Gebruik een algoritme volwassenheidsmodel om te weten waar de organisatie staat
org-06OrganisatieverantwoordelijkhedenProjectleiderBeleid en adviesGovernance
Maatregel
Breng de volwassenheid van je organisatie op het gebied van algoritmes in kaart.
Toelichting
- Om tot een passende algoritmegovernance voor een organisatie te komen, moet eerst worden vastgesteld wat op dit moment al is ingericht binnen een organisatie op het gebied van algoritmes.
- Hiervoor kan een volwassenheidsmodel worden toegepast.
- Op basis hiervan kunnen vervolgstappen worden gedefinieerd, zodat je een handelingsperspectief hebt om je organisatie te organiseren. Ook kunnen deze uitkomsten helpen bewustzijn over de uitdagingen te vergroten.
- Het is denkbaar dat het realiseren van algoritmegovernance vraagt om een organisatieverandering. De noodzaak voor implementatie van de AI-Verordening kan hier een katalysator voor zijn. Pas daarom verandermanagementtechnieken toe.
- Deel deze informatie met het bestuur en zorg dat hier bewustzijn ontstaat. Bepaal vervolgens hoe algoritmegovernance moet worden ingericht.
- Het is aan te raden om verantwoordelijkheden te beleggen voor het realiseren van algoritmegovernance.
Risico
Als je niet een goed beeld hebt van waar de organisatie staat, is het moeilijk te peilen welke richting gekozen moet worden en kan dit leiden tot het doen van dubbel werk.
Bijbehorende vereiste(n)
Bronnen
Geen beschikbare bron voor deze maatregel.
Voorbeelden
Voorbeeld: Interbestuurlijke Datastrategie - Datavolwassenheidsmodel
Het datavolwassenheidmodel van de Interbestuurlijke Datastrategie (IBDS) kijkt naar hoe goed organisaties omgaan met data. Dit model is ook belangrijk voor algoritmes, omdat data daar een grote rol speelt. Het model heeft een beslishulp datavolwassenheid waarmee bepaald kan worden hoe volwassen een organisatie is met data. IBDS biedt ook een gids aan met verschillende manieren om de datavolwassenheid in kaart te brengen.
Voorbeeld: Krijger, Thuis, de Ruiter, Ligthart & Broekman - AI ethics maturity model
Het in 2023 gepubliceerde ‘AI ethics maturity model' door Krijger, Thuis, de Ruiter, Ligthart & Broekman gebruikt zes categorieën om volwassenheid op verschillende niveaus in kaart te brengen. Dit model focust zich met name op het ethische aspect van volwassenheid met als categorieën: awareness & culture, policy, governance, communication & training, development process en tooling. Er zijn vijf verschillende niveaus waar iedere categorie onder kan vallen om zo volwassenheid aan te geven.
Voorbeeld: MITRE - AI Maturity Model en Organizational Assessment Tool
MITRE is een Amerikaanse non-profitorganisatie en enigzins vergelijkbaar met het Nederlandse TNO. Zij hebben een AI Maturity Model en de bijbehorende Organizational Assessment Tool ontwikkeld. Dit volwassenheidsmodel onderscheidt een zestal pijlers in de AI volwassenheid van een organisatie en daarbij een vijftal volwassenheidsniveaus. In dit document wordt ook toegelicht hoe een organisatie van een niveau naar het volgende kan ontwikkelen. Daarnaast wordt dit ook op individuele pijlers uitgelegd.
Bron: MITRE AI Maturity Model
Voorbeeld: Rijksorganisatie voor Ontwikkeling, Digitalisering en Innovatie - Innovatie Maturity Scan
De Rijksorganisatie voor Ontwikkeling, Digitalisering en Innovatie (ODI) heeft een Innovatie Maturity Scan gemaakt om de innovatievolwassenheid van een organisatie te meten. Omdat het gebruik van algoritmes vaak gezien wordt als vorm van innovatie is dit ook een interessant model om naar te kijken.
De scan bestaat uit vijf niveaus (level 1 t/m 5) en vijf segmenten (leiderschap, cultuur, sociaal, uitvoering en sturing). Aan de hand van stellingen in de scan kan op deze manier het niveau per segment bepaald worden.
Bron: Innovatie Maturity Scan
Practice: Provincie Overijsel - Implementatiestrategie Digitale-Ethiek
Provincie Overijsel heeft in hun implementiestrategie Digitale Ethiek verschillende zaken opgenomen, waaronder een volwassenheidsmodel. Hierin focussen zij zich op het toekomstbestendig maken van de provincie met de notie dat het hoogste niveau voor hen op dit moment te hoog gegrepen is. Zij geven zo dus duidelijk aan welke niveaus zij haalbaar achten en geven concrete voorbeelden over hoe zij dit aan willen pakken.
Heb je een ander voorbeeld of best practice, laat het ons weten via algoritmes@minbzk.nl