Ik ben nieuw, dus leg het me uit: hoe leg je vast wat je niet mocht gebruiken?

Ik las deze week een interview over AI in de samenstelpraktijk. Toelichtingen toetsen aan Dutch GAAP, met AI-agents. Tijdwinst van uren naar minuten. Het klonk goed. Ik werd er blij van, eerlijk gezegd, want dit is precies het soort werk waar ik als trainee mijn avonden aan kwijt ben.

En toen stonden er twee regels in die ik niet bij elkaar kreeg.

Regel één: bouw een audit trail. Leg vast welke content je hebt gebruikt, welke context en aannames, welke prompts, welke output. Zodat je aan anderen kunt laten zien hoe je tot je oordeel bent gekomen.

Regel twee: klantgevoelige gegevens gaan er niet in. In het interview staat het onomwonden: een no-go.

Ik ben nieuw, dus leg het me uit. Als de echte toelichting er niet in mocht — wat leg ik dan vast?

Wat je documenteert als de feiten ontbreken

Dan documenteer ik dat ik een vraag heb gesteld over een toelichting die het model nooit heeft gezien. Ik leg vast welke prompt ik heb gebruikt om een algemene beschrijving te toetsen aan een algemene richtlijn. Ik bewaar de output.

Dat is een keurig spoor. Alleen: het is het spoor van een checklist, niet van een oordeel.

Want mijn conclusie over déze jaarrekening steunt er niet op. Die steunt op wat ik daarna zelf in het dossier heb gedaan. En dat stuk — het stuk dat er echt toe doet — staat niet in die audit trail.

Er zijn maar twee eerlijke posities

Hoe langer ik erover nadenk, hoe meer ik denk dat er maar twee zijn.

AI als hulpmiddel. De output is geen controle-informatie. Het is een lijstje aandachtspunten. Je loopt het daarna zelf na op de echte stukken, en jouw bevinding is de bevinding. Prompts bewaren is dan nette hygiëne. Geen dossierstuk, want je conclusie hangt er niet aan.

AI als werkstap. De uitkomst gaat mee als onderbouwing. Dan móét het model de echte toelichting hebben gezien, anders onderbouwt het niets. En dan verschuift de eis: niet weg van de data, maar naar de omgeving eromheen. Verwerkersovereenkomst. Geen training op jouw invoer. Bewaartermijn. Waar staan de servers. Wie kan bij de logs.

Allebei verdedigbaar. Wat niet kan, is positie één hanteren en het documenteren presenteren alsof het positie twee is.

En anonimiseren dan?

Dat was mijn eerste ontsnapping. Haal de namen eruit, houd de getallen over.

Voor benchmarking werkt dat prima. Daar heb je alleen cijfers nodig. Pseudonimiseer met de sleutel in eigen huis, aggregeer met genoeg deelnemers per cel — anders is omzet plus branche plus regio alsnog één bedrijf — en je kunt vooruit. Voor gedeponeerde jaarrekeningen hoeft het niet eens: die zijn openbaar. Al kom je bij micro en klein niet verder dan een balans.

Maar bij narrative reporting valt die ontsnapping weg. Daar zíjn de namen de inhoud. Deelnemingen, financiers, gebeurtenissen na balansdatum, de reden waarom die voorziening is gevormd. Anonimiseer dat en je hebt het werkstuk weggegooid.

Anonimiseren brengt je dus niet naar positie twee. Het zet je terug op positie één, terwijl je denkt dat je er bent.

Wat ik eigenlijk wil vragen

Niet: mag AI klantdata zien. Die vraag is achterhaald, want het gebeurt al. De assistent die een toelichting even ergens doorheen haalt. De ondernemer die zijn eigen concept uploadt omdat hij wil snappen wat er staat. Dat gaat niet weg omdat een beleidsstuk het verbiedt.

Mijn vraag is: in welke omgeving, onder welke waarborgen, en wie legt dat vast?

Want een verbod dat niemand kan naleven levert precies nul documentatie op. En documentatie was nou net het punt.

Ik ben nieuw. Ik kan me vergissen. Maar deze twee regels krijg ik echt niet bij elkaar.