Data & AI

Technology and Telecommunications

Hoe je confirmation bias de baas blijft in datamanagement

Confirmation bias in datamanagement

Data Management binnen Organisaties en het verband met Confirmation Bias
In de moderne wereld van digitale oplossingen, big data en geavanceerde analysetools speelt datamanagement een cruciale rol binnen organisaties. Data wordt niet alleen gebruikt om operationele beslissingen te ondersteunen, maar ook om strategische richtingen te bepalen en concurrentievoordelen te behalen. Echter, een belangrijk aspect dat vaak over het hoofd wordt gezien, is de invloed van menselijke biases, zoals confirmation bias, op datamanagement en de besluitvorming die daarop gebaseerd is. 
Het is een misvatting dat besluiten die uitsluitend op basis van data worden genomen altijd beter zijn dan beslissingen gebaseerd op intuïtie. Hoewel data een krachtig hulpmiddel is, biedt het niet altijd een volledig beeld, en het volledig negeren van intuïtie kan belangrijke inzichten uitsluiten die soms moeilijk in cijfers te vangen zijn.

Achraf Taimounti

Netherlands

Digital

Healthcare and Life Sciences

Het belang van goed datamanagement in de zorg en binnen Academisch Onderzoek

Het belang van goed datamanagement in de zorg

Als consultant op het gebied van datamanagement, met een sterke affiniteit voor de zorgsector en academisch onderzoek, zie ik dagelijks hoe cruciaal het is om data effectief en veilig te beheren. Zowel in de zorg als in de academische wereld spelen data, vaak van zeer gevoelige aard, een centrale rol. Het zorgvuldig beheren van deze data is niet alleen een technische vereiste, maar ook een ethische en juridische verplichting die bijdraagt aan het verbeteren van de kwaliteit van zorg en onderzoek.

Organizational

Strategy & Change

Leiderschap

interview Trudy Onland (Stedin)

Systeemkraak in de energietransitie:

Systeemkraak in de energietransitie: interview Trudy Onland (Stedin)

In deze serie interviewen we leiders die betrokken zijn bij de transformatie op het gebied van energie, wonen en mobiliteit. We verkennen de noodzakelijke systeem-kraak om Nederland in beweging te brengen. Volgens Kim Putters, voorzitter van de SER, “is er in Nederland veel plannenmakerij, maar weinig uitvoeringskracht.” Wat vraagt dit van het systeem, van organisaties zoals Stedin, en van het leiderschap binnen deze sectoren?

Natascha Renkers

Jonne Tillema

Ontgrendel het volledig potentieel van AI-interacties

Whitepaper AI prompt engineering framework

Whitepaper Highberg AI prompt engineering framework: Ontgrendel het volledig potentieel van AI-interacties

In het huidige tijdperk van kunstmatige intelligentie spelen grote taalmodellen (LLM's) een steeds belangrijkere rol in ons dagelijks werk. Of je nu informatie zoekt, complexe vragen wilt beantwoorden, of teksten wilt genereren, de effectiviteit van deze AI-modellen hangt grotendeels af van hoe je je vragen en instructies formuleert. Dit whitepaper duikt diep in de wetenschap achter het maken van effectieve prompts en biedt een uitgebreid framework om het maximale uit AI-technologie te halen.

Erik de Ruiter

Digital Strategy & Execution

Whitepaper: Cloudtransformatie

Cloudtransformatie ENG

In de afgelopen jaren heeft cloudtransformatie zich ontwikkeld van een opkomende trend naar een fundamentele bouwsteen voor moderne IT-strategieën. Veel organisaties kampen alleen nog wel met het behouden van grip tijdens en na de transformatie naar de cloud. Hoe behoud je grip op de cloud tijdens en na een transformatie, zodat de beoogde voordelen werkelijk worden behaald? En waar dien je rekening mee te houden? In deze whitepaper beschrijven wij handvatten voor een succesvolle cloudtransformatie.

Deel 3: Wanneer en waar is AI-ethiek nodig?

Het is fijn om te weten dat AI-ethiek een must is wanneer uw organisatie AI inzet om maatschappelijke problemen op te lossen of het publiek beter te dienen. Maar door alleen geld te investeren in AI-systemen komt u niet ver. AI laten werken voor de maatschappij is immers het werk van mensen. Maar hoe doet u dat dan? Wanneer en waar moet ethische reflectie op AI worden geïntroduceerd in publieke organisaties?  
In dit laatste deel van de serie inleidingen over “AI-ethiek voor publieke organisaties” worden de verschillende fasen van AI-gebruik onderscheiden. We formuleren nuttige ethische vragen die bijzonder relevant zijn voor elke fase. Ook delen we inzichten over waar u de AI-ethiekcapaciteit kunt beleggen in uw organisatie.

Thomas Mollema

Beperk risico’s en benut potentieel

Deel 2: AI-ethiek

Deel 2: AI-ethiek: beperk risico’s en benut potentieel

Als u AI wilt toepassen op de problemen van uw organisatie, waar begint u dan? Hoe doet u dit in lijn met de publieke waarden waarvoor uw organisatie aan de lat staat? Zoals bij alle technologieën hangt het ervan af hoe AI gebruikt wordt of het zal helpen of schaden. Maar onwetend gebruik van AI zal eerder kwaad dan goed doen. Dat betekent: niet nadenken over hoe AI zich verhoudt tot de doelen en waarden van uw organisatie. ‘Waarom is AI-ethiek noodzakelijk voor elke organisatie die AI-systemen gebruikt?’ is daarom de tweede vraag die onze serie inleidingen “AI-ethiek voor publieke organisaties” behandelt.

Deel 1: De basics van AI-ethiek

‘Wat houdt de ethiek van AI eigenlijk in?’ Deze vraag krijgen we vaak van publieke organisaties. AI en ethiek samenvoegen lijkt op het eerste gezicht misschien vreemd. Maar ethische vragen stellen is essentieel om AI te laten werken voor uw organisatie. Geen enkele automatiseringstechnologie is een ‘quick fix’ voor de moeilijke maatschappelijke problemen waarmee publieke organisaties te maken hebben. Alleen AI-systemen die ‘sensible by design’ zijn, goed doordacht en ethische risico’s uit de weg gaan, slagen erin om deze problemen op te lossen. Denk aan het effectiever maken van de gezondheidszorg, het efficiënt delen van informatie met belanghebbenden en het versterken van de sociale zekerheid en het welzijn. 
Het is daarom de moeite waard om te onderzoeken welke rol ethiek speelt bij het toepassen van AI op maatschappelijke uitdagingen.

Hoogmoed komt voor de val

Generatieve AI: Een digitale Toren van Babel?

Is generatieve AI de digitale toren van Babel? Hoogmoed komt voor de val

Stel je voor: een mysterieuze ziekte teistert een afgelegen stam in Papoea-Nieuw-Guinea. De hersenen van de getroffenen degenereren razendsnel, en al snel ontdekken wetenschappers de oorzaak - een ritueel waarbij de overledenen worden geconsumeerd. Deze ziekte, later bekend als Kuru, verspreidde zich doordat de stam zichzelf letterlijk opat. 

Nu, decennia later, zien we een vergelijkbaar fenomeen in de wereld van artificiële intelligentie (AI). Nee, onze computers zijn niet begonnen elkaar op te eten (gelukkig maar!), maar er gebeurt wel iets verontrustends: generatieve AI-systemen (hierna gewoonweg AI voor de leesbaarheid) 'consumeren' steeds vaker hun eigen output, met potentieel desastreuze gevolgen. 

Welkom in de wereld van 'model collapse' en 'shitification' - two-dollar woorden voor een miljardenprobleem.

AI-ethiek voor publieke organisaties: een reeks inleidingen

AI-ethiek voor publieke organisaties

AI-ethiek voor publieke organisaties: een reeks

In het publieke debat wordt kunstmatige intelligentie (AI) gezien als een middel om de productiviteit van werknemers te verhogen en betere en meer gezondheidszorg te kunnen bieden. Daarnaast kan AI administratieve processen versnellen en automatiseren, energie en middelen efficiënter verdelen en natuurrampen beter detecteren. AI is zowel een technologie als een maatschappelijke belofte. Publieke organisaties stellen zichzelf en Highberg de vraag of ze iets met AI moeten doen en hoe AI zich verhoudt tot de problemen die ze moeten oplossen.

Over innovatie, kaders en ontregeling

AI in het regeerprogramma

AI in het regeerprogramma – over innovatie, kaders en ontregeling

Waar bezuinigingen toeslaan, gaat AI ons overeind houden. En om ervoor te zorgen dat de AI zelf ook deugt, ontwikkelen we kaders voor het verantwoord gebruik ervan. Dit is het beeld dat blijft hangen na het lezen van het <a href="https://www.rijksoverheid.nl/regering/regeerprogramma">regeerprogramma</a>.* Of eerlijker: na het bevragen van AI erover en, uiteraard, een snelle controle van de bronteksten.

Dorus-Jan ten Boom

Verantwoord gebruik van AI

Government and Public Sector

Whitepaper: AI Governance in de Nederlandse publieke sector

AI Governance in de publieke sector

De beloftes van kunstmatige intelligentie (AI) zijn indrukwekkend: van het stimuleren van innovatie tot het versnellen van duurzame ontwikkeling. Denk aan efficiëntere dienstverlening, nauwkeurigere voorspellingen voor beleidsmakers en slimmere oplossingen voor maatschappelijke uitdagingen. Maar de snelle opmars van AI, met name generatieve AI en grote taalmodellen, brengt ook risico's met zich mee. Hoe waarborgen we privacy, voorkomen we discriminatie en beschermen we ons tegen desinformatie? De balans tussen innovatie en ethiek is cruciaal.

Stefan de Blij

Sabine Steenwinkel-den Daas

De sleutel tot cloud cost management

Whitepaper: FinOps

Whitepaper: FinOps - De sleutel tot cloud cost management

Organisaties worstelen met oplopende kosten van de cloud. FinOps* stelt hen in staat kosten inzichtelijk te maken en blijvend te optimaliseren, wat leidt tot meer grip en betere beslissingen rond cloudgebruik. 
*De term FinOps bestaat al langer, maar in 2019 heeft The FinOps Foundation zich tot doel gesteld om best practices, trainingen en standaarden rond financieel management van de cloud te bevorderen.

Ook zonder plan vindt GenAI zich een weg in jouw organisatie

GenAI vindt zijn weg in jouw organisatie

‘Onze medewerkers kennen de risico’s van ChatGPT’ is een uitspraak die wij voorbij horen komen in ons dagelijkse werk, maar is dit wel zo? Er bestaan zat voorbeelden van generatieve AI (kortweg genAI) die op minder dan optimale wijze zijn ingezet. Daarom lijkt het soms beter om het maar helemaal niet te gebruiken. Adviseurs en gebruikers denken dat de inzet van genAI kosten bespaart en dat je ontkomt aan alle risico's waarover iedereen op LinkedIn oreert. In deze blog bieden we praktische handvatten om aan de slag te gaan met een genAI-strategie.

Jules van den berg

Daan Smits

AI ontrafeld: Het cruciale onderscheid tussen AI, machine learning en deep learning

AI vs. Machine Learning vs. Deep Learning

Ryan mac k CABKZ Bt4 Gk unsplash

Artificiële intelligentie (AI), een term die vaak opduikt in maatschappelijke discussies, speelt een cruciale rol in de huidige en toekomstige vormgeving van onze samenleving. Mijn recente ervaring met het geven van een AI-training bracht iets boeiends aan het licht: er bestaat een grote verscheidenheid aan definities voor het begrip AI, wat leidt tot uiteenlopende interpretaties. Voor organisaties is het van essentieel belang om een nauwkeurig begrip te hebben van AI en haar belangrijke subcategorieën - machine learning en deep learning. Een diepgaand begrip is namelijk onontbeerlijk voor zowel overheidsorganisaties als bedrijven om te begrijpen wat AI wel en niet kan en welke toegevoegde waarde en risico’s het met zich meebrengt, vooral voor bestuurders die verantwoordelijk zijn voor het maken van strategische keuzes over het inzetten van deze geavanceerde technologie. Dit begrip vormt de basis voor de effectieve implementatie van AI-toepassingen in diverse sectoren. Dit artikel verkent het onderscheid tussen deze sleutelconcepten en benadrukt het belang ervan voor organisaties.

Systeemkraak van de energietransitie

In de serie van interviews die wij opzetten rondom de thema’s energie, wonen en mobiliteit zijn wij op zoek naar de kraak die nodig is binnen deze sectoren. De uitdaging is immers zo groot dat je niet kunt blijven doen, wat je deed. Dit vraagt een systeemkraak, een ontwikkeling van elke betrokken organisatie binnen dat systeem als ook een kraak of ontwikkeling voor elke leider persoonlijk. Immers geen één leider, leidt een individu, een organisatie of systeem naar een plek, waar hij of zij zelf niet komt.

Marijke ten Have

Sjoerd Hogenbirk

Systeemkraak van de energietransitie: een interview met Jeroen Sanders (Enexis Group)

Systeemkraak voor leefbare wijken

In deze serie interviewen we leiders die leidinggeven aan transformaties op het gebied van energie, wonen en mobiliteit. De transformatie tot succes maken vraagt organisatie overstijgend samenwerken: een systeem kraak. Hoe krijgen we Nederland van het slot af? Volgens Kim Putters (FD, 18 januari 2024) ‘is er in Nederland heel veel plannenmakerij, maar veel te weinig uitvoeringskracht’. Wat vraagt dit van het ‘systeem’, van betrokken organisaties en specifiek van het leiderschap?

Systeemkraak voor leefbare wijken: een interview met Erik Gerritsen (Ymere)

Risk, Resilience & compliance

Hulp nodig bij PETs?

Wat is PET? PET staat voor Privacy Enhancing Technologie is een verzamelnaam van verschillende technieken voor vergaande bescherming van persoonsgegevens in informatiesystemen.
Het concept PET bestaat al tientallen jaren. Historisch zijn er nog steeds maar weinig manieren om veilig, privacy vriendelijk samen te werken en gegevens uit te wisselen. Alhoewel, steeds vaker ontstijgen PETs de academische mogelijkheden, en zien we concrete toepassingen. De PET-beloftes worden langzaam maar zeker waargemaakt.

Het wordt hoog tijd dat een breder publiek kennis maakt met de meest relevante PETs, hun mogelijkheden en beperkingen. Highberg heeft daarom dit praktische overzicht voor je gemaakt.
In dit overzicht vind je de status van PETs die de wetenschappelijke belofte voorbij zijn en in de praktijk worden gebruikt. We leggen uit hoe deze PETs werken en waar je op moet letten. Dit illustreren we met concrete voorbeelden.

Whitepaper: Verantwoord gebruik van Data-ethiek

Whitepaper: Data-ethiek

Data-ethiek

De afgelopen jaren is data-ethiek een belangrijk onderwerp geworden wanneer men gebruik maakt van data en datatoepassingen. Vaak wordt verantwoord gebruik van data als uitgangspunt gebruikt. Maar, de praktijk leert dat data-ethiek nog niet zo makkelijk duurzaam te implementeren is binnen organisaties.

Marlijn Mulder

Workshop AI voor HR

Herken jij jezelf in de volgende situatie? 
Je weet niet zeker of AI een hype is, maar hebt ook het gevoel dat je er iets mee moet, want als het geen hype is wil je de AI boot niet missen. 
Je hebt wat over AI gelezen, maar het blijft allemaal erg abstract. Je hebt behoefte aan uitleg in Jip en Janneke taal. 
Je wil op een speelse en veilige manier oefenen met het toepassen van AI tools op HR onderwerpen zoals employer branding, recruitment, diversiteit &amp; inclusie, engagement en arbeidsvoorwaarden. 
In dat geval is de praktische workshop AI voor HR iets voor jou en je team!

Nederland wereldwijd koploper op het gebied van ‘Responsible AI’

Nederland wereldwijd koploper

Op 13 juni 2024 zijn vanuit het global center for AI Governance de resultaten gepubliceerd van onderzoek naar de volwassenheid van landen wereldwijd in het verantwoord gebruik van Artificiele intelligentie (hierna: Responsible AI): de Global Index Responsible AI (hierna: GIRAI)<a href="#_ftn1">[1]</a>. In het complete rapport over deze index wordt geconcludeerd dat de wereldwijde vooruitgang naar Responsible AI achter ligt ten opzichte van de snelheid van zowel ontwikkeling als adoptie. Gelukkig is het vlakbij huis beter gesteld met deze volwassenheid: Nederland is namelijk de koploper als het gaat om verantwoorde inzet van AI!
In deze insight lees je wat is er voor nodig is geweest om deze positie te behalen en hoe wij als Nederland deze positie behouden.

3 adviezen om de juiste balans te vinden: Duurzame AI

Duurzame AI

Duurzame AI is navigeren tussen limieten en doelen

De AI act is een feit, de EU gaat middels Europese verordening de ontwikkeling en het gebruik van AI reguleren. Naast privacy en security stelt deze nieuwe wet ook eisen aan duurzaamheid. Maar hoe kun je duurzaam gebruik maken van AI?

3 adviezen om de juiste balans te vinden: Duurzame AI is navigeren tussen limieten en doelen

AI Act voor overheden

I Stock 988644280

De Artificiële Intelligentie Verordening (AI Act) is op 13 maart 2024 definitief goed- gekeurd door het Europees Parlement. De AI Act is daarmee de eerste vorm van regelgeving ten aanzien van kunstmatige intelligentie in de EU en richt zich onder andere op ontwikkelaars, distributeurs en gebruikers van AI-systemen. Dat zijn systemen die bijvoorbeeld worden ingezet voor voorspellingen, classificaties en analyses. Met de komst van deze verordening worden burgers en bedrijven in de EU beter beschermd tegen onverantwoord gebruik van AI.

Christian Verhagen

Laura Natrop

AI is hot, dus hoe pak je het aan?

In vrijwel alle organisaties is Artificial Intelligence (AI) een hot topic. Vanwege de enorme toepassingsmogelijkheden, maar ook door de toenemende bezorgdheid over compliance en ethisch datagebruik. Aan de ene kant wil je de technische mogelijkheden optimaal benutten. Aan de andere kant wil je geen onverantwoorde risico’s lopen. Beide invalshoeken moet je serieus nemen. Maar je wilt ook een start kunnen maken. Dus én het enthousiasme benutten, én ervoor zorgen dat juridische en ethische randvoorwaarden goed geborgd zijn.

Wanneer is transparantie over AI voldoende? Met algoritmeregister voldoen aan AI Act

Voldoende transparantie algoritmeregister?

Voldoende transparantie met algoritmeregister

In een tijdperk waarin algoritmen steeds meer invloed uitoefenen op ons dagelijks leven, is in controle blijven van de nieuwste ontwikkelingen en hier transparant over zijn meer dan ooit belangrijk. Zeker met de aanstaande verplichtingen uit de AI verordening. Hiermee staan we voor een cruciale vraag: wanneer is de openheid en transparantie rondom deze algoritmen voldoende? Het antwoord is niet eenvoudig, want transparantie gaat verder dan alleen de registratie van algoritme. In dit artikel duiken we dieper in op de stappen die nodig zijn om nu aan de slag te gaan met transparant en verantwoord gebruik van algoritmen op 5 volwassenheidsniveaus.

Voldoende transparantie met algoritmeregister?

Belangrijkste verplichtingen uit de AI ACT en welke stappen je kunt zetten om te voldoen

De AI Verordening

Doorbraak in regulering van Artificiële Intelligentie de AI Verordening

De EU heeft op 8 december 2023 een voorlopig politiek akkoord bereikt over Artificiële Intelligentie Verordening (hierna: <a href="https://www.rijksoverheid.nl/actueel/nieuws/2023/12/09/voorlopig-politiek-akkoord-eu-eisen-ontwikkeling-kunstmatige-intelligentie" target="_blank" rel="noreferrer noopener">AI Act)</a>.De definitieve tekst is op 13 maart 2024 goedgekeurd door het <a href="https://www.europarl.europa.eu/portal/nl" target="_blank" rel="noreferrer noopener">Europees Parlement</a>. 20 dagen na officiele publicatie is de AI Act van kracht. Daarmee is de AI Act de eerste vorm van (risicogebaseerde) regelgeving ten aanzien van kunstmatige intelligentie in de EU en richt zich onder andere op ontwikkelaars, distributeurs en gebruikers van AI-systemen.
Dat zijn systemen die bijvoorbeeld worden ingezet voor voorspellingen, classificaties en analyses en dit doen op basis van patronen die ontdekt zijn in grote hoeveelheid data. Vaak wordt ook de term 'algoritme' gebruikt, maar niet alle algoritmen zijn ook (onderdeel van) een AI-systeem. Vooralsnog is de potentiële impact van deze wetgeving voor overheden en het bedrijfsleven die werken met AI-systemen is groot. In deze insight vertellen we je graag wat de belangrijkste verplichtingen zijn, hoe dit je als organisatie raakt en welke stappen je nu alvast kunt zetten om in de toekomst te voldoen.

Doorbraak in regulering van Artificiële Intelligentie: de AI Verordening

AI bias uitgelegd geeft inzicht in voorkomen dat algoritmen en AI systemen discrimineren

Bias in AI (4): Hoe meet ik bias?

Bias in AI Explained

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes? Als ik dit vraag aan mensen is het antwoord vaak ‘Algoritmes discrimineren!’”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? Na het lezen van de <a href="https://highberg.com/nl/insights/bias-in-ai-uitgelegd-deel-3-hoe-beperk-ik-de-impact-van-bias">vorige insights</a> weet je nu wat bias is en hoe je dat onder controle houdt bij het gebruik van algoritmes. Wetende dat bias onoverkomelijk is, rest ons nog één vraag: “Welke bias is acceptabel?”

Bias in AI uitgelegd (deel 4): Hoe meet ik bias?

Bias in AI (3): De impact beperken van bias?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes? Als ik dit vraag aan mensen is het antwoord vaak ‘Algoritmes discrimineren!’”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? Je weet vanuit <a href="https://highberg.com/nl/insights/bias-in-ai-uitgelegd-deel-2-waarom-is-bias-een-risico-bij-algoritmes">vorige insights</a> waarom bias een rol kan spelen bij het gebruiken van algortimes. In deze insight licht ik toe waar je moet beginnen om de verschillende vormen van bias te voorkomen zodat je je verantwoord kan laten adviseren door een algoritme.

Bias in AI uitgelegd (deel 3): Hoe beperk ik de impact van bias?

Bias in AI (2): Een risico bij algoritmes?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes? Als ik dit vraag aan mensen is het antwoord vaak ‘Algoritmes discrimineren!’”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? En hoe leren we een algoritme welke ongelijkheid wel kan en welke ongelijkheid ‘discriminatie’ is? In de <a href="https://highberg.com/nl/insights/bias-in-ai-uitgelegd-deel-1-wat-is-bias">vorige insight</a> heb ik toegelicht wat bias is. In deze insight leg ik uit waarom bias een risico kan zijn bij het gebruik van algoritmes.

Bias in AI uitgelegd (deel 2): Waarom is bias een risico bij algoritmes?

Bias in AI uitgelegd geeft inzicht hoe te voorkomen dat algoritmes discrimineren.

Bias in AI uitgelegd (deel 1): Wat is bias?

“Zeg eens eerlijk? Wat is nu je grootste angst bij algoritmes?” Als ik dit vraag aan mensen is het antwoord vaak: “Algoritmes discrimineren!”. En natuurlijk: het is verre van gewenst om te discrimineren, maar hoe zorgen we ervoor dat algoritmes niet discrimineren? 
Allereerst door te snappen dat algoritmes niet discrimineren. Wel kunnen algoritmes verkeerd worden ontwikkeld, zodat zij onterecht of ongewenst onderscheid maken. Dit heet in vaktermen ‘bias’. En eigenlijk is het eenvoudig: als je in het algoritme de ‘bias’ onder controle hebt, dan voorkom je ook discriminatie. In een serie van insights zal ik uitleggen hoe je dit doet. We trappen af met: ‘wat is bias eigenlijk?’

Beheers algoritmerisico's: aandachtspunten verantwoorde inzet algoritmes en AI-systemen

Algoritmes ‘in control’

In control van algoritmes en AI systemen

Heb je ook weleens binnen je organisatie gehoord of geroepen: “Wij doen (n)iets met data/algoritmes/AI.” of “We hebben veel data-initiatieven, maar opschalen binnen de organisatie gaat lastig”? Dit zijn allemaal vragen die neerkomen op één hoofdvraag: Hoe zorg je ervoor dat je de goede algoritmes toepast op de juiste manier?

‘In control’ van algoritmes en AI-systemen

Hoe staat het met het digitale innovatievermogen van uw organisatie?

Architectuur als motor van digitale innovatie

We leven in een tijdperk waarin de fysieke, digitale en biologische wereld samensmelten. Ontwikkelingen volgen elkaar snel op en voor bedrijven en overheden is heteen uitdaging en noodzaak om te blijven innoveren. Maar hoe staat het met het digitale innovatievermogen van uw organisatie? Welke instrumenten kunt u inzetten om het digitale innovatievermogen van uw bedrijf te vergroten? En wat is de rol van architectuur daarin?

Kleine hogescholen presteren beter Learning analytics biedt kansen voor grote instellingen

Schaal is van invloed op studierendement

Uit de data blijkt schaal is ook in hoger beroepsonderwijs van invloed op studierendement

Uit de data blijkt: schaal is ook in hoger beroepsonderwijs van invloed op studierendement
Wat zeggen de data over onderwijskwaliteit en studierendement in het hoger beroepsonderwijs? En welke handvatten bieden de data voor het verbeteren hiervan? Wij hebben open data over hoger beroepsonderwijs verzameld, geanalyseerd en gevisualiseerd in een dashboard. Dit dashboard is te vinden op onze website.
Uit de analyse valt op te maken dat het studierendement na 5 jaar onderwijs in het HBO sinds 2002 met ongeveer 10% procentpunt is gedaald. Waar van de studenten die in 2002 (het zogenaamde cohort 2002) begonnen aan hun opleiding bijna 60% in 5 jaar het diploma haalde, is dat voor de studenten die 10 jaar later begonnen nog maar zo’n 50%.
Voor universiteiten geldt dat de kleinere het beter doen dan de grotere. Dit geldt ook voor hogescholen. Uit het dashboard blijkt dat grote instellingen (met meer dan 20.000 studenten) beneden het landelijk gemiddelde (de zwarte lijn in de figuur) scoren op studierendement. Het gat met het landelijk gemiddelde is sinds het cohort 2000 wel substantieel kleiner geworden.
Om beter zicht te krijgen op de relatie tussen studierendement en omvang van de instelling hebben wij een correlatieanalyse uitgevoerd. Hierin is goed te zien dat de kleine instellingen het beter doen dan de grote instellingen: de kleine instellingen bevinden zich in de linker bovenkant van de figuur en de grote in de rechter onderkant.
Een verklaring voor de betere prestaties van kleine instellingen kan zijn dat deze hele specifieke opleidingen aanbieden (met name in de kunstsector, agri-business en gebaseerd op een specifieke grondslag/signatuur). Studenten die voor deze instellingen kiezen, maken daarmee een bewustere keuze voor een specifieke opleiding. In het wetenschappelijk onderwijs is dat terug te zien bij de Universiteit Wageningen. Deze universiteit komt sinds 2004 ieder jaar het beste uit de bus in de Studiekeuzegids. Studenten die kiezen voor deze universiteit in “provinciedorp” Wageningen moeten wel “erg gemotiveerd” zijn aldus de gids.

Gijs de Groot

Uit de data blijkt: schaal is ook in hoger beroepsonderwijs van invloed op studierendement

Analytics: Studentenkenmerken voorspellen studiesucces. Maatwerkondersteuning mogelijk.

Kenmerken van voorspellers voor studiesucces

Learning Analytics Kenmerken van studenten als voorspellers voor studiesucces

In de vorige blogs hebben we toegelicht wat learning analytics is. Tevens hebben we aan de hand van een dashboard laten zien dat schaal in het hoger beroepsonderwijs van invloed is op studiesucces en welke interventies op basis deze informatie mogelijk zijn. Schaal van een onderwijsinstelling is echter niet de enige variabele die van invloed is op studiesucces. Studenten verschillen immers van elkaar. Zijn er bepaalde typen, of profielen, van studenten die het beter doen dan anderen? In dit derde en laatste blog van deze reeks gaan wij, wederom aan de hand van het dashboard, op zoek naar een antwoord op deze vraag.

Learning Analytics: Kenmerken van studenten als voorspellers voor studiesucces

Centraal, decentraal of naaf en spaak? Efficiënt samenwerken, heldere structuur.

De naaf en de spaken

De naaf en de spaken hoe organiseren we onze data expertise

Hoe halen we meer uit onze data? Dat vragen we aan onze dataspecialisten, maar waar zitten die in onze organisatie? In een apart hoekje achter grote schermen en dikke computers, tussen de medewerkers in de afdelingen of ergens er tussenin?

De naaf en de spaken: hoe organiseren we onze data-expertise?

Effectieve visualisaties: Publiek, setting, weglaten, figuren, overzicht, kleur.

Zo ga je om met visualisatiedrang

Zo ga je om met visualisatiedrang 6 tips voor de vormgeving van visualisaties

Omdat visualisaties binnen organisaties op veel manieren kunnen worden gemaakt is het zoeken naar de juiste vorm. De keuzes in vormgeving hebben invloed op het resultaat. De inhoud kan ogenschijnlijk identiek zijn, terwijl een krachtige vormgeving zorgt dat de boodschap beter begrepen wordt of beter overkomt. De volgende 6 tips helpen in de keuze voor de vormgeving.
Tip 1: Kies een duidelijke doelgroep voor de visualisatie. Een bestuurder wil geen complexe Excel sheets, terwijl anderen juist de details willen bestuderen. Laat daarom de boodschap aansluiten bij de doelgroep. Is de doelgroep organisatiebreed zorg dan dat het voor iedereen toegankelijk is en hou het zo simpel mogelijk.
Tip 2: Kies de setting waarbinnen de visualisatie moet landen. Is het een rapportage uit tooling, de rapportage en presentatie van een onderzoek, een communicatiebericht, een tekening op whiteboard/flipover, een aanvulling op een offerte etc., de setting geeft richting aan de vormgeving. Een communicatiebericht moet alleen om de boodschap gaan, terwijl een visualisatie in een offerte visueel aantrekkelijk moet zijn en ook inhoud moet ondersteunen.
Tip 3: De kunst van het weglaten. Stel de vraag of het echt nodig is om bepaalde informatie te presenteren. Hoe meer informatie wordt weggelaten hoe meer focus er komt voor hetgeen is overgebleven. Hierdoor is een discussie veel specifieker te voeren en wordt men gerichter aan het denken gezet.
Tip 4: Gebruik binnen visualisaties figuren in plaats van tekst. Is binnen een visualisatie een woord of zinsdeel te vervangen met een figuur dan is dit makkelijker te begrijpen en beklijft het beter. Dit werkt tegenovergesteld als het gekozen figuur niet voldoende duidelijk is, dan ontstaat er discussie en onduidelijkheid.
Tip 5: Zorg voor overzicht binnen het blikveld. Een infographic past bijvoorbeeld in één pagina, maar als er veel op staat gaat de boodschap verloren. Als er daarentegen meer visualisaties zijn voor hetzelfde onderwerp, vraag je dan af of het niet gecombineerd kan worden in bijvoorbeeld klikbare selecties.
Tip 6: Gebruik veel kleur. Donkere kleuren zijn sneller saai. Felle kleuren spreken aan, maar zijn niet altijd goed zichtbaar of het is kinderlijk. Zorg daarom bij het toevoegen van kleur altijd voor de juiste vorm en toegankelijkheid.
Extra tip: neem contact met mij op om nog meer overwegingen door te nemen voor het maken van krachtige visualisaties.

Douwe Horst

Zo ga je om met visualisatiedrang: 6 tips voor de vormgeving van visualisaties

Verbeteringen datakwaliteit stimuleren procesoptimalisatie, creëren een opwaartse spiraal

Data op orde? Verbeter ook je processen

Data op orde

Data is steeds vaker op orde gebracht als gevolg van aandacht voor datamanagement. Er wordt vergeten dat hierdoor verbeteringen te behalen vallen in de primaire en ondersteunende processen met als gevolg minder fouten en hogere effectiviteit. Deze procesverbeteringen zorgen er juist weer voor dat de datakwaliteit toeneemt waardoor sprake is van een zichzelf versterkend effect. Vergeet na het op orde brengen van de data dus niet de processen te verbeteren.
Ik kom bij steeds meer organisaties die serieus bezig zijn met datamanagement. Dit om te voldoen aan de AVG (Algemene Verordening Gegevensbescherming) maar ook omdat ze op basis van de data hun ambities zoals informatiegestuurd werken kunnen realiseren. Bij het voldoen aan de AVG gaat de aandacht uit naar welke gegevens er bewaard mogen en moeten blijven en wie er toegang heeft tot deze gegevens. Bij informatiegestuurd werken is het vooral de zoektocht naar data waar sturing op plaats kan vinden.
Het gevolg hiervan is dat data steeds vaker op orde is gebracht. Dit wil zeggen: er is geïnventariseerd welke data er aanwezig is binnen de organisatie, omdat hier vaak geen overzicht van is, en vervolgens is het op een geschikte locatie ondergebracht met bijpassende autorisaties. Maar al te vaak zie ik dat vervolgens wordt vergeten om deze op orde gebrachte data ook beter in te zetten in de primaire en ondersteunde processen. Men laat zo een kans voor open doel liggen.
Een voorbeeld hiervan in het primaire proces is het op orde brengen van cliëntendossiers in een zorginstelling. De toegevoegde waarde hiervan wordt veel groter als vervolgens wordt gekeken hoe deze data effectief en efficiënt kan worden ingezet door medewerkers. Welke informatie hebben zij nodig om in specifieke gevallen de cliënt zo goed mogelijk te helpen? Hoe kunnen we ervoor zorgen dat juist deze informatie makkelijk en snel uit het dossier te halen valt?
Een ander voorbeeld is het inzetten van de stuurinformatie. Op basis van deze data kan in ondersteunende processen worden gekeken naar de kwaliteit van het capaciteitsmanagement van medewerkers, of waar in administratieve processen de grootste vertraging op treed. Dit blijkt vaak laaghangend fruit te zijn omdat het weinig tijd kost om verbeteringen te benoemen.
En als op deze manier procesverbeteringen tot stand komen, leidt dit met terugwerkende kracht bovendien tot het verder versterken van de datakwaliteit. Wanneer er minder fouten in processen worden gemaakt en ze effectiever zijn, neemt immers ook de kwaliteit van de data toe. Zo ontstaat een zichzelf versterkend effect.
Wil je weten waar voor jouw organisatie de procesverbetering op basis van data is te behalen, neem dan contact met mij op.

Data visualisatie drijft data-gestuurde beslissingen aan: Inzichten, efficiëntie, keuzes

Storytelling met datavisualisatie

Overheden willen datagedreven werken, en gebruik maken van data om beleid en uitvoering efficiënter in te richten. Dit begint bij het toegankelijk maken van de data, inzicht te bieden in de data en daardoor het verhaal te vertellen. Datavisualisatie en dashboards bieden hiervoor een laagdrempelige methode, en helpen direct om op een datagedreven manier te werken en te sturen.

Ethisch toezicht bij AI-integratie: Data Ethics Officer bewaakt normen.

Elke organisatie een Ethics Officer?

Aithiek Elke organisatie een Ethics Officer

Steven Spielberg’s ‘Minority Report’ schetst een dystopische toekomstvisie waarin enkele individuen misdaden kunnen voorspellen voordat ze gebeuren. Interessant, maar wat als deze voorspellingen onjuist zijn, zoals in de film ook wel eens gebeurde? Dit soort vragen zijn inmiddels ook buiten Hollywood aan de orde van de dag. Dankzij de geavanceerde computertechnologie worden steeds verfijndere algoritmes ontwikkeld. De afgelopen tien jaar heeft ons geleerd dat risico’s in de toepassing ervan niet altijd de aandacht hebben gekregen die het achteraf gezien nodig had. Zo onthulde ‘Follow The Money’<a href="https://www.vka.nl/publicaties/aithiek-elke-organisatie-een-ethics-officer/#_ftn1">[1]</a> recentelijk dat de Nederlandse politie tot 2015 een algoritme gebruikte dat mede op basis van etniciteit het risico op crimineel gedrag inschatte. Dit kon leiden tot preventieve en repressieve maatregelen zoals een persoonsgerichte aanpak. Een op de persoon gerichte benadering kan betekenen dat de politie sneller actie onderneemt, zoals preventief fouilleren, het in beslag nemen van geld en kostbaarheden, en zelfs het bieden van verplichte zorg. Daarnaast kan er bij gezinnen geïntervenieerd worden om te voorkomen dat andere gezinsleden, zoals broers en zussen, ook een verkeerde weg inslaan. Ook in andere publieke initiatieven, zoals SyRI[2] en de toeslagenaffaire<a href="https://www.vka.nl/publicaties/aithiek-elke-organisatie-een-ethics-officer/#_ftn3">[3]</a> hebben organisaties voorspellende algoritmes gebruikt, met soms verstrekkende gevolgen.
Met de opkomst van kunstmatige intelligentie, zoals Chat-GPT, kunnen we enorme datasets analyseren en patronen identificeren. Echter, de toenemende kracht van AI maakt het ook uitdagend om de ethische aspecten van een algoritme te beoordelen.
Hoewel voorspellende systemen waardevol kunnen zijn, is het essentieel dat er goed toezicht is om (onbedoelde) misstanden te voorkomen. Gezien de complexiteit van deze systemen, benadruk ik het belang van data ethiek binnen publieke organisaties, vooral in combinatie met AI. Ik noem dit aithiek. Dit kan beginnen met het aanstellen van een specialist in data-ethiek, waarmee de organisatie deze verantwoordelijkheid formeel belegt. In dit artikel bespreek ik daarom de rol van een Data Ethics Officer.
<h3>Wat houdt de functie van een Data Ethics Officer in?</h3>
Een Data Ethics Officer, soms ook aangeduid als Chief Data Ethics Officer (CDEO), draagt de verantwoordelijkheid voor het handhaven van de ethische standaarden binnen een organisatie in al haar handelingen en besluiten. Dit houdt in dat deze professional toeziet op en richting geeft aan besluitvorming die in lijn ligt met de ethische principes van de organisatie.
Met betrekking tot datagebruik zorgt een Data Ethics Officer ervoor dat de organisatie data op een integere wijze verzamelt, analyseert en toepast. Hierbij staan de kernwaarden van de eigen organisatie centraal, bijvoorbeeld privacy, gelijkheid, transparantie en rechtvaardigheid. Zodra het in de organisatie niet duidelijk wat deze waarden zijn zal de Data Ethics Officer op zoek gaan naar een manier om deze boven water te krijgen.
De rol van de Data Ethics Officer is niet louter adviserend. Deze professional dient actief beleid te vormen en uit te voeren, trainingen te verzorgen en in dialoog te treden met zowel interne teams als met externe belanghebbenden zoals burgers en andere actoren die geraakt worden door een datatoepassing om te waarborgen dat data ethiek diep verankerd wordt in de organisatiecultuur.
Binnen (semi) publieke instellingen krijgt de Data Ethics Officer een nog prominentere rol. Hier staat het vertrouwen van de burger voorop, wat het essentieel maakt om met uiterste zorg en transparantie om te gaan met data en bijbehorende ethische kwesties.
<h3>Waarom een Data Ethics Officer?</h3>
Voor (semi) publieke organisaties zijn er veel voordelen:
<ol><li>Burger centraal: In lijn met de trend om de burger centraal te stellen, zorgt een ethische benadering dat hun belangen beter worden beschermd. Dit kan veel ellende voorkomen voor burgers omdat ongewenste effecten worden voorkomen.</li><li>Risicovermindering: Een ethische aanpak verkleind de kans op schandalen die op lange termijn kostbaar kunnen zijn, zowel financieel als voor het imago van de organisatie.</li><li>Transparantie naar de burger: Een ethische benadering vergroot de transparantie, wat weer vertrouwen schept bij de burger.</li><li>Strategische voorsprong: Organisaties die ethische vraagstukken op een goede manier weten te adresseren hebben een competitief voordeel en zijn beter voorbereid op toekomstige uitdagingen en regelgeving.</li><li>Advies WRR: De Wetenschappelijke Raad voor het Regeringsbeleid (WRR) raadt de overheid aan om kennis over AI binnen het ambtenarenapparaat te vergroten. De reden hiervoor is dat door de toepassing van AI, het steeds ingewikkelder wordt om te doorgronden waarom een systeem een bepaalde beslissing neemt[4]. Door een Data Ethics Officer aan te nemen kan een invulling worden gegeven aan deze oproep.</li></ol>
Maar zijn er ook risico’s? Absoluut. Het is essentieel om waakzaam te zijn zodat ethisch toezicht niet slechts een ‘papieren tijger’ wordt. En ja, sommige beleidsinitiatieven kunnen vertraging oplopen of zelfs worden gestaakt vanwege ethische overwegingen. Echter, met de juiste structuur en ondersteuning worden deze risico’s meer dan gecompenseerd door de voordelen.
<h3>Hoe zorg ik dat zo’n Data Ethics Officer een succes wordt?</h3>
<ol><li>Formalisering: Net zoals een privacy officer of CISO een vaste rol heeft binnen organisaties, moet een Data Ethics Officer ook een vaste plek krijgen.</li><li>Mandaat en Differentiatie: Deze rol moet bevoegdheden krijgen, of dit nu besluitvormingsbevoegdheid is of het geven van zwaarwegende adviezen. Daarnaast moet de organisatie onderscheid maken tussen dagelijkse ethische kwesties en algemene kwesties die bijvoorbeeld door een ethische commissie worden beoordeeld.</li><li>Beleidsontwikkeling: De Data Ethics Officer stelt beleid op rondom digitale ethische vraagstukken en is actief op zoek naar deze vraagstukken binnen de organisatie.</li><li>Toezicht: Om te waarborgen dat het beleid effectief wordt uitgevoerd, dient de Data Ethics Officer erop toe te zien dat het daadwerkelijk wordt nageleefd. Hiermee wordt voorkomen dat de functie enkel in theorie succesvol is.</li><li>Bewustzijn: De gehele organisatie moet zich bewust zijn van de ethische overwegingen bij het inzetten van data. Bij elk werkvoorstel hoort naast een juridische, duurzaamheids- en financiële ook een ethische paragraaf te worden opgenomen.</li></ol>
In het digitale tijdperk is ethisch toezicht geen optie, maar een vereiste. De publieke sector moet hierin vooroplopen. Laten we leren van het verleden en streven naar een toekomst waarin datagebruik, AI en ethiek hand in hand gaan. Aithiek dus.
<h3>Ga met mij in gesprek</h3>
Vind je dit interessant of wil je reageren op de roep om een Data Ethics Officer te implementeren? Neem dan contact op met Erik de Ruiter via Highberg of via <a href="https://www.linkedin.com/in/erik-de-ruiter/">LinkedIn</a>.
<a href="https://www.vka.nl/publicaties/aithiek-elke-organisatie-een-ethics-officer/#_ftnref1">[1]</a> <a href="https://www.ftm.nl/artikelen/nederlandse-politie-gebruikt-minority-report-algoritme">https://www.ftm.nl/artikelen/n...</a>
<a href="https://www.vka.nl/publicaties/aithiek-elke-organisatie-een-ethics-officer/#_ftnref2">[2]</a> <a href="https://www.rechtspraak.nl/Organisatie-en-contact/Organisatie/Rechtbanken/Rechtbank-Den-Haag/Nieuws/Paginas/SyRI-wetgeving-in-strijd-met-het-Europees-Verdrag-voor-de-Rechten-voor-de-Mens.aspx">https://www.rechtspraak.nl/Org...</a>
<a href="https://www.vka.nl/publicaties/aithiek-elke-organisatie-een-ethics-officer/#_ftnref3">[3]</a> <a href="https://www.volkskrant.nl/nieuws-achtergrond/belastingdienst-gebruikte-algoritme-dat-lage-inkomens-selecteerde-voor-extra-fraudecontroles~bac84336/">https://www.volkskrant.nl/nieu...</a>
<a href="https://www.vka.nl/publicaties/aithiek-elke-organisatie-een-ethics-officer/#_ftnref4">[4]</a> <a href="https://www.wrr.nl/publicaties/rapporten/2021/11/11/opgave-ai-de-nieuwe-systeemtechnologie">https://www.wrr.nl/publicaties...</a>

AI-Ethiek: Elke organisatie een Ethics Officer?

De rol van grote taalmodellen, zoals GPT, in het veranderen van de programmeerwereld.

Taalmodellen: gamechanger in programmeren

Grote taalmodellen Een gamechanger in programmeren

De revolutie in programmeren - de opkomst van GPT-technologie
De wereld van programmeren heeft een significante wending genomen met de introductie van GPT (Generatieve Pre-getrainde Transformer)-technologie, ook bekend als grote taalmodellen. ChatGPT, momenteel het meest prominente voorbeeld van deze technologie, introduceert een tijd van tekstgestuurde interactie tussen mens en machine. Deze vooruitgang belooft een fundamentele verandering in de manier waarop we programmeren. Het is al aangetoond dat het schrijven van Pythoncode door dergelijke modellen effectief is[1]. Dit artikel verkent hoe GPT-technologie door middel van input van taal het programmeren transformeert en lichten we toe welke positieve veranderingen dit met zich meebrengt.

Grote taalmodellen: Een gamechanger in programmeren

Gamification is een schaalbare veranderaanpak om blijvend gewenst gedrag te realiseren

Gamification om gedrag te veranderen

whitepaper-gamification-om-gedrag-te-veranderen

Gamification is een schaalbare veranderaanpak om blijvend gewenst gedrag te realiseren en prestaties op de werkvloer te verbeteren.

Whitepaper: gamification om gedrag te veranderen

Uitdagingen rondom organisatietransformatie binnen grote, Nederlandse organisaties.

5 uitdagingen rondom organisatietransformatie

whitepaper-vijf-uitdagingen-rondom-organisatietransformatie

Vijf uitdagingen rondom organisatietransformatie volgens leiders binnen grote, Nederlandse organisaties en onze reflecties daarop.

Whitepaper: vijf uitdagingen rondom organisatietransformatie

Innovatieve compliance zorgt voor ethischer gedrag.

Onderzoek compliance en innovatie

whitepaper-onderzoek-compliance-en-innovatie

Een innovatief compliance programma zorgt voor een effectief compliance programma. Innovatieve compliance zorgt daarom voor ethischer gedrag.

Whitepaper: onderzoek compliance en innovatie

Voorbeeldgedrag van leiders is cruciaal bij integriteitskwesties.

Moreel Leiderschap - Hét thema van deze tijd

whitepaper-moreel-leiderschap-hét-cruciale-thema-van-deze-tijd

Het voorbeeldgedrag van leiders is cruciaal om het afbreukrisico van integriteitskwesties binnen jouw organisatie te reduceren.

Whitepaper: Moreel Leiderschap - Hét cruciale thema van deze tijd

In deze whitepaper zetten we Lean en Agile naast elkaar.

Whitepaper: Lean vs Agile

whitepaper-lean-vs-agile

Wanneer is Agile werken een goed idee? En wanneer is Lean werken een beter idee? In deze whitepaper zetten we Lean en Agile naast elkaar.

Vooreen effectieve game is het invullen van de randvoorwaarden cruciaal

De 6 ingrediënten van een effectieve game

Om ervoor te zorgen dat een game werkelijk effectief is en aan de organisatiedoelstellingen bijdraagt, is het invullen van de randvoorwaarden cruciaal.

Whitepaper: Verantwoord gebruik van Data-ethiek

Whitepaper Data-ethiek

We zijn benieuwd naar je mening!

Gerelateerde insights