AI in kwaliteitsmanagement: voordelen en nadelen

De voor- en nadelen van AI in kwaliteitsmanagement, eerlijk op een rij

Acht op de tien organisaties in de QHSE-wereld bevindt zich nog in de experimentele fase als het om AI gaat. Slechts een fractie spreekt van een geintegreerde aanpak. (Bron: Nationaal Onderzoek QHSE).

‍

Tegelijk staat AI op vrijwel elke agenda. Die spanning tussen belangstelling en terughoudendheid is goed te verklaren. AI kan kwaliteitsmanagers veel tijd besparen, vooral bij administratieve werkzaamheden, maar het gebruik brengt ook risico's met zich mee. Denk aan privacy, betrouwbaarheid en afhankelijkheid. In dit artikel zetten we de voor- en nadelen voor je op een rij.

‍

‍

Waar de terughoudendheid vandaan komt

In de praktijk wordt AI vaak gebruikt voor relatief eenvoudige processen. Bijvoorbeeld het schrijven van teksten, het samenvatten van documenten en/of het uitwerken van ideeën met tools als Microsoft Copilot, ChatGPT, Google Gemini of Claude. Organisaties die AI echt al breder durven in te zetten binnen hun QHSE-processen vormen op dit moment nog de uitzondering.

‍

Een voorzichtige houding is goed te verklaren. Kwaliteitsmanagement draait om betrouwbare informatie, aantoonbare processen en het beheersen van risico's. Nieuwe technologie krijgt pas een vaste plek als organisaties erop kunnen vertrouwen dat de technologie aansluit bij de eisen van kwaliteitsmanagement.

Minder administratie, meer inhoud

Tijdwinst is voor kwaliteitsmanagers het grootste voordeel van AI. Op een werkdag gaat veel tijd op aan administratieve taken. Denk aan het opstellen van documentatie, het verwerken van registraties en het verzamelen van informatie. Nationaal Onderzoek QHSE laat zien dat organisaties efficiëntieverbetering (82%) als belangrijkste voordeel van AI zien, gevolgd door snellere probleemoplossing (69%) en een hogere productiviteit (53%). Ook geven kwaliteitsmanagers aan meer tijd te willen besteden aan werkzaamheden die echt waarde toevoegen.

‍

‍

QHSE managers beschrijven AI in het onderzoek zelf vaak als sparringpartner. Iemand die helpt bij het formuleren van documentatie, het opzoeken van wet- en regelgeving en bij het vertalen van de normeisen naar begrijpelijke taal. Denk aan een 1e opzet voor een procedure, een werkinstructie of een auditplan.  AI neemt het werk niet over, maar helpt je sneller tot een bruikbare eerste versie te komen.

‍

De tijdwinst zit ook in het overzetten dat niemand leuk vindt. Een set formulieren in Word of PDF die automatisch wordt omgezet naar digitale formulieren. Screenshots of tekeningen van stroomdiagrammen die in een keer klikbare processtromen worden. Eerder was dat handwerk of een dure koppeling die je moest onderhouden.

‍

Routinematige werkzaamheden kosten minder tijd, zo ontstaat er meer ruimte voor werk waarin de kwaliteitsmanager het verschil kan maken. Bijvoorbeeld het analyseren van risico's, het begeleiden van verbetertrajecten, het adviseren van collega's en het versterken van de kwaliteitscultuur. Hier ligt uiteindelijk de kracht van het vak. AI biedt ondersteuning, maar de inhoudelijke beoordeling en de eindverantwoordelijkheid liggen bij de kwaliteitsmanager.

‍

Wat je serieus moet nemen

AI biedt vele mogelijkheden, maar het kent ook risico's die je als kwaliteitsmanager niet mag negeren.

1. Privacy en intellectueel eigendom

Privacy en intellectueel eigendom staan bovenaan de zorgenlijst van QHSE-managers. Het wordt een risico wanneer een auditverslag, klachtenrapport of ander document met bedrijfsgevoelige informatie per ongeluk in een publieke chatbot terechtkomt. Organisaties die werken volgens ISO 27001 moeten sowieso goed weten waar gegevens worden verwerkt en wie toegang heeft. Verantwoord AI-gebruik vraagt om duidelijke afspraken over welke informatie wel en niet gedeeld mag worden.

‍

2. De betrouwbaarheid van de output

AI geeft soms overtuigende antwoorden die feitelijk onjuist of verouderd zijn. Denk aan een verkeerde interpretatie van een norm of verwijzing naar verouderde wetgeving. Procedures en werkinstructies vormen de basis voor audits en dagelijkse werkzaamheden. Dit soort fouten kan daarom grote gevolgen hebben. Een controle door een deskundige blijft onmisbaar voordat informatie wordt overgenomen of gedeeld.

3. Afhankelijkheid

Afhankelijkheid is het derde risico. Medewerkers kunnen te veel gaan vertrouwen op AI en hierdoor zelf minder kritisch gaan nadenken. AI kan een goed eerste antwoord geven, maar AI begrijpt de context van een organisatie niet zoals een ervaren kwaliteitsmanager dat doet. Als suggesties zonder controle zomaar worden overgenomen, kunnen fouten ongezien in processen of documentatie terechtkomen. AI is een hulpmiddel, niet een vervanger van vakkennis.

4. Duurzaamheid

Duurzaamheid verdient een bewuste afweging. AI vraagt veel rekenvermogen en daarmee dus ook veel energie. Veel QHSE-managers zijn verantwoordelijk voor de duurzaamheiddoelstellingen binnen de organisatie, dit vraagt dus om een bewuste afweging. Zet AI bewust en doelgericht in om efficiëntie en duurzaamheid in balans te houden. D

5. Kosten

De kosten van zelfontwikkelde oplossingen worden vaak onderschat. Een eigen 'GPT' of interne app vraagt niet alleen om ontwikkeling, maar ook om onderhoud, beheer en validatie. Gartner verwacht dat tot en met 2028 minstens de helft van de AI-projecten het budget overschrijdt, door verkeerde keuzes, en te weinig operationele kennis. Organisaties die zelf een AI oplossing bouwen, staken die poging vaak alsnog vanwege kosten, complexiteit en technische schuld. (Bron: Gartner, Hype Cycle for Generative AI 2026)

‍

‍

Wie is verantwoordelijk als AI fouten maakt?

Deze vraag komt vroeg of laat op tafel, zeker bij bedrijven met een certificering. Het antwoord is eenvoudiger dan het lijkt: De verantwoordelijkheid ligt bij degene die het hulpmiddel gebruikt. Zoals Edward Niemeijer het formuleerde in het webinar De QHSE-manager van morgen, AI in de praktijk: "Als iemand met een zaag een fout maakt, ligt dat niet aan de zaag."

‍

Ingewikkelder is het bij systemen die zelfstandig conclusies trekken met gevolgen voor mensen. De toeslagenaffaire is daarvan het bekendste voorbeeld: er kwam iets uit een systeem waar niemand meer kritisch naar keek. Dat is precies de situatie die je binnen QHSE wilt voorkomen. Aldus Edward Niemeijer van het AI expertisecentrum.

‍

De praktische vertaling is dat je zelf de punten in je processen aanwijst waar altijd een mens meekijkt voordat iets de deur uitgaat. Minimaal op de plekken waar de gevolgen het grootst zijn, zoals alles wat naar klanten, certificerende instellingen of de werkvloer gaat.

‍

‍

‍

In vier stappen naar verantwoord AI-gebruik

Stap 1. Breng eerst je documentatie op orde.

AI functioneert alleen goed als de basis goed op orde is. Een versnipperde informatievoorziening met meerdere versies van documenten geeft ook bij AI onbetrouwbare antwoorden. Een actueel managementsysteem met gevalideerde processen, procedures en documenten vormt het fundament voor verantwoord AI-gebruik. Wil je met AI aan de slag? Begin dan met opschonen en centraal beheren.

Stap 2. Leg vast welke gegevens waar verwerkt mogen worden.

Publieke AI-tools zijn namelijk niet geschikt voor vertrouwelijke bedrijfsinformatie. Leg daarom duidelijk vast welke gegevens medewerkers wel en niet mogen gebruiken en maak hierover goede afspraken. Zo beperk je privacyrisico's en houd je aansluiting bij de eisen van ISO 27001.

Stap 3. Wijst de kritieke processen aan.

Bepaal per proces waar een deskundige de output beoordeelt voordat die wordt gebruikt of gedeeld. Zie AI als een digitale collega (het werk van een collega stuur je ook niet ongezien door).

Stap 4. Bepaal de verantwoordelijkheid en evalueer.

Leg vast wie verantwoordelijk is voor AI gegenereerde output en neem het gebruik ervan mee in interne audits en managementreviews. Zo wordt AI echt onderdeel van je managementsysteem in plaats van iets wat ernaast gebeurt.

‍

‍

ISO 42001, de norm die de meeste QHSE managers nog niet kennen

Opvallend is trouwens dat 79% van de QHSE-professionals nog niet bekend is met ISO 42001. Dit is opvallend want deze norm is de managementsysteemnorm voor AI en volgt dezelfde logica als ISO 9001 en ISO 27001.

‍

Voor de meeste organisaties is certificering nu nog niet aan de orde. De structuur van de norm is wel bruikbaar als kapstok, ook zonder certificaat. De norm dwingt je om vast te leggen waar AI wordt ingezet, welke risico's daarbij horen en wie erop toeziet.

‍

‍

De lage bekendheid van ISO 42001 (79%) hangt direct samen met de beperkte intentie om te certificeren (7%). In combinatie met de lage AI-volwassenheid van organisaties wijst dit erop dat AI-managementsystemen en bijbehorende certificering voor de meeste organisaties nog een toekomstig vraagstuk zijn, in plaats van een actuele prioriteit.

‍

Wat betekent dit voor jouw organisatie?

AI kan organisaties veel opleveren, mits de basis op orde is. Een actueel managementsysteem, duidelijke processen en betrouwbare documentatie vormen belangrijke uitgangspunten voor verantwoord AI-gebruik. Pas daarna kun je AI inzetten om werkzaamheden slimmer en efficiënter uit te kunnen voeren.

‍

ISO2HANDLE ondersteunt organisaties met een platform waarbij documentatie, formulieren en processen centraal worden beheerd. Binnen deze omgeving zijn AI-functionaliteiten beschikbaar, zoals de AI Form Converter,  de AI Processflow Converter en de AI Formuliervertaler. Ook koppelingen met Microsoft Copilot, Claude en ChatGPT zijn mogelijk, zodat medewerkers in hun eigen omgeving kunnen werken zonder bedrijfsinformatie buiten de deur te brengen. Omdat ISO2HANDLE ISO 27001-gecertificeerd is, sluit ook de omgang met informatie aan bij organisaties die privacy en informatiebeveiliging belangrijk vinden.

‍

AI zal niet meer gaan verdwijnen uit het kwaliteitsmanagement. De vraag is daarom niet of je ermee aan de slag gaat, maar hoe je er verantwoord mee kunt gaan werken.

‍

Begin daarom klein, houd altijd een mens betrokken bij belangrijke beslissingen en zorg dat de basis van je managementsysteem echt op orde is. Vanuit een goede basis kan AI uitgroeien tot een waardevol hulpmiddel dat de kwaliteitsmanager kan ondersteunen, zonder de regie over te nemen.

‍