11 February 2026 · René de Baaij
Algoritmes zitten diep verweven in ons dagelijks leven, van zoekresultaten en nieuwsfeeds tot medische diagnoses en kredietbeoordelingen. Ze bieden gemak en efficiëntie, maar dragen ook risico's die zelden zo zichtbaar zijn als de voordelen.
Het is verleidelijk om algoritmes te zien als neutrale technologie. Ze zijn altijd een product van menselijke keuzes, aannames en belangen.
Veel beslissingen die vroeger door mensen werden genomen, liggen nu in handen van systemen die we niet volledig begrijpen. Een vacature kan je niet bereiken omdat een algoritme je profiel niet matcht, op gronden die nooit aan jou worden uitgelegd. Een lening kan worden afgewezen op basis van patronen die niet uitlegbaar zijn voor de aanvrager, ook al zijn ze voor het systeem zelf volkomen consistent. En welke nieuwsartikelen je leest, wordt sterk bepaald door wat het algoritme denkt dat jou aanspreekt, en daarmee ook door wat je nooit te zien krijgt.
Het effect hiervan is subtiel maar ingrijpend. Langzaam verschuiven onze keuzemogelijkheden, vaak zonder dat we het merken. Onze autonomie wordt beïnvloed door logica's die we niet zelf hebben gekozen, en die soms haaks staan op onze waarden, zonder dat er een moment was waarop we daar bewust mee hebben ingestemd.
Daarom moeten we technologie blijven toetsen aan menselijke waarden. Dat begint met het expliciet maken van die waarden: rechtvaardigheid, transparantie, inclusie, menselijke waardigheid. Ze fungeren als kompas bij het ontwerpen, testen en inzetten van algoritmes, niet als versiering achteraf maar als sturend principe vanaf het begin.
Een rechtvaardig algoritme discrimineert niet op basis van irrelevante kenmerken. Transparantie betekent dat besluitvorming uitlegbaar is voor wie erdoor wordt getroffen.
Inclusie houdt in dat diverse perspectieven worden meegenomen bij het ontwerp, zodat de uitkomst niet bevooroordeeld is door een beperkte groep ontwerpers die zonder kwade wil hun eigen blinde vlekken in het systeem bouwen. Uitlegbaarheid, vaak aangeduid als explainable AI, is cruciaal voor vertrouwen in algoritmes. Mensen moeten kunnen begrijpen waarom een beslissing is genomen, vooral wanneer die beslissing grote gevolgen heeft voor hun leven. Een algoritme dat een medische diagnose stelt, moet niet alleen het resultaat geven, maar ook de onderliggende argumentatie. Zonder die uitleg ontstaat een technologische black box die het gesprek over waarden en rechtvaardigheid onmogelijk maakt, omdat er simpelweg niets is om over te discussiëren.
Een veelgehoorde misvatting is dat het algoritme het besluit neemt, en dat de verantwoordelijkheid daarmee bij de techniek ligt. Maar achter ieder algoritme staan mensen: ontwikkelaars, managers, beleidsmakers. Zij bepalen de data die wordt gebruikt, de regels die gelden, en de doelen die het systeem nastreeft. Het algoritme is het instrument. De keuzes zijn menselijk, ook als ze ondertussen geautomatiseerd worden toegepast op een schaal die geen individuele mens ooit zou kunnen overzien.
Verantwoordelijkheid betekent dus ook eigenaarschap nemen over de gevolgen van algoritmische beslissingen. Dat vraagt om governance-structuren waarin ethische toetsing even vanzelfsprekend is als technische kwaliteitscontrole, niet als aparte stap die kan worden overgeslagen wanneer de tijdsdruk toeneemt, maar als geïntegreerd onderdeel van hoe een systeem wordt gebouwd en onderhouden.
Sociale media laten helder zien hoe algoritmes onze werkelijkheid vormen.
De systemen zijn geoptimaliseerd voor aandacht: hoe langer je blijft kijken, hoe beter voor het bedrijfsmodel. Dat betekent dat algoritmes vaak voorrang geven aan content die emotie oproept, boosheid, verontwaardiging, sensatie, omdat die je langer vasthoudt. Het gevolg is dat maatschappelijke debatten verharden en polarisatie toeneemt, niet als bijwerking maar als directe consequentie van wat het systeem is ontworpen om te bereiken.
Hier ligt een directe koppeling met menselijke waarden. Als we een gezonde publieke ruimte willen behouden, moeten we kritisch kijken naar hoe deze algoritmes zijn ingericht en welke doelen ze dienen. Willen we dat de economie van aandacht de koers bepaalt, of sturen we bij op basis van maatschappelijke en democratische waarden die niet zomaar in een conversiepercentage zijn uit te drukken?
Leiderschap in een data-gedreven wereld betekent de moed hebben om deze vragen te stellen, niet alleen vanuit techniek, maar vooral vanuit menselijkheid. Het vraagt om ethiek te verankeren in beleid, diversiteit in ontwerpteams en continue toetsing en bijsturing. Technologie is nooit af. De maatschappelijke impact verandert voortdurend en vraagt om blijvende aandacht, niet om een eenmalige goedkeuring bij de lancering.
Uiteindelijk is de vraag niet óf we algoritmes gebruiken, maar hóe. Algoritmes kunnen enorme waarde toevoegen, van het sneller vinden van medische behandelingen tot het verduurzamen van logistieke ketens. Maar alleen als we de menselijke maat behouden, blijven deze systemen ons ondersteunen in plaats van ons sturen. De mens in het algoritme brengen betekent dat we technologie zien als verlengstuk van onze waarden, niet als vervanging ervan, en dat we accepteren dat techniek nooit neutraal is, en dat het onze gezamenlijke verantwoordelijkheid is om haar in te zetten voor het goede.
In een wereld die steeds meer wordt gestuurd door data, is het misschien wel onze grootste uitdaging om mens te blijven, en om te zorgen dat onze technologie dat ook blijft weerspiegelen.
Noten voor wie verder wil lezen:
- Cathy O'Neil, Weapons of Math Destruction (2016, Crown Publishing). Over hoe algoritmes vooroordelen van hun makers reproduceren en versterken op een schaal die mensen alleen nooit zouden bereiken.
- Shoshana Zuboff, The Age of Surveillance Capitalism (2019, PublicAffairs). Over hoe systemen die zijn geoptimaliseerd voor aandacht onze publieke ruimte herstructureren.
- Virginia Dignum, Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible Way (2019, Springer). Over governance-structuren waarin ethische toetsing geïntegreerd is, niet apart.
- Stuart Russell, Human Compatible: Artificial Intelligence and the Problem of Control (2019, Viking). Over uitlegbaarheid als ontwerpvereiste in plaats van als optioneel extra.
- Luciano Floridi, The Ethics of Information (2013, Oxford University Press). Over de morele infrastructuur die elk informatiesysteem onvermijdelijk met zich meebrengt.