Uitlegbaarheid laat zien hoe een AI-systeem tot output komt; auditbaarheid bewijst met notificaties, machineleesbare markeringen, herkomstdetectie en logs hoe AI-content door uw workflow ging. Vanaf 2 augustus 2026 verplicht artikel 50 van de EU AI Act dat tweede: u moet AI-gebruik en AI-content aantoonbaar kunnen identificeren, traceren en toewijzen.
De Europese Commissie publiceerde op 20 juli 2026 haar richtsnoeren over de transparantieverplichtingen van artikel 50 van de AI Act. Volgens die richtsnoeren gelden de verplichtingen vanaf 2 augustus 2026. Naar onze inschatting verschuift daarmee de praktische vraag voor teams van ‘kunnen we uitleggen wat het model doet?’ naar ‘kunnen we per workflow aantonen hoe AI-content is gegenereerd, gemarkeerd, gecontroleerd en gelogd?’. Dat onderscheid, uitlegbaarheid versus auditbaarheid, staat in dit artikel centraal: uitleggen hoe het model werkt tegenover kunnen bewijzen hoe de content is behandeld. Meer context vindt u in onze themahub over de EU AI Act en compliance.
Wat verplicht artikel 50 van de AI Act vanaf 2 augustus 2026 concreet?
De Europese Commissie zet in haar richtsnoeren een aantal verplichtingen naast elkaar. De uitvoeringsrichtsnoeren over artikel 50 beschrijven ze in detail. Volgens die documenten geldt onder meer:
- Aanbieders moeten gebruikers informeren wanneer zij rechtstreeks met een AI-systeem communiceren; die informatie moet duidelijk en herkenbaar zijn bij het eerste contact.
- Door AI gegenereerde of gemanipuleerde audio, beeld, video en tekst moeten machineleesbaar gemarkeerd zijn.
- Gebruiksverantwoordelijken (deployers) moeten deepfakes bekendmaken.
- Tekst die wordt gepubliceerd om het publiek te informeren over aangelegenheden van algemeen belang moet worden bekendgemaakt als door AI gegenereerd, tenzij deze onder echte menselijke redactionele controle stond.
De Commissie benadrukt volgens de richtsnoeren dat een machineleesbaar watermerk alleen niet voldoende is voor de melding aan de gebruiker: die melding moet apart, duidelijk en direct zichtbaar zijn.
Waarom volstaat uitlegbaarheid niet voor de nieuwe transparantieplichten?
Uitlegbaarheid gaat over begrijpelijkheid: het geeft een gebruiker of toezichthouder inzicht in waarom een model tot een bepaalde output kwam. Dat is nuttig, maar het is geen bewijs achteraf. Een systematisch overzicht in Artificial Intelligence in Medicine stelt dat uitlegbaarheid nog gefragmenteerd is, onvoldoende gevalideerd en slechts zwak vertaald naar compliance over de hele levenscyclus. Met andere woorden: kunnen uitleggen hoe een model werkt, dekt niet de vraag of u later kunt reconstrueren hoe een concreet stuk AI-content is ontstaan en behandeld.
Auditbaarheid vult dat gat. Een preprint op arXiv, A Framework for Responsible AI Systems, beschrijft verantwoorde AI in risicovolle scenario’s als een samenhangend levenscyclusproces met logging, documentatie, menselijk toezicht, incidentanalyse en heronderzoek wanneer er iets misgaat. Dat sluit aan bij wat artikel 50 in de praktijk vraagt: niet alleen uitleg, maar een controleerbare keten van markering, detectie en melding.
Welke bewijsstukken maken uw AI-content auditbaar per workflow?
Naar onze inschatting is het verstandig om per workflow vast te leggen wat u nodig heeft om aan te tonen dat u aan de transparantieplichten voldoet. Een praktische checklist:
- De melding aan de gebruiker dat er sprake is van AI-interactie, met vastlegging van hoe en wanneer die werd getoond.
- De machineleesbare markering op gegenereerde of gemanipuleerde content, plus een manier om die markering te detecteren.
- Een herkomstregistratie: welk model of welke keten produceerde de output, en op welk moment.
- Bij publieksinformatie over aangelegenheden van algemeen belang: de bekendmaking, of het bewijs dat de uitzondering voor menselijke redactionele controle van toepassing is.
- Logs en versiebeheer waarmee u de stappen achteraf kunt reconstrueren.
Wie hierover afspraken met leveranciers maakt, kan die het beste borgen in contractuele auditrechten en bewijsverplichtingen in AI-contracten. Voor de markeringsplicht zelf is onze uitleg over AI-content markeren en het toezicht van de AP vanaf 2 augustus 2026 een concreter vertrekpunt.
Wanneer geldt de uitzondering voor menselijke redactionele controle?
Volgens de richtsnoeren van de Europese Commissie is de bekendmakingsplicht voor door AI gegenereerde publieksinformatie niet absoluut. De uitzondering geldt wanneer de content onder echte menselijke redactionele verantwoordelijkheid en controle stond. Dat is geen achterdeur: de Commissie behandelt het als een uitzondering in omschreven gevallen, niet als standaardvrijstelling.
Praktisch betekent dit dat u de menselijke controle aantoonbaar moet maken. Naar onze inschatting is een informele ‘iemand heeft ernaar gekeken’ onvoldoende; u wilt kunnen laten zien wie welke versie beoordeelde en welke keuzes daarbij zijn gemaakt. Dat brengt de uitzondering terug bij hetzelfde principe: zonder registratie is er geen bewijs.
Hoe richt u uitlegbaarheid en auditbaarheid samen in?
Uitlegbaarheid en auditbaarheid zijn geen tegenpolen; ze vullen elkaar aan. Uitlegbaarheid helpt uw mensen betere beslissingen te nemen, auditbaarheid helpt u die beslissingen achteraf te verantwoorden. De bredere verschuiving die de Europese Commissie hier illustreert, past bij een beweging van AI-governanceprincipes naar concrete controleplichten.
Dat governance nu ook voor Europese aanbieders praktisch urgent is, blijkt uit de aandacht voor het continent: Reuters meldde op 8 september 2026 dat het Franse Mistral een grote financieringsronde afsloot, mede geleid door investeerders met EU-betrokkenheid. Dat is geen kern van deze transparantieregels, maar wel een teken dat de verificatie- en governancevraag rond Europese modellen aan gewicht wint.
Waar teams gevoelige documenten verwerken, kan een verificatielaag zoals Vera helpen om verificatiestappen, correcties en bronnen zichtbaar te maken voor inspectie. Dat ondersteunt controle en vastlegging, maar garandeert geen juistheid en vervangt uw professionele eindoordeel niet. De beslissing over publicatie en verantwoording blijft bij u.
Bronnen en referenties
- Guidelines on transparency obligations for providers and deployers of AI systems under Article 50 of the AI Act
- Guidelines on the implementation of the transparency obligations for certain AI systems under Article 50 of the AI Act
- Explainable AI in Healthcare: A Systematic Review
- A Framework for Responsible AI Systems
- French AI company Mistral hits $24 billion valuation in funding round
Bronnen: Het artikel steunt op de richtsnoeren van de Europese Commissie over artikel 50 van de AI Act, een review in Artificial Intelligence in Medicine, een arXiv-preprint over verantwoorde AI-systemen en berichtgeving van Reuters over Mistral.