AI en GDPR: hoe blijft je AI-gebruik AVG-proof in 2026?

AI en GDPR (in Nederland: AVG) botsen sneller dan veel bedrijven denken. Eén medewerker die een klantmail in een gratis ChatGPT plakt, en je hebt al een potentieel datalek. Dit is wat de wet daadwerkelijk eist, hoe de AVG en de AI-verordening sinds 2 augustus 2026 samen werken, en hoe je AI compliant inzet zonder innovatie te blokkeren.

Geldt de AVG eigenlijk op AI?

Ja, volledig. De AVG kent geen uitzondering voor AI. Zodra je persoonsgegevens (naam, e-mail, IP, klantnummer, vrije tekst over mensen) door een AI-systeem haalt, ben je verwerkingsverantwoordelijke en moet je voldoen aan alle bekende AVG-principes:

• Rechtmatigheid en grondslag: heb je toestemming, contract of gerechtvaardigd belang?

• Doelbinding: gebruik je de data alleen voor het oorspronkelijke doel?

• Dataminimalisatie: stuur je niet méér naar het model dan nodig?

• Transparantie: weten betrokkenen dat AI wordt gebruikt?

• Beveiliging: encryptie, toegangsbeheer, logging.

De grondslag is waar het in de praktijk misgaat. Veel bedrijven leunen op gerechtvaardigd belang omdat dat de makkelijkste route lijkt. Dat kan, maar het vraagt een belangenafweging die je moet kunnen laten zien, en het houdt geen stand bij verwerkingen die iemand niet redelijkerwijs verwacht. "We halen alle klantmails door een model om sentiment te scoren" is precies zo'n verwerking.

Hoe de AVG en de AI-verordening zich tot elkaar verhouden

Dit is sinds 2 augustus 2026 de vraag die het vaakst verkeerd wordt beantwoord, want de twee regimes lijken op elkaar en zijn het niet.

Ze gelden naast elkaar, niet in plaats van elkaar. Een chatbot op je website die geen persoonsgegevens opslaat valt buiten de AVG, maar valt wel onder artikel 50: de bezoeker moet kunnen weten dat hij met een machine praat. Andersom valt een spreadsheet vol klantgegevens onder de AVG en niet onder de AI-verordening.

Het goede nieuws: de verplichtingen overlappen fors, en je kunt het werk grotendeels één keer doen. Een register van je AI-systemen dient beide. Zie hoe de AVG en de AI-verordening samenwerken voor Nederlandse deployers en, als je nog geen register hebt, een AI-inventarisatie in 30 minuten.

Let ook op artikel 4, de AI-geletterdheidsplicht. Die geldt al en wordt structureel over het hoofd gezien: je medewerkers moeten begrijpen waar ze mee werken. Zie wat er sinds augustus 2026 gehandhaafd wordt.

De vijf grootste GDPR-risico's bij AI

Per risico staat erbij wat je er concreet aan doet, want het benoemen ervan lost niets op.

1. Klantdata in publieke modellen. Gratis ChatGPT, Gemini of Claude zonder zakelijk contract: gebruikersinput kan gebruikt worden voor training. Voor persoonsgegevens vrijwel altijd onrechtmatig. Wat je doet: zakelijke tier met DPA, en blokkeer de consumentenversies niet met een verbod in een handboek maar op netwerkniveau. Een verbod dat niemand kan handhaven is geen maatregel.

2. Geen verwerkersovereenkomst (DPA). Werken met een AI-leverancier zonder ondertekende DPA is een directe AVG-overtreding. Wat je doet: inventariseer welke tools je team feitelijk gebruikt, niet welke je hebt goedgekeurd. Die twee lijsten verschillen altijd.

3. Doorgifte buiten de EU. OpenAI, Anthropic en Google verwerken vaak buiten de EER. Je hebt een passend doorgiftemechanisme nodig. Wat je doet: kies EU-dataresidentie waar de leverancier die biedt, en leg SCC's vast waar dat niet kan.

4. Geautomatiseerde besluitvorming (artikel 22 AVG). AI die zelfstandig beslist over sollicitanten, kredieten of verzekeringen vraagt expliciete waarborgen en het recht op menselijke tussenkomst. Wat je doet: zorg dat de menselijke tussenkomst echt is. Iemand die 200 AI-adviezen per dag afvinkt is juridisch geen betekenisvolle tussenkomst. Dit raakt direct aan artikel 86 van de AI-verordening, het recht op uitleg, en voor HR-toepassingen aan wat HR-managers in 2026 moeten regelen.

5. Bewaartermijnen en het recht op vergetelheid. Kun je data uit logs, embeddings en fine-tuned modellen verwijderen als een klant daarom vraagt? Wat je doet: zie de volgende paragraaf, want dit is technisch het lastigste punt op deze lijst en het wordt bijna altijd te licht opgevat.

Het vergeetrecht botst met hoe AI-systemen zijn gebouwd

Een verwijderverzoek uit je CRM is een DELETE. In een AI-stack ligt dezelfde persoon meestal op vier plekken:

1. De brondata. Makkelijk te verwijderen.

2. De promptlogs. Vaak vergeten. Als je logt wat er naar het model ging, staan de persoonsgegevens daar ook.

3. De vectordatabase. Embeddings zijn afgeleide gegevens, maar wel herleidbaar. Je moet ze op bron-id kunnen verwijderen, en dat werkt alleen als je die id bij het indexeren hebt meegeschreven.

4. Een fine-tuned model. Hier wordt het echt lastig: je kunt een getraind gewicht niet selectief wissen. Het antwoord is meestal opnieuw trainen zonder die data.

De praktische conclusie: fine-tune niet op persoonsgegevens tenzij je een goede reden hebt. Retrieval (RAG) houdt de data buiten het model en daarmee verwijderbaar, en is voor de meeste zakelijke toepassingen toch al de betere architectuur.

Ontwerp je verwijderprocedure voordat je het systeem bouwt. Achteraf een vectordatabase van bron-id's voorzien betekent alles opnieuw indexeren.

Wat je een AI-leverancier vraagt vóór je tekent

Zes vragen die het verschil maken. Ze zijn zo gesteld dat een vaag antwoord ook een antwoord is.

1. "Wordt onze input gebruikt voor training, standaard of na opt-out?" Standaard uit is het enige goede antwoord voor zakelijk gebruik.

2. "Waar staat de data fysiek, en kunnen we EU-residentie krijgen?"

3. "Hoe lang bewaren jullie prompts en outputs?" Vraag door bij "voor veiligheidsdoeleinden", want dat is vaak 30 dagen ergens buiten de EU.

4. "Wie zijn jullie subverwerkers, en hoe worden we geïnformeerd bij wijziging?"

5. "Kunnen jullie op verzoek data van één betrokkene verwijderen, inclusief uit logs?"

6. "Zijn jullie provider of deployer onder de AI-verordening, en wat blijft er bij ons liggen?"

Die laatste is nieuw en verrast leveranciers nog regelmatig. Zie de uitgebreide due diligence checklist voor AI-leveranciers.

Wanneer je een DPIA nodig hebt, en wat erin staat

Je hebt een DPIA nodig bij systematische en uitgebreide profilering, grootschalige verwerking van bijzondere persoonsgegevens, of stelselmatige monitoring. AI raakt die criteria sneller dan mensen verwachten: een tool die medewerkerscommunicatie analyseert is monitoring, ook als dat niet het doel was. De Autoriteit Persoonsgegevens publiceert een lijst van verwerkingen waarvoor een DPIA verplicht is.

Een bruikbare DPIA bevat, kort:

• wat je verwerkt, van wie, en op welke grondslag

• waarom het niet minder kan (noodzaak en proportionaliteit)

• wat er mis kan gaan voor de betrokkene, niet voor jou

• welke maatregelen dat risico verlagen

• wat het restrisico is, en wie dat heeft geaccepteerd

Onder de AI-verordening bestaat daarnaast de FRIA, de grondrechtentoets, met een andere invalshoek. Ze overlappen maar zijn niet uitwisselbaar. Zie DPIA of FRIA: wat heb je echt nodig.

Shadow AI: het risico dat niet in je beleid staat

De meeste AVG-problemen met AI ontstaan niet bij de systemen die je hebt goedgekeurd. Ze ontstaan bij de tools die je team zelf is gaan gebruiken omdat het werk anders niet af kwam.

Drie patronen die we in de praktijk het vaakst tegenkomen:

• De browserextensie. Iemand installeert een AI-samenvatter die meeleest met alles in het scherm, inclusief het CRM. Er is geen DPA, en er is geen zicht op waar de data heen gaat.

• Het privé-account op de werklaptop. Formeel verboden, praktisch onzichtbaar, en juist populair omdat de zakelijke tier trager of strenger aanvoelt.

• De automatisering die niemand heeft aangevraagd. Een enthousiaste collega koppelt de inbox aan een AI-tool via Zapier of Make. Technisch knap, en een verwerking waar niemand een grondslag voor heeft vastgelegd.

Wat hier werkt is niet strenger beleid, maar een bruikbaar alternatief plus zicht. Als de goedgekeurde route sneller is dan de sluiproute, verdwijnt de sluiproute vanzelf. Geef mensen een zakelijke tier die goed genoeg is, blokkeer de consumentenversies op netwerkniveau, en vraag één keer per kwartaal simpelweg wat ze gebruiken. Dat laatste levert consequent meer op dan een audit.

Dit is ook precies waar artikel 4 van de AI-verordening op aangrijpt: mensen die begrijpen waar ze mee werken, nemen betere beslissingen over wat ze erin plakken.

Wat je deze week doet als er nog niets geregeld is

Vijf stappen, in deze volgorde. Samen een dagdeel werk, en ze dekken het grootste deel van je blootstelling af.

1. Vraag het team welke AI-tools ze gebruiken. Geen audit, gewoon de vraag. De lijst is langer dan je verwacht.

2. Streep aan welke persoonsgegevens raken. Dat zijn er minder dan de hele lijst, en alleen die hebben nu aandacht nodig.

3. Controleer per tool of er een DPA is en of training standaard uit staat. Geen DPA betekent: vandaag stoppen of vandaag regelen.

4. Blokkeer de consumentenversies van wat je zakelijk hebt geregeld, zodat er geen twee routes naast elkaar bestaan.

5. Leg de lijst vast als je AI-register. Datzelfde register dient straks ook je verplichtingen onder de AI-verordening, dus dit is werk dat je één keer doet.

Wat je in stap 1 en 2 vindt bepaalt of je een DPIA nodig hebt. Begin dus niet met de DPIA.

Checklist: AI compliant inzetten

Gebruik deze checklist per AI-tool of use-case:

• Zakelijk account met Data Processing Addendum ondertekend.

• Leverancier garandeert dat input niet gebruikt wordt voor training (opt-out of standaard uit voor zakelijke tier).

• EU-dataresidentie of geldige doorgifte-grondslag (SCC's).

• Toegangsbeheer, alleen geautoriseerde medewerkers, SSO waar mogelijk.

• Logging van wie wat heeft gevraagd (voor incident-onderzoek).

• Pseudonimisering of dataminimalisatie vóór je naar de API stuurt.

• Risicoanalyse / DPIA als je bijzondere persoonsgegevens of grote volumes verwerkt.

• Transparantie richting betrokkenen, privacyverklaring vermeldt AI-gebruik.

• Bewaartermijnen vastgelegd in je AI-register.

• Procedure voor verwijderverzoeken die ook logs en embeddings dekt.

• Consumentenversies geblokkeerd op netwerkniveau, niet alleen verboden op papier.

• AI-geletterdheid geregeld voor wie ermee werkt (artikel 4 AI-verordening).

Veelgestelde vragen

Mag ik ChatGPT gebruiken voor klantmails? Niet met de gratis versie. Met ChatGPT Enterprise of de API (met DPA en training-opt-out) wel, mits je dataminimalisatie toepast en geen bijzondere persoonsgegevens deelt.

Heb ik een DPIA nodig voor AI? Vrijwel altijd ja zodra je AI inzet voor profilering, monitoring van medewerkers of beslissingen met juridische gevolgen. De Autoriteit Persoonsgegevens publiceert een DPIA-verplichtelijst.

Wat is het verschil tussen GDPR en de EU AI Act? De AVG beschermt persoonsgegevens; de AI-verordening regelt de veiligheid en risico's van AI-systemen zelf. Ze gelden naast elkaar. Zie de tabel hierboven.

Wat als mijn AI-leverancier zit in de VS? Sluit SCC's af en kies waar mogelijk een EU-residency optie. Onder het EU-US Data Privacy Framework is doorgifte naar gecertificeerde Amerikaanse partijen mogelijk, maar de juridische zekerheid blijft beperkt.

Is een AI-chatbot op mijn site een AVG-probleem? Alleen als er persoonsgegevens door gaan, en dat gebeurt sneller dan gedacht zodra bezoekers vrije tekst typen. Los daarvan geldt de transparantieplicht uit artikel 50: de bezoeker moet weten dat het een machine is.

Mogen we AI gebruiken om cv's te screenen? Dat kan, maar het is een van de zwaarst gereguleerde toepassingen die er zijn: artikel 22 AVG, plus hoog-risico onder de AI-verordening. Begin bij wat HR-managers moeten regelen voordat je zo'n tool aanschaft.

Waar begin ik als we nog niets geregeld hebben? Bij de inventarisatie. Je kunt niets beschermen waarvan je niet weet dat het draait, en die lijst is bijna altijd langer dan verwacht. Zie de volledige set gidsen over de EU AI-verordening.

Aan de slag

KHAIROS bouwt AI-systemen die vanaf dag één AVG-proof zijn, met EU-modellen waar mogelijk, DPA's geregeld en governance ingebouwd in plaats van erbij geplakt.

Plan een vrijblijvende kennismaking.