., mei 2025) verbruikt het meest energie-intensieve frontier-model ongeveer 70 maal meer energie per lange prompt dan het meest efficiënte model. Phi-3, Llama 3.2 en Mistral Small leveren op samenvattings-, extractie- en classificatietaken vergelijkbare kwaliteit tegen 10 tot 100 maal lagere energiekosten dan een GPT-4-klasse model. Kwantisatie en gerichte batch-instellingen leveren nog eens 20 tot 40% reductie. Dit is geen academische keuze maar een operationele knop op CO2-uitstoot.

Well-being is geen ontwerp-eigenschap maar een meet-en-verbeter-cyclus. Per-modelaanroep compute-meting (CodeCarbon, EcoLogits), per-release WCAG 2.2 AA-conformiteit (Axe DevTools plus handmatige schermlezer-tests), per-output B1-leesniveau-toets (Klinkende Taal, LiNT) en per-kwartaal function creep-bewaking horen in de gesloten loop. De OxRec-zaak bij Reclassering Nederland (Inspectie JenV, februari 2026) maakt duidelijk dat deskilling alleen meetbaar wordt door de mate van afwijking van AI-advies door menselijke beoordelaars over tijd te volgen; zonder die meting groeit een onopgemerkte fout zeven jaar door.

Research

Uit onze kennisbank

Top 3 gecureerde bronnen die de basis vormen voor Well-being.

  • Paper

    Jegham et al. — "How Hungry is AI? Benchmarking Energy, Water, and Carbon Footprint of LLM Inference" (arXiv 2505.09598, mei 2025)

    Het meest omvangrijke kwantitatieve referentiepunt in 2026 voor de compute-voetafdruk van AI-inference. Levert de empirische onderbouwing voor het "small model first"-principe en concrete getallen om een per-modelaanroep KPI op te baseren (richtwaarde onder 0,5 gCO2eq per korte query). Vervangt vage "AI gebruikt veel stroom"-uitspraken door meetbare spreidingen tussen modelschalen.

  • Regelgeving

    Inspectie Justitie en Veiligheid — Risicovol algoritmegebruik bij de reclassering (OxRec, 12 februari 2026)

    Het sterkste Nederlandse praktijkvoorbeeld in 2026 van deskilling als gedocumenteerde productieschade. Toont aan dat verlies van professionele oordeelsvorming geen abstract risico is maar in zeven jaar onzichtbaar kan doorgroeien. Levert directe input voor de Well-being-guardrail op ALTAI 6.2 (impact op werk en skills) én een referentie-patroon voor herstel: gestructureerd professioneel oordeel met vier-ogen-principe en zes-maandelijkse rapportage-cyclus.

  • Paper

    Global Witness — TikTok-algoritmische amplificatie en de Roemeense presidentsverkiezingen (december 2024)

    De scherpste EU-case in 2024-2026 voor ALTAI 6.3 (impact op samenleving en democratie). Toont aan dat één algoritme op één platform een nationale verkiezing kan doen kantelen, en levert het juridische en handhavings-precedent voor de pre-electorale risicoscan en watermerk-verplichting onder EU AI Act Art. 50 (deadline vervroegd naar 2 december 2026). Onderbouwt waarom de DSA (Digital Services Act, de EU-verordening die zeer grote online platforms verplicht systeemrisico's te beoordelen) met haar Art. 34-35 systeemrisico-toets en samenwerking met EDMO (European Digital Media Observatory) operationeel relevant zijn voor elk platform met verkiezingsrisico.

Alle bronnen voor Well-being