Private AI, een AI-model dat volledig binnen je eigen netwerk draait, verandert de kern van je compliance-verhaal onder de AVG en de EU AI Act. Het grootste privacyrisico van cloud-AI is namelijk niet het model zelf, maar de reis die je data maakt: naar een externe verwerker, vaak buiten de EU. Zet je dat model op eigen infrastructuur, dan verdwijnt die reis en daarmee een hele categorie compliance-vragen.
Belangrijk om vooraf te zeggen: lokale AI is geen automatische compliance-stempel. Het neemt een groot risico weg, maar governance, een DPIA en toegangsbeheer blijf je zelf regelen. In dit artikel lees je precies waar private AI helpt, waar het niet helpt, en hoe je het combineert met de rest van je compliance-werk. Voor het volledige overzicht kun je ook onze pillar over lokale AI voor bedrijven lezen.
Waarom is cloud-AI een AVG-risico?
De AVG draait om één centrale vraag: waar gaan persoonsgegevens naartoe en wie kan erbij? Zodra je een cloud-AI-dienst gebruikt, stuur je in de praktijk data naar een externe partij. Die partij wordt daarmee een verwerker in de zin van de AVG, en dat brengt drie concrete risico's mee.
Ten eerste deel je persoonsgegevens met een externe verwerker. Elke prompt die een klantnaam, e-mailadres, dossiernummer of medische aantekening bevat, gaat over de lijn naar een systeem dat niet van jou is. Je hebt een verwerkersovereenkomst nodig, je moet de dienst opnemen in je verwerkingsregister, en je bent afhankelijk van de beveiliging en het beleid van die leverancier. Verandert dat beleid, dan verandert jouw risico mee zonder dat je er invloed op hebt.
Ten tweede spelen internationale doorgiften. Veel toonaangevende AI-diensten draaien op Amerikaanse infrastructuur. De AVG staat doorgifte buiten de EU alleen toe onder strikte voorwaarden. Het Schrems II-arrest heeft het eerdere Privacy Shield al ongeldig verklaard, en het huidige Data Privacy Framework staat juridisch onder druk. Valt dat opnieuw, dan heb je van de ene op de andere dag een acuut probleem met elke dienst die op je persoonsgegevens leunt.
Ten derde is er de Amerikaanse CLOUD Act. Die wet geeft Amerikaanse autoriteiten toegang tot data die in beheer is van Amerikaanse bedrijven, ook als de servers fysiek in Europa staan. Kies je een Amerikaanse AI-provider, dan bestaat het theoretische risico dat een Amerikaanse instantie je data opvraagt zonder dat jij dat weet of kunt tegenhouden. Dat botst met de kern van de AVG. We schreven hier uitgebreider over in ons artikel over databeveiliging bij AI in je bedrijf.
Hoe lost private AI het doorgifteprobleem op?
De oplossing van private AI is simpel te beschrijven: als de data je netwerk niet verlaat, is er geen doorgifte om te rechtvaardigen. Je draait een open model zoals Llama of Mistral op eigen servers of op Europese hosting, en de verwerking gebeurt binnen je eigen omgeving. Er is geen externe verwerker die persoonsgegevens ziet, dus vervalt de hele discussie over verwerkersovereenkomsten met buitenlandse partijen, over Schrems II en over de CLOUD Act.
Dat maakt je AVG-verantwoording een stuk korter. In plaats van uit te leggen hoe je data beschermt terwijl die bij een derde partij in de VS staat, leg je uit dat de data nooit je perimeter verlaat. Voor opdrachtgevers die eisen dat verwerking binnen de EU blijft, denk aan overheden, zorginstellingen, scholen en financiële partijen, is dat vaak het verschil tussen wel of niet in aanmerking komen voor een opdracht.
Let op de nuance: private AI verwijdert de doorgifte, niet je hele verantwoordelijkheid. Je verwerkt nog steeds persoonsgegevens, alleen nu binnen je eigen muren. Je hebt dus nog altijd een rechtsgrond nodig, je moet dataminimalisatie toepassen, en je moet kunnen aantonen dat alleen bevoegde mensen bij het systeem kunnen. Wat private AI doet, is het lastigste stuk, de internationale doorgifte, van je bordje halen zodat je energie naar de rest van je governance gaat. Wil je de bredere strategische afweging begrijpen, lees dan ons stuk over digitale soevereiniteit en AI in Nederland.
[ TIJDWINST ]
Bespaar 6 uur per week op het opstellen en actueel houden van doorgifte-documentatie en verwerkersovereenkomsten voor externe AI-diensten
Wat verwacht de EU AI Act, en hoe helpt volledige controle?
De EU AI Act legt de nadruk op documentatie, transparantie en logging. Voor systemen met een verhoogd risico moet je kunnen aantonen welk AI-systeem je gebruikt, waar en hoe het data verwerkt, welke risico's je hebt beoordeeld en welke maatregelen je hebt genomen. Ook logging van het gebruik hoort daarbij, zodat achteraf te reconstrueren is wat er is gebeurd.
Bij een cloud-black-box loop je hier snel vast. Je weet vaak niet op welke exacte servers je verzoek is verwerkt, welke modelversie is gebruikt of hoe lang de leverancier je invoer bewaart. "We gebruiken een populaire chatbot" is geen antwoord dat een conformiteitsbeoordeling doorstaat. Bij private AI heb je die informatie per definitie, want je beheert de hele keten zelf. Je weet welke modelversie draait, op welke hardware, met welk bewaarbeleid, en je kunt logging inrichten precies zoals de wet vraagt.
Dat is het echte compliance-voordeel: niet dat de regels voor jou anders zijn, maar dat je de bewijslast eenvoudig kunt leveren. Controle maakt je verplichtingen aantoonbaar. Voor een volledig overzicht van deadlines en verplichtingen verwijzen we naar onze analyse van de EU AI Act en de Nederlandse regels. Wil je hulp bij het opzetten van een private-AI-omgeving die deze eisen ondersteunt, dan begeleidt ons team voor lokale AI je van model-keuze tot logging.
Hoe past NIS2 in dit plaatje?
NIS2 is de Europese cybersecurity-richtlijn die beveiligings- en meldplichten oplegt aan een brede groep bedrijven, waaronder veel MKB-leveranciers in vitale ketens. De richtlijn vraagt om aantoonbare beheersmaatregelen: risicomanagement, toegangscontrole, incidentregistratie en toezicht op je toeleveringsketen.
Private AI sluit daar logisch op aan. Elke externe AI-dienst die persoonsgegevens of bedrijfsgevoelige data verwerkt, is een schakel in je toeleveringsketen die je onder NIS2 moet beoordelen en bewaken. Haal je die verwerking naar binnen, dan verklein je je aanvalsoppervlak en houd je de beveiliging in eigen hand. Je hoeft niet te vertrouwen op de securitymaatregelen van een derde partij; je toont je eigen maatregelen aan. Dat maakt de keten korter en de verantwoording overzichtelijker.
Ook hier geldt de nuance: het naar binnen halen van AI betekent dat je zelf verantwoordelijk wordt voor patchen, monitoring en hardening van die servers. Je ruilt het risico van een externe verwerker in voor de plicht om je eigen infrastructuur op orde te houden. Voor de meeste bedrijven is dat een gunstige ruil, mits je die verantwoordelijkheid bewust oppakt.
Cloud versus lokaal: de compliance-vergelijking
Onderstaande tabel zet de belangrijkste compliance-zorgen naast elkaar. De tabel is een hulpmiddel, geen juridisch oordeel voor jouw specifieke situatie.
| Compliance-zorg | Cloud-AI (extern) | Private AI (lokaal) |
|---|---|---|
| Externe verwerker | Ja, verwerkersovereenkomst nodig | Nee, geen derde partij |
| Internationale doorgifte | Vaak richting VS, Schrems II-risico | Geen doorgifte; data blijft binnen je netwerk |
| CLOUD Act-blootstelling | Mogelijk bij Amerikaanse provider | Niet van toepassing |
| AI Act-documentatie | Beperkt zicht op modelversie en servers | Volledig zicht, eenvoudig aantoonbaar |
| Logging en audittrail | Afhankelijk van leverancier | Zelf inrichtbaar naar wens |
| DPIA nog nodig? | Ja | Ja |
| Toegangsbeheer nog nodig? | Ja | Ja |
| Governance nog nodig? | Ja | Ja |
De rechterkolom laat het patroon zien: private AI neemt de zwaarste externe risico's weg, maar de laatste drie rijen blijven jouw werk, in beide scenario's.
Wat blijft je eigen verantwoordelijkheid?
Het is verleidelijk om private AI te presenteren als een compliance-knop die je indrukt. Dat is het niet, en die eerlijkheid is belangrijk. Ook met een lokaal model moet je een DPIA uitvoeren wanneer de verwerking een hoog risico kan opleveren voor betrokkenen. Je moet toegangsbeheer inrichten zodat alleen bevoegde medewerkers bij het systeem en de data kunnen. Je moet audit trails bijhouden zodat je kunt reconstrueren wie wat wanneer heeft gedaan. En je hebt beleid nodig voor bewaartermijnen, dataminimalisatie en het reageren op verzoeken van betrokkenen.
Wat private AI doet, is de basis onder al dat werk steviger maken. Omdat je de hele keten beheert, zijn je maatregelen aantoonbaar in plaats van afhankelijk van beloftes van een externe leverancier. Je governance wordt daardoor niet overbodig, maar wel makkelijker uit te voeren en te bewijzen. Zie private AI dus als een fundament dat je compliance-werk vergemakkelijkt, niet als een vervanging ervan.
Dit artikel is informatief en geen juridisch advies. Voor een oordeel over jouw specifieke situatie schakel je een jurist of privacy-officer in. Wil je de technische kant goed opzetten, dan denken wij graag mee. Begin met onze dienst voor lokale AI of vraag een vrijblijvende scan aan, dan brengen we samen in kaart welke stappen voor jou het meeste opleveren.