Bijlage 2 Ethische Impact Analyse AI- en Algoritmebeleid 2025 - 2028

Bijlage 2: Ethische Impact Analyse De Ethische Impact Analyse (EIA) helpt om risico’s bij het gebruik van AI en algoritmen te begrijpen en te verminderen. Door zes ethische richtlijnen te volgen, zorgen we voor een eerlijke en verantwoorde toepassing. Dit betekent dat we aandacht hebben voor menselijke waardigheid, privacy en transparantie, zodat AI een ethisch hulpmiddel wordt voor de samenleving. De EIA, ook wel de Effectbeoordeling van AI, moet uitgevoerd worden naast eventuele pre-DPIA's. Dit geldt niet alleen voor AI-toepassingen, maar ook voor algoritmes die niet zelflerend zijn en informatieproducten. Het helpt om te ontdekken of deze technologieën risico’s vormen voor de privacy en veiligheid van inwoners. Het uitvoeren van de EIA vóór de inzet van AI is belangrijk om problemen te voorkomen. Het is essentieel om goed te begrijpen wat een applicatie doet met (persoons-)gegevens. Als dit duidelijk is, weet je precies hoe de tool werkt en kun je risico’s beter inschatten. Hiermee zorgen we ervoor dat AI op een veilige en verantwoorde manier wordt gebruikt. Introductie 1. Naam van het project 2. Invuldatum 3. Opdrachtnemer en opdrachtgever, contactgegevens 4. Wat is het doel van het project? 5. Als bekend: welke data (persoons-)gegevens worden er verwerkt? A: Datagerelateerde overwegingen Algoritmen 6.

Wordt er een algoritme gebruikt in het project? Zo nee, ga door naar ' Bron'. 7. Worden de resultaten van het model als leidend of als “extra” gebruikt in het beslissingsmodel? 8. Is er menselijke controle op fouten die het algoritme kan maken? Hoeveel ruimte heeft een mens om van het systeem af te wijken wanneer nodig? Bron 9. Wat is de bron van de data? 10. Is de kwaliteit van de data(sets) gecontroleerd? 11. Wanneer moet de data ververst worden? 12. Worden de juiste informatie verzameld (niet te veel/weinig/onnodig)? Anonimiseren 13. Is het nodig om de data(sets) te anonimiseren of pseudonimiseren? 14. In het geval van anonimiseren: is gecontroleerd of data echt niet herleidbaar is? 15. In het geval van pseudonimiseren: wie heeft de sleutel om de pseudonimisering terug te draaien? Toegang

16. Wie heeft toegang tot de data(sets)? 17. Hoe wordt de toegang gemonitord? B: Algemene overwegingen Communicatie 18. Is er overlegd met team communicatie? Transparantie 19. Denk je eraan om je gebruikte algoritme te registreren bij het landelijke algoritmeregister? 20. Geef aan welke persoonsgegevens er worden verwerkt. Privacy 21. Heb jij het privacyteam op tijd bij je project betrokken? Vooringenomenheid/discriminatie 22. Bestaat het gevaar/risico dat bepaalde groepen mensen gediscrimineerd worden door je project? Zo ja, welke en hoe worden deze kleiner maken? Evaluatie 23. Wanneer wordt dit project geëvalueerd? Met wie wordt geëvalueerd en met wie wordt de evaluatie gedeeld? C: Conclusie 24. Wat zijn de belangrijkste discriminatie/transparantie)?

ethische

knelpunten

(denk

hierbij

aan

25. Hoe dek je de knelpunten af, zodat het project toch door kan gaan? Heb je deze vragenlijst ingevuld? Deel deze dan met je collega's van team privacy en de informatiemanager. Zij zullen samen met jou het project beoordelen en kijken wat er wel en niet mogelijk is.