In presentaties, beleidsstukken en toekomstvisies belooft AI processen sneller, slimmer en efficiënter te maken. Maar volgens Sander Klous, hoogleraar AI & Audit aan de Universiteit van Amsterdam en partner bij KPMG, ontstaat er pas echt waarde als AI botst met de praktijk. “Implementatie is niet het eindpunt van onderzoek. Het is het begin.”

Die overtuiging vormde de kern van zijn oratie in april en van het experiment dat hem volop media‑aandacht (zie kader, red.) opleverde. Zijn conclusies sluiten ook naadloos aan bij zijn betrokkenheid bij DMI, waar wetenschap (ook de UvA), overheden en marktpartijen samen zoeken naar manieren om het delen en gebruiken van data gemeengoed te maken.  

Voorbijgaan aan dagelijkse realiteit

Volgens Klous is het grootste probleem niet dat AI te weinig kan. “We zien namelijk genoeg mooie voorbeelden. Echter, het probleem is dat de manier waarop we innovatie organiseren vaak voorbijgaat aan de dagelijkse realiteit van organisaties. Als je begint met een mooi strategisch verhaal, geloven mensen je best. Maar als ze daarna teruglopen naar hun bureau en daar ligt een stapel werk die volgende week af moet, dan zakt jouw verhaal meteen weg. Naar onderaan de stapel.”

“Je moet AI dus niet positioneren als iets wat misschien over een paar jaar handig wordt”, stelt Klous. “Je moet laten zien welk acuut probleem je er vandaag mee oplost.” In de wereld van ICT-ontwikkelaars ligt de nadruk vaak op architectuur, principes en infrastructuur. “Het is allemaal nodig, maar an sich nog onvoldoende.” Klous gebruikt een metafoor. “De PDX en dataspaces zijn het loodgieterswerk. Zaken die  goed geregeld moeten zijn om tot de spiegeltjes en kraaltjes, AI, te kunnen komen.”

Wat is de PDX?
De PDX (Producten en Data Exchange) is de digitale ruggengraat van DMI. Het is een samenhangend geheel van functies en afspraken die data-uitwisseling veilig en vertrouwd mogelijk maken. Denk aan identificatie en autorisatie, logging, transactiemodules en toezicht.

Wat zijn dataspaces?
Dataspaces (of dataruimtes) zijn veilige, gedecentraliseerde digitale omgevingen waarin organisaties en individuen gegevens met elkaar kunnen delen en uitwisselen, zonder dat ze hun eigenaarschap en controle opgeven. Het DMI-ecosysteem biedt ook een dataspace, waar deelnemers op basis van het Afsprakenstelsel onderling veilig en vertrouwd data kunnen delen en hergebruiken.

In minuten uitgevoerd

Daar ziet hij een grote rol voor AI binnen DMI. Door boven op de infrastructuur concrete AI-diensten te bouwen die gemeenten direct helpen bij hun hoofdpijndossiers. Zoals bij een recente praktijkcase met de gemeente Amsterdam, waar een integriteitstoets voor leveranciers – normaal uren handwerk – met een autonome AI-workflow in minuten werd uitgevoerd. “Dan los je echt iets op”, zegt hij. “En dan is de bereidheid om data te delen en samen te werken ineens veel groter.”

Volgens Klous vinden we dit soort processen overal in de publieke sector. “Er zijn zo honderd gemeentelijke processen te bedenken die nu nog heel veel handwerk vragen. AI is hier geen nice to have, maar een echte doorbraak die DMI van infrastructuur naar impact kan brengen.”

Loslaten op projecten?

Klous koos voor zijn onderzoek voor een opvallend experiment. Hij richtte een bedrijf op dat grotendeels door AI-agents werd gerund. “Pas als je AI loslaat op echte processen, zie je waar het misgaat.” En dat ging het. De AI-agents weken af van hun rol, hallucineerden informatie en herschreven zelfs hun eigen regels. AI is voorlopig niet geschikt voor grote bestuurlijke rollen zoals die van directeur en financieel directeur, wel voor afgebakende taken binnen strak gedefinieerde processen. “Je moet werk opknippen”, aldus Klous. “Dan krijg je systemen die beheersbaar en uitlegbaar blijven.”

Die les is volgens hem cruciaal voor organisaties die nu met AI aan de slag willen. “Denk niet groter, maar eerder kleiner. En laat AI niet los op je data, maar zorg dat je AI hebt ingebed in je processen.”

Extra dimensie

Voor Klous heeft de samenwerking bij DMI nog een extra dimensie. Als wetenschapper heeft hij operationele data nodig om AI-systemen echt te begrijpen en verbeteren. “OpenAI en Google zijn zo machtig, omdat ze enorme hoeveelheden operationele data hebben. Voor universiteiten geldt hetzelfde. Zonder data kun je geen serieus AI-onderzoek doen.”

Hij vergelijkt het met zijn achtergrond in de deeltjesfysica. Daar draaide CERN’s Large Hadron Collider (’s werelds grootste en krachtigste deeltjesversneller) met duizenden onderzoekers en gigantische datastromen. “Als we in Europa willen concurreren met MIT of Stanford, moeten we ook zulke feedbackloops creëren tussen praktijk en onderzoek. Ecosystemen als DMI maken dat mogelijk.”

De conclusie van Klous? Loop niet blind achter de AI-hype aan. Kunstmatige intelligentie krijgt pas betekenis als het aantoonbaar helpt bij echte problemen. “Ga tijdens hun werk naast mensen zitten en vraag waar het schuurt. Vraag ze niet: ‘help ons DMI succesvol te maken.’ DMI is bovenal een middel om daar te komen waar je wilt zijn. Zeg daarom: ‘wij hebben iets waarmee je morgen uren werk bespaart.’ Dan ontstaat AI die niet alleen slim, maar ook verantwoord, uitlegbaar en mensgericht is.”

Van experiment tot Nieuwsuur

Het AI‑experiment van Sander Klous, waarin een webshop grotendeels werd gerund door AI‑agents, leidde in april 2026 tot veel media‑aandacht. Kranten als De Volkskrant en Trouw besteedden er uitgebreid aandacht aan en ook Nieuwsuur en Radio 1 berichtten over de proef. De centrale vraag: kan AI een bedrijf volledig zelfstandig runnen? Het antwoord was ontnuchterend. De AI‑agents namen op eigen houtje beslissingen, verzonnen informatie en hielden zich niet aan afgesproken protocollen. Klous: “Juist dat maakte het experiment waardevol. Het liet zien waar de grenzen liggen van autonomie en waarom menselijke controle, governance en duidelijke taakafbakening cruciaal blijven.”