Waarom een AI-audit?
De EU AI Act verplicht organisaties om hun AI-systemen te documenteren, te monitoren en te evalueren. Een AI compliance audit helpt u te verifiëren of uw organisatie aan deze eisen voldoet — en identificeert lacunes vóórdat de toezichthouder dat doet.
Deze checklist is gestructureerd rond de vijf pijlers van AI governance: inventarisatie, classificatie, technische compliance, organisatorische maatregelen en documentatie.
Pijler 1: AI-inventarisatie
Voordat u compliance kunt beoordelen, moet u weten welke AI-systemen u heeft.
- Register van alle AI-systemen in gebruik (intern ontwikkeld en extern ingekocht)
- Per systeem: naam, aanbieder, doel, gebruikers, datastromen
- Per systeem: rol van uw organisatie (aanbieder, gebruiker, distributeur)
- Schaduw-AI geïdentificeerd — AI-tools die medewerkers op eigen initiatief gebruiken
- Register wordt periodiek bijgewerkt (minimaal halfjaarlijks)
Veelgemiste AI-systemen
Denk ook aan:
- AI-functies in bestaande software (CRM met AI-scoring, e-mail met AI-samenvatting)
- API-integraties met AI-diensten (OpenAI, Google Cloud AI, Azure AI)
- AI in marketing tools (automatische segmentatie, predictive analytics)
- AI in HR-tools (CV-parsing, talentmatching)
Pijler 2: Risicoclassificatie
- Elk AI-systeem is geclassificeerd (onaanvaardbaar / hoog / beperkt / minimaal risico)
- Classificatie is gedocumenteerd met onderbouwing
- Geen verboden toepassingen in gebruik (social scoring, manipulatie kwetsbare groepen, etc.)
- Bij twijfel over classificatie: juridisch advies ingewonnen
- Classificatie wordt herzien bij wijzigingen in het systeem of de wetgeving
Classificatie-beslisboom
Is het systeem verboden (Artikel 5)?
├── Ja → STOP. Niet gebruiken.
└── Nee → Staat het in Bijlage III of is het veiligheidscomponent?
├── Ja → Hoog risico
└── Nee → Genereert het content of interageert het met mensen?
├── Ja → Beperkt risico (transparantie)
└── Nee → Minimaal risico
Pijler 3: Technische compliance
Voor hoog-risico AI-systemen
- Risicobeheersysteem — doorlopend proces van risico-identificatie en mitigatie
- Data governance — trainingsdata gedocumenteerd (herkomst, kwaliteit, representativiteit)
- Bias-toetsing — systematische controle op discriminatie en oneerlijkheid
- Nauwkeurigheid — prestatie-metrics vastgesteld en gemonitord
- Robuustheid — bestand tegen fouten, manipulatie en adversarial attacks
- Cybersecurity — bescherming tegen aanvallen die de werking beïnvloeden
- Logging — automatische registratie van werking en beslissingen
- Menselijk toezicht — mogelijkheid voor menselijke interventie en override
Voor alle AI-systemen
- Transparantie — gebruikers weten dat ze met AI interageren
- AI-gegenereerde content gelabeld — deepfakes, AI-tekst, AI-beeld herkenbaar
- AVG-compliance — DPIA uitgevoerd als persoonsgegevens worden verwerkt
- Geen onbedoeld gebruik — beperkingen op gebruik buiten beoogd doel
Pijler 4: Organisatorische maatregelen
Governance
- AI-verantwoordelijke aangewezen (kan dezelfde persoon zijn als DPO/FG)
- AI-beleid opgesteld en gecommuniceerd
- Meldprocedure voor incidenten met AI-systemen
- Escalatieprocedure wanneer AI-output twijfelachtig is
Training
- Medewerkers die AI bedienen zijn getraind in werking en beperkingen
- Training wordt periodiek herhaald (minimaal jaarlijks)
- Bewustzijn bij management over AI-risico's en verantwoordelijkheden
- Richtlijnen voor acceptabel AI-gebruik door medewerkers
Leveranciersbeheer
- Contracten met AI-aanbieders bevatten compliance-bepalingen
- SLA's dekken beschikbaarheid, prestatie en incidentrespons
- Audit-recht opgenomen in leverancierscontracten
- Exit-strategie — mogelijkheid om van aanbieder te wisselen
Pijler 5: Documentatie
Verplichte documentatie hoog-risico
- Technische documentatie — ontwerp, architectuur, prestaties, beperkingen
- Gebruikersinstructies — handleiding voor correct en veilig gebruik
- Conformiteitsverklaring — EU-verklaring van overeenstemming
- Logboeken — bewaard voor minimaal 6 maanden
- Risicobeoordelingen — actueel en volledig
Algemene documentatie
- AI-register — overzicht van alle systemen met classificatie
- AI-beleid — organisatiebreed beleid voor AI-gebruik
- Incidentlogboek — registratie van AI-gerelateerde incidenten
- Audit trail — bewijs van compliance-activiteiten
- Training records — wie is wanneer getraind
Scoringsmodel
Tel het aantal afgevinkte items per pijler:
| Pijler | Maximaal | Uw score | Gewicht |
|---|---|---|---|
| 1. Inventarisatie | 5 | ___ | 15% |
| 2. Classificatie | 5 | ___ | 20% |
| 3. Technische compliance | 12 | ___ | 30% |
| 4. Organisatorische maatregelen | 10 | ___ | 20% |
| 5. Documentatie | 10 | ___ | 15% |
| Score | Beoordeling | Actie |
|---|---|---|
| > 85% | Goed voorbereid | Monitoren en bijhouden |
| 60-85% | Basis aanwezig, lacunes | Actieplan binnen 60 dagen |
| 40-59% | Significante tekortkomingen | Prioritaire aandacht vereist |
| < 40% | Niet compliant | Direct handelen |
Frequentie
| Audit type | Frequentie | Scope |
|---|---|---|
| Quick check | Kwartaal | Inventarisatie + classificatie |
| Standaard audit | Halfjaarlijks | Alle 5 pijlers |
| Diepte-audit | Jaarlijks | Alle pijlers + penetratietest + bias-audit |
| Wijzigingsaudit | Bij significante wijziging | Geraakt systeem + afhankelijkheden |
Conclusie
AI compliance is een doorlopend proces, geen eenmalig project. Deze checklist biedt een gestructureerd startpunt, maar de specifieke eisen hangen af van uw AI-systemen en uw rol ten opzichte daarvan. Begin met de inventarisatie en bouw van daaruit op.
Scan uw website gratis met WarDek — OWASP, NIS2, AVG, AI Act compliance in één scan.