AI, macht en verantwoordelijkheidCEFR B2
21 apr 2026
Gebaseerd op Guest Contributor, Global Voices • CC BY 3.0
Foto door Marija Zaric, Unsplash
Dit stuk is gebaseerd op een bijdrage aan de serie "Vraag het niet aan AI, vraag een collega", een samenwerking tussen Global Voices, de Association for Progressive Communication en GenderIT, en maakt deel uit van Global Voices’ Spotlight-reeks van april 2026, "Menselijke perspectieven op AI". De auteur, Hija Kamran (she/her), is hoofdredacteur van GenderIT.org en advocacy-strateeg binnen APC’s Women’s Rights Programme.
Kamran stelt dat technologiebedrijven vaak hun keuzes laten sturen door bedrijfsmodellen, winst en groeidoelstellingen, niet door zorg voor mensen. Zij verwijst naar een bekende opmerking die aan Mark Zuckerberg wordt toegeschreven en naar een vertegenwoordiger van een techbedrijf die haar vertelde: "Ik moedig mensen aan onze gebruiksvoorwaarden te lezen." Zulke antwoorden illustreren volgens haar een gebrek aan echte transparantie en verantwoording.
Het artikel benadrukt dat systemen niet neutraal zijn. Trainingsdata uit internet en openbare bronnen weerspiegelt geschiedenissen van uitsluiting, racisme, seksisme en economische ongelijkheid. AI kan die patronen coderen en versterken, terwijl de uitkomsten als neutraal worden gepresenteerd. Kamran gebruikt de term "collaterale schade" voor mensen die mogelijk ernstig nadeel ondervinden in de race om AI te ontwikkelen.
Ze waarschuwt voor dehumanisering in gemilitariseerde contexten en wijst erop dat AI alleen uitkomsten op basis van waarschijnlijkheden genereert; het voelt geen zorg en onderhoudt geen relaties. Haar pleidooi is duidelijk: een mensenrechtenbenadering die verantwoordelijkheid verschuift naar degenen met macht, en kritische vragen vroeg in ontwikkeling en commercialisering over wie bouwt, hoe het werkt en wie profiteert.
Moeilijke woorden
- bedrijfsmodel — manier waarop een bedrijf geld verdient en werktbedrijfsmodellen
- verantwoording — uitleg geven en verantwoordelijk gehouden worden
- trainingsdata — gegevens waarmee een AI-model wordt geleerd
- uitsluiting — situatie waarin bepaalde groepen worden buitengesloten
- collaterale schade — onbedoelde nadelen voor mensen door acties
- dehumanisering — behandelen alsof iemand geen mens is
- mensenrechtenbenadering — aanpak die fundamentele persoonlijke rechten centraal stelt
- commercialisering — proces waarbij iets op de markt wordt gebracht
Tip: beweeg de muisaanwijzer over gemarkeerde woorden in het artikel, of tik erop om snelle definities te zien terwijl je leest of luistert.
Discussievragen
- Hoe zou een mensenrechtenbenadering veranderen welke bedrijven AI ontwikkelen en commercieel maken? Geef voorbeelden en redenen.
- Welke gevolgen kan het hebben als AI-uitkomsten worden gepresenteerd als neutraal, terwijl trainingsdata bestaande ongelijkheden bevat? Noem twee voorbeelden.
- Bedrijven zeiden volgens het artikel soms dat mensen de gebruiksvoorwaarden moeten lezen. Vind je dat dit voldoende verantwoording is? Waarom wel of niet?
Gerelateerde artikelen
Aanraakschermen in de auto vergroten afleiding tijdens het rijden
Een simulatiestudie onderzocht hoe 12-inch aanraakschermen en een geheugentaak het rijden beïnvloeden. Multitasken verergerde stuurgedrag en verminderde precies gebruik van het scherm; vergroten van toetsen hielp niet.
Futurity: de tien meestgelezen onderzoeksverhalen van 2025
Futurity publiceerde eind 2025 een lijst met de tien meestgelezen onderzoeksberichten. De selectie beslaat onderwerpen als gezondheid, energie, archeologie, neurowetenschap, voeding en milieugezondheid. Lezers zijn uitgenodigd in 2026 terug te komen.
Stijgende stroomvraag door datacenters kan prijzen en uitstoot verhogen
Onderzoek waarschuwt dat groei van datacenters en cryptomijnbouw in de VS de elektriciteitsprijzen en de CO2-uitstoot tegen 2030 kan doen toenemen. De studie modelleert het elektriciteitssysteem en vergelijkt scenario’s met en zonder deze vraaggroei.
Africa Wiki Women vergroot zichtbaarheid van Afrikaanse vrouwen
Africa Wiki Women stimuleert Afrikaanse vrouwen om artikelen op Wikimedia-platforms te maken en verbeteren. De groep organiseert trainingen, mentorschap en campagnes en heeft al veel vrouwen getraind en honderden pagina’s verbeterd.