European AI Act: het recht op uitleg wordt realiteit

Op 2 augustus 2026 ging de European AI Act een cruciale nieuwe fase in. Sinds die dag gelden de regels voor hoog-risico computersystemen en daarmee wordt één recht plots heel concreet voor iedere organisatie die met geautomatiseerde beslissingen werkt: the right to explanation, ofwel het recht op uitleg. Wanneer een computersysteem een beslissing neemt die van invloed is op het leven van een persoon, dan heeft deze voortaan het recht om op te vragen waarom die beslissing werd genomen. Dat klinkt vanzelfsprekend, maar kan jouw organisatie dat ook effectief aantonen?
‍

Wat is er sinds 2 augustus veranderd?

De European AI Act trad al in augustus 2024 in werking, maar wordt gefaseerd toegepast. Na het verbod op onaanvaardbare AI-praktijken (februari 2025) en de regels voor generieke AI-modellen (augustus 2025), was het op 2 augustus 2026 de beurt aan het grootste deel van de verordening: de regelgeving voor hoog-risico computersystemen.

Denk daarbij onder andere aan AI en andere geautomatiseerde logica die wordt ingezet voor kredietbeoordeling, rekrutering, HR-beslissingen en toegang tot het onderwijs. Voor deze systemen gelden voortaan strenge eisen rond risicobeheer, datakwaliteit, menselijk toezicht en transparantie. Dit vertaalt zich onder andere in artikel 86: het recht op uitleg bij individuele besluitvorming.

Het recht op uitleg, wat betekent dat concreet?

Wanneer een beslissing, die genomen is op basis van de output van een computersysteem, en die juridische of andere aanzienlijke gevolgen heeft voor een individu, dan kan je een duidelijke en zinvolle uitleg eisen. Welke rol speelde het computersysteem in de beslissingsprocedure en wat waren de belangrijkste elementen die tot de beslissing hebben geleid? Als een persoon morgen vraagt “Waarom namen jullie deze beslissing?”, dan moet je organisatie daar een onderbouwd antwoord op kunnen geven.

‍
De uitdaging: de black box

Veel AI-modellen leveren wel een output, maar geen expliciete verklaring. Ze zijn getraind op grote hoeveelheden data en komen tot een resultaat via een redenering die achteraf moeilijk of niet te reconstrueren valt. Dit geldt overigens niet enkel voor AI-modellen, ook veel computersystemen die reeds lange tijd bestaan, voeren complexe beslissingslogica uit zonder dat de business weet welke regels exact worden toegepast. Zonder toegankelijke beslissingslog wordt het recht op uitleg een juridisch risico: je kan immers niet aantonen hoe het systeem en in het verlengde je organisatie tot een beslissing is gekomen.

Van juridisch risico naar architecturale keuze

Het goede nieuws: transparantie hoef je niet achteraf te reconstrueren, maar kan je in je architectuur inbouwen. Met business automation platformen zoals Camunda, Flowable, Axon Ivy en IBM CP4BA maak je elke processtap en elke beslissing visueel traceerbaar. Geen black box, maar volledige transparantie ingebakken van bij het ontwerp.

Voor iedere individu kan exact worden achterhaald welk pad werd doorlopen, welke taken werden uitgevoerd en welke beslissingen werden genomen. De beslissingsmodellen tonen verder in detail welke regels en data tot eenbeslissing hebben geleid. Zelfs wanneer een AI-agent een taak binnen het proces uitvoert, wordt die stap geregistreerd en kan de rol binnen het geheel worden toegelicht.

‍

In bovenstaande video tonen we een concreet voorbeeld. Je ziet meteen hoe vaak een proces werd uitgevoerd en per instantie krijg je in één oogopslag de doorlopen stappen en genomen beslissingen te zien, inclusief de beslissingstabel die verklaart waarom een aanvraag werd aanvaard of afgekeurd. Precies de uitleg die de AI Act vereist.

‍

Hoe staat jouw organisatie ervoor?

De vraag die je jezelf moet stellen is eenvoudig: als er morgen een individu vraagt waarom jullie een bepaalde beslissing namen, kan dat dan worden aangetoond?

‍

1. Inventariseer welke systemen in jouw organisatie geautomatiseerde beslissingen nemen en of ze onder de hoog-risicocategorie vallen. Hoog risico betekent in deze context dus dat er beslissingen op individuele basis worden genomen, die van invloed zijn op het leven. 
2. Evalueer of elke beslissing vandaag traceerbaar en verklaarbaar is, van input tot resultaat.
3. Zo niet, breng dan in kaart welke regels voor de betreffende beslissingen worden gehanteerd (of gehanteerd zouden moeten worden).
4. Bouw transparantie als architecturale component structureel in via een orkestratielaag, zodat deze transparantie niet achteraf moet worden gereconstrueerd.
   
   

Op deze manier wordt de European AI Act geen rem op je automatisering, maar leidt deze tot een architecturale keuze die je van bij het begin maakt. Organisaties die transparantie inbouwen in hun processen zijn niet alleen klaar voor de regelgeving, ze bouwen ook vertrouwen op bij klanten en medewerkers.


Blue Goose begeleidt organisaties bij het transparant en traceerbaar automatiseren van hun bedrijfsprocessen. Wil je weten hoe jouw processen en beslissingen scoren op het vlak van verklaarbaarheid? Neem vandaag nog contact met ons op.
‍

Veelgestelde vragen over het recht op uitleg

Wat is het recht op uitleg uit de AI Act?

Het recht op uitleg (artikel 86 van de AI Act) geeft iedereen die geraakt wordt door een beslissing van een hoog-risico AI-systeem het recht op een duidelijke en zinvolle uitleg: welke rol het systeem speelde en welke elementen tot de beslissing leidden.
‍

Vanaf wanneer geldt de AI Act voor hoog-risico AI-systemen?

Vanaf 2 augustus 2026 gelden de volledige verplichtingen voor hoog-risico AI-systemen, inclusief het recht op uitleg. Het verbod op onaanvaardbare AI-praktijken gold al sinds februari 2025, de regels voor general-purpose AI-modellen sinds augustus 2025.

Welke AI-systemen vallen onder hoog-risico?

Ondermeer AI voor kredietbeoordeling, rekrutering en HR-beslissingen, en toegang tot onderwijs of essentiële diensten. Voor deze systemen gelden strenge eisen rond risicobeheer, datakwaliteit, menselijk toezicht en transparantie.

Hoe toon je aan dat een AI-beslissing verklaarbaar is?

Door transparantie in je procesarchitectuur in te bouwen in plaats van ze achteraf te reconstrueren. Process automation platformen zoals Camunda, Flowable, AxonIvy en IBM CP4BA maken elke processtap, elke taak en elke beslissing visueel traceerbaar, inclusief de beslissingstabellen die de logica tonen.

Wat als mijn organisatie AI-systemen al in gebruik heeft?

Begin met een inventaris: welke systemen nemen geautomatiseerde beslissingen, en vallen ze onder hoog-risico? Evalueer daarna of elke beslissing vandaag al traceerbaar is van input tot resultaat, en bouw waar nodig een orkestratielaag in die dat structureel regelt.

 
‍

Wet- en regelgeving is vaak erg complex. Blue Goose en Digitaal Vlaanderen helpen overheidsdiensten deze complexiteit beheersbaar te houden. Binnen MAGDA Automatisch Advies vertaalt Blue Goose wet- en regelgeving voor de volledige Vlaamse Overheid naar begrijpbare, geautomatiseerde bedrijfsregels. Door de regels te combineren met data uit authentieke bronnen, ontvangen Vlaamse burgers en organisaties sneller en consistenter dienstverlening. Bovendien hoeven zij informatie die de overheid al kent niet opnieuw aan te leveren.
‍

Minimale administratieve last wanneer het erop aankomt

Een huis kopen, een kind krijgen, een zaak starten, … Op die sleutelmomenten komt er al heel wat op je af. Tegelijk krijg je te maken met de overheid. Je moet bepaalde zaken regelen en hebt mogelijk recht op ondersteuning, zoals premies, subsidies of advies. Maar hoe organiseer je deze dienstverlening als overheid zo efficiënt en klantvriendelijk mogelijk?

Daar komt MAGDA (Maximale Gegevensdeling tussen Administraties) in beeld. Via dit platform wisselen overheden veilig data uit volgens het only once-principe: informatie die de overheid al heeft, hoeft een burger of onderneming niet opnieuw aan te leveren. Met de aanvulling Automatisch Advies gaat MAGDA nog een stap verder: op basis van bedrijfsregels leidt het platform bijkomende informatie -zoals adviezen- af uit de beschikbare data.
‍
‍

De uitdaging: langdurige, complexe beslissingsprocessen

Veel dossiers doorlopen vandaag versnipperde systemen. Tegelijkertijd puzzelen medewerkers met data uit uiteenlopende bronnen en toetsen zij die handmatig af aan ingewikkelde voorwaarden. Dat proces vraagt veel tijd en is ook foutgevoelig.

De behoefte is duidelijk: één platform dat relevante gegevens samenbrengt én meteen aftoetst aan de actuele wet- en regelgeving zodat er direct een antwoord kan worden geformuleerd.
‍

De oplossing: geautomatiseerde bedrijfsregels

Digitaal Vlaanderen ontwikkelt, met ondersteuning van Blue Goose, een centraal platform voor de volledige Vlaamse Overheid. Sinds de start van het project in 2018 ondersteunen we bij de analyse en automatisering van de bedrijfsregels voor de verschillende entiteiten die het platform gebruiken.

Hoe doen we dat precies?

• Begrijpbare taal

We vertalen complexe wet- en regelgeving naar duidelijke bedrijfsregels die zowel mens als machine begrijpen.

• Rechtstreekse automatisering

Omdat het platform deze regels begrijpt, vervalt een extra technische vertaalslag om de bedrijfsregels te automatiseren. De documentatie vormt meteen ook de implementatie.

• Onderbouwde besluitvorming

Het platform toetst de verzamelde data razendsnel aan de geconfigureerde bedrijfsregels en genereert onmiddellijk een onderbouwd antwoord.
‍
‍

Het resultaat: een overheid die vooruitdenkt

Met Automatisch Advies behandelt de overheid dossiers efficiënter en eenduidig. Ook burgers en organisaties plukken daar de vruchten van. Processen lopen vlotter, beslissingen volgen sneller en burgers en organisaties ontvangen ondersteuning waarop ze recht hebben. In sommige gevallen zelfs nog vóór ze ernaar vragen.

Daarnaast is het platform zo opgezet dat de entiteiten zelf hun regels kunnen beheren wanneer de wet- of regelgeving verandert. Daardoor neemt de afhankelijkheid van business gebruikers ten aanzien van IT aanzienlijk af.
‍

Drie voorbeelden van dit succes

• Stad Gent

Stad Gent is een absolute pionier in proactieve dienstverlening en draait de logica om: diensten komen naar de burger toe. De stad vertrekt dus niet langer vanuit een aanvraag van de burger. Denk aan de automatische toekenning van voordelen zoals onderwijskortingen.

Die aanpak leverde internationale erkenning op, waaronder de Bloomberg Mayors Challenge, goed voor één miljoen dollar om aanvullende proactieve diensten uit te bouwen.

• De Jobbonus

Jaarlijks controleert een systeem automatisch wie recht heeft op deze premie. Wiskundige berekeningen in de bedrijfsregels doen het werk, zonder dat medewerkers inzicht krijgen in gevoelige data, zoals inkomensgegevens van de burger.
‍

‍

• De Leer- en Loopbaanrekening

Via Mijn Burgerprofiel krijgen burgers real-time inzicht in hun leer- en loopbaanrechten, waaronder opleidingsbudgetten. Elke raadpleging activeert een nieuwe evaluatie van de rechten op de achtergrond. Ben je Vlaams burger? Neem dan zelf eens een kijkje!


‍

Conclusie: bedrijfsregels als motor voor vernieuwing

Automatisch Advies bewijst dat overheidsprocessen niet traag of complex hoeven te zijn. Met de juiste visie verloopt alles sneller. Door bedrijfsregels inzichtelijk te configureren en te automatiseren, maakt Digitaal Vlaanderen in samenwerking met Blue Goose het werk van de Vlaamse entiteiten aangenamer en verlagen wij de administratieve drempels voor Vlaamse burgers en organisaties.
‍

Benieuwd hoe jouw organisatie complexe regels kan omzetten in een geautomatiseerd proces? We gaan graag in gesprek!

‍

Traditionele procesautomatisering orkestreert de interactie tussen mens en machine. Agentic orchestration voegt daar een derde actor aan toe: de AI-agent. Deze aanpak combineert het beste van gestructureerde bedrijfsprocessen met de autonomie van AI-agents. Zo verhoogt je organisatie de efficiëntie en behoudt ze tegelijk de controle.

‍

Wat zijn AI-agents?

AI-agents doen veel meer dan het uitvoeren van voorgeprogrammeerde logica. Ze nemen zelfstandig beslissingen en voeren acties uit om specifieke doelen te bereiken.

Voorbeeld:

• Ze classificeren e-mails automatisch op basis van inhoud en context.
• Ze interpreteren klantvragen en bepalen de juiste vervolgactie.
• Ze voorspellen welke producten klant interessant vinden.
• Ze detecteren frauduleuze transacties en blokkeren die indien nodig.

‍

Het verschil met traditionele automatisering? AI-agents interpreteren informatie en gaan zo om met nuance en onvolledigheid. Ze herkennen patronen in data en passen hun gedrag aan op basis van nieuwe informatie.

‍

Agentic orchestration: het beste van twee werelden

Agentic orchestration is een hybride benadering waarbij je de structuur van bedrijfsprocessen combineert met de intelligentie van AI-agents. AI-agents nemen handelingen over die voor interpretatie vatbaar zijn door medewerkers, of stellen acties voor aan medewerkers.

Voorbeeld:
Een klant stuurt een vraag via e-mail. Traditioneel behandelt een medewerker deze handmatig. Met agentic orchestration verloopt het proces als volgt, waarbij er interactie is tussen mens en AI-agent:

1. Een AI-agent categoriseert de vraag en bepaalt de urgentie.
2. De agent formuleert meteen een antwoord op standaardvragen.
3. Complexe vragen gaan naar een specialist.
4. Het proces registreert elke stap voor compliance.

Je behoudt de volledige traceerbaarheid en vermindert repetitief werk. Dit maakt het proces niet enkel efficiënter, maar zorgt er ook voor dat medewerkers focussen op taken met meer waarde en minder repetitief werk.

‍
Waarom is dit relevant?

De vraag naar AI-implementaties groeit explosief. Maar hoe integreer je AI op een verantwoorde manier in je softwaresystemen? Veel organisaties botsen op concrete uitdagingen:

• Compliance risico's: hoe houd je een AI-agent die zelf beslissingen neemt onder controle?
• Integratie: hoe sluit je AI-agents aan op bestaande systemen?
• Transparantie: hoe verklaar je op welke manier een resultaat werd bekomen?

Agentic orchestration biedt een oplossing. Door AI-agents op te nemen in gestructureerde, transparante processen met specifieke bedrijfslogica die expliciet wordt gedefinieerd.

‍

Wanneer kies je voor agentic orchestration?

Niet elk proces is geschikt voor agentic orchestration. Deze aanpak past vooral bij processen waarin:

• Eén of meerdere taken in het proces interpretatie vereisen.
• De georkestreerde interactie een grote mate van personalisatie vereist.
• Het volume van manuele taken hoog ligt.

‍

Hoe start je met agentic orchestration?
‍

Stap 1: Breng het proces in kaart

Beschrijf het proces vanuit businessperspectief, zonder rekening te houden met de vraag door welke actor iedere stap concreet zal uitgevoerd worden.
‍

Stap 2: Bepaal de actoren

Wijs elke taak toe aan een mens, AI-agent of machine. Denk bij AI-agents aan taken als tekstanalyse, prioritering, voorspellingen en repetitieve manuele taken.
‍

Stap 3: Bouw de orkestratielaag

Gebruik een process engine op basisv an het procesmodel om stapsgewijs een orkestratielaag op te bouwen die de verschillende stappen van het proces automatiseert. Deze laag zorgt voor de daadwerkelijke coördinatie van de taken tussen de drie actoren.
‍

Stap 4: Richt governance in

Naast de automatisering van het proces, moet er ook rekening worden gehouden met de bredere projectcontext. Definieer duidelijke afspraken rond verantwoordelijkheden, testing, beveiliging en monitoring.
‍

‍
‍
De toekomst is hybride

Agentic orchestration leidt tot een fundamentele verschuiving in de manier waarop we procesautomatisering toepassen. Het gaat niet langer enkel om de interactie tussen mens en machine in de vorm van vooraf gedefinieerde logica, maar om de interactie tussen mens, AI-agents en machine.

Organisaties die vandaag starten, bouwen flexibele processen die intelligent reageren op nieuwe informatie en tegelijk controle behouden voor compliance en governance.

De technologie voor agentic orchestration ligt klaar. Moderne process engines maken het mogelijk om AI-agents stap voor stap in je bestaande processen te integreren, zonder dat je jouw huidige werkwijze moet omgooien.

Ons advies is om kleinschalig te beginnen, de resultaten te analyseren en vervolgens succesvol op te schalen. Een iteratieve aanpak die optimaal wordt ondersteunt door het gebruik van een process engine. Zo ontstaan processen die efficiënter werken en tegelijk inspelen op veranderende behoeften van medewerkers en klanten.

De vraag is niet meer óf AI een rol gaat spelen in je processen, maar hoe je die integratie doordacht aanpakt.
Blue Goose begeleidt organisaties bij het beantwoorden van deze vraag en bredere vraagstukken rond procesautomatisering.

‍

‍

‍

‍