Het AI Omnibus-akkoord van mei 2026 is een politiek akkoord binnen de EU dat de nalevingsverplichtingen uit de EU AI Act (Verordening EU 2024/1689) op een reeks punten verlicht, met als doel de drempel voor innovatie te verlagen. Voor compliance-officers en IT-beslissers in gereguleerde sectoren is de kernvraag echter niet of de regels eenvoudiger worden, maar voor wie en voor welke toepassingen die vereenvoudiging daadwerkelijk geldt.
Wat het AI Omnibus-akkoord verandert en wat het niet verandert
Het akkoord verlicht met name de documentatie- en meldingsverplichtingen voor aanbieders van laag-risico en generieke AI-toepassingen, en introduceert proportionele eisen voor kleinere organisaties. De kern van de AI Act, met name de strenge verplichtingen voor hoog-risico AI-systemen zoals omschreven in Bijlage III van Verordening EU 2024/1689, blijft volledig van kracht.
De vereenvoudiging heeft drie concrete effecten. Ten eerste worden de drempelwaarden voor verplichte conformiteitsbeoordelingen verhoogd voor een reeks niet-sectorspecifieke toepassingen. Ten tweede krijgen organisaties met minder dan 250 medewerkers een verlengde implementatieperiode voor sommige technische documentatieverplichtingen. Ten derde worden de eisen voor algemene AI-modellen, zoals grote taalmodellen die niet specifiek voor hoog-risico doeleinden worden ingezet, proportioneler gemaakt op basis van de gecomputeriseerde hoeveelheid trainingsvermogen.
Hoog-risico toepassingen die na de omnibuswijziging onveranderd verplicht blijven
Bijlage III van de EU AI Act definieert acht categorieën van hoog-risico AI-systemen. De meest relevante voor overheid, zorg en rechtspraak zijn niet aangeraakt door het omnibus-akkoord.
| Sector | Voorbeeldtoepassing | Bijlage III categorie | Vereenvoudigd na omnibus? |
|---|---|---|---|
| Overheid | AI voor toekenning van uitkeringen of vergunningen | Categorie 5: toegang tot overheidsdiensten | Nee |
| Zorg | Diagnostische AI of triage-ondersteuning | Categorie 2: veiligheidscomponenten medische hulpmiddelen | Nee |
| Rechtspraak | AI ter ondersteuning van rechterlijke beslissingen | Categorie 8: rechtsbedeling en democratisch proces | Nee |
| Handhaving | Risicobeoordelingssystemen voor politie of belastingdienst | Categorie 6: wetshandhaving | Nee |
Statistisch gezien telt Bijlage III acht afzonderlijke categorieën hoog-risico AI, waarvan de meeste direct toepasbaar zijn op de publieke sector en gereguleerde beroepen (bron: EUR-Lex, Verordening EU 2024/1689, 2024).
Impact op de keuze tussen soevereine AI en cloudgebaseerde AI van derden
De AI Act legt de conformiteitsverantwoordelijkheid bij de inzettende organisatie, de zogenoemde deployer, niet uitsluitend bij de aanbieder. Dit heeft directe architectuurconsequenties.
Een cloudgebaseerd AI-systeem van een derde partij, zoals een hyperscaler die een taalmodel aanbiedt als dienst, plaatst de inzettende organisatie in een positie waarbij zij afhankelijk is van de documentatie, loggingmogelijkheden en auditrechten die de leverancier verstrekt. Voor hoog-risico toepassingen vereist de AI Act: technische documentatie, automatische logregistratie van acties van het systeem, menselijk toezicht, robuustheid en nauwkeurigheidstesten, en een conformiteitsbeoordeling voor ingebruikname.
Een lokaal gehoste soevereine AI, waarbij het model draait op infrastructuur die volledig onder beheer van de organisatie staat en geen data naar externe partijen stuurt, geeft de deployer directe toegang tot alle vereiste documentatie-elementen. Dit is geen theoretisch voordeel: ENISA stelt in haar AI-dreigingsanalyse dat meer dan 70% van de bekende aanvallen op AI-systemen gericht is op de datapijplijn of het inferentie-eindpunt, niet op het model zelf (ENISA Threat Landscape for AI, 2023). Bij een clouddienst heeft de deployer beperkte zeggenschap over die kwetsbare onderdelen.
De Autoriteit Persoonsgegevens formuleert dit als volgt: “Organisaties die AI inzetten voor besluiten met rechtsgevolgen moeten kunnen aantonen dat het systeem controleerbaar, transparant en technisch gedocumenteerd is. Dat vereist volledige toegang tot de architectuur.” (AP, handreiking AI en AVG)
Open-source LLM’s lokaal ingezet als hoog-risico systeem: conformiteitsverplichtingen
Een veelgehoorde misvatting is dat open-source modellen buiten de reikwijdte van de AI Act vallen. De AI Act kent weliswaar een beperkte vrijstelling voor open-source modellen in de context van onderzoek en niet-commercieel gebruik, maar zodra een organisatie een open-source LLM inzet voor een toepassing die valt onder Bijlage III, wordt zij als deployer aangemerkt met alle bijbehorende verplichtingen.
Concreet betekent dit dat een rechtbank die een open-source LLM inzet voor juridische tekstanalyse, of een gemeente die een lokaal gehost model gebruikt voor het beoordelen van aanvragen, verplicht is tot:
- Het bijhouden van technische documentatie conform Artikel 11 van de AI Act, inclusief architectuurbeschrijving, trainingsdata-documentatie en prestatiestatistieken
- Het implementeren van logfunctionaliteit die acties van het systeem automatisch registreert gedurende de gehele gebruiksperiode
- Het aanwijzen van verantwoordelijke personen voor menselijk toezicht en het vastleggen van escalatieprocedures
- Het uitvoeren van een conformiteitsbeoordeling, eventueel via een intern toetsingskader, voorafgaand aan de ingebruikname
Het gebruik van een open-source model heeft hier één praktisch voordeel: de organisatie heeft volledige toegang tot de modelgewichten en kan daarmee de technische documentatieverplichtingen in eigen beheer invullen, zonder afhankelijk te zijn van informatie die een externe leverancier al dan niet verstrekt.
Transparantie- en databeheervereisten in de praktijk van soevereine AI
De AI Act vereist voor hoog-risico systemen dat organisaties kunnen aantonen hoe een beslissing tot stand is gekomen. Dit heeft verstrekkende gevolgen voor de dataarchitectuur. Artikel 13 verplicht aanbieders en deployers tot transparantie richting gebruikers, inclusief een beschrijving van de capaciteiten en beperkingen van het systeem en de gebruikte trainingsdata.
Bij cloudgebaseerde AI van grote technologiebedrijven stuit de deployer hierbij op een fundamentele barrière: de trainingsdata en modelarchitectuur worden doorgaans niet volledig vrijgegeven. Dit maakt het praktisch onmogelijk om te voldoen aan de documentatieverplichtingen wanneer die informatie niet beschikbaar is.
Een soevereine AI-implementatie met een lokaal gehost model, gecombineerd met een privacyvriendelijk dataraamwerk dat verwerkte prompts en outputs logt zonder die data terug te sturen naar de modelleverancier, maakt het voor compliance-officers mogelijk om een aantoonbaar auditspoor op te bouwen. Dat auditspoor is niet alleen vereist door de AI Act, maar ook door GDPR-verplichtingen rondom geautomatiseerde besluitvorming (AVG Artikel 22) en NIS-2 voor kritieke infrastructuurbeheerders.
De Autoriteit Persoonsgegevens ontving in 2023 meer dan 1.300 meldingen van datalekken waarbij geautomatiseerde verwerkingssystemen betrokken waren (AP Jaarverslag 2023). Dit illustreert dat de kwetsbaarheid in de verwerkingsketen zit, niet alleen in het model.
Nationale handhaving: de rol van de AP en de ACM
Nederland heeft voor de handhaving van de AI Act een gedeelde toezichtstructuur ingericht. De Autoriteit Persoonsgegevens is aangewezen als primaire markttoezichthouder voor AI-systemen die persoonsgegevens verwerken, een rol die aansluit bij haar bestaande bevoegdheden onder de AVG. De ACM (Autoriteit Consument en Markt) houdt toezicht op algoritmische systemen in de context van marktmacht, consumentenbescherming en platformregulering, mede in het kader van de Digital Markets Act en de Digital Services Act.
De coördinatie tussen beide instanties is vastgelegd in een samenwerkingsprotocol. Voor sectorspecifieke hoog-risico toepassingen zijn ook de Nederlandse Bank (DNB) voor financiële sector-AI en de Inspectie Gezondheidszorg en Jeugd (IGJ) voor medische AI aangewezen als sectorale toezichthouders binnen de AI Act-structuur.
Het omnibus-akkoord introduceert geen wijzigingen in deze toezichtstructuur. Wat wel verandert, is dat de nationale markttoezichthouders meer ruimte krijgen om handhavingsprioriteiten te stellen op basis van risicogebaseerde criteria, in plaats van uniforme controles. Voor gereguleerde sectoren betekent dit in de praktijk dat hoog-risico toepassingen een hogere prioriteit krijgen bij inspecties.
“De AI Act legt de verantwoordelijkheid voor hoog-risico systemen expliciet bij de organisatie die het systeem in gebruik neemt, ook als zij zelf geen ontwikkelaar zijn,” aldus de overwegingen bij Verordening EU 2024/1689. Deze formulering heeft directe gevolgen voor gemeenten, ziekenhuizen en rechtbanken die commerciële of open-source AI-tools afnemen zonder zelf de ontwikkelaar te zijn.
Praktische architectuurconsequenties voor compliance-verantwoordelijken
De samenloop van het AI Omnibus-akkoord, ENISA AI Cybersecurity Guidelines, NIS-2 en de onverminderd geldende Bijlage III-verplichtingen leidt tot een duidelijke afweging. Organisaties in overheid, zorg en rechtspraak die AI inzetten voor kwalificerende toepassingen, kunnen de conformiteitsverantwoordelijkheid het meest aantoonbaar invullen via lokaal gehoste systemen waarbij zij volledige controle hebben over modeldocumentatie, dataverwerking en logging.
Dat vereist een bewuste architectuurkeuze: niet elk open-source model is geschikt voor hoog-risico inzet zonder aanvullende validatie, en niet elke on-premise infrastructuur voldoet automatisch aan de cybersecurityvereisten die ENISA formuleert voor AI-systemen in kritieke sectoren. De organisatie die dit serieus neemt, combineert modelkeuze, infrastructuurbeveiliging en een gestructureerd conformiteitsdossier tot één aantoonbaar geheel.
Veelgestelde vragen
Wat verandert het AI Omnibus-akkoord van mei 2026 concreet voor een gemeente die AI gebruikt?
Het akkoord verlicht administratieve verplichtingen voor laag-risico toepassingen, maar gemeenten die AI inzetten voor besluiten over uitkeringen, handhaving of sociale dienstverlening vallen onder Bijlage III van de EU AI Act en blijven volledig hoog-risico verplicht. Dat omvat conformiteitsbeoordeling, technische documentatie en aantoonbaar menselijk toezicht.
Mag een organisatie een open-source LLM lokaal inzetten zonder AI Act-verplichtingen?
Nee. Als de toepassing valt onder een hoog-risico categorie uit Bijlage III van Verordening EU 2024/1689, gelden alle verplichtingen ongeacht of het model open-source of propriëtair is. De inzettende organisatie wordt als deployer aangemerkt en draagt de conformiteitsverantwoordelijkheid.
Welke Nederlandse toezichthouder handhaaft de AI Act in de praktijk?
De Autoriteit Persoonsgegevens is aangewezen als nationale markttoezichthouder voor AI-systemen die persoonsgegevens verwerken. De ACM houdt toezicht op algoritmische systemen in de context van marktmacht en consumentenbescherming. Voor sectorspecifieke toepassingen kunnen ook de DNB of de IGJ bevoegd zijn.
Hoe verhoudt lokaal gehoste AI zich tot de transparantieverplichtingen van de AI Act?
Lokaal gehoste AI geeft de inzettende organisatie volledige toegang tot het model, de trainingsdocumentatie en de inferentie-logs. Dat maakt het aanzienlijk eenvoudiger om te voldoen aan de verplichtingen voor technische documentatie, loggingvereisten en audits die de AI Act oplegt aan hoog-risico systemen.
Valt een juridische AI-tool voor contractanalyse onder hoog-risico?
Dat hangt af van het gebruik. AI die wordt ingezet ter ondersteuning van rechtsbedeling of die wordt gebruikt voor besluiten met directe juridische gevolgen voor cliënten, kan vallen onder Bijlage III categorie 8 (rechtsbedeling). Organisaties doen er goed aan dit per toepassing te toetsen aan de criteria van Verordening EU 2024/1689.
