AI en managementsystemen: slimmer werken aan compliance met kunstmatige intelligentie

AI wordt steeds vaker onderdeel van het dagelijkse werk. Ook binnen kwaliteitsmanagement, informatiebeveiliging, veiligheid en andere compliancevraagstukken ontstaan nieuwe mogelijkheden. Niet alleen om teksten sneller te schrijven, maar vooral om informatie te analyseren, kennis uit de organisatie op te halen en tijdrovende werkzaamheden slimmer in te richten.

Daarmee verandert ook de manier waarop organisaties naar hun managementsysteem kunnen kijken. Een managementsysteem is immers meer dan een verzameling documenten, procedures en beleidsstukken. Het gaat uiteindelijk om de manier waarop een organisatie werkt, risico’s beheerst, informatie verzamelt en continu verbetert. Juist daar kan AI steeds meer waarde toevoegen. Tegelijkertijd vraagt toepassing binnen een managementsysteem om een kritische blik. Want bij compliance is ‘ongeveer goed’ vaak niet goed genoeg.

AI kan verschillende werkzaamheden binnen een managementsysteem ondersteunen. Denk aan het analyseren van grote hoeveelheden informatie, het structureren van bestaande documenten, het uitwerken van audits of het ophalen en combineren van kennis bij medewerkers. De belangrijkste ontwikkeling is dat AI daarmee niet alleen een hulpmiddel wordt om sneller teksten te produceren. De technologie kan steeds dichter tegen de daadwerkelijke processen binnen een organisatie aan komen te liggen.

Praktische toepassingen zijn bijvoorbeeld:

De toegevoegde waarde zit daarmee vooral in het verminderen van handmatig en tijdrovend werk. De menselijke expertise verdwijnt daarbij niet. Die verschuift juist naar beoordelen, interpreteren, implementeren en verbeteren.

Veel organisaties bevinden zich nog in een tussenfase. Individuele medewerkers gebruiken bijvoorbeeld ChatGPT, Copilot, Claude of een andere AI-tool om sneller te werken. Zij ervaren daar persoonlijk voordeel van, terwijl de organisatie nog niet altijd zichtbaar kan maken wat AI als geheel oplevert. Toch is juist dat persoonlijke gebruik een belangrijke eerste stap. Door AI toe te passen binnen het eigen vakgebied ontstaat ervaring met wat wel en niet werkt.

Binnen een managementsysteem kan dat relatief eenvoudig beginnen. Een interne auditor kan bijvoorbeeld een transcriptie gebruiken als basis voor het uitwerken van een auditrapport. Een KAM- of QHSE-coördinator kan AI inzetten om informatie te ordenen. Een informatiebeveiligingsspecialist kan bestaande documenten laten analyseren. De volgende stap is om zulke toepassingen structureler in processen op te nemen.

Een managementsysteem wordt soms nog sterk benaderd vanuit documenten: beleid, procedures, registraties en andere informatie die aantoonbaar maakt hoe de organisatie werkt. Maar de werkelijke organisatie is breder. Kennis zit bij medewerkers. Risico’s worden in de dagelijkse praktijk ervaren. Verschillende afdelingen hebben verschillende belangen en perspectieven. En niet alles wat werkelijk gebeurt, staat volledig beschreven in een procedure.Daar ligt een belangrijke kans voor AI.

Nieuwe toepassingen maken het mogelijk om informatie uit verschillende bronnen te verzamelen, te analyseren en met elkaar in verband te brengen. Daardoor kan het managementsysteem beter aansluiten bij wat daadwerkelijk in de organisatie gebeurt. Dat wordt nog relevanter naarmate AI zich ontwikkelt van losse chattoepassingen naar meer geïntegreerde en agentic toepassingen. AI kan dan steeds vaker onderdeel worden van een bestaand werkproces in plaats van alleen een hulpmiddel naast dat proces.

Een praktische toepassing is het analyseren van bestaande managementsysteemdocumentatie. Veel organisaties beschikken al over beleid, procedures, werkinstructies en andere documenten. Zeker wanneer een organisatie aan een nieuwe norm werkt, kan het veel tijd kosten om te bepalen welke bestaande informatie al aansluit op de eisen en waar nog hiaten zitten. AI kan helpen om die eerste analyseslag te versnellen.

Binnen een bestaande omgeving, bijvoorbeeld SharePoint in combinatie met AI-functionaliteit, kunnen documenten worden onderzocht en gekoppeld aan relevante onderdelen van een norm. Daardoor wordt sneller zichtbaar:

Bij een implementatie van bijvoorbeeld ISO 27001 kan zo sneller inzicht ontstaan in de relatie tussen bestaande documentatie en de eisen die vanuit het managementsysteem worden gesteld. AI neemt daarmee niet automatisch de inhoudelijke beoordeling over. Het maakt de informatie vooral sneller toegankelijk, zodat een adviseur of interne specialist zich kan richten op de daadwerkelijke analyse.

Ook bij interne audits kan AI een deel van het tijdrovende werk ondersteunen. Een gesprek tijdens een audit bevat veel informatie. Die informatie moet vervolgens worden verwerkt, gestructureerd en vertaald naar een bruikbare rapportage. AI kan bijvoorbeeld worden gebruikt voor transcriptie en als ondersteuning bij het uitwerken van het auditrapport.

Dat betekent niet dat AI bepaalt of iets voldoet of niet voldoet. De auditor blijft verantwoordelijk voor de inhoudelijke beoordeling, de context en de uiteindelijke conclusie. AI kan vooral helpen om de frictie rondom verwerking en verslaglegging te verminderen. Hierdoor blijft meer tijd beschikbaar voor werkzaamheden waarvoor vakkennis en menselijke beoordeling daadwerkelijk nodig zijn.

Een andere ontwikkeling is het gebruik van gesproken AI-interviews. In plaats van medewerkers een vragenlijst te laten invullen of allemaal afzonderlijk door een adviseur of coördinator te laten interviewen, kan een AI-oplossing zelfstandig gesprekken voeren. De medewerker praat daarbij met de toepassing zoals tijdens een normaal gesprek.

Het systeem kan vragen stellen, luisteren naar het antwoord en gerichte vervolgvragen stellen. De informatie uit verschillende gesprekken kan vervolgens worden samengevoegd en gestructureerd. Dit principe wordt binnen CAN Intelligence toegepast om op een laagdrempelige manier kennis uit een organisatie op te halen.

Veel onderdelen van een managementsysteem vragen om input vanuit de organisatie. Denk aan:

Traditioneel wordt zo’n analyse vaak uitgevoerd met een relatief kleine groep medewerkers. Dat is praktisch: tientallen individuele interviews kosten immers veel tijd en iedereen tegelijkertijd bij elkaar krijgen is niet eenvoudig. Daarmee ontstaat wel een risico. Het beeld van een beperkte groep wordt gebruikt als beeld van de hele organisatie. AI-interviews maken het mogelijk om een veel bredere groep medewerkers te betrekken.

Juist die schaalbaarheid kan inhoudelijk interessant zijn. Medewerkers op verschillende niveaus en binnen verschillende afdelingen kijken anders naar de organisatie. De ene medewerker ziet een operationeel risico dat in het managementoverleg nauwelijks zichtbaar is. Een ander merkt dat een procedure in de praktijk anders wordt uitgevoerd. Weer iemand anders ziet kansen voor verbetering.

Door meer medewerkers te bevragen, ontstaat een breder beeld. AI kan vervolgens helpen om die hoeveelheid informatie te structureren en overeenkomsten, verschillen en verschillende perspectieven inzichtelijk te maken. Daarmee verschuift het voordeel van AI van alleen sneller en goedkoper informatie verzamelen naar iets belangrijkers: meer informatie uit de organisatie beschikbaar maken voor besluitvorming en verbetering.

De kracht zit niet alleen in het voeren van de gesprekken. Wanneer tientallen medewerkers worden bevraagd, ontstaat een grote hoeveelheid kwalitatieve informatie. Handmatige verwerking daarvan kost opnieuw veel tijd. AI kan de informatie uit verschillende gesprekken combineren tot een gezamenlijk beeld. Daardoor kunnen bijvoorbeeld terugkerende thema’s, verschillende perspectieven en mogelijke aandachtspunten zichtbaar worden gemaakt.

Bij een onderzoek naar veiligheidscultuur kan dat bijvoorbeeld worden gebruikt als input voor een analyse en het bepalen van mogelijke verbeterpunten. Ook bij een stakeholderanalyse of risicoanalyse kan deze werkwijze helpen om kennis die verspreid door de organisatie aanwezig is beter te benutten.

Technisch kan AI grote hoeveelheden tekst produceren en daarmee snel documentatie voor een managementsysteem opstellen. Juist daar is voorzichtigheid nodig. Een tekst die voor 80 procent klopt, kan overtuigend ogen. Binnen een managementsysteem kan die resterende afwijking echter belangrijk zijn.

AI kent bovendien niet automatisch de volledige context van een organisatie. Een model weet niet vanzelf welke informele werkwijzen bestaan, welke belangen spelen, waarom bepaalde keuzes zijn gemaakt en waar de praktijk afwijkt van wat formeel is vastgelegd. Daarom is het verstandig AI niet simpelweg te vragen een compleet managementsysteem te genereren en de uitkomst vervolgens als waarheid over te nemen. AI werkt sterker wanneer het wordt gevoed met relevante organisatiecontext en de resultaten inhoudelijk worden beoordeeld door mensen met kennis van het werkveld.

Dat is een belangrijke vraag bij toepassing van AI binnen managementsystemen. AI kan fouten maken. Een taalmodel kan informatie verkeerd interpreteren of informatie genereren die aannemelijk klinkt, maar niet klopt. Dit wordt vaak een hallucinatie genoemd. Binnen compliance kan dat problematisch zijn. Een organisatie moet immers kunnen vertrouwen op de informatie waarop besluiten, beleid en beheersmaatregelen worden gebaseerd.

Daarom draait betrouwbare toepassing niet alleen om de vraag hoe goed is het AI-model? Minstens zo belangrijk is de vraag hoe is AI in het proces ingebed? Een passende toepassing bevat daarom een menselijke controle: de zogenoemde human in the loop. AI kan bijvoorbeeld:

Een inhoudelijk deskundige beoordeelt vervolgens de uitkomsten, brengt context aan en bepaalt welke conclusies en acties daadwerkelijk passend zijn. Niet AI óf de mens, maar een werkbare combinatie van technologie en expertise.

AI verandert vooral de verdeling van werkzaamheden. Binnen advies- en compliancefuncties bestaat een deel van het werk uit informatie verzamelen, ordenen, analyseren en rapporteren. Dat zijn precies de werkzaamheden waarin AI steeds meer kan ondersteunen. Daardoor kan tijd verschuiven naar taken waar menselijke expertise belangrijk blijft: afwegingen maken, belangen begrijpen, veranderingen implementeren en mensen meenemen in een nieuwe werkwijze.

De rol van bijvoorbeeld een adviseur, KAM-coördinator of QHSE-manager kan daardoor inhoudelijk veranderen. Minder tijd aan bulkwerk. Meer tijd voor hoogwaardige beoordeling, implementatie en verbetering. Vooral de menselijke factor wordt daarin belangrijk. Een analyse kan duidelijk maken wat er moet veranderen. Ervoor zorgen dat die verandering daadwerkelijk in de organisatie landt, vraagt om context, communicatie en begrip van mensen en belangen.

Hallucinaties zijn niet alleen een technisch probleem. Ze zijn ook een inrichtingsvraagstuk. Een generieke AI-tool beschikt niet automatisch over de specifieke context van jouw organisatie. Hoe minder relevante context beschikbaar is, hoe groter het risico dat een antwoord algemeen blijft of niet aansluit bij de werkelijkheid. Daarom zijn drie elementen belangrijk:

Daarmee wordt AI geen los experiment, maar een gecontroleerd onderdeel van het managementsysteem.

Bij het gebruik van AI wordt informatie verwerkt door een IT-systeem en vaak door een externe leverancier. Dat maakt informatiebeveiliging en vertrouwelijkheid een belangrijk onderdeel van de inrichting. Zeker wanneer medewerkers worden geïnterviewd of interne documenten worden geanalyseerd, kan gevoelige informatie worden verwerkt.

Daarom moet vooraf worden nagedacht over onder andere:

Ook bij AI-interviews verdient vertrouwelijkheid expliciete aandacht. Medewerkers moeten weten hoe hun input wordt gebruikt en hoe met de output wordt omgegaan. AI veilig toepassen is daarmee mogelijk, maar vraagt om bewuste keuzes in leveranciers, configuratie en gegevensverwerking.

De ontwikkeling van AI binnen managementsystemen gaat uiteindelijk niet alleen over nieuwe tools. De interessantere vraag is welke werkzaamheden anders kunnen worden ingericht. Waar kost het verzamelen van informatie nu onnodig veel tijd? Waar wordt kennis van medewerkers onvoldoende benut? Welke analyses bestaan uit veel handmatig werk? En waar kan AI ruimte creëren voor betere menselijke beoordeling?

De organisaties die hiermee aan de slag gaan, hoeven niet direct de meest geavanceerde AI-oplossingen te implementeren. Beginnen met een concrete toepassing maakt het mogelijk om ervaring op te bouwen en tegelijkertijd kritisch te blijven kijken naar kwaliteit, betrouwbaarheid en informatiebeveiliging.

Gebruik de kennis die al in jouw organisatie aanwezig is! CAN Intelligence helpt om informatie op een laagdrempelige manier bij medewerkers op te halen, te combineren en te structureren voor verschillende toepassingen binnen jouw managementsysteem.

Lees meer over CAN Intelligence en ontdek welke toepassingen passen binnen jouw managementsysteem of plan direct een gratis adviesgesprek in!