ChatGPTHet AI-beleid is helder: gebruik Microsoft Copilot, niet de gratis versie van ChatGPT. Na een maand blijkt dat het marketingteam toch vooral ChatGPT gebruikt. Niet om de regels te ontlopen, maar om campagneteksten naar het Duits en Frans te vertalen. Iemand had ontdekt dat dat goed werkte, en de rest van het team deed mee. Dat is waardevolle informatie: mensen hebben een werkwijze gevonden die helpt, en het beleid had daar nog geen antwoord op.
Bijsturen begint daar. De vraag is niet "wie houdt zich niet aan de afspraak?", maar "wat willen mensen doen, en hoe maken we dat mogelijk op een manier die past?"
Waarom loopt de praktijk anders dan het beleid?
Een AI-beleid wordt meestal geschreven voordat je weet waarvoor mensen AI echt gaan gebruiken. Er komen nieuwe tools bij, bestaande tools krijgen nieuwe functies, en teams ontdekken toepassingen waar niemand aan had gedacht. En een afspraak op het intranet is niet altijd bij de hand als iemand snel een tekst wil vertalen.
Een afwijking is dus geen mislukking van het beleid. Het is het moment waarop het beleid kan bijleren.
Welke signalen vragen om bijsturing?
Vijf signalen komen in de praktijk het vaakst voor:
- Een tool zonder besluit groeit. Steeds meer mensen gebruiken een tool waarover nog niets is afgesproken.
- Na een melding gaan veel mensen toch door. Bij een niet-toegestane tool openen ze het alternatief niet, maar kiezen ze voor de oorspronkelijke tool.
- Een toegestane tool wordt nauwelijks gebruikt. Het goedgekeurde alternatief bestaat op papier, maar niet in het werk.
- Hetzelfde soort gegevens komt steeds terug. Klantnummers of personeelsgegevens duiken telkens op in teksten voor AI-tools.
- Een nieuw soort gebruik. Een team gebruikt AI voor iets waar het beleid niet over gaat, zoals vertalen of code schrijven.
Hoe je de cijfers achter die signalen leest, staat in het artikel over AI-cijfers die iets zeggen.
Wat kun je concreet doen?
Je hebt meer mogelijkheden dan toestaan of verbieden.
Neem een besluit. Een tool die veel wordt gebruikt en nog geen besluit heeft, verdient er een. Dat kan ook "beperkt toegestaan" zijn, met een voorwaarde: algemene vragen zijn prima, geen persoons- of klantgegevens.
Verbeter het alternatief. Als mensen een tool links laten liggen, vraag dan waarom. Misschien vertaalt het alternatief minder goed, of weet niemand dat het er is. Soms is de zakelijke variant van de tool die mensen al gebruiken het beste antwoord.
Maak de voorwaarde concreet. "Wees voorzichtig met gevoelige gegevens" is lastig toe te passen. "Geen namen, klantnummers of BSN's; gebruik [NAAM1] als je een voorbeeld nodig hebt" kan iemand tijdens het werk wel toepassen.
Richt de uitleg op wat terugkomt. Als steeds dezelfde gegevens opduiken, geef dan een korte uitleg over precies dat gegevenstype, met een voorbeeld uit het eigen werk. De training legt de basis; zo'n gerichte herinnering helpt die kennis toe te passen.
Wanneer kies je voor een strengere maatregel?
Soms is een strengere aanpak terecht, bijvoorbeeld bij een tool waarvan de leverancier ingevoerde gegevens gebruikt om modellen te trainen. Een organisatie kan dan besluiten dat medewerkers na de melding niet kunnen doorgaan naar die tool, of dat gevoelige gegevens standaard worden gemaskeerd voordat ze worden verstuurd.
Doe dat pas als het alternatief werkt. Een strenge maatregel zonder bruikbaar alternatief verplaatst het werk vaak naar een privéaccount of een telefoon, waar je er niets meer van ziet. Met een goed alternatief erbij is dezelfde maatregel vooral een duidelijke wegwijzer.
Hoe zie je of de bijsturing werkt?
Kies vooraf één cijfer dat bij je maatregel hoort. Heb je een beter alternatief gekozen, kijk dan of het aandeel AI-gebruik via toegestane tools stijgt. Heb je een voorwaarde verduidelijkt, kijk dan of het betreffende gegevenstype minder vaak ongewijzigd wordt verstuurd. Kijk na een maand, niet na een week: nieuwe gewoontes hebben even tijd nodig.
Verandert er niets, dan is dat ook informatie. Misschien was de oorzaak een andere dan je dacht, en is een gesprek met het team de beste volgende stap.
In BeeSensible neem je deze besluiten per tool, met het alternatief erbij, en zien medewerkers dat besluit wanneer ze de tool openen. Elke tool begint op "nog geen besluit"; daarna kies je zelf.
