Personeelsstukken samenvatten
Een leidinggevende wil gespreksverslagen door AI laten samenvatten. De groep onderzoekt noodzakelijkheid, gevoelige details, toegang en het risico van onjuiste persoonlijke conclusies.
Verdieping voor uw eigen team
Workshop AI en privacy: beoordeel toepassingen en prompts
Dossiers samenvatten, vacatureteksten voorbereiden of klantantwoorden laten voorstellen: de privacyvraag verschilt per toepassing. In deze workshop brengt u het gegevensgebruik in kaart en vertaalt u dat naar toetsbare voorwaarden.
Van vraag naar aanpak
Wanneer is deze workshop passend?
De workshop AI en privacy maakt de AVG-vragen rond een concrete AI-toepassing hanteerbaar. We onderzoeken welke persoonsgegevens in invoer, bestanden, uitvoer en logging terechtkomen, wie toegang heeft en waarvoor de gegevens worden gebruikt. Deelnemers oefenen met privacyvriendelijker prompts, leveranciersvragen en een onderbouwde route naar beoordeling.
Conceptantwoorden voor klantenservice
Medewerkers kopiëren complete vragen in een AI-tool. U onderzoekt of een algemeen antwoordmodel kan volstaan en welke controle nodig is vóór verzending.
AI binnen een bestaande kantooromgeving
Een nieuwe functie kan bestanden en berichten betrekken bij een antwoord. U bespreekt toegangsrechten, bronselectie en wat de bestaande overeenkomst daadwerkelijk dekt.
De opbrengst
Wat uw team meeneemt naar het werk.
Een gegevenskaart van één toepassing
U brengt invoer, bronnen, ontvangers, uitvoer en opslag in kaart. Die kaart vormt een bruikbaar vertrekpunt voor overleg tussen het werkteam, privacy, IT en inkoop.
Een eerste set praktische gebruiksafspraken
Deelnemers formuleren welke gegevens en taken zijn toegestaan, welke controles nodig zijn en wanneer de toepassing eerst moet worden beoordeeld. De afspraken blijven afhankelijk van de gekozen inrichting.
Een gerichte beoordelingslijst
U legt open vragen over grondslag, leverancier, beveiliging, transparantie en eventuele DPIA vast, met een verantwoordelijke voor de verdere uitwerking.
Teken de gegevensstroom van de AI-toepassing
We beginnen met een concrete taak, zoals het maken van een conceptantwoord. Deelnemers volgen de gegevens van bronbestand naar prompt, aanbieder, uitvoer en bewaarlocatie. Ook gekoppelde documenten, accountgegevens en logs worden meegenomen. Zo voorkomen we dat alleen de zichtbare tekstinvoer wordt beoordeeld.
Daarna onderscheiden we direct herkenbare informatie van combinaties die iemand indirect herkenbaar maken. Een naam verwijderen maakt een casus niet automatisch anoniem. We onderzoeken welke details de taak werkelijk nodig heeft en welke informatie kan worden vervangen door een fictief voorbeeld of algemene beschrijving.
Verbind AVG-vragen aan doel en inrichting
Wanneer persoonsgegevens worden verwerkt, onderzoeken we onder meer doel, grondslag en noodzakelijkheid. We kijken afzonderlijk naar invoer, gebruik door de aanbieder en toepassing van de uitkomst. De juridische beoordeling hangt af van deze feitelijke inrichting; het etiket zakelijke AI lost de vragen niet op.
De groep maakt een eerste inventarisatie van rollen, bewaartermijnen, beveiliging, informatie aan betrokkenen en rechten. Ook beoordelen we welke vragen aanleiding zijn voor verdere analyse, waaronder een DPIA bij waarschijnlijk hoge privacyrisico’s. Een workshopoefening is geen afgeronde DPIA of juridische vrijgave.
Oefen met prompts en kritische uitvoercontrole
Deelnemers herschrijven een overvolle prompt naar een doelgerichte opdracht met zo min mogelijk persoonsgegevens. We vergelijken het resultaat met een versie zonder dossierinformatie. De vraag is niet alleen of de AI een bruikbaar antwoord geeft, maar ook of de extra gegevens aantoonbaar nodig waren.
Vervolgens controleren we fictieve AI-uitvoer op onjuiste persoonlijke details, ongefundeerde conclusies en informatie die niet verder mag worden verspreid. We bepalen wie controleert, waar het concept wordt opgeslagen en wanneer een medewerker de gewone werkroute gebruikt omdat de toepassing onvoldoende zekerheid biedt.
Maak leveranciersvragen en gebruiksregels concreet
We vertalen algemene claims van aanbieders naar controleerbare vragen. Wordt invoer gebruikt voor verdere training? Welke bewaartermijn geldt werkelijk? Welke partijen ontvangen gegevens? Waar vindt verwerking plaats? De antwoorden moeten aansluiten op contract, instellingen en de gebruikte dienstversie, niet alleen op een marketingpagina.
Tot slot ontwerpen deelnemers een beslisroute voor medewerkers: toegestane taak, gegevensgrens, noodzakelijke controle en aanspreekpunt bij twijfel. Onbekende voorwaarden krijgen een eigenaar en vervolgstap. We bespreken ook wat het team doet wanneer toch onbedoeld persoonsgegevens zijn ingevoerd.
Een fictieve oefencasus
Fictieve oefening: een klacht laten samenvatten
Een medewerker wil een lang klachtenbericht inkorten. Het bericht bevat naam, adres, financiële omstandigheden en informatie over gezondheid. De gewenste uitkomst is slechts een overzicht van het productprobleem en de gevraagde oplossing.
Een illustratie van een mogelijke oefening. Dit is geen uitgevoerde klantopdracht.De opdracht aan het team
De groep markeert welke informatie noodzakelijk is, herschrijft de opdracht zonder overbodige persoonlijke details en stelt vragen over de gekozen AI-dienst. Daarna beoordeelt zij een fictieve samenvatting waarin de AI ten onrechte een medische verklaring toevoegt.
Wat de oefening zichtbaar maakt
Deelnemers maken een taakgerichte voorbeeldprompt en een controlelijst voor het conceptantwoord. Daarnaast leggen zij vast welke leveranciersinformatie ontbreekt. Het voorbeeld gebruikt fictieve gegevens en geeft geen generieke toestemming om echte klachten in een AI-tool te plaatsen.
Rondom de bijeenkomst
Voorbereiding en opvolging horen erbij.
Vooraf
Vooraf kiezen we een toepassing en verzamelen we een beschrijving van doel, gebruikers, gegevens en aanbieder. Relevante instellingen of contractpassages kunnen worden besproken zonder vertrouwelijke stukken breed te verspreiden. Oefeningen gebruiken fictieve gegevens; een eigen toolaccount is doorgaans niet nodig.
Na afloop
Het team kan de gegevenskaart en open vragen vervolgens laten uitwerken door de verantwoordelijke professionals. Eventuele vervolgbegeleiding kan gaan over gebruiksbeleid, leveranciersbeoordeling of het voorbereiden van een DPIA. Besluiten over ingebruikname worden genomen na de benodigde inhoudelijke beoordeling.
Praktische vragen
Een passend programma begint bij uw situatie.
Mogen persoonsgegevens nooit in AI?+
Er bestaat geen bruikbaar algemeen ja of nee voor iedere toepassing. De beoordeling hangt onder meer af van doel, gegevens, grondslag, inrichting, aanbieder en waarborgen.
Is namen verwijderen voldoende?+
Niet altijd. Een combinatie van functie, gebeurtenis, locatie en andere details kan iemand nog herkenbaar maken. We oefenen daarom met indirecte herkenbaarheid.
Is een betaalde AI-dienst automatisch AVG-proof?+
Nee. De prijs of abonnementsvorm bewijst niet dat uw toepassing voldoet. U moet de feitelijke verwerking, voorwaarden en instellingen voor uw eigen gebruik beoordelen.
Ronden we tijdens de workshop een DPIA af?+
Nee. U krijgt een onderbouwd vertrekpunt en ziet welke informatie nodig is. Een volledige DPIA vraagt een afzonderlijk traject met de relevante inhoudelijke betrokkenheid.
Kunnen gewone medewerkers deelnemen?+
Ja. Voor gebruikers ligt het accent op gegevens herkennen, passende prompts, uitvoer controleren en twijfel melden. Voor professionals kan de leveranciers- en beoordelingskant verder worden verdiept.
Verdiep u in het onderwerp
Van lezen naar samen toepassen.
AI · Kennisbank
Hoe beoordeelt u een concrete AI-toepassing onder de AVG?
Begin met één afgebakende werktaak en teken de gegevensstroom van invoer tot gebruik van het antwoord. Beoordeel vervolgens noodzaak, grondslag, rollen, beveiliging en gevolgen voor mensen. Leg vast onder welke voorwaarden de toepassing mag starten, wie daarvoor verantwoordelijk is en welke verandering een nieuwe beoordeling vraagt.
Privacy · Kennisbank
Welke persoonsgegevens mogen in een AI-prompt?
Voer persoonsgegevens alleen in binnen een beoordeelde toepassing, voor een rechtmatig doel en met passende afspraken en beveiliging. Beperk de invoer tot wat werkelijk nodig is. Namen verwijderen, een betaald account gebruiken of modeltraining uitschakelen is ieder afzonderlijk onvoldoende om een prompt veilig of rechtmatig te maken.
AI · Kennisbank
Hoe legt u AI-gebruik duidelijk uit aan werknemers en klanten?
Leg op het juiste moment uit welke rol AI speelt, welke persoonsgegevens worden verwerkt, wat de gevolgen kunnen zijn en waar iemand met vragen terechtkan. Maak onderscheid tussen AVG-informatie, specifieke AI Act-verplichtingen en aanvullende uitleg die mensen helpt. Een algemeen AI-label of een lange privacyverklaring is daarvoor zelden een complete oplossing.
Privacy · Kennisbank
Wat is het verschil tussen een DPIA, IAMA en ethische afweging?
Een DPIA onderzoekt risico’s van persoonsgegevensverwerking voor mensen. Het IAMA ondersteunt beoordeling van de gevolgen van algoritmen voor grondrechten, vooral binnen de overheid. Een ethische afweging onderzoekt breder welke keuze verantwoord is en waarom. De instrumenten kunnen elkaar versterken, maar vervangen elkaar niet automatisch. Welke beoordeling verplicht is, hangt af van de verwerking, het systeem en de organisatie.
Inhoudelijke bronnen bij dit programmaAVG: onder meer artikelen 5, 6, 13–14, 25, 28, 32 en 35EDPB Opinion 28/2024: persoonsgegevens en AI-modellen
Workshops voor uw eigen team
Een ander vraagstuk vraagt een andere workshop.
Van professionele dilemma’s tot gegevensgebruik en AI. Kies de inhoud die bij uw team past; programma, werkvorm en kosten spreken we vooraf af.
01Bekijk de workshop 02Bekijk de workshop 03Bekijk de workshop
Lees het dossier AI, privacy en ethiek Workshop data en ethiek: van dashboard naar verantwoorde keuze
Data verzamelen, onderzoeken, visualiseren en delen; met aandacht voor de stap van beschrijving naar handelen.
Workshop ethiek: zorgvuldig kiezen bij lastige dilemma’s
Morele oordeelsvorming, professioneel handelen, integriteit, aanspreekbaarheid en het uitleggen van lastige keuzes.
Workshop AI-ethiek: bias, autonomie en menselijke controle
Bias en discriminatierisico, beïnvloeding, menselijke oordeelsvorming en verantwoordelijkheid gedurende het gebruik van AI.
Van uw vraag naar een workshop
Welk dilemma verdient aandacht in uw team?
Vertel voor wie u de workshop zoekt en welke situatie u wilt bespreken. Deel bij de eerste aanvraag geen persoonsgegevens of vertrouwelijke casusdetails.
Bespreek de mogelijkheden