AVG en AI: data flow, DPIA-triggers en Artikel 22 in de praktijk

Het hangt af van vier factoren. Eerste: welke versie van ChatGPT (gratis, Plus, Team, Enterprise, API). Consumer-versies (gratis, Plus) gebruiken input standaard voor modeltraining tenzij opt-out; Enterprise en API doen dit niet standaard. Tweede: welke rechtsgrond (Artikel 6 AVG). Voor klantdata is vaak uitvoering overeenkomst of gerechtvaardigd belang mogelijk, maar niet automatisch. Derde: welke data. Gewone contactgegevens is beheersbaar; bijzondere persoonsgegevens (Artikel 9 AVG zoals gezondheid, etniciteit) mag vrijwel nooit in publieke AI. Vierde: internationale transfers. OpenAI als VS-bedrijf valt onder Schrems II-problematiek; DPA met Standard Contractual Clauses en Transfer Impact Assessment is nodig. Praktisch: voor gevoelige klantdata is een Enterprise-plan met zero-retention en EU-hosting de veiligste route. Voor gewone teksten is opt-out van training bij Plus-accounts minimaal vereist.

Vijf pijlers. Rechtsgrond: per AI-toepassing bepaald onder Artikel 6 AVG. Doelbinding: AI gebruikt de data alleen voor het afgesproken doel. Dataminimalisatie: alleen de PII die nodig is voor het AI-doel, in plaats van het volledige klantrecord. Transparantie: betrokkenen informeren via privacyverklaring dat AI wordt ingezet, hoe, met welke rechtsgrond. Rechten operationaliseren: Artikel 15 inzage, 16 rectificatie, 17 verwijdering, 22 uitleg bij geautomatiseerde besluitvorming moeten praktisch uitvoerbaar zijn, ook als AI betrokken is. Daarnaast: DPIA waar nodig (Artikel 35), DPA met alle AI-leveranciers (Artikel 28), technische beveiliging (Artikel 32). De Autoriteit Persoonsgegevens heeft sinds 2023 meerdere AI-gerichte richtsnoeren gepubliceerd die kaderstellend zijn.

Artikel 35 AVG verplicht een DPIA bij verwerkingen met waarschijnlijk hoog risico voor betrokkenen. De Autoriteit Persoonsgegevens heeft een lijst gepubliceerd waar DPIA verplicht is. AI-toepassingen waarbij DPIA vaak verplicht is: profilering op grote schaal, geautomatiseerde besluitvorming met rechtsgevolgen (Artikel 22 AVG), verwerking van bijzondere persoonsgegevens via AI, grootschalige monitoring, biometrische identificatie, innovative technologies (AI kwalificeert vaak). De EDPB-richtsnoeren over DPIA bevatten negen criteria; als twee of meer van toepassing zijn, is DPIA vrijwel altijd aangewezen. Voor high-risk AI onder AI Act is DPIA feitelijk altijd verplicht vanwege de aard van impact. Uit onze praktijk: plan een DPIA standaard bij invoering van elke nieuwe AI met persoonsgegevens; kost een tot drie dagen werk, voorkomt juridisch risico.

Artikel 22 AVG beschermt betrokkenen tegen uitsluitend geautomatiseerde besluitvorming, inclusief profilering, die rechtsgevolgen voor hen hebben of hen in significante mate beinvloeden. De hoofdregel is dat dergelijke besluiten niet uitsluitend door een algoritme mogen worden genomen. Uitzonderingen: noodzakelijk voor overeenkomst, toegestaan door Unierecht of lidstaatrecht, of expliciete toestemming. Relevant voor AI bij: krediet-besluiten, verzekerings-onderschrijving, automatische sollicitatie-afwijzing, frauderisico-scoring met gevolgen, dynamic pricing dat personen significant raakt. Het Hof van Justitie (C-634/21, SCHUFA 2023) heeft ruim geinterpreteerd: ook algoritmische kredietwaardigheidsscores die door mensen worden gebruikt kunnen onder Artikel 22 vallen. Praktisch: bij AI-besluiten met rechtsgevolgen human-in-the-loop met echte beslisbevoegdheid implementeren, betrokkene recht op uitleg en bezwaar geven.

Beide regimes gelden naast elkaar waar AI persoonsgegevens verwerkt. AVG beschermt betrokkenen bij verwerking van hun persoonsgegevens ongeacht techniek (dus ook bij AI). AI Act reguleert AI-systemen ongeacht of er persoonsgegevens bij betrokken zijn. Overlap: de meeste AI-systemen verwerken persoonsgegevens, en beide regimes werken dan samen. Artikel 26 lid 9 AI Act koppelt ze expliciet voor high-risk AI: documentatie uit AI Act-compliance mag input zijn voor DPIA onder AVG. Praktische implicatie: plan compliance gebundeld. AVG-kant: rechtsgrond, minimalisatie, rechten, DPIA. AI Act-kant: risicoclassificatie, human oversight, transparantie, logs. Beide samen: risico-inventaris die beide regimes bedient.

Drie grote risico-categorieen. Prompt-leakage: persoonsgegevens in prompts belanden bij de LLM-aanbieder, worden soms gebruikt voor training of blijven in logs. Model memorization: persoonsgegevens uit trainingsdata kunnen door specifieke prompts uit het model worden getrokken (onderzocht bij GPT-3 en opvolgers). Output-hallucinatie: model genereert onjuiste persoonsgegevens over echte personen (onjuiste gegevens die als feit worden gepresenteerd). Mitigatie: Enterprise/API-versies met zero-retention-afspraken, prompt-beleid dat PII-invoer beperkt, data-loss-prevention-tools die PII in prompts detecteren, output-controle voor PII over echte personen. Voor EU-organisaties is een EU-gehoste LLM-service of Enterprise-plan met EU-data-residency de veiligste route. Belangrijk: de AVG-laag speelt bij zowel aanbieder-aansprakelijkheid als deployer-verantwoordelijkheid.

AVG-rechten (Artikel 15-22) blijven onverkort gelden als AI wordt ingezet. Inzage (Art. 15): betrokkene moet weten welke persoonsgegevens zijn verwerkt door AI en welke logica en gevolgen. Voor ML-modellen kan dit praktisch ingewikkeld zijn maar is wettelijk verplicht. Rectificatie (Art. 16): onjuiste persoonsgegevens aanpassen. Verwijdering (Art. 17): recht op vergeten, inclusief uit trainingsdata waar mogelijk (Hiroshima-kwestie speelt hier). Bezwaar (Art. 21): tegen verwerking op basis van gerechtvaardigd belang of algemeen belang. Uitleg bij geautomatiseerde besluit (Art. 22): waar AI rechtsgevolgen heeft. Opgeslagen informatie in vector-databases bij RAG-systemen is gewoon doorzoekbaar en verwijderbaar; getrainde modelgewichten zijn dat meestal niet en vragen creatieve oplossingen (unlearning-technieken, model-retraining, isolatie). Bouw processen vooraf in, dus voordat het eerste verzoek binnenkomt.

Veel AI-leveranciers zijn in de VS (OpenAI, Anthropic, Google, Microsoft) of elders buiten EU. Schrems II (2020) heeft Privacy Shield ongeldig verklaard; sinds 2023 is het EU-US Data Privacy Framework vervanger voor VS-transfers naar gecertificeerde organisaties. Voor transfers buiten deze regeling: Standard Contractual Clauses (SCCs) plus Transfer Impact Assessment (TIA) vereist. Praktisch voor MKB: check per AI-leverancier: is er een DPA, welke transfer-mechanismen gelden, is er EU-data-residency-optie. Microsoft Azure OpenAI, Anthropic en Google offerde EU-data-boundary-opties; deze verminderen transfer-risico. Voor gevoelige data: kies bewust voor EU-gebaseerde AI-services of zelf-gehoste open-source-modellen. De AP verwacht dat je deze afwegingen documenteert voor elke AI-dienst met persoonsgegevens.

Artikel 5 lid 1(c) AVG: persoonsgegevens moeten toereikend, ter zake dienend en beperkt tot wat noodzakelijk is voor het doel. Voor AI specifiek betekent dit: niet het volledige klantrecord naar AI sturen als een beperkt deel volstaat. Concrete praktijk: in prompts alleen de velden meegeven die voor de AI-taak relevant zijn; bij RAG-bronnen persoonsgegevens anonimiseren of pseudonimiseren waar mogelijk; bij ML-training: overweeg synthetic data of differential privacy-technieken; bij logs: persoonsgegevens ofwel niet loggen ofwel met korte retentie. Data minimalisatie is een principe; bij DPIA moet je kunnen uitleggen waarom de specifieke data nodig is. Over-dimensioneren geldt als risico; bij incident wordt dit meestal verzwarend meegewogen.

Bij gratis of Plus-versies: prompts kunnen voor training worden gebruikt, dataretentie is minder controleerbaar, EU-data-residency niet zeker, DPA met OpenAI beperkt. Bij Enterprise of Team: zero-retention op prompts, geen training op input, DPA met OpenAI inclusief SCCs, optie voor EU-data-residency via Azure OpenAI. Voor MKB-gebruik is ChatGPT Enterprise of Microsoft Copilot voor Microsoft 365 (gebouwd op Azure OpenAI) doorgaans passender dan individuele Plus-accounts. Specifieke MKB-valkuilen: medewerkers gebruiken gratis account met bedrijfsdata, team-account zonder centrale governance, geen DPA getekend, geen interne richtlijnen voor prompt-hygiene. Oplossing: centraal afgesloten Enterprise-contract, heldere richtlijnen, technische data-loss-prevention waar mogelijk, AI-geletterdheidstraining. Koppeling aan onze AI Act 10-stappen-gids.