Ga naar inhoud

Fase 4: Ontwikkelen

In de ontwikkelfase bouw je het algoritme of AI-systeem samen met een multidisciplinair team. Gaat het om rekenregels, dan implementeer je deze in een ontwikkelomgeving of systeem. Gaat het om een AI-systeem, dan train je het model met de juiste datasets.

Taken ontwikkelfase

De belangrijkste taken in deze fase zijn:

Rollen en verantwoordelijkheden

Alleen een multidisciplinair team kan algoritmes en AI-systemen technisch correct ontwikkelen en de beperkingen ervan begrijpen. Zo’n team bestaat uit medewerkers in verschillende rollen, zoals een:

  • proceseigenaar
  • domeinspecialist
  • beleidsmedewerker
  • data-scientist
  • data-engineer
  • privacy-jurist
  • ethicus

Hoe goed een algoritme of AI-systeem werkt, leid je vooral af uit de rekenregels van het algoritme en de inputvariabelen van het machinelearning-model. Goede rekenregels en inputvariabelen zijn:

  • juridisch toegestaan
  • ethisch wenselijk
  • technisch gezien voldoende significant
  • zinvol voor gebruikers

Het multidisciplinaire team beoordeelt dit en stuurt steeds bij. Zo ontwikkel je samen een verantwoord algoritme of AI-systeem dat past bij het afgesproken doel.

Vereisten ontwikkelfase

VereistenWetgeving
Hoog-risico-AI-systemen zijn voorzien van voldoende technische documentatieAI-verordening
Hoog-risico-AI-systemen loggen automatisch bepaalde gegevensAI-verordening
Hoog-risico-AI-systemen zijn op een transparante manier ontwikkeld en ontworpenAI-verordening
Hoog-risico-AI-systemen staan onder menselijk toezichtAI-verordening
Hoog-risico-AI-systemen zijn voldoende nauwkeurig, robuust en cyberveiligAI-verordening
Logs voor hoog-risico-AI-systemen worden bewaard door de gebruiksverantwoordelijkeAI-verordening
AI-systemen worden zo ontworpen en gebruikt, dat mensen begrijpen wanneer zij met een AI-systeem communiceren en welke content gemaakt is door een AI-systeemAI-verordening
AI-modellen voor algemene doeleinden zijn voorzien van voldoende technische documentatie en informatieAI-verordening
AI-modellen voor algemene doeleinden met systeemrisico’s zijn voldoende beveiligd tegen cyberaanvallenAI-verordening
AI-testomgevingen die persoonsgegevens verwerken, voldoen aan strenge voorwaardenAI-verordening
Hoog-risico-AI-systemen zijn getestAI-verordening
Er is beleid opgesteld ter naleving van auteursrechten en naburige rechten door aanbieders van AI-modellen voor algemene doeleindenAI-verordening
Informatie over algoritmes wordt in goede, geordende en toegankelijke staat gebracht, bewaard en vernietigd wanneer nodigArchiefwet
Persoonsgegevens worden zo min mogelijk verwerktAVG
Betrokkenen kunnen een beroep doen op hun privacyrechtenAVG
Organisaties die algoritmes gebruiken voor publieke taken nemen besluiten zorgvuldigAWB
Algoritmes discrimineren nietGrondwet

Aanbevolen maatregelen ontwikkelfase

Maatregelen
Beschrijf voor welk doel het algoritme persoonsgegevens gebruikt en waarom dit mag
Stel vast in welke risicogroep het algoritme valt en bepaal vervolgens welke vereisten van toepassing zijn.
Bepaal welke documenten voor hoe lang gearchiveerd moeten worden
Maak een Project Startarchitectuur (PSA) voor de ontwikkeling of inkoop van algoritmes
Ontwerp algoritmes zo eenvoudig mogelijk
Bespreek de vereisten die gelden voor een verantwoorde inzet van algoritmes met aanbieders
Creëer ruimte om met een aanbieder samen te gaan werken om specifieke vereisten te realiseren
Stel vast welke betrokkenen geïnformeerd moeten worden en welke informatie zij nodig hebben
Identificeer en implementeer technische interventies die robuustheid vergroten
Geef data zoals persoonsgegevens een bewaartermijn met een vernietigingsprocedure
Bescherm persoonsgegevens door data te anonimiseren, pseudonimiseren of te aggregeren
Gebruik duurzame datacenters
Gebruik bij machine learning technieken gescheiden train-, test- en validatiedata en houd rekening met underfitting en overfitting
Beperk de omvang van datasets voor energie-efficiëntie
Ontwerp en ontwikkel het algoritme volgens de principes van ‘security by design’
Maak een noodplan voor het stoppen van het algoritme
Analyseer de privacy-risico’s en neem maatregelen om deze risico’s laag te houden
Maak logbestanden waarin staat wie wanneer toegang had tot de data en de code
Kies energiezuinige programmeermethoden
Optimaliseer AI-trainingsprocessen voor energie-efficiëntie
Zorg voor reproduceerbaarheid van de uitkomsten
Bepaal welke feedbackloops van invloed zijn op het algoritme
Ontwerp en train het algoritme om bestand te zijn tegen (cyber)aanvallen
Zorg dat (gevoelige) informatie niet kan lekken op basis van de output van het algoritme
Documenteer en beargumenteer de keuze voor gebruikte modellen en parameters
Gebruik een passende licentie bij publicatie of gebruik van (open) data
Controleer regelmatig of het algoritme werkt zoals het bedoeld is
Evalueer de nauwkeurigheid van het algoritme
Evalueer de betrouwbaarheid van het algoritme
Neem technische interventies op in de gebruikersinterface om verkeerd gebruik te voorkomen
Spreek af hoe de organisatie omgaat met privacy-verzoeken
Maak back-ups van algoritmes
Beveilig de software
Controleer regelmatig of een algoritme voldoende weerbaar is tegen bekende aanvallen

Help ons deze pagina te verbeteren

Deel je idee, suggestie of opmerking via GitHub of mail ons via algoritmes@minbzk.nl.