Een klant opent je websitechat en vraagt naar levertijd. De bot antwoordt vriendelijk, stelt twee controlevragen en plant bijna een afspraak. Pas onderaan, in lichtgrijze tekst, staat dat het gesprek door AI wordt ondersteund. Voor de bezoeker voelt het alsof hij met een medewerker praat. Voor jou voelt het als slimme service. Voor de AI Act kan dit precies het punt zijn waar transparantie tekortschiet.
Nederlandse ondernemers hebben in 2026 geen behoefte aan paniekverhalen, maar wel aan bewijsbare eenvoud. Veel zware AI Act-regels raken vooral hoog-risico-systemen, maar transparantie, AI-geletterdheid en verboden praktijken zijn juist voor gewone mkb-bedrijven relevant. Dit artikel is voor ondernemers die chatbots, AI-content of AI-assistenten gebruiken en vóór augustus 2026 willen kunnen aantonen: wij melden AI-gebruik duidelijk en werken gecontroleerd.
TL;DR: je transparantie-bewijsmap in één week - Inventariseer alle klantgerichte AI-contactpunten. - Schrijf per kanaal een korte AI-melding in gewone taal. - Maak screenshots van live meldingen en sla versies op. - Leg vast wie AI-output controleert bij marketing, support en sales. - Train medewerkers in 60 minuten op transparantie, datagebruik en escalatie. - Plan elke maand een 30-minuten review van meldingen en incidenten.
Wat transparantie praktisch betekent Transparantie betekent niet dat je elke technologie in detail uitlegt. Het betekent dat klanten op het juiste moment begrijpen dat ze met AI te maken hebben of AI-gegenereerde content zien. Een chatbot moet zich dus herkenbaar maken tijdens de interactie, niet verstopt in algemene voorwaarden. AI-content die beslissingen of vertrouwen beïnvloedt, moet eerlijk gelabeld of contextueel duidelijk zijn.
Voor een mkb-bedrijf gaat het meestal om drie plekken: websitechat, WhatsApp of e-mailautomatisering, en marketingcontent. Denk aan productteksten, social posts, afbeeldingen, scripts, kennisbankartikelen en automatische antwoorden. Als AI alleen intern brainstormt, is de transparantievraag kleiner. Zodra AI de klantreis raakt, moet je scherper worden.
De datum 2 augustus 2026 komt in veel Nederlandse uitleg terug als belangrijk moment waarop handhaving rond verschillende AI Act-onderdelen concreter wordt. AI-geletterdheid geldt al langer als basisplicht voor organisaties die AI inzetten. Je hoeft dus niet te wachten op een jurist om alvast de simpele bewijslast te organiseren.
Stap 1: maak een klantreis-audit van 45 minuten Loop je klantreis door alsof je een nieuwe klant bent. Begin bij Google of een AI-zoekmachine, ga naar de website, open chat, download een brochure, stuur een mail, vraag een offerte aan en lees de opvolging. Noteer elke plek waar AI iets schrijft, samenvat, aanbeveelt of beslist.
Gebruik vier kolommen: kanaal, AI-functie, klant ziet AI ja/nee, bewijs aanwezig ja/nee. Houd het eenvoudig. Een rij kan zijn: websitechat, FAQ-antwoorden en afspraakplanning, klant ziet melding bovenaan, screenshot opgeslagen. Een andere rij: marketingblog, concept met ChatGPT gemaakt en menselijk geredigeerd, geen label nodig omdat eindredactie menselijk en informatief is. Die nuance is belangrijk.
Let vooral op verborgen AI in bestaande software. Microsoft 365, CRM-systemen, klantenserviceplatforms en boekhoudtools voegen steeds vaker samenvattingen of suggesties toe. Als zo’n output naar klanten gaat, hoort het in je inventarisatie. Niet omdat elke suggestie juridisch gevaarlijk is, maar omdat blinde vlekken later discussie veroorzaken.
Stap 2: schrijf meldingen die klanten snappen Een goede AI-melding is kort, zichtbaar en menselijk. Voor websitechat werkt bijvoorbeeld: ‘Je chat eerst met onze AI-assistent. Die helpt met standaardvragen en afspraakverzoeken. Een medewerker kijkt mee of neemt het over als je vraag persoonlijk, complex of gevoelig is.’ Dit is duidelijker dan: ‘Deze interface kan geautomatiseerde verwerking bevatten.’
Voor WhatsApp of e-mail kun je subtieler werken: ‘Dit conceptantwoord is voorbereid met AI en gecontroleerd door ons team.’ Gebruik dat vooral wanneer de klant redelijkerwijs denkt dat alles persoonlijk is geschreven. Bij volledig menselijke eindredactie op algemene marketingcontent is een label vaak minder urgent, maar bij synthetische beelden, deepfake-achtige media of productclaims moet je terughoudender zijn.
Maak per kanaal één standaardtekst en één escalatietekst. De standaardtekst meldt AI. De escalatietekst vertelt wanneer een mens overneemt: klachten, prijzen, persoonsgegevens, medische of juridische vragen, afwijkende afspraken en grote bedragen. Zo wordt transparantie ook een servicebelofte.
Stap 3: bouw de bewijsmap Maak een map met vijf onderdelen: AI-register, meldingen, screenshots, training en incidenten. Het AI-register bevat toolnaam, doel, eigenaar, datatypes en klantimpact. De meldingenmap bevat de actuele tekst per kanaal met versienummer. Screenshots tonen waar de melding live zichtbaar is. Training bevat aanwezigheidslijst of korte quiz. Incidenten bevat verbeterpunten en acties.
Bewijs hoeft niet ingewikkeld te zijn. Een screenshot met datum, een changelogregel en een verantwoordelijke naam zijn vaak waardevoller dan een juridisch document dat niemand gebruikt. Zet bijvoorbeeld elke wijziging in een tabel: datum, kanaal, wijziging, reden, akkoord door. Vijf regels per maand kunnen later veel stress voorkomen.
Bewaar ook negatieve beslissingen. Als je besluit een blogpost niet te labelen omdat AI alleen als brainstormhulp is gebruikt en menselijke redactie volledig verantwoordelijk is, noteer dat kort. Zo laat je zien dat je bewust afweegt in plaats van willekeurig labelt.
Praktijkvoorbeeld: webshop met chatbot en AI-productteksten Een kleine webshop gebruikt een chatbot voor orderstatus en retourvragen. Daarnaast maakt marketing productbeschrijvingen met AI, waarna een medewerker claims controleert. De transparantie-bewijsmap bestaat uit een chatbotmelding bovenaan het gesprek, een handoff-regel bij klachten, screenshots van desktop en mobiel, en een contentcontrolelijst met prijs, voorraad, levertijd en garantieclaims.
Na één week heeft de webshop geen groot complianceproject, maar wel rust. Medewerkers weten wanneer ze AI mogen gebruiken, klanten zien wanneer ze met een bot praten, en de eigenaar kan bij vragen aantonen welke keuzes zijn gemaakt. De investering: ongeveer 4 tot 6 uur intern werk, plus maandelijkse review.
De 60-minuten teamtraining Begin met drie voorbeelden uit je eigen bedrijf. Laat zien waar AI in klantcontact zit. Bespreek daarna drie risico’s: klant denkt dat hij met mens praat, AI noemt onjuiste feiten, of medewerker plakt gevoelige data in een verkeerde tool. Sluit af met het protocol: wanneer melden, wanneer controleren, wanneer escaleren.
Maak de training niet groter dan nodig. Voor de meeste kleine teams is 60 minuten genoeg als de voorbeelden concreet zijn. Laat medewerkers daarna één mini-toets doen: ‘Mag deze output direct naar de klant?’ Bij twijfel moet het antwoord bijna altijd zijn: eerst controleren of escaleren.
Veelgemaakte fouten De eerste fout is alleen een banner plaatsen en denken dat het klaar is. Transparantie moet in de interactie zitten. Een klant die al tien minuten met een bot praat, heeft niets aan een vage footer. De tweede fout is elk AI-gebruik zwaar labelen, waardoor klanten denken dat je geen menselijke controle meer doet. Wees specifiek, niet defensief.
De derde fout is screenshots vergeten. Zonder bewijs blijft naleving een bewering. De vierde fout is marketing en klantenservice apart laten werken. Een chatbotbelofte, advertentieclaim en offerteantwoord moeten dezelfde werkelijkheid beschrijven. Anders krijg je geen juridisch probleem, maar een vertrouwensprobleem.
FAQ ### Moet elke AI-gegenereerde tekst gelabeld worden? Niet automatisch. Het hangt af van context, klantimpact en mate van menselijke redactie. Klantgerichte automatisering en synthetische of misleidingsgevoelige content vragen meer transparantie dan interne brainstorms.
Is een melding in algemene voorwaarden genoeg voor een chatbot? Nee, dat is in de praktijk te zwak. Meld tijdens de interactie duidelijk dat de klant met een AI-assistent praat en hoe een medewerker kan overnemen.
Hoe vaak moet je de bewijsmap bijwerken? Werk direct bij na wijzigingen in chatbot, contentproces of tools. Plan daarnaast maandelijks 30 minuten om screenshots, incidenten en meldingen te controleren.
Conclusie AI Act-transparantie hoeft voor mkb’ers geen juridisch theater te worden. De kern is zichtbaar, begrijpelijk en bewijsbaar werken. Laat klanten weten wanneer AI meespeelt, zorg voor menselijke escalatie en bewaar eenvoudige bewijzen van je keuzes.
Begin vandaag met de klantreis-audit. Binnen één week kun je een bewijsmap hebben die niet alleen compliance ondersteunt, maar ook vertrouwen geeft aan klanten en rust aan je team.
Direct toepasbare prompt
"Geef me een praktische aanpak voor [probleem] voor een Nederlands mkb-bedrijf. Houd het kort, met concrete stappen en voorbeeldtekst."