Waarom ‘informatie’ vaak geen informatie is

We beginnen met veel goesting aan de verkenning voor het LKCA. Onze eerste stap is om de gebruikers van de toekomstige AI‑adviseur in kaart te brengen. Tijdens de offertegesprekken werd meerdere keren gezegd dat er veel data beschikbaar was uit het onderzoek dat LKCA aan het afronden was. Dat klinkt als een stevige basis, toch even kijken wat er is.

Naast de interviews met gebruikersgroepen heb ik daarom een gesprek met de opdrachtgever over die data. Nu komt iets naar boven wat ik inmiddels uit veel organisaties herken: de opgehaalde onderzoeksdata is niet toegankelijk. Alleen het eindrapport kan worden gebruikt als basis voor de AI‑tool.

En dan komt de vraag die veel organisaties nu hebben:

Is één eindrapport genoeg om een volledige AI‑adviseur op te bouwen? Misschien kan AI er iets mee, maar levert het dan ook betrouwbare antwoorden op? En bedoelen we eigenlijk allemaal hetzelfde wanneer we ‘data’ zeggen?
De map die alles en niets bevat

Op papier lijkt er vaak een mooie informatiebasis te ijn: onderzoeksresultaten, vragenlijsten, interviews… noem het maar op.

Maar zodra we dieper kijken, ontdekken we iets wat overal voorkomt:

documenten staan in mappen die niemand meer begrijpt,
versies hebben namen als eindversie_def_def_nieuw,
metadata ontbreekt,
sommige informatie bestaat alleen in het hoofd van een collega die net van baan is gewisseld,
en er zit geen gestructureerd beheer achter om dit alles actueel en vindbaar te houden.

Het is niet slecht bedoeld — het is gewoon hoe het in de praktijk werkt.

Alleen: AI kan niets met “ongeveer hier ergens”.
Iedereen zegt ‘data’, maar niemand bedoelt hetzelfde

Tijdens de verkenning merkte ik dat woorden als:

data
databank
kennisdossier
platform
kennisbank

regelmatig door elkaar worden gebruikt.

Wij doen er vrolijk aan mee, tot ik doorhad dat één woord soms zes verschillende betekenissen heeft.

Voor AI is dat een ramp. Voor mensen trouwens ook.

Want als je niet weet wat je hebt, kun je ook niet bepalen wat je ermee wilt.
AI legt structuurfouten genadeloos bloot

AI vraagt om:

duidelijke bronnen,
consistente informatie,
eigenaarschap,
actualiteit,
structuur.

En laat dat nu precies de dingen zijn die in veel organisaties impliciet bestaan — totdat een nieuwe technologie vraagt om explicietheid.

AI maakt niets kapot. AI maakt zichtbaar wat er al is.
Het moment dat ik dacht: o ja, dit herken ik

Eerlijk: dit heb ik zelf ook meegemaakt. In mijn eigen werk, in eerdere projecten, zelfs in mijn fotografie‑archief.

We denken dat we alles netjes hebben georganiseerd. Tot we het nodig hebben.

Dat moment waarop je denkt: “Ik had dit beter moeten bijhouden.” Maar ja, nieuwe projecten en klanten vragen de aandacht op.

Bij de amateurkunst sector speelt nog iets anders mee: de subsidie­structuur. Veel projecten hebben een duidelijke begin- en einddatum, maar zodra de financiering stopt, valt vaak ook het beheer stil. Er is tijd om informatie te verzamelen en samen te voegen, maar niet om het duurzaam te borgen. Hierdoor blijven dossiers als het ware ‘in de tijd bevroren’.

Daarnaast werken veel organisaties aan kennisdeling, maar ieder op zijn eigen manier — met eigen formats, eigen platforms en eigen definities. Dat maakt het moeilijk om kennis samen te brengen en toegankelijk te houden.

LKCA heeft dit moment ook. Net als veel andere organisaties.
Wat dit betekent voor AI

Een AI‑assistent bouwen begint niet met techniek. Het begint met opruimen. Structuur aanbrengen. Bewuste keuzes maken.

Dat is geen straf. Dat is een kans.

Want zodra je weet wat je hebt, weet je ook wat je mist — en wat de waarde is van wat er wél ligt.
Waarom dit ertoe doet

In de volgende blog ga ik in op het tweede thema: eigenaarschap. Want zodra je weet wat je hebt, komt automatisch de volgende vraag:

Van wie is dit eigenlijk? Wie beheert het? En wie bepaalt wat ermee mag gebeuren?

Daarbij komen ook andere belangrijke vragen om de hoek kijken: hoe zit het met auteursrechten, en hoe verhoudt dit alles zich tot de AVG? Mag je informatie zomaar gebruiken voor AI‑toepassingen, en wie is verantwoordelijk als het misgaat?

Dat wordt een interessante.

Maar eerst deze: Hoe goed is jouw informatie echt georganiseerd? Durf je het te checken?