Een reeks richtsnoeren en notities uit 2025 en 2026 verandert de rol van de Data Protection Impact Assessment (DPIA) voor AI-toepassingen. Waar de DPIA lange tijd werd gezien als een eenmalig document, positioneren toezichthouders en juristen haar nu als een expliciet ontwerp- en verificatie-instrument. De kernboodschap: wie generatieve AI of AI-agents inzet die persoonsgegevens op grootschalige, profilerende of autonoom beslissende wijze verwerken, komt in de praktijk vrijwel altijd bij een DPIA uit — en die DPIA moet de volledige AI-keten dekken.
Toezichthouders leggen de lat
De Franse CNIL zet in haar aanbevelingen AI system development: CNIL's recommendations to comply with the GDPR uiteen hoe AI-systemen onder de AVG moeten worden ontworpen. De CNIL koppelt de DPIA-plicht expliciet aan het gebruik van innovatieve technologie, grootschalige verwerking en geautomatiseerde besluitvorming. Precies die drie kenmerken zijn typerend voor generatieve modellen en agentische systemen.
De Europese Toezichthouder voor Gegevensbescherming (EDPS) trekt dezelfde lijn door voor EU-instellingen. In de nota Generative AI and the EUDPR: Orientations for ensuring data protection compliance stelt de EDPS dat voor elke hoog-risicovolle verwerkingsoperatie rond generatieve AI een DPIA nodig is. Belangrijker nog: die DPIA moet volgens de EDPS de hele levenscyclus dekken — van training en inferentie tot logging, de effecten op betrokkenen en mogelijke risico's voor fundamentele rechten. Een fragmentaire beoordeling van alleen de output volstaat daarmee niet.
Aan de vormkant komt daar een standaard bij. Volgens het commentaar The EDPB's Standard Privacy Impact Assessment Template heeft de EDPB in maart 2026 een geharmoniseerde DPIA-template aangenomen om de toepassing van artikel 35 AVG te standaardiseren. Die template houdt expliciet rekening met AI-specifieke risicofactoren, zoals innovatieve technologie en grootschalige profilering. De boodschap voor organisaties: een ad-hoc DPIA is niet langer voldoende; toezichthouders verwachten een herkenbare, gestandaardiseerde structuur.
Internationaal dezelfde richting
Dat deze lijn niet tot de EU beperkt blijft, laat de Guidance Note on Artificial Intelligence July 2026 van de Keniaanse toezichthouder zien. Die schrijft een DPIA voor vóór elke verwerkingsactiviteit met hoog risico en werkt een specifiek AI-kader uit: een beschrijving van het systeem, een noodzaak- en proportionaliteitstoets, een risicobeoordeling die discriminatie en onverklaarbare beslissingen meeneemt, en concrete mitigaties. Generatieve en agentische AI worden expliciet genoemd als voorbeelden van systemen die door hun schaal, profiling en autonomie vrijwel altijd een DPIA vereisen.
Agents: DPIA én FRIA
Bij AI-agents komt er een tweede laag bij. De analyse DSGVO for AI Agents betoogt dat agents die persoonsgegevens risicovol verwerken zowel een DPIA onder artikel 35 AVG als een Fundamentele-Rechten-Impact-Assessment (FRIA) onder artikel 27 van de AI Act nodig hebben. Het artikel verwijst daarbij naar CNIL-uitspraken dat een DPIA voor hoog-risico AI-systemen met persoonsgegevens in principe noodzakelijk is, en schetst een praktisch stappenplan: breng de dataflows en beslispaden van de agent in kaart, beoordeel de risico's voor betrokkenen en fundamentele rechten, en documenteer en herzie beide assessments periodiek.
Voor agentische systemen betekent dit dat de DPIA niet alleen de data beschrijft, maar ook de toolrechten van de agent, zijn geheugenfuncties en de wijze waarop autonome acties tot stand komen. Datastromen, toolcalls en beslispaden worden zo onderdeel van de risicoanalyse — niet als bijzaak, maar als kern.
Van statisch rapport naar levende risicokaart
Samen wijzen deze bronnen in dezelfde richting: de DPIA voor generatieve AI en AI-agents functioneert het beste als een levende risicokaart. Per AI-workflow wordt zichtbaar welke data, modellen en agents betrokken zijn, welke AVG- en AI-Act-criteria de DPIA-plicht triggeren, welke mitigaties zijn gekozen — denk aan least privilege, logging, menselijke review en unlearning — en hoe die keuzes zich verhouden tot de risico's voor betrokkenen.
Het lastige is dat een DPIA op papier iets anders is dan wat er in de praktijk gebeurt. Daar ontstaat de behoefte om DPIA-bevindingen te operationaliseren in concrete controles. Een verificatielaag zoals Vera van IamVera.ai kan hierbij ondersteunen: Vera is geen chatbot en geen eigen taalmodel, maar een privacygerichte laag die een taak door geselecteerde onafhankelijke AI-modellen kan routeren en de verificatiestappen, correcties en meningsverschillen zichtbaar maakt. Dat geeft meer zicht op wat er in de keten gebeurt, zonder dat het correctheid garandeert of hallucinaties uitsluit; het eindoordeel blijft bij de professional.
Op het punt van datastromen sluit de architectuur aan bij wat de DPIA's beogen. Het Semantic Privacy Shield kan gevoelige documentwaarden vóór verwerking vervangen door synthetische, sessiegebonden equivalenten op EU-infrastructuur; de AI-keten analyseert die synthetische versie en de originele waarden worden lokaal hersteld na de workflow. De workflow is fail-closed: bij een mislukte privacycontrole wordt het document niet doorgestuurd. Binnen Vera Office kunnen gebruikers documenten bekijken en bewerken binnen die beschermde workflow. Dit is een ontwerpkeuze en geen juridische garantie van AVG-compliance.
De rode draad blijft dezelfde als in de richtsnoeren van CNIL, EDPS en de EDPB: een DPIA is pas waardevol als de erin beschreven mitigaties ook aantoonbaar in de dagelijkse praktijk zijn ingericht en te controleren zijn. Een verificatieconsole kan die brug helpen slaan door DPIA- en FRIA-bevindingen te koppelen aan concrete controles, audits en incidentanalyses — met de DPIA als levend document in plaats van een afgevinkt rapport.