Het knelpunt is zelden het model
Vraag waarom een AI-use case de productieomgeving niet heeft gehaald en het antwoord is zelden dat het model tekortschoot. Vaker raakte het project zonder bruikbare data, of liep het vast op een vraag die niemand kon beantwoorden: mogen we deze dataset voor dit doel gebruiken, kunnen we aantonen waar die vandaan komt, en wat hebben we afgesproken toen we de data van een partner ontvingen?
Dat weegt zwaarder zodra de ambitie groeit, want de data met de hoogste waarde ligt meestal buiten de eigen organisatie. Een fabrikant die storingen aan componenten wil voorspellen heeft data van leveranciers nodig. Een ziekenhuis dat een diagnostisch model wil valideren heeft casuïstiek uit andere ziekenhuizen nodig. Een logistiek dienstverlener die een corridor optimaliseert heeft data van vervoerders, terminals en klanten nodig. Interne data is eindig. Schaalbare AI-impact betekent schaalbare toegang tot data die je niet zelf bezit.
Waarom de gebruikelijke route niet schaalt
Het standaardantwoord is bilateraal: twee organisaties sluiten een contract, spreken af wat met de data mag gebeuren en bouwen een koppeling. Dat werkt. Het laat zich alleen niet stapelen. Elke extra partner betekent opnieuw onderhandelen, opnieuw een juridische toets, opnieuw een koppeling. De inspanning groeit mee met het aantal relaties in plaats van met de waarde die wordt gecreëerd, wat een patroon verklaart dat veel bedrijven herkennen: een geslaagde proof of concept met één bereidwillige partner, gevolgd door twee jaar waarin die niet wordt herhaald.
Schaalbare AI-impact vraagt dat de volgende datarelatie veel minder kost dan de eerste.
Vertrouwde datadeling als gedeelde infrastructuur
Daarvoor zijn data spaces bedoeld. Een data space is een afgesproken geheel van regels en technische componenten waarmee onafhankelijke organisaties data uitwisselen terwijl elke partij de controle over haar eigen data houdt. Deelnemers worden eenmalig aangesloten en getoetst aan een gemeenschappelijk vertrouwenskader. Data blijft waar die is en wordt aangeboden met een beschrijving van wat erin zit en wat ermee mag gebeuren. Die voorwaarden reizen vervolgens mee met de data, in plaats van in een contract te staan dat niemand raadpleegt terwijl een systeem draait.
De verschuiving is economisch, niet technisch. Doordat de voorwaarden één keer in een gemeenschappelijke vorm worden vastgelegd, gaat het aansluiten van de volgende partner meer lijken op een herhaalbaar proces dan op een maatwerkproject. De regels zijn openbaar gepubliceerd als standaarden en zijn niet het eigendom van een leverancier. Ze worden onderhouden door de International Data Spaces Association (IDSA), een neutrale non-profitvereniging met datagebruikers, technologieleveranciers en onderzoeksorganisaties onder haar leden. IDSA verkoopt niets. Organisaties kiezen vrij tussen open source en commerciële implementaties.
Voor een AI-programma heeft dat één concreet gevolg. Data die via een data space binnenkomt, brengt haar eigen beschrijving van herkomst en toegestaan gebruik mee. Wat eerder uit e-mailketens moest worden gereconstrueerd, wordt een eigenschap van de data zelf.
Wat "AI-ready" werkelijk vraagt
AI-gereedheid wordt meestal besproken als een technische eigenschap: schone data, degelijke pipelines, bruikbare metadata en een platform dat meegroeit. Noodzakelijk, maar onvolledig zodra data een organisatiegrens overgaat.
Vanaf dat moment heeft gereedheid vier dimensies, en is interoperabiliteit op alle vier nodig: technisch (inclusief syntactisch), semantisch, organisatorisch en juridisch. Technisch betekent dat systemen data kunnen uitwisselen. Semantisch betekent dat beide partijen hetzelfde bedoelen met "leverdatum". Organisatorisch betekent dat er afgesproken rollen en processen zijn voor aansluiting, geschillen en intrekking. Juridisch betekent dat de grondslag, het toegestane doel en de beperkingen verderop in de keten bekend en aantoonbaar zijn.
Een organisatie die alleen technisch gereed is, is gereed voor pilots. AI in productie op externe data, met verplichtingen uit de Algemene verordening gegevensbescherming (AVG), de Dataverordening (Data Act) en de AI-verordening (AI Act), vraagt ook de andere drie.
Compliance moet AI kunnen bijhouden
Hier opent zich een bekende valkuil. Juridische gereedheid wordt in de praktijk door mensen geleverd: een toets per use case, een data protection impact assessment (DPIA) per pipeline, een audit per jaar. Dat levert een verdedigbaar antwoord op en brengt tegelijk het schaalprobleem terug dat het moest oplossen. Als elke nieuwe AI-use case opnieuw een complianceproject kost, wordt governance een heffing op elk initiatief in plaats van een capaciteit die de organisatie zelf bezit.
Aan dat gat wordt in Europa actief gewerkt. DataPACT, gefinancierd via Horizon Europa, wil compliance, ethiek en duurzaamheid vanaf het begin in data- en AI-operaties inbouwen in plaats van ze er achteraf aan toe te voegen. Tot de voorgenomen resultaten horen een Compliance Framework en een Compliance Toolbox, bedoeld om organisaties te helpen bij het bouwen van compliance-bewuste data- en AI-pipelines, zodat privacy- en duurzaamheidseisen door de pipeline worden meegenomen in plaats van aan het eind te worden beoordeeld. Het project werkt daarnaast aan open, federatieve Europese data spaces als omgeving voor vertrouwde grensoverschrijdende uitwisseling, met interoperabiliteit en traceerbaarheid als uitdrukkelijke ontwerpdoelen, en valideert zijn resultaten in sectoren als zorg, stedelijke planning en marketing. IDSA is een van de negentien consortiumpartners en draagt bij aan architectuurontwikkeling, requirementsanalyse, kennisverspreiding en impactcreatie.
Twee dingen zijn hieruit al mee te nemen voordat de instrumenten volgroeid zijn. Ten eerste wordt compliancebewijs iets dat een pipeline als bijproduct van zijn werking oplevert, wat de kostenstructuur van elke volgende use case verandert. Ten tweede wordt duurzaamheid behandeld als onderdeel van compliance en niet als een aparte rapportage, wat realistisch is gezien de rekenkracht die AI-operaties vragen.
Waar dit heen gaat: deelnemers die geen mens zijn
De richting waarin dit beweegt maakt het schaalargument scherper. Softwareagenten beginnen te doen wat menselijke deelnemers in een data space doen: een aanbod doorzoeken, voorwaarden afstemmen, data ophalen en handelen op het resultaat.
Het IDSA-positiepaper *Data Spaces and AI: Trustworthy Agentic Participation in Data Spaces* onderzoekt wat daarvoor nodig is. De kernbevinding is dat er geen nieuwe, onbewezen infrastructuur nodig is. De bestaande mechanismen volstaan, mits ze expliciet en consistent op agenten worden toegepast. Het kernvoorstel is een Delegated Agent Participant ID: een verifieerbaar credential dat een handelende agent verbindt met de organisatie die er juridisch aansprakelijk voor is, gecontroleerd voordat een datatransactie begint.
De relevantie is rechttoe rechtaan. Governance die ervan afhangt dat een mens elke uitwisseling goedkeurt, kan niet op machinesnelheid werken. Organisaties die nu geautomatiseerde, verifieerbare governance inrichten, zijn de organisaties voor wie deelname door agenten een verlengstuk van de normale bedrijfsvoering wordt in plaats van een nieuwe risicocategorie.
Drie vragen die het stellen waard zijn
Een praktische manier om te bepalen waar een organisatie staat:
-
Kun je voor elke dataset die een AI-systeem voedt de grondslag, het toegestane doel en de door de bron gestelde beperkingen benoemen, zonder dat daar een onderzoeksproject voor nodig is?
-
Kost het aansluiten van je tiende datapartner ongeveer wat je tweede kostte?
-
Als een geautomatiseerd proces acht maanden geleden data van een partner gebruikte, kun je dan aantonen wat het deed en onder wiens gezag?
Waar de antwoorden ongemakkelijk zijn, is de begrenzing van AI-impact niet wat modellen kunnen. Het is gereedheid, en gereedheid is op te bouwen.
Op Data Expo
Anil Turkmayali presenteert Scalable AI Impact: From Trusted Data Sharing to AI-Ready Companies (in het Engels) op donderdag 10 september 2026 van 16:00 tot 16:30 uur in Lezingenzaal 3, Jaarbeurs Utrecht.
Deze blogpost is een bijdrage van International Data Spaces Association (IDSA), een internationale organisatie die het concept van data spaces heeft ontwikkeld en de wereldwijde standaard hiervoor ontwikkelt. Ga voor meer informatie naar www.internationaldataspaces.org of bezoek de stand van de International Data Spaces Association op Data Expo.
