Een AI operating model

Deel I: Strategische Synthese en Bestuurlijk Mandaat (L1, L2)

Sectie 1: L1 – Executive Summary: Een Aantoonbaar Compliant AI Operating Model voor de EU-Context

De adoptie van Artificiële Intelligentie (AI) is niet langer een optionele innovatie, maar een fundamentele strategische noodzaak. Voor organisaties die opereren binnen de Europese Unie, en in het bijzonder in Nederland, wordt dit streven echter geconfronteerd met een unieke en complexe realiteit: een convergentie van baanbrekende technologische kansen, zoals autonome agenten ¹, en een stringent, evoluerend juridisch landschap.³ De uitdaging is het balanceren van de waardecreatie van AI met de aantoonbare naleving van de EU AI Act, NIS2, DORA en de realiteit van extraterritoriale datarisico’s.⁴ Een ad-hoc benadering van AI-governance is juridisch onhoudbaar en operationeel onverantwoord.

Dit rapport presenteert een blauwdruk voor een Aantoonbaar Compliant AI Operating Model. De kern van dit model is de vertaling van zes toonaangevende industrieframeworks (Microsoft, PwC, Deloitte, Gartner, MIT, HBR) ⁶ naar één genormaliseerd Unified Autonomy Model (U0-U5). Dit model classificeert AI-use-cases in vijf niveaus van autonomie, van U0 (Manual) tot U5 (Autonomous, Exception-Based).

Het onderscheidende vermogen van dit model is dat compliance by design wordt ingebed. Het is geen papieren exercitie. Juridische vereisten, zoals ‘menselijk toezicht’ (Art. 14 EU AI Act) ⁹, worden vertaald naar concrete technische controles die zijn ingebed in een Zero Trust Architectuur. Deze controles worden technisch afgedwongen via Policy-as-Code (PaC) ¹⁰ en continu gevalideerd in de MLOps-pijplijn via Continuous Testing (CT).¹¹ Elke AI-release moet slagen voor een geautomatiseerde ‘evaluator suite’ die veiligheid, bias en data-integriteit controleert alvorens deze de productiefase bereikt.

Het bijbehorende risicoregister (L5) identificeert de top 5 risico’s: (1) Extraterritoriale datatoegang door niet-EU-overheden (bv. US CLOUD Act) ⁵; (2) Ongecontroleerde autonomie (‘shadow AI’) door gebrek aan centrale governance; (3) Supply chain-aanvallen gericht op AI-modellen en data ¹²; (4) Non-compliance met de EU AI Act, resulterend in boetes en reputatieschade; en (5) Model-drift en bias, wat leidt tot stille, foutieve besluitvorming.¹³

De waarde van dit operating model ligt in het mogelijk maken van risicogestuurde autonomie. Het biedt een ‘fast track’ voor low-risk use-cases (U1-U2) om snel waarde te leveren, terwijl het een robuust, audit-klaar ‘control plane’ biedt voor de veilige en conforme implementatie van high-risk (U3-U5) use-cases. Dit model stelt de organisatie in staat om te schalen, innoveren en concurreren, met behoud van vertrouwen en aantoonbare controle.

Sectie 2: L2 – Board Deck: Een Strategisch Besliskader voor AI-Investeringen

Het bestuur staat voor een strategische keuze die de toekomst van de organisatie zal bepalen. De vraag is niet of AI wordt geadopteerd, maar welk risicoprofiel de organisatie bereid is te accepteren in ruil voor waarde. Dit risicoprofiel dicteert direct het noodzakelijke investeringsniveau in het AI Control Plane.

De selectie en prioritering van AI-use-cases wordt een multidimensionale analyse ¹⁵, waarbij de potentiële waarde wordt afgewogen tegen de haalbaarheid en het risico.¹⁷ De belangrijkste beslisdimensies zijn:

1. Reguleringsniveau: De classificatie onder de EU AI Act (bv. ‘limited’, ‘high’, ‘unacceptable’).
2. Datagevoeligheid & Soevereiniteit: De mate van gevoeligheid (bv. PII, staatsgeheim) en de blootstelling aan extraterritoriale wetgeving.⁵
3. Autonomie-niveau: Het gewenste U-level (U1 tot U5) van het systeem.
4. Waarde (ROI) vs. TCO: De potentiële business value versus de totale kosten, inclusief de verplichte compliance- en securitycontroles.
5. Change Absorptie: De impact op de organisatie, processen en medewerkers.

De volgende beslistabel (Board Decision Table) kwantificeert de trade-offs tussen drie strategische scenario’s.²¹

Tabel: Board Decision Table – Scenario-analyse AI-Strategie 2025-2035

Aanbeveling voor het Bestuur:

Het wordt aanbevolen om te starten met een ‘Gebalanceerd’ profiel. Dit scenario dwingt de organisatie om het noodzakelijke ‘high-risk’ control plane (L3/L4) te bouwen en te bemeesteren. Dit creëert een robuust, schaalbaar en compliant ‘compliance chassis’. Zodra dit fundament operationeel is en de organisatie volwassen is in de U3-governance, kan selectief worden opgeschaald naar ‘Ambitieuze’ U4/U5-initiatieven, gebruikmakend van hetzelfde, bewezen control plane. De ‘Behoedzame’ strategie levert op lange termijn onvoldoende concurrentievoordeel op en bouwt technische schuld op in governance.

Deel II: Het Unified Autonomy & Governance Metamodel

Sectie 3: Synthese van de Zes AI-Frameworks

De basis van het operating model is een genormaliseerd vocabulaire voor autonomie en governance. Dit vereist de ‘reverse engineering’ en synthese van de zes leidende industrieframeworks, zoals geïdentificeerd in de onderzoeksopdracht.

• Microsoft ¹: Microsoft articuleert de verschuiving van AI als assistent (GitHub Copilot) naar AI als autonome agent (AutoDev).¹ In het AutoDev-paradigma transformeert de ontwikkelaar naar een ‘supervisor’. Hun governance-model ²⁸ is cruciaal: het definieert AI-agenten als ‘digital labor’ die ’traceable identities’, ‘roles and permissions’ en gelaagde ‘Zoned Governance’ (Personal, Collaboration, Enterprise) vereisen.
• PwC ⁶: Hoewel bronnen variëren, is het meest consistente en bruikbare model de 3-staps progressie van ‘Assisted Intelligence’ (helpen bij taken), ‘Augmented Intelligence’ (helpen bij beslissingen) naar ‘Autonomous Intelligence’ (automatiseren van beslissingen).³¹ Dit vormt een kernconcept van de autonomie-as.
• Deloitte ³³: Hun “Automate, Augment, Amplify” model ³³ is waardevol. ‘Amplify’ (versterken) ³⁴ beschrijft systemen die menselijke capaciteiten overschrijden of nieuwe capaciteiten creëren, wat direct mapt naar de hogere U-niveaus (U3+).
• Gartner ²: Gartner biedt het meest directe ‘levels’-model, analoog aan de SAE-niveaus voor autonoom rijden ⁷: L1 (Basic Automation), L2 (Partial Autonomy), L3 (Conditional Autonomy), L4 (High Autonomy), L5 (Full Autonomy). Hun focus op ‘Agentic AI’ ² als de onvermijdelijke volgende golf bevestigt de noodzaak om U4/U5-niveaus expliciet te definiëren en te beheersen.
• MIT ³⁵: MIT levert het waarom achter de governance. ‘Human-in-the-Loop’ (HITL) is de technische controlelus. ‘Society-in-the-Loop’ (SITL) ³⁵ is het bredere governance-framework dat HITL verbindt met het ‘Sociale Contract’ (ethiek, compliance, stakeholder-waarden).
• HBR ⁸: Harvard Business Review focust op het interactiemodel. AI kan een passieve ‘Tool’ zijn, of een actieve ‘Cybernetic Teammate’.⁸ Dit informeert hoe het menselijk toezicht op verschillende U-niveaus moet worden ontworpen: van actieve review (Tool) tot passieve monitoring (Teammate).

Deze frameworks zijn niet onderling exclusief; ze beschrijven verschillende, complementaire assen van het AI-probleem. Gartner en PwC definiëren de Systeemcapaciteit (de Y-as: Autonomie). HBR en MIT definiëren de Mens-Systeem Interactie (de X-as: HITL/Samenwerking). Microsoft en Deloitte definiëren de Business Impact (de Z-as: Waarde/Amplificatie).

Het Unified Model (U0-U5) dat hier wordt voorgesteld, fungeert als de primaire Y-as (Autonomie), waaraan de verplichte controles van de andere assen worden gekoppeld.

Tabel: FrameworkComparison – Mapping van Bronframeworks naar Unified Autonomy Model

Sectie 4: Het Unified Autonomy Model (U0-U5) als Control Plane Fundament

Het Unified Autonomy Model (U0-U5) dient als het centrale classificatie- en governancemechanisme. Elk niveau dicteert een set van verplichte, niet-onderhandelbare technische en procesmatige controles. Een AI-systeem kan niet naar een hoger U-level promoveren zonder de bijbehorende release gates te passeren.

• U0: Manual: Het baseline-proces. Geen AI. Dient als de benchmark voor KPI-verbetering.
• U1: Assisted: AI als adviseur. Het systeem doet suggesties (bv. Copilot), maar de mens neemt 100% van de beslissingen.
• Verplichte Controls: HITL verplicht voor elke beslissing. Basis input/output logging. Evaluator: Kwaliteit. PII-redactie ²⁴ in prompts is verplicht.
• U2: Augmented: AI voert taken uit, mens verifieert. Het systeem voert routinetaken uit (bv. data-invoer, samenvatten), maar de mens valideert het resultaat alvorens het wordt vastgelegd.
• Verplichte Controls: HITL (verificatie) verplicht. Evaluator suite uitgebreid met Bias (basis) ¹³ en Safety (basis).³⁶ Policy-as-Code (PaC) ¹⁰ gate in CI-pijplijn. Drift monitoring ¹⁴ met alerts.
• U3: Semi-Autonomous: AI beslist binnen smalle bandbreedtes. Het systeem neemt zelfstandig beslissingen, maar opereert binnen strikte, vooraf gedefinieerde kaders. Menselijk ingrijpen is gebaseerd op uitzonderingen en alerts.

• Drempel voor ‘High-Risk’ (EU AI Act): Dit niveau triggert waarschijnlijk de ‘high-risk’ classificatie.
• Verplichte Controls: Volledige EU AI Act compliance-dossiers (Art. 10, 11, 12, 14).⁹ HITL-override moet een gedefinieerde SLA hebben. CT-pijplijn ¹¹ verplicht. Canary deployment ³⁷ verplicht.
• U4: Autonomous (Supervised): AI beslist, mens monitort. Het systeem beheert een volledig proces (bv. IT-operations, supply chain) en neemt complexe beslissingen. De mens monitort de prestaties (KPI’s) van het systeem, niet de individuele beslissingen.
• Verplichte Controls: (High-Risk). Een functioneel geteste ‘Kill-switch’ is verplicht. Volledige MLOps Evaluator Suite ¹³ met geautomatiseerde rollback-triggers.³⁸ SLSA Level 3 ³⁹ voor de software supply chain.
• U5: Autonomous (Exception-Based): AI beslist breed, mens alleen bij uitzonderingen. Het systeem opereert volledig autonoom en vraagt alleen om menselijke input bij strategische of volledig nieuwe uitzonderingen (‘edge cases’) die het niet kan classificeren.
• Verplichte Controls: (High-Risk). Strikte monitoring van ‘emergent behavior’. Periodieke (kwartaal) herbeoordeling van de business case en risico-acceptatie voor de autonomie. ‘Red-Teaming’ ³⁰ en stress-tests zijn verplicht.

Deel III: Het Aantoonbaar Compliant Control Plane (L3, L4, L7, L8)

Sectie 5: L4 – De Compliance Overlay: Mapping EU AI Act, NIS2, DORA

Het concept van “aantoonbaar compliant” zijn vereist een ononderbroken keten van bewijs, een ‘Golden Thread’, die juridische vereisten direct koppelt aan technische artefacten en geautomatiseerde engineeringprocessen. Een beleidsdocument alleen is onvoldoende; naleving moet in het systeem worden ingebouwd en automatisch worden gelogd.

Deze ‘Golden Thread’ volgt een logische keten:

1. Juridische Eis: bv. EU AI Act, Art. 14 ⁹ vereist “effectief menselijk toezicht” (Human Oversight) voor High-Risk systemen (U3+).
2. Architectuur-Eis (L3): Dit vertaalt zich naar een technisch ontwerp dat een ‘HITL Override’ API en een ‘Kill-Switch’ mechanisme omvat.
3. MLOps-Eis (L3): De CT-pijplijn ¹¹ moet een geautomatiseerde test bevatten die de functionaliteit en de SLA (bv. <1s respons) van deze override-API valideert voor elke release.
4. Security-Eis (L8): Een Policy-as-Code gate (bv. OPA) ¹⁰ blokkeert de deployment (de CD-stap) als de CT-test (stap 3) faalt.
5. Audit-Eis (L4): De EvidenceCatalog (zie hieronder) bevat een item voor het ‘HITL Test Report’ dat automatisch door stap 3 is gegenereerd en door stap 4 is gevalideerd.

De volgende tabel implementeert deze ‘Golden Thread’ voor de belangrijkste EU-regels.

Tabel: ComplianceOverlay – Mapping van EU-Wetgeving naar Technische Controls

Tabel: L4 – Audit Evidence Catalog (Selectie)

Deze catalogus is het directe, audit-klare resultaat van het geautomatiseerde Control Plane.

Sectie 6: L3/L8 – Security Architectuur: Zero Trust voor AI

Het fundament van het Control Plane is een Zero Trust Architectuur (ZTA).⁴⁹ Het principe “never trust, always verify” wordt toegepast op elke component van de AI-workflow: agenten, prompts, modellen en data.

1. Identity: Agents als ‘Digital Labor’

Het concept van Microsoft van AI-agenten als ‘digital labor’ 28 wordt de hoeksteen van ons identiteitsmodel. Een U3+ agent die autonoom handelt, moet traceerbaar en aansprakelijk zijn. Traditionele, statische API-keys zijn hiervoor ongeschikt.51

Het ZTA-identiteitsmodel wordt als volgt geïmplementeerd:

1. Een U3+ agent (of menselijke supervisor) initieert een taak (bv. ‘keur lening goed’).
2. Het systeem gebruikt OIDC/OAuth2 ⁵² en Just-in-Time (JIT) provisioning ⁵³ om een uniek, traceerbaar ‘service account’ (ServicePrincipal) aan te maken, exclusief voor deze taak.
3. Deze JIT-identiteit ontvangt een short-lived, fine-grained scoped OAuth2 token. De scope is niet AI:write, maar bijvoorbeeld task:123:read_data en task:123:execute_decision.
4. De actor_id in het audit log (Art. 12) ²⁵ is de sub (subject) claim van dit JIT-token. Dit biedt perfecte, onweerlegbare traceerbaarheid van elke autonome actie terug naar zijn mandaat.

2. De API Gateway als Policy Enforcement Point (PEP)

Alle AI-requests (zowel van eindgebruikers als M2M-agenten) worden gerouteerd via een centrale API Gateway (bv. Apigee, Kong, AWS API Gateway).55 Deze gateway fungeert als de centrale ZTA Policy Enforcement Point (PEP).56

De PEP is verantwoordelijk voor:

1. AuthN/AuthZ: Het valideren van het OIDC JIT-token (zie boven) en het afdwingen van de scope.
2. mTLS: Het vereisen van mutual TLS (mTLS) voor alle M2M-communicatie (bv. tussen U3-agenten).
3. WAF/DLP: Standaard Web Application Firewall (WAF) ⁵⁷ en Data Loss Prevention (DLP).
4. Prompt Firewall (Input): Een gespecialiseerde WAF-regelset die de inhoud van prompts analyseert.⁵⁸ Deze firewall blokkeert bekende prompt-injection (OWASP LLM #1) ⁶¹ en jailbreak ⁶² patronen (bv. “Ignore previous instructions”, “DAN”).
5. DLP (Output): Scant responses (de output van het model) op PII-lekkage (bv. BSN, creditcardnummers) ⁵⁸ en past automatisch PII-redactie ²⁴ toe voordat de data de gebruiker of een ander systeem bereikt.

3. Policy-as-Code (PaC) (L8): De Handhaving van de Regels

Het ZTA-model wordt afgedwongen met Policy-as-Code (PaC).10 Dit maakt governance-regels expliciet, versiebeheerbaar en geautomatiseerd. We gebruiken een combinatie van Open Policy Agent (OPA) 63 voor runtime/API-autorisatie en Kyverno 65 voor infrastructuur/Kubernetes-beleid.

L8 – Voorbeeld OPA/Rego Policy (Handhaving Release Gate bij de PEP)

Dit beleid draait op de API Gateway (PEP) en wordt aangeroepen voordat een request naar een U4-model wordt doorgelaten. Het controleert de metadata van het model, die is aangeleverd door de MLOps-pijplijn.

Codefragment

# package ai.governance.pep
default allow = false

# Sta U1-U3 (non/low/medium risk) toe met valide token
allow {
    input.model.autonomy_level in {“U1”, “U2”, “U3”}
    input.token.claims.scope_valid == true
}

# Handhaaf EU AI Act High-Risk (U4/U5) vereisten
allow {
    input.model.autonomy_level in {“U4”, “U5”}
    input.model.risk_class == “high”
   
    # Controleer metadata uit het MLOps-proces (L7)
    input.model.metadata.slsa_level >= 3
    input.model.metadata.human_override_test == “PASS”
    input.model.metadata.bias_psi_score < 0.2
   
    # Sta alleen JIT-tokens toe voor autonome actie
    input.token.claims.jit_provisioned == true
}

L8 – Voorbeeld Kyverno Policy (Handhaving Supply Chain in Kubernetes)

Deze policy draait in het Kubernetes-cluster en blokkeert de deployment (CD-stap) van een AI-service als deze niet voldoet aan de (NIS2) supply chain-eisen.45

YAML

apiVersion: kyverno.io/v1
kind: ClusterPolicy
metadata:
  name: ai-slsa-sbom-required
spec:
  validationFailureAction: Enforce
  rules:
  – name: “require-slsa-3-for-high-risk”
    match:
      any:
      – resources:
          kinds:
          annotations:
            “ai.governance/autonomy-level”: “U4”
            “ai.governance/risk-class”: “high”
    validate:
      message: “High-Risk AI (U4) deployments moeten voldoen aan SLSA 3.”
      pattern:
        metadata:
          annotations:
            “slsa.dev/provenance_level”: “3” # Controleer SLSA-niveau
  – name: “require-sbom-and-signature”
    match:
      any:
      – resources:
          kinds:
          annotations:
            “ai.governance/autonomy-level”: “?*” # U2 en hoger
    validate:
      message: “AI Deployments moeten een geverifieerde Sigstore-handtekening en SBOM hebben.”
      pattern:
        metadata:
          annotations:
            “sbom.cyclonedx.org/verified”: “true”       # Vereis ML-BOM
            “sigstore.dev/verified”: “true”            # Vereis handtekening

Sectie 7: L3/L7 – Secure AI Supply Chain & Data Sovereignty

1. Secure Supply Chain (NIS2 & DORA Control)

Een AI-model is een product van zijn supply chain (data, code, basismodellen). Deze keten moet worden beveiligd.43

• SLSA voor ML ¹²: We adopteren de SLSA (Supply-chain Levels for Software Artifacts) ³⁹ standaard, aangepast voor ML. Voor High-Risk (U3+) systemen is SLSA Level 3 het doel. Dit vereist:

• Een geautomatiseerd, hermetisch (‘hermetic’) build-platform (onze MLOps CI-pijplijn).
• Getekende ⁴⁶, niet-vervalsbare provenance-attestaties ⁴⁵ die vastleggen hoe het model is gebouwd, met welke data en welke basismodellen.
• ML-BOM (L7) ⁴¹: We gebruiken de CycloneDX ML-BOM (Machine Learning Bill of Materials) standaard.⁶⁷ Dit is een ‘super-set’ van een traditionele SBOM. Het bevat:

• components: De software dependencies (bv. Python libraries).
• components (type: machine-learning-model): Het gebruikte basismodel (bv. gpt-4-turbo).
• data: De gebruikte training- en testdatasets.⁶⁸
• ethicalConsiderations, fairnessAssessments: De metrics-resultaten uit onze Evaluator Suite ⁶⁸, die de ‘Golden Thread’ naar compliance voltooien.
• Data & Model Cards (L7): De ML-BOM en SLSA-attestaties zijn de technische back-end. De Data Cards en Model Cards zijn de mensleesbare front-end (L7). Ze documenteren de data lineage (herkomst) ⁴⁰ en de beperkingen (‘intended use’) van het model, en dienen als het primaire bewijsstuk voor de Compliance Officer ⁷⁰ en voor de documentatieplicht (Art. 11).²⁶

2. Data Sovereignty by Design (De EU-Context)

Dit is een van de grootste risico’s voor organisaties in de EU. De Schrems II-uitspraak 71 en de realiteit van extraterritoriale wetten zoals de US CLOUD Act en FISA §702 5 creëren een fundamenteel juridisch conflict.

Het kernprobleem is dat data locatie (bv. een datacenter in Ierland) niet gelijk staat aan data soevereiniteit (immuniteit voor buitenlandse rechtsmacht).⁷⁴ Een US-gebaseerde provider (bv. AWS, Azure, Google) kan juridisch worden gedwongen om data van EU-burgers, opgeslagen in de EU, over te dragen aan Amerikaanse autoriteiten, vaak zonder medeweten van de klant.⁵

DORA (Art. 28) en de EU AI Act (Art. 10) vereisen strikt risicobeheer, inclusief dit soevereiniteitsrisico. Technische mitigaties zijn de enige effectieve verdediging: (a) het gebruik van een 100% EU-provider (bv. T-Systems, OVH) ²⁰ of (b) het gebruik van robuuste, door de klant beheerde encryptie (HYOK – ‘Hold Your Own Key’ of ‘Bring Your Own Key’ – BYOK) waarbij de US-provider de data nooit onversleuteld kan inzien (bv. via ‘Confidential Computing’).

Architectuur: Getierd Soevereiniteitsmodel (Sovereignty Zones)

• Zone 1: Public (Geen Soevereiniteitseisen): Publieke data, non-PII, low-risk U1-modellen. Kan draaien op standaard US hyperscaler public cloud.
• Zone 2: EU Sovereign (DORA/NIS2-eis): Vertrouwelijke data, PII, ‘limited risk’ AI, DORA-scope. Moet draaien op een “EU Sovereign Cloud” aanbod (bv. “Azure Confidential Computing” met HYOK, “Google Cloud External Key Manager”) of een ’trusted’ EU-provider.²⁰ Data en metadata (inclusief prompts en logs) blijven in de EU en zijn versleuteld met door de klant beheerde sleutels.
• Zone 3: National Sovereign (Staatsgeheim/Hoog-Risico): Data geclassificeerd als staatsgeheim, kritieke infrastructuur (KNV), of strategische ‘high-risk’ AI (U4/U5). Vereist een volledig soevereine (100% EU-eigendom, personeel, en operatie) on-premise of gehoste private cloud.²⁰ Geen enkele blootstelling aan de US CLOUD Act.

Deel IV: De MLOps en Evaluatie-Engine (L3, L6)

Sectie 8: L3 – De CI/CD/CT Pijplijn Architectuur

Het Control Plane wordt aangedreven door een geautomatiseerde MLOps-pijplijn. Deze pijplijn breidt de traditionele CI/CD (Continuous Integration / Continuous Delivery) ⁷⁷ uit met een derde, cruciale lus: CT (Continuous Testing & Training).¹¹

• CI (Continuous Integration): Elke ‘git push’ triggert: Lint, SAST, secret scanning, unit tests, en generatie van de L7-artefacten (SBOM/ML-BOM ⁴¹, SLSA-provenance ⁴⁵, Data/Model Cards).
• CD (Continuous Delivery): Elke ‘merge’ triggert: Deployment naar de ‘staging’ omgeving. Na validatie, Progressive Delivery (bv. Canary-release) ³⁷ naar productie. De PaC-gates (Sectie 6) en Release Gates (hieronder) controleren deze stap.
• CT (Continuous Testing/Training): Dit is de MLOps-specifieke lus.¹¹

1. Testing: Draait na deployment in ‘staging’ (als release gate) en continu in ‘productie’ (als monitor). Het activeert de EvaluatorSuite (Sectie 9) om live te monitoren op drift, bias, en veiligheidsincidenten.
2. Training: De CT-lus kan ook (indien getriggerd door bv. data-drift) automatisch het model hertrainen op nieuwe data.⁷⁸

Autonomy Release Gates & Rollback ³⁸

• Release Gate (CD-stap): Dit is een geautomatiseerde Policy-as-Code ¹⁰ poort. Het is een geautomatiseerde beslissing gebaseerd op de CT-evaluatie in ‘staging’. De OPA-policy (Sectie 6) is een voorbeeld van zo’n gate.
• Rollback Decision Tree (Runtime): Dit is de runtime beslissing in productie.³⁸ Het is een geautomatiseerd ‘runbook’.

• Trigger: IF (EvaluatorSuite.Safety.JailbreakRate > 5%) OR (EvaluatorSuite.Bias.DisparateImpact > 1.25) OR (EvaluatorSuite.Drift.PSI > 0.2)
• Action: -> [Action: (2) Quarantine failing model v-fail] -> [Action: (3) Alert Platform Lead & Product Owner] ->

Sectie 9: L3 – De Geautomatiseerde AI Evaluator Suite

De Evaluator Suite is het technische geweten van het AI-systeem. Het levert de kwantitatieve, objectieve data die nodig is om de Release Gates en Rollback Triggers (Sectie 8) te voeden. Het is de technische implementatie van de juridische eisen (bv. “bias managed”, “robust”).⁷⁹

Tabel: The AI Evaluator Suite – Metrics & Drempels (Selectie)

Sectie 10: L6 – Operationele Runbooks (Selectie)

De geautomatiseerde systemen (Sectie 8, 9) worden ondersteund door heldere, menselijke procedures (L6 Runbooks).

Runbook 1: Incident Response – High-Risk Model Rollback

• Trigger: Geautomatiseerde alert van MLOps Evaluator (Sectie 9) (bv. JailbreakRate > 5%).
• Stap 1 (Auto): Systeem voert automatische rollback uit ³⁸ naar v-stable. Verkeer 100% omgeleid.
• Stap 2 (Mens): (RACI) Platform Lead (R), Security (A), Compliance (C), Business Owner (I) worden gealarmeerd.
• Stap 3 (Mens): Platform Lead (R) plaatst model v-fail in ‘quarantaine’. Alle API-routes ⁵⁵ naar dit model worden geblokkeerd bij de PEP.⁵⁶
• Stap 4 (Mens): Postmortem analyse start. Oorzaak (bv. nieuwe jailbreak ⁶²) wordt geïdentificeerd.
• Stap 5 (Mens): Evaluator Suite ⁶² wordt geüpdatet met deze nieuwe test-case. Model mag pas terug na ‘PASS’.

Runbook 2: Operational Response – Data Drift (PSI > 0.2)

• Trigger: Geautomatiseerde alert (bv. PSI > 0.2).¹⁴
• Stap 1 (Auto): Systeem markeert model als ‘degraded’ (verlaagde betrouwbaarheid).
• Stap 2 (Mens): (RACI) Data Steward (R), Product Owner AI (A) worden gealarmeerd.
• Stap 3 (Mens): Data Steward (R) analyseert de drift. Is het ‘population drift’ (input data verandert) of ‘concept drift’ (de betekenis van de data verandert)?
• Stap 4a (Population Drift): Data Steward (R) triggert de ‘CT’ (Continuous Training) pipeline ⁷⁸ om model te hertrainen op de nieuwe datadistributie.
• Stap 4b (Concept Drift): Product Owner AI (R) start her-evaluatie van de use-case. Het model en de businesslogica moeten mogelijk fundamenteel worden aangepast.

Runbook 3: Audit Readiness – EU AI Act High-Risk

• Trigger: Verzoek van interne of externe auditor.
• Stap 1 (Mens): Compliance Officer (R) ⁷⁰ identificeert de gevraagde ‘high-risk’ use-case (U3+).
• Stap 2 (Mens): Compliance Officer (R) verzamelt de ‘Audit Evidence Catalog’ (Sectie 5) artefacten voor die use-case.
• Stap 3 (Auto): Systeem genereert on-demand, traceerbare rapporten: (1) Alle Model Cards, (2) Alle Evaluator Reports (laatste 6 mnd), (3) Alle HITL-override logs ²⁵, (4) Alle ML-BOMs.⁴¹
• Stap 4 (Mens): Compliance Officer (A) overhandigt het volledige, traceerbare dossier aan de auditor.

Deel V: Het Target Operating Model (TOM) en de Roadmap (L3, L5)

Sectie 11: L3 – Organisatorisch Ontwerp: Team Topologies voor AI

Het technische Control Plane (Deel III) kan alleen functioneren binnen een adequaat menselijk besturingssysteem (TOM). Een traditioneel, gecentraliseerd ‘Center of Excellence’ (CoE) voor AI creëert een bottleneck en belemmert innovatie in de businesslijnen.

We adopteren het Team Topologies ⁸⁷ model, dat superieur is voor het schalen van AI en platform engineering.⁸⁸

1. Platform Team: Dit team is eigenaar van het AI Control Plane. Zij bouwen en onderhouden de MLOps-pijplijn (CI/CD/CT), de API Gateway (PEP), de Evaluator Suite en de PaC-policies. Ze leveren AI ‘as a service’ aan de organisatie.
2. Stream-Aligned Teams: Dit zijn de business-teams (bv. ‘Fraude Detectie’, ‘Klantenservice Bot’, ‘Supply Chain Optimalisatie’). Zij consumeren het AI-platform om snel waarde te leveren binnen hun domein. Zij zijn eigenaar van de specifieke use-case, de data en het model.
3. Enabling Team: Een klein, specialistisch team van AI-experts en data scientists.⁸⁷ Zij bouwen geen producten, maar coachen de Stream-Aligned Teams in best practices, helpen bij complexe modelkeuze en zorgen dat de platformdiensten correct worden gebruikt.
4. Complicated Subsystem Team: Alleen indien nodig. Dit team beheert extreem complexe, specialistische AI die diepe expertise vereist (bv. het trainen van een eigen ‘foundation model’).⁸⁷

Tabel: L3 – RACI Matrix voor AI Governance Processen

Gebaseerd op de rollen ⁷⁰:

Sectie 12: L5 – Enterprise Risk Register (Gekwantificeerd)

Dit risicoregister (L5) vormt de basis voor het ‘risk-based’ ontwerp van het Control Plane. Het identificeert risico’s op basis van de NIST AI RMF ⁹³ en categorieën zoals data, model, security en compliance.⁹⁴

Kwantificering: Resterend Risico = (Kans × Impact) × (1 – Effectiviteit Controle)

Tabel: L5 – AI Risk Register (Selectie)

Sectie 13: L3 – Implementatie Roadmap & KPI’s

De implementatie van dit TOM volgt een gefaseerde benadering.¹⁰¹

Tabel: Roadmap met OKR’s, Waarde en Resterend Risico

Tabel: KPI/KRI Dashboard (Selectie)

Geciteerd werk

1. Microsoft Paper Intros Fully Autonomous AI Framework, Turning …, geopend op november 11, 2025, https://visualstudiomagazine.com/articles/2024/03/20/autodev.aspx
2. Gartner Predicts Agentic AI Will Autonomously Resolve 80% of Common Customer Service Issues Without Human Intervention by 2029, geopend op november 11, 2025, https://www.gartner.com/en/newsroom/press-releases/2025-03-05-gartner-predicts-agentic-ai-will-autonomously-resolve-80-percent-of-common-customer-service-issues-without-human-intervention-by-20290
3. High-level summary of the AI Act | EU Artificial Intelligence Act, geopend op november 11, 2025, https://artificialintelligenceact.eu/high-level-summary/
4. NIS2 Directive: securing network and information systems – Shaping Europe’s digital future, geopend op november 11, 2025, https://digital-strategy.ec.europa.eu/en/policies/nis2-directive
5. CLOUD Act and FISA 702: Is your cloud data truly sovereign? – Civo.com, geopend op november 11, 2025, https://www.civo.com/blog/is-your-cloud-truly-sovereign
6. PwC’s AI Usage Framework Explained – Genesis: Human Experience in the Age of Artificial Intelligence, geopend op november 11, 2025, https://genesishumanexperience.com/2025/03/14/the-6-ai-usage-frameworks-explained/
7. The 5 Levels of AI Autonomy: From Co-Pilots to AI Agents, geopend op november 11, 2025, https://www.turian.ai/blog/the-5-levels-of-ai-autonomy
8. When AI Joins the Team, Better Ideas Surface | Working Knowledge, geopend op november 11, 2025, https://www.library.hbs.edu/working-knowledge/when-ai-joins-the-team-better-ideas-surface
9. Article 14: Human oversight | AI Act Service Desk – European Union, geopend op november 11, 2025, https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-14
10. Agent Governance at Scale: Policy-as-Code Approaches in Action – Nexastack, geopend op november 11, 2025, https://www.nexastack.ai/blog/agent-governance-at-scale
11. MLOps: Continuous delivery and automation pipelines in machine learning | Cloud Architecture Center, geopend op november 11, 2025, https://docs.cloud.google.com/architecture/mlops-continuous-delivery-and-automation-pipelines-in-machine-learning
12. Same same but also different: Google guidance on AI supply chain security, geopend op november 11, 2025, https://cloud.google.com/transform/same-same-but-also-different-google-guidance-ai-supply-chain-security
13. Disparate impact evaluation metric – IBM, geopend op november 11, 2025, https://www.ibm.com/docs/en/ws-and-kc?topic=metrics-disparate-impact
14. Measuring Data Drift with the Population Stability Index (PSI) | Fiddler AI Blog, geopend op november 11, 2025, https://www.fiddler.ai/blog/measuring-data-drift-population-stability-index
15. Decision Matrix, geopend op november 11, 2025, https://thedecisionlab.com/reference-guide/psychology/decision-matrix
16. Decision Matrix For Software Development – Meegle, geopend op november 11, 2025, https://www.meegle.com/en_us/topics/decision-matrix/decision-matrix-for-software-development
17. Customer Service AI Use Case Assessment | Gartner, geopend op november 11, 2025, https://www.gartner.com/en/customer-service-support/trends/customer-service-ai-use-case-assessment
18. How to Prioritize AI Use Cases: A Strategic Scoring Model – Data Pro Software Solutions, geopend op november 11, 2025, https://dataprocorp.tech/how-to-prioritize-ai-use-cases/
19. AI use case management | EY, geopend op november 11, 2025, https://www.ey.com/content/dam/ey-unified-site/ey-com/en-us/campaigns/cro-risk/documents/ey-ai-use-case-management.pdf
20. What is Sovereign Cloud? Characteristics & Key Drivers – MinIO, geopend op november 11, 2025, https://www.min.io/learn/sovereign-cloud
21. AI Is Rewriting the Growth Playbook – Technology Connect, geopend op november 11, 2025, https://technologyconnect.com.au/ai-is-rewriting-the-growth-playbook/
22. Can Frontier AI Models Navigate Complex Social Scenarios?, geopend op november 11, 2025, https://www.lumenova.ai/ai-experiments/complex-social-decision-making/
23. Balancing Innovation with Responsible AI: Strategic Frameworks for Ethical Advancement, geopend op november 11, 2025, https://verityai.co/blog/balancing-innovation-responsible-ai
24. Identify and extract Personally Identifying Information (PII) from text – Azure AI services, geopend op november 11, 2025, https://learn.microsoft.com/en-us/azure/ai-services/language-service/personally-identifiable-information/how-to/redact-text-pii
25. geopend op november 11, 2025, https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-12#:~:text=For%20high%2Drisk%20AI%20systems%20record%2Dkeeping%20obligation%20applies.,monitoring%2C%20and%20track%20system%20operation.
26. Article 11: Technical Documentation | EU Artificial Intelligence Act, geopend op november 11, 2025, https://artificialintelligenceact.eu/article/11/
27. Article 10: Data and Data Governance | EU Artificial Intelligence Act, geopend op november 11, 2025, https://artificialintelligenceact.eu/article/10/
28. Evolving Power Platform Governance for AI Agents – Microsoft …, geopend op november 11, 2025, https://www.microsoft.com/en-us/power-platform/blog/2025/07/31/evolving-power-platform-governance-for-ai-agents/
29. TRiSM for Agentic AI: A Review of Trust, Risk, and Security Management in LLM-based Agentic Multi-Agent Systems – arXiv, geopend op november 11, 2025, https://arxiv.org/html/2506.04133v2
30. AI Safety Evaluations for Enterprises – Lessons from METR – Uvation, geopend op november 11, 2025, https://uvation.com/articles/ai-safety-evaluations-done-right-what-enterprise-cios-can-learn-from-metrs-playbook
31. pwc-ai-analysis-sizing-the-prize-report.pdf, geopend op november 11, 2025, https://www.pwc.com/gx/en/issues/analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf
32. Assisted Intelligence vs. Augmented Intelligence | by Ron Schmelzer | Medium, geopend op november 11, 2025, https://medium.com/cognilytica/assisted-intelligence-vs-augmented-intelligence-1db96ef3457f
33. AI: Augmentation, more so than automation – [email protected], geopend op november 11, 2025, https://ink.library.smu.edu.sg/context/ami/article/1081/viewcontent/AI_Augmentation_moreso_than_automation_SMiller_AMI_2018May_1pg_layout.pdf
34. AI use cases by industry, function and type | Deloitte US, geopend op november 11, 2025, https://www.deloitte.com/us/en/what-we-do/capabilities/applied-artificial-intelligence/content/ai-use-cases.html
35. Society in the Loop: Programming the Algorithmic Social Contract …, geopend op november 11, 2025, https://www.media.mit.edu/publications/society-in-the-loop-programming-the-algorithmic-social-contract/
36. LLM guardrails: Best practices for deploying LLM apps securely – Datadog, geopend op november 11, 2025, https://www.datadoghq.com/blog/llm-guardrails-best-practices/
37. ML Lifecycle Management Guide: Best Practices & Tools – Clarifai, geopend op november 11, 2025, https://www.clarifai.com/blog/ml-lifecycle-management/
38. Canary Releases: A Complete Beginner-to-Advanced Tutorial – DevOpsSchool.com, geopend op november 11, 2025, https://www.devopsschool.com/blog/canary-releases-a-complete-beginner-to-advanced-tutorial/
39. SLSA • Supply-chain Levels for Software Artifacts, geopend op november 11, 2025, https://slsa.dev/
40. What is Data Lineage in Machine Learning? | C3 AI Glossary, geopend op november 11, 2025, https://c3.ai/glossary/data-science/data-lineage/
41. Machine Learning Bill of Materials (ML-BOM) – CycloneDX, geopend op november 11, 2025, https://cyclonedx.org/capabilities/mlbom/
42. Article 19: Automatically Generated Logs | EU Artificial Intelligence Act, geopend op november 11, 2025, https://artificialintelligenceact.eu/article/19/
43. How will NIS2 affect the supply chain security approach? | EY – Global, geopend op november 11, 2025, https://www.ey.com/en_pl/insights/law/nis2-supply-chain-security
44. Cybersecurity in the supply chain: special features of AI systems – Noerr, geopend op november 11, 2025, https://www.noerr.com/en/insights/cybersecurity-in-the-supply-chain
45. Increasing transparency in AI security, geopend op november 11, 2025, https://security.googleblog.com/2023/10/increasing-transparency-in-ai-security.html
46. Launch of Model Signing v1.0: OpenSSF AI/ML Working Group Secures the Machine Learning Supply Chain, geopend op november 11, 2025, https://openssf.org/blog/2025/04/04/launch-of-model-signing-v1-0-openssf-ai-ml-working-group-secures-the-machine-learning-supply-chain/
47. Digital Operational Resilience Act (DORA) – EIOPA – European Union, geopend op november 11, 2025, https://www.eiopa.europa.eu/digital-operational-resilience-act-dora_en
48. Key Strategies for Managing Third-Party Risk Under DORA – Omada Identity, geopend op november 11, 2025, https://omadaidentity.com/resources/blog/strategies-third-party-risk-dora/
49. What is Zero Trust? – Guide to Zero Trust Security – CrowdStrike, geopend op november 11, 2025, https://www.crowdstrike.com/en-us/cybersecurity-101/zero-trust-security/
50. Zero Trust Architecture – NIST Technical Series Publications, geopend op november 11, 2025, https://nvlpubs.nist.gov/nistpubs/specialpublications/NIST.SP.800-207.pdf
51. How to Secure AI Agent Authentication in 2025 – Prefactor, geopend op november 11, 2025, https://prefactor.tech/blog/how-to-secure-ai-agent-authentication-in-2025
52. Why your product needs OAuth 2.0 and OIDC — Especially in the AI era – Logto blog, geopend op november 11, 2025, https://blog.logto.io/oauth2-oidc-ai
53. How Just-in-Time Provisioning Creates Artificial Agent Identities on Demand, geopend op november 11, 2025, https://www.strata.io/blog/agentic-identity/just-in-time-provisioning-creates-artificial-agent-identities-on-demand-5b/
54. Set Up Authentication Using OpenID Connect Identity Provider | GoodData Cloud, geopend op november 11, 2025, https://www.gooddata.com/docs/cloud/manage-organization/set-up-authentication/
55. Using the AI Gateway to support APIs for AI applications – IBM, geopend op november 11, 2025, https://www.ibm.com/docs/en/api-connect/10.0.8_lts?topic=definitions-using-ai-gateway-support-apis-ai-applications
56. Implementing a PEP – AWS Prescriptive Guidance, geopend op november 11, 2025, https://docs.aws.amazon.com/prescriptive-guidance/latest/saas-multitenant-api-access-authorization/pep.html
57. Use AWS WAF to protect your REST APIs in API Gateway, geopend op november 11, 2025, https://docs.aws.amazon.com/apigateway/latest/developerguide/apigateway-control-access-aws-waf.html
58. AI Firewall Implementation and Management – FINOS AI Governance Framework:, geopend op november 11, 2025, https://air-governance-framework.finos.org/mitigations/mi-17_ai-firewall-implementation-and-management.html
59. Prompt Security Firewall for AI on F5 Distributed Cloud Platform Secures Generative AI App Interactions | F5, geopend op november 11, 2025, https://www.f5.com/company/blog/prompt-security-firewall-distributed-cloud-platform-generative-a
60. Block unsafe prompts targeting your LLM endpoints with Firewall for AI – The Cloudflare Blog, geopend op november 11, 2025, https://blog.cloudflare.com/block-unsafe-llm-prompts-with-firewall-for-ai/
61. What is prompt injection? Example attacks, defenses and testing. – Evidently AI, geopend op november 11, 2025, https://www.evidentlyai.com/llm-guide/prompt-injection-llm
62. AILuminate Jailbreak – MLCommons, geopend op november 11, 2025, https://mlcommons.org/ailuminate/jailbreak/
63. Introduction | Open Policy Agent, geopend op november 11, 2025, https://openpolicyagent.org/docs
64. Principled AI Governance with Policy-as-Code: Leveraging OPA for Trustworthy AI, geopend op november 11, 2025, https://principledevolution.ai/blog/governance-policy-as-code-opa-trust-ai/
65. Policies – Kyverno, geopend op november 11, 2025, https://kyverno.io/policies/
66. Kyverno, geopend op november 11, 2025, https://kyverno.io/
67. CycloneDX Bill of Materials Standard | CycloneDX, geopend op november 11, 2025, https://cyclonedx.org/
68. Inventory Management Use Case: AI Models and Model Cards | CycloneDX, geopend op november 11, 2025, https://cyclonedx.org/use-cases/ai-models-and-model-cards/
69. Model and data lineage in machine learning experimentation – Amazon AWS, geopend op november 11, 2025, https://aws.amazon.com/blogs/machine-learning/model-and-data-lineage-in-machine-learning-experimentation/
70. AI Powered Security A CISO S Playbook 1743113740 | PDF | Artificial Intelligence – Scribd, geopend op november 11, 2025, https://www.scribd.com/document/847859401/AI-Powered-Security-A-CISO-s-Playbook-1743113740
71. The Court of Justice of the European Union in Schrems II: The impact of GDPR on data flows and national security – Brookings Institution, geopend op november 11, 2025, https://www.brookings.edu/articles/the-court-of-justice-of-the-european-union-in-schrems-ii-the-impact-of-gdpr-on-data-flows-and-national-security/
72. Data sovereignty in focus as Europe scrutinizes US cloud influence – Blocks and Files, geopend op november 11, 2025, https://blocksandfiles.com/2025/03/27/eu-data-sovereignty-and-trumps-usa/
73. European Cybersecurity Regulation Takes a Sovereign Turn – Cross-Border Data Forum, geopend op november 11, 2025, https://www.crossborderdataforum.org/european-cybersecurity-regulation-takes-a-sovereign-turn/
74. Technical is political: When a cloud certification scheme divides Europe, geopend op november 11, 2025, https://www.iss.europa.eu/publications/briefs/technical-political-when-cloud-certification-scheme-divides-europe
75. Data sovereignty: What does compliance require in 2026? – N-iX, geopend op november 11, 2025, https://www.n-ix.com/data-sovereignty/
76. Industry News 2024 Cloud Data Sovereignty Governance and Risk Implications of Cross Border Cloud Storage – ISACA, geopend op november 11, 2025, https://www.isaca.org/resources/news-and-trends/industry-news/2024/cloud-data-sovereignty-governance-and-risk-implications-of-cross-border-cloud-storage
77. Continuous Integration and Continuous Deployment (CI/CD) in MLOps – GeeksforGeeks, geopend op november 11, 2025, https://www.geeksforgeeks.org/machine-learning/continuous-integration-and-continuous-deployment-ci-cd-in-mlops/
78. MLOps: CI/CD + CT… What’s Continuous Training? – WWT, geopend op november 11, 2025, https://www.wwt.com/blog/mlops-cicd-ct-whats-continuous-training
79. AI Act | Shaping Europe’s digital future – European Union, geopend op november 11, 2025, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
80. Fairness Metrics in AI—Your Step-by-Step Guide to Equitable Systems – Shelf.io, geopend op november 11, 2025, https://shelf.io/blog/fairness-metrics-in-ai/
81. Post-training Data and Model Bias Metrics – Amazon SageMaker AI, geopend op november 11, 2025, https://docs.aws.amazon.com/sagemaker/latest/dg/clarify-measure-post-training-bias.html
82. Detecting and Mitigating Model Biases in AI Systems – Galileo AI, geopend op november 11, 2025, https://galileo.ai/blog/bias-ai-models-systems
83. A Practical Introduction to Population Stability Index (PSI) – Coralogix, geopend op november 11, 2025, https://coralogix.com/ai-blog/a-practical-introduction-to-population-stability-index-psi/
84. Open-Source Drift Detection Tools in Action: Insights from Two Use Cases – arXiv, geopend op november 11, 2025, https://arxiv.org/html/2404.18673v2
85. How to Choose the Right Metrics to Analyze Model Data Drift – Deepchecks, geopend op november 11, 2025, https://www.deepchecks.com/how-to-choose-the-right-metrics-to-analyze-model-data-drift/
86. Detecting Drifts in Data Streams Using Kullback-Leibler (KL) Divergence Measure for Data Engineering Applications – Chapman University Digital Commons, geopend op november 11, 2025, https://digitalcommons.chapman.edu/cgi/viewcontent.cgi?article=1199&context=engineering_articles
87. Building Bridges: How Team Topologies Can Transform Generative AI Integration, geopend op november 11, 2025, https://teamtopologies.com/news-blogs-newsletters/2025/1/28/how-team-topologies-can-transform-generative-ai-integration
88. re:cinq’s Napkins, geopend op november 11, 2025, https://re-cinq.com/napkins
89. Team Topologies in action: Effective structures for Machine Learning teams – Conflux, geopend op november 11, 2025, https://confluxhq.com/insight/team-topologies-in-action-effective-structures-for-machine-learning-teams
90. 526 Best business owner Jobs in London (November 2025) | JOB TODAY, geopend op november 11, 2025, https://jobtoday.com/gb/jobs-business-owner/london
91. (PDF) THE FUTURE OF WORK-EXAMINING THE EFFECTS OF AI INTEGRATION ON ORGANIZATIONAL STRUCTURE AND EMPLOYEE DYNAMICS – ResearchGate, geopend op november 11, 2025, https://www.researchgate.net/publication/387073323_THE_FUTURE_OF_WORK-EXAMINING_THE_EFFECTS_OF_AI_INTEGRATION_ON_ORGANIZATIONAL_STRUCTURE_AND_EMPLOYEE_DYNAMICS
92. Power Platform Lead Developer | Vanderlande Careers, geopend op november 11, 2025, https://careers.vanderlande.com/us/all-jobs/power-platform-lead-developer-jr32081/
93. Artificial Intelligence Risk Management Framework (AI RMF 1.0) – NIST Technical Series Publications, geopend op november 11, 2025, https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
94. 15 Key Strategies for Effective AI Risk & Compliance Governance – VComply, geopend op november 11, 2025, https://www.v-comply.com/blog/ai-in-risk-and-compliance/
95. AI Risk Assessment 101: Identifying and Mitigating Risks in AI Systems – Zendata, geopend op november 11, 2025, https://www.zendata.dev/post/ai-risk-assessment-101-identifying-and-mitigating-risks-in-ai-systems
96. AI Risk Management Guide: How to Assess & Manage Risks in AI in 2025? – Enkrypt AI, geopend op november 11, 2025, https://www.enkryptai.com/blog/ai-risk-management-guide-how-to-assess-manage-risks-in-ai-in-2025
97. Risk Management in AI – IBM, geopend op november 11, 2025, https://www.ibm.com/think/insights/ai-risk-management
98. Redacting PII from application log output with Amazon Comprehend | Artificial Intelligence, geopend op november 11, 2025, https://aws.amazon.com/blogs/machine-learning/redacting-pii-from-application-log-output-with-amazon-comprehend/
99. AI model governance: What it is and why it’s important | Collibra, geopend op november 11, 2025, https://www.collibra.com/blog/ai-model-governance-what-it-is-and-why-its-important
100. NIST AI Risk Management Framework (AI RMF) – Palo Alto Networks, geopend op november 11, 2025, https://www.paloaltonetworks.com/cyberpedia/nist-ai-risk-management-framework
101. Your 90-Day AI Implementation Roadmap for New Product Development – Narratize, geopend op november 11, 2025, https://www.narratize.com/blogs/90-day-ai-implementation-roadmap-for-new-product-development
102. AI Strategy Planning: Where to Begin in 90 Days – EverWorker, geopend op november 11, 2025, https://everworker.ai/blog/ai-strategy-planning-where-to-begin-90-days
103. Robots in the Boardroom: Artificial Intelligence and Corporate Law, geopend op november 11, 2025, https://ius.uzh.ch/dam/jcr:6bf69baa-c31b-4a06-a840-ab0a02a461a0/Moeslein_Robots%20in%20the%20Boardroom_Artificial%20Intelligence%20and%20Corporate%20Law.pdf
104. What Is Autonomous Business? Gartner Explains the Next Big Shift After AI, geopend op november 11, 2025, https://www.gartner.com/en/articles/what-is-autonomous-business
105. Society-in-the-Loop. Programming the Algorithmic Social… | by Iyad Rahwan | MIT MEDIA LAB | Medium, geopend op november 11, 2025, https://medium.com/mit-media-lab/society-in-the-loop-54ffd71cd802
106. Humans in the Loop: The Design of Interactive AI … – Stanford HAI, geopend op november 11, 2025, https://hai.stanford.edu/news/humans-loop-design-interactive-ai-systems