AI en efficiëntie: kan Europa het tempo bijbenen?

Europa hoeft niet te kiezen tussen snelheid en vertrouwen. De echte uitdaging is om AI-governance proportioneel toe te passen, zodat laagrisicotoepassingen snel kunnen worden ingezet en toepassingen met een grotere impact voldoende worden gecontroleerd. 

Artificiële intelligentie verandert fundamenteel hoe organisaties werken. AI kan documenten samenvatten, analyses voorbereiden, repetitieve taken automatiseren en medewerkers sneller toegang geven tot relevante informatie. De potentiële efficiëntiewinst is duidelijk: minder tijd besteden aan opzoek- en verwerkingswerk, en meer tijd vrijmaken voor interpretatie, advies en besluitvorming. 

Razendsnelle groei van zakelijk AI-gebruik 

Het gebruik van AI groeit snel. In 2024 gaf wereldwijd 78 procent van de bevraagde organisaties aan AI te gebruiken, tegenover 55 procent in 2023. Het gebruik van generatieve AI in minstens één bedrijfsfunctie steeg in dezelfde survey van 33 naar 71 procent. [1] 

De financiële impact blijft evenwel vaak beperkt. Binnen de bedrijfsfuncties waarin organisaties kostenbesparingen door AI rapporteren, liggen die besparingen doorgaans onder 10 procent. Voor opbrengststijgingen is het meest gerapporteerde niveau minder dan 5 procent. [2] 

Europa kiest voor betrouwbare AI: rem of troef? 

Europa koppelt het gebruik van AI expliciet aan veiligheid, grondrechten, transparantie en menselijk toezicht. De Europese AI Act hanteert een risicogebaseerde aanpak: verboden praktijken, hoogrisicosystemen, toepassingen met specifieke transparantieverplichtingen en toepassingen met minimaal of geen risico worden verschillend behandeld. [3] 

Daarnaast blijft de Algemene Verordening Gegevensbescherming (GDPR) van toepassing wanneer een AI-systeem persoonsgegevens verwerkt. Organisaties moeten dan onder meer rekening houden met rechtmatigheid, transparantie, doelbinding, gegevensminimalisatie, beveiliging en verantwoordingsplicht. [4] 

Bescherming is cruciaal, maar kan ook vertragen 

Die bescherming is essentieel, maar kan de invoering vertragen wanneer organisaties onvoldoende duidelijkheid hebben over risico’s, verantwoordelijkheden en toegelaten gegevens. Vooraf moet worden vastgesteld welke data een AI-oplossing verwerken, waar die gegevens zich bevinden, voor welk doel ze worden gebruikt en welke beveiligings- en toezichtmaatregelen nodig zijn. 

Volgens een IMF-modelstudie voor 31 Europese landen kan AI de totale factorproductiviteit in Europa over vijf jaar cumulatief met ongeveer 1 procent verhogen. De auteurs benadrukken dat de uitkomst sterk varieert naargelang het scenario en het land. [5] 

In een van de onderzochte scenario’s daalt de potentiële productiviteitswinst met meer dan 30 procent wanneer nationale en Europese regels inzake beroepsvereisten, AI-veiligheid en gegevensbescherming ertoe leiden dat de AI-blootstelling in de getroffen taken, beroepen en sectoren 50 procent lager uitvalt. Dit is een conditionele modelschatting, geen voorspelling dat regelgeving de productiviteitswinst automatisch met 30 procent vermindert. [5] 

Terwijl Europa afweegt, investeren anderen sneller 

De Verenigde Staten hebben een aanzienlijke investeringsvoorsprong. In 2024 bedroegen de private AI-investeringen in de VS 109,1 miljard dollar. Amerikaanse instellingen ontwikkelden dat jaar 40 prominente AI-modellen, tegenover 15 in China en 3 in Europa. [1] 

China verkleint intussen het prestatieverschil op belangrijke AI-benchmarks en blijft zeer sterk in industriële automatisering. In 2023 installeerde China 276.300 industriële robots, goed voor 51,1 procent van de wereldwijde installaties. [1] [2] 

Die voorsprong is niet uitsluitend het gevolg van verschillen in regelgeving. Kapitaal, digitale infrastructuur, rekenkracht, talent en een sterk technologie-ecosysteem bepalen mee hoe snel organisaties kunnen experimenteren en succesvolle toepassingen opschalen. De cijfers tonen vooral dat regelgeving slechts één onderdeel is van een bredere concurrentiepositie. 

Snelheid én vertrouwen 

Europa hoeft niet te kiezen tussen innovatie en bescherming. De uitdaging bestaat erin de verplichtingen proportioneel toe te passen op basis van het doel, de context en het risico van de toepassing. Een interne toepassing die teksten structureert of kennis ontsluit, vraagt doorgaans een andere beoordeling dan een systeem dat beslissingen over personen ondersteunt of beïnvloedt. De concrete classificatie blijft afhankelijk van het beoogde gebruik en de toepasselijke regelgeving. [3] [4] 

Organisaties kunnen zelf versnellen door vooraf duidelijke spelregels vast te leggen: welke tools zijn goedgekeurd, welke gegevens mogen worden ingevoerd, wanneer is een risico- of privacybeoordeling vereist, wie blijft verantwoordelijk voor de output en hoe worden incidenten of fouten gemeld? Zo ontstaat ruimte om veilig te experimenteren, terwijl toepassingen met een grotere impact tijdig aan strengere controle worden onderworpen. 

Praktische vertaling voor organisaties 

• Werk met een overzicht van goedgekeurde AI-tools en toegelaten datacategorieën.
• Maak de beoordeling zwaarder naarmate de mogelijke impact op personen, processen of rechten toeneemt.
• Behoud menselijk toezicht en duidelijke verantwoordelijkheid voor zakelijke beslissingen.
• Meet niet alleen gebruik, maar ook kwaliteit, tijdswinst, kosten, risico’s en gerealiseerde waarde.

Bronnen 

[1] Stanford Institute for Human-Centered Artificial Intelligence, The 2025 AI Index Report, 2025. Gebruikt voor de cijfers over AI-gebruik, private investeringen, prominente AI-modellen en de positie van China. 

[2] Stanford Institute for Human-Centered Artificial Intelligence, The 2025 AI Index Report, Chapter 4: Economy, 2025. Gebruikt voor de financiële impact per bedrijfsfunctie, regionale adoptie en industriële robotinstallaties. 

[3] Europese Commissie, AI Act: Regulatory Framework for Artificial Intelligence. Gebruikt voor de omschrijving van de risicogebaseerde aanpak. 

[4] Belgische Gegevensbeschermingsautoriteit, Artificial Intelligence Systems and the GDPR: A Data Protection Perspective, december 2024. Gebruikt voor de samenhang tussen de GDPR en de AI Act. 

[5] Florian Misch, Ben Park, Carlo Pizzinelli en Galen Sher, Artificial Intelligence and Productivity in Europe, IMF Working Paper No. 2025/067, 3 april 2025.