In dit artikel9 onderdelen
  1. Wat telt als AI-systeem onder de verordening?
  2. Synthetische data: drie vormen, drie risicoprofielen
  3. Wat betekent dit voor jouw organisatie?
  4. Risicocategorieën: waar val je?
  5. De verplichtingen die je niet kunt negeren
  6. AVG en AI-verordening: twee sets regels tegelijk
  7. Praktisch: hoe inventariseer je dit?
  8. Eén actie voor deze week
  9. Bronnen

Synthetische data en de AI-verordening: dat lijkt misschien een ver-van-mijn-bed-show voor een gemiddeld Nederlands bedrijf. Maar als jij tools gebruikt die automatisch trainingsdata, testdata of profieldata aanmaken op basis van bestaande datasets, dan ben je waarschijnlijk al gebruiksverantwoordelijke (deployer) onder de EU AI-verordening. Welke verplichtingen daarbij horen, hangt af van het risico van de toepassing. Eén geldt altijd: AI-geletterdheid (Artikel 4).

Wat telt als AI-systeem onder de verordening?

De definitie staat in Artikel 3 van de AI-verordening. Een AI-systeem is een op machines gebaseerd systeem dat is ontworpen om met variërende mate van autonomie te werken, en dat op basis van input inferenties maakt om outputs te genereren, zoals voorspellingen, aanbevelingen, beslissingen of gegenereerde content. Die outputs beïnvloeden dan weer echte of virtuele omgevingen.

Dat klinkt abstract. Kijk, in de praktijk betekent het dit: als een tool op basis van jouw bestaande klantdata automatisch nieuwe, synthetische klantprofielen aanmaakt, dan maakt die tool inferenties op basis van input. Dat is vrijwel altijd een AI-systeem in de zin van de verordening.

Een simpele spreadsheetformule valt er niet onder. Een generatief model dat statistische patronen leert en vervolgens nieuwe datapunten produceert, wel.

Synthetische data: drie vormen, drie risicoprofielen

Niet alle synthetische data is hetzelfde. Grofweg zijn er drie vormen:

1. Statistische synthetische data — gegenereerd via traditionele statistische methoden zoals bootstrapping of parametrische modellen. Denk aan een tool die op basis van bestaande verkoopdata nieuwe scenario's simuleert voor een financiële stresstest. Of dit onder de verordening valt, hangt af van hoe de tool is gebouwd. Veel moderne tools gebruiken onderliggend toch ML-modellen, ook als de interface er simpel uitziet.

2. Synthetische data via generatieve AI — GANs (Generative Adversarial Networks), VAEs, of grote taalmodellen die nieuwe data aanmaken die lijkt op de trainingsset. Dit valt bijna altijd onder de definitie van Artikel 3. Een HR-tool die synthetische cv's genereert voor het testen van een recruitmentalgoritme? Dat is een AI-systeem.

3. Augmentatie van bestaande data — bestaande records worden licht aangepast, geanonimiseerd of uitgebreid. Afhankelijk van de methode kan dit wel of niet onder de definitie vallen.

Voor jouw compliance-inventarisatie geldt: twijfel je of een tool een AI-systeem is? Vraag het de leverancier. Voor hoog-risico AI-systemen moet de aanbieder gebruiksinstructies meeleveren (Artikel 13), maar die plicht geldt pas vanaf 2 december 2027 (Bijlage III) of 2 augustus 2028 (Bijlage I). Voor gewone tools is er geen wettelijk recht op technische documentatie. Een leverancier die je vraag niet kan beantwoorden, zegt je ook iets.

Wat betekent dit voor jouw organisatie?

De meeste bedrijven die synthetische data genereren, doen dat voor drie doelen:

Marketinganalyse — je genereert synthetische klantprofielen om campagnes te testen zonder echte persoonsgegevens te gebruiken. Goed idee vanuit AVG-perspectief. Maar als de tool daarvoor een AI-systeem gebruikt, ben jij de gebruiksverantwoordelijke. Bij een marketingtool is dat meestal geen hoog-risico toepassing, dus de zware plichten van Artikel 26 gelden niet. Artikel 4 (AI-geletterdheid) wel.

Productontwikkeling — je gebruikt synthetische productdata of gebruikersgedragdata om nieuwe features te testen. Zeker als het gaat om gedragsdata van mensen, wordt het snel interessant vanuit zowel de AI-verordening als de AVG.

Training van andere AI-modellen — je genereert synthetische data om een ander model mee te trainen. Hier moet je goed opletten: de synthetische data-generator is één AI-systeem, het model dat je ermee traint is een ander. Beide kunnen aparte verplichtingen meebrengen.

Risicocategorieën: waar val je?

De AI-verordening werkt met risicolagen. Voor synthetische data-tools geldt doorgaans:

Verboden praktijken (Artikel 5) — synthetische data-generatie komt hier zelden direct in terecht, tenzij je synthetische data gebruikt om iets te bouwen of te ondersteunen dat wél verboden is. Denk aan het opbouwen van een gezichtsdatabase door ongericht gezichtsbeelden van internet te scrapen (Artikel 5, lid 1, onder e).

Hoog-risico AI (Bijlage III) — als de synthetische data wordt gebruikt om een hoog-risico systeem te trainen of te evalueren, moet je goed nadenken. Gebruik jij synthetische cv-data om een recruitmenttool te testen die uiteindelijk beslissingen neemt over kandidaten? Dan valt die recruitmenttool onder Bijlage III, punt 4 (werkgelegenheid, personeelsbeheer en toegang tot zelfstandige arbeid). De synthetische data-generator zelf is dan waarschijnlijk geen hoog-risico AI, maar de eindtoepassing wel. De regels voor hoog-risico systemen uit Bijlage III gelden vanaf 2 december 2027.

Algemeen risico / minimaal risico — de meeste synthetische data-tools voor marketing of productontwikkeling vallen hier. Dat betekent niet dat er geen verplichtingen zijn: Artikel 4 geldt altijd, en voor chatbots en gegenereerde content gelden sinds 2 augustus 2026 transparantieregels (Artikel 50). Maar de lat ligt lager.

De verplichtingen die je niet kunt negeren

Voor elke organisatie die AI gebruikt, ook voor marketing of tests, geldt Artikel 4. Sinds de Digital Omnibus (Verordening (EU) 2026/1744, in werking sinds 27 juli 2026) luidt de kern: aanbieders en gebruiksverantwoordelijken "nemen maatregelen om de ontwikkeling van AI-geletterdheid van hun personeel en andere personen die namens hen AI-systemen exploiteren en gebruiken, te ondersteunen". Een bepaald niveau per persoon hoef je niet te waarborgen. Het is een inspanningsverplichting, en die geldt al sinds 2 februari 2025.

Gebruik je de synthetische data voor een hoog-risico toepassing uit Bijlage III, dan komen daar de plichten van Artikel 26 bij, vanaf 2 december 2027:

  • Gebruik het systeem volgens de gebruiksinstructies van de aanbieder

  • Wijs menselijk toezicht toe aan mensen met de nodige bekwaamheid, opleiding en bevoegdheid

  • Monitor de werking en bewaar de automatisch gegenereerde logs (minimaal zes maanden)

  • Meld risico's en ernstige incidenten aan de aanbieder en de toezichthouder

Een grondrechten-effectbeoordeling (FRIA, Artikel 27) is alleen nodig voor overheidsorganisaties, private partijen die openbare diensten verlenen, en gebruikers van kredietscoring of prijsbepaling voor levens- en ziektekostenverzekeringen. Een DPIA onder de AVG is vaak wel nodig zodra er persoonsgegevens in het spel zijn.

AVG en AI-verordening: twee sets regels tegelijk

Even serieus: als jouw synthetische data ook maar iets te maken heeft met persoonsgegevens, heb je niet alleen de AI-verordening maar ook de AVG aan je broek. De Autoriteit Persoonsgegevens heeft expliciet aangegeven dat AI-toepassingen die persoonsgegevens verwerken onder beide regimes vallen.

Synthetische data wordt vaak ingezet juist om de AVG te omzeilen: je gebruikt toch geen echte persoonsdata? Maar het genereren van die synthetische data begint wel met echte persoonsdata als trainingsset. De AP kijkt daar kritisch naar. Als de synthetische data herleidbaar is naar individuen, of als de methode om die data te genereren persoonsgegevens verwerkt, dan geldt de AVG gewoon.

De combinatie van beide verordeningen betekent concreet: als je een DPIA moet doen voor de AVG, neem dan meteen de AI-verordening-risico's mee. Dat scheelt werk en voorkomt dat je twee aparte trajecten opzet voor hetzelfde systeem.

Praktisch: hoe inventariseer je dit?

Stap één is weten wat je in huis hebt. Maak een lijst van alle tools en diensten die in jouw organisatie data aanmaken, simuleren of augmenteren. Vraag per tool aan de leverancier: valt dit product onder de EU AI-verordening, en zo ja, in welke risicocategorie?

Leveranciers die hun zaakjes op orde hebben, kunnen je dat vertellen. Leveranciers die dat niet kunnen, zijn een risico op zich. Ook als je de tool van een ander afneemt, ben jij verantwoordelijk voor hoe je hem inzet.

Stap twee: bepaal voor elke tool het gebruik. Hetzelfde synthetische data-systeem kan voor de ene toepassing minimaal risico zijn, en voor een andere toepassing raken aan hoog-risico categorieën.

Stap drie: zorg dat de mensen die met deze tools werken weten wat ze doen. Artikel 4 over AI-geletterdheid is een echte verplichting, ook al vraagt het geen vast niveau. Het betekent dat jij als organisatie maatregelen neemt om de kennis te ondersteunen van de mensen die AI-systemen bedienen. Leg vast wat je doet: dat is je bewijs als een toezichthouder ernaar vraagt.

Eén actie voor deze week

Pak je lijst van data-tools erbij, of maak die lijst nu als je hem nog niet hebt. Zet er per tool bij: genereert dit systeem nieuwe data op basis van bestaande data? Als het antwoord ja is, vraag dan deze week aan de leverancier of het product onder de AI-verordening valt en in welke categorie. Hoe eerder je het weet, hoe rustiger je de rest kunt plannen.

Wil je weten hoe jouw organisatie er nu voor staat? De gratis 2-minuten compliance-check op comply.khairos.ai geeft je een eerste beeld van waar je staat en wat de volgende stap is.

Bronnen

  1. EU AI-verordening

  2. Artikel 3 van de AI-verordening

  3. Artikel 13

  4. Artikel 26

  5. Artikel 4

  6. Verordening (EU) 2026/1744 (Digital Omnibus on AI)

  7. expliciet aangegeven

  8. comply.khairos.ai

Weet je niet waar jouw bedrijf staat?

Beantwoord 15 vragen over hoe je team AI gebruikt. Je krijgt een compliance-score en de gaten die je eerst moet dichten, als PDF.

Ben ik compliant? Check in 2 minZo werkt Khairos Comply