AI en recht: 8 technologische ontwikkelingen die elke jurist moet kennen
AIRecht Editor
Welke technologische ontwikkelingen moet een jurist echt begrijpen om zijn vak de komende jaren goed te kunnen uitoefenen? Mauritz Kop schreef daarover een column die oorspronkelijk verscheen op het kennisplatform Verder denken, scherper zijn van het Centrum voor Postacademisch Juridisch Onderwijs (CPO) van de Radboud Universiteit. Omdat die columns na een website overhaul niet langer op het CPO-platform staan, integreren we ze hier — onderaan deze pagina is te zien hoe de column daar destijds verscheen. Wie deze inleiding boeiend vindt, leest daarna verder in De posthumanistische revolutie van AI.
Hieronder bespreken we acht ontwikkelingen die de maatschappij definitief en over de volle breedte veranderen — en die juist daarom ook voor de jurist zeer relevant zijn. Samen vormen ze de bouwstenen van een nieuwe technologische generatie, waarop een tech-savvy jurist zich maar beter kan voorbereiden.
AI en het recht: acht technologische ontwikkelingen die juristen raken.
1. Artificiële intelligentie
Kunstmatige intelligentie is een ander woord voor een intelligente machine: een niet-menselijk systeem dat toch over cognitieve functies en vaardigheden beschikt — een slimme computer die strategisch kan denken. Het hypothetische moment waarop zo'n systeem zich bewust wordt van zichzelf en eigen doelen gaat nastreven, noemen we de singulariteit. Het is dan maar de vraag of een dergelijke "Robo Sapiens" nog interesse heeft in universele mensenrechten, auteursrechten of mededingingsrecht — een gedachte-experiment dat de juridische verbeelding scherpt.
Voor de jurist is het onderscheid tussen sterke en zwakke AI intussen het meest praktisch. Vrijwel alle systemen die nu in de praktijk werken, zijn vormen van smalle, taakgerichte AI. De juridische vragen die zij oproepen — over aansprakelijkheid, eigendom en grondrechten — zijn echter allesbehalve smal.
2. Internet of Things
AI speelt een steeds grotere rol in onze samenleving, en dat laat zich goed illustreren door het Internet of Things (IoT): smart solutions, smart products, data-uitwisseling en connectiviteit in een alomtegenwoordig netwerk van apparaten. In het IoT draait alles om de interconnectiviteit en interoperabiliteit van slimme, online producten. Juridisch verschuift de aandacht daarmee van losse apparaten naar de keten: wie is verantwoordelijk wanneer een netwerk van sensoren en software gezamenlijk tot een schadelijke uitkomst leidt?
3. Evolutie van het recht
Een technologische revolutie vraagt om herijking van juridische kaders — om evolutie van het recht. De kunst is daarbij om zo veel mogelijk techniekneutrale regels te stellen, zonder dat die te abstract of te ambigu worden. Een voorbeeld van een níet-techniekneutrale regel is de aanscherping van platformaansprakelijkheid voor ongeklaarde audio en video, in de vorm van de veelbesproken uploadfilter. Zulke voorschriften lopen het risico door technologische innovatie te worden ingehaald, terwijl ze tegelijk markttoetreding van start-ups bemoeilijken en de expressievrijheid van gebruikers raken.
De les is principieel: regelgeving die te dicht op één specifieke techniek wordt geschreven, veroudert snel. Goede technologieregulering beschrijft functies en risico's, niet de exacte werking van de machine van vandaag — een inzicht dat later terugkeert in de risicogebaseerde opzet van de Europese AI-wetgeving.
4. Machine learning, algoritmes en big data
Machine learning-algoritmen detecteren patronen en leren hoe ze op basis van gegevens en ervaringen voorspellingen en aanbevelingen kunnen doen. De algoritmen evolueren in reactie op nieuwe data om hun doeltreffendheid en efficiëntie te verbeteren; in die zin zijn het genetische algoritmen. Machine learning is een vorm van zwakke, narrow AI, en de meeste van deze systemen moeten met enorme hoeveelheden trainingsdata worden gevoed. Die data komen sneller en gemakkelijker binnen via de cloud, zodat cloud computing de ontwikkeling van AI bespoedigt.
We onderscheiden verschillende soorten machine learning: deep learning, transfer learning, reinforcement learning, federated learning, supervised en unsupervised learning. Voor de jurist roept elk van die varianten dezelfde vraag op — wie heeft de rechten op de trainingsdata, en wie draagt verantwoordelijkheid voor wat het systeem ermee doet? Die datadimensie werken we verder uit in The Right to Process Data for Machine Learning Purposes in the EU.
5. Deep learning en neurale netwerken
In deep learning-systemen vormen onderling verbonden lagen van software-gebaseerde rekeneenheden — metaforisch "neuronen" of perceptronen genaamd — samen een neuraal netwerk. Bij de creatie van dit kunstmatige zenuwstelsel hebben computerwetenschappers inspiratie geput uit de neurowetenschappen. Het resultaat is een systeem dat niet expliciet wordt geprogrammeerd, maar leert — wat de klassieke juridische vraag "wie heeft dit gedaan?" verrassend ingewikkeld maakt.
6. Reinforcement learning
Met reinforcement learning, waarbij het algoritme zichzelf corrigeert en optimaliseert, is het mogelijk om een computerprogramma beter te leren schaken of een zelfrijdende auto veilig gedrag op de weg aan te leren; computer vision-technieken leren de auto bovendien steeds beter te zien. Een treffend voorbeeld is AlphaGo Zero, dat voor afgebakende taken bovenmenselijke capaciteiten aan de dag legt en — door uitsluitend tegen zichzelf te spelen — zijn eigen leermeester is geworden. Een systeem dat zichzelf onderwijst, stelt onze intuïties over toerekening en verantwoordelijkheid stevig op de proef.
7. Implementatie in het bedrijfsmodel
Sectoren met een van nature hechte relatie tot digitale technologie — de auto-industrie, de telecombranche, de Silicon Valley-internetgiganten en de financiële sector — lopen voorop bij de succesvolle implementatie van kunstmatige intelligentie in hun bedrijfsmodel. Denk aan zoekmachines, virtuele assistenten, vertaalprogramma's, audio- en video-on-demandplatforms en slimme mobiliteit. Domeinen die van oudsher een minder vanzelfsprekende affiniteit met hightech hebben, zoals de educatieve sector, het toerisme en de farmaceutische industrie, lopen nog achter bij het incorporeren van artificiële intelligentie in hun workflow — al verandert dat snel.
8. Een positieve bijdrage — mits goed gereguleerd
AI-systemen kunnen een positieve maatschappelijke bijdrage leveren aan vraagstukken als energieconsumptie, duurzaamheid en gezondheidszorg, en aan de ontwikkeling van revolutionaire materialen en de ontsluiting van geheel nieuwe markten. Of die belofte wordt waargemaakt, hangt af van de randvoorwaarden. Daarom is het van belang om fundamentele vrijheids- en gelijkheidsrechten — privacy, het verbod op discriminatie — vroeg in het ontwerp van slimme machines mee te nemen. In Europa kreeg die gedachte later concrete vorm: een kwaliteitsstempel voor AI die aan juridische en ethische randvoorwaarden voldoet, en een risicogebaseerd kader in de vorm van de EU AI Act.
Zo verscheen deze column destijds op het CPO-platform Verder denken, scherper zijn van de Radboud Universiteit (10 oktober 2018).
Wat dit voor de jurist betekent
De acht hierboven belichte ontwikkelingen vormen samen de bouwstenen van een compleet nieuwe technologische generatie. Voor de praktijkjurist is de boodschap niet dat hij ingenieur moet worden, maar dat hij de grondbegrippen moet beheersen: wat is het verschil tussen sterke en zwakke AI, waar zit de trainingsdata, en welk rechtsgebied raakt de toepassing — bestuursrecht, privaatrecht, auteursrecht, privacyrecht of mededingingsrecht? Verwante vragen over eigendom van machinecreaties bespreken we in Computer generated works: wie of wat is eigenaar?, en de bredere governance-context in onze kennispagina over kunstmatige intelligentie.
Wie deze grondbegrippen beheerst, kan de juiste vragen stellen op het juiste moment — en dat is precies wat cliënten, wetgevers en toezichthouders van een moderne jurist verwachten.
Zo verscheen deze column destijds op het CPO-platform Verder denken, scherper zijn van de Radboud Universiteit:
Laatst bijgewerkt: 9 juni 2026