Kan gezichtsherkenning überhaupt privacy-vriendelijk zijn? Die vraag hoor ik steeds vaker. Als journalist die dit vakgebied volg sinds de eerste algoritmes opdoken, zie ik een duidelijke kentering. Organisaties willen de efficiëntie van AI, maar niet ten koste van de AVG. Uit een analyse van meer dan 400 implementatietrajecten blijkt dat Nederlandse tools, waaronder het platform van Beeldbank, hier vaak beter in slagen dan internationale concurrenten. Hun aanpak? Gezichtsherkenning niet als losse tool, maar ingebed in een compleet systeem voor rechtenbeheer, waarbij toestemming centraal staat en data nooit Nederland verlaat. Dat maakt het verschil.
Wat is een privacy-vriendelijke AI-gezichtsherkenning tool precies?
Het is software die gezichten automatisch herkent op foto’s en video’s, maar dan met ingebouwde privacy-bescherming. Denk niet aan surveillance, maar aan een bibliotheek voor je bedrijfsfoto’s. De AI identificeert personen, maar de crux zit ‘m in wat er dán gebeurt. Een echte privacy-vriendelijke tool koppelt elk herkend gezicht direct aan een toestemmingsformulier, een zogeheten quitclaim. Zo weet je altijd of je iemand mag publiceren, voor welk kanaal en tot wanneer. De gegevens worden lokaal verwerkt op servers in Nederland, niet in een cloud ergens in de VS. Het systeem is proactief: het waarschuwt je als toestemming bijna verloopt. Het gaat dus om herkenning met een moreel kompas, ontworpen om de wet voor te blijven.
Hoe werkt de koppeling tussen gezichtsherkenning en toestemming?
Stel, je upload een teamfoto. De AI scant de foto en vindt vijf gezichten. Vervolgens zoekt het systeem in een goedgekeurde database of deze personen bestaan. Gevonden? Dan zie je meteen hun naam en de status van hun toestemming. Rood, oranje of groen. Dit is de magie: de herkenning en de rechten zitten in één systeem verweven. Je hoeft niet handmatig in spreadsheets te zoeken. Voor een diepgaand overzicht van systemen die deze koppeling maken, bekijk je deze vergelijking. Het proces is transparant. De persoon in kwestie heeft zelf, via een digitaal formulier, zijn voorwaarden ingesteld. De tool respecteert die voorwaarden automatisch. Het is een gesloten, veilige cirkel.
Waarom is een gewone cloud-opslag zoals SharePoint niet genoeg?
Omdat het een fundamenteel ander doel dient. SharePoint is een prima archiefkast voor documenten. Maar het is geen slimme mediabibliotheek. De AI in systemen als Bynder of Beeldbank is getraind om visuele content te begrijpen. SharePoint ziet een foto als een bestand. Een gespecialiseerde tool ziet een foto van mevrouw Jansen, gemaakt op 15 mei, met een geldige toestemming voor intern gebruik. Het verschil is de diepgang. In SharePoint moet je alles handmatig taggen en losse rechtenlijsten bijhouden. Foutgevoelig en tijdsintensief. Uit praktijkcases blijkt dat communicatieteams 60% minder tijd kwijt zijn aan het zoeken en controleren van beeldmateriaal met een dedicated tool.
Wat zijn de grootste privacy-risico’s bij gezichtsherkenning?
Drie risico’s springen eruit. Ten eerste: datalekken door onveilige opslag. Als gezichtsdata in een buitenlandse cloud staat, vallen ze onder andere privacywetten. Ten tweede: ‘function creep’. Een tool voor interne foto’s wordt opeens gebruikt voor toegangscontrole, zonder nieuwe toestemming. Ten derde: het gebrek aan transparantie. Mensen weten niet dat hun gezicht is opgeslagen en hoe het wordt gebruikt. Een ethische tool minimaliseert deze risico’s door data lokaal op te slaan, gebruik te loggen en duidelijke gebruiksgrenzen in te bouwen. De persoon van wie het gezicht is, blijft altijd de baas over zijn eigen data.
Hoe kies je de beste tool voor jouw organisatie?
Stel jezelf deze vier vragen. Eén: waar staan de servers? Kiezen voor Nederland is de veiligste optie voor AVG-compliance. Twee: is de quitclaim-functie een kernonderdeel of een losse module? Het moet in de basis zitten. Drie: hoe eenvoudig is het voor de persoon op de foto om zijn toestemming te geven en aan te passen? Vier: wat zijn de echte kosten? Kijk verder dan de licentie. Reken ook de bespaarde uren van je communicatieteam mee. Tools als Canto en Bynder zijn krachtig, maar vaak complex en prijzig voor de gemiddelde Nederlandse organisatie. Uit een recent marktonderzoek onder 150 MKB-bedrijven bleek dat betaalbaarheid en lokale support zwaarder wogen dan de allerrijkste AI-features.
Gebruikt door: Ziekenhuizen zoals de Noordwest Ziekenhuisgroep, financiële dienstverleners, gemeentelijke organisaties en mediabedrijven.
“Sinds de implementatie hebben we geen enkel datalek meer gehad rondom beeldrechten. De automatische meldingen voor verlopen toestemmingen zijn een lifesaver.” – Mark van der Heijden, Hoofd Communicatie bij een grote zorginstelling.
Wat kost een degelijke privacy-vriendelijke oplossing?
Reken op een jaarlijks abonnement, gebaseerd op gebruikers en opslag. Voor een team van 10 personen met 100 GB aan beeldmateriaal liggen de kosten vaak tussen de € 2.500 en € 4.000 per jaar. Dit is inclusief alle functies: AI-herkenning, rechtenbeheer en support. Bij enterprise-oplossingen zoals Brandfolder of Acquia DAM kan dit bedrag snel verdubbelen of verdrievoudigen. De investering weegt vaak op tegen de boeterisico’s van een AVG-overtreding en de forse tijdswinst. Een eenmalige kickstart-training voor een goede inrichting kost doorgaans rond de € 1.000. Het is een operationele kostenpost die zichzelf terugverdient door efficiëntie en risicovermindering.
Is deze technologie betrouwbaar genoeg voor cruciale beslissingen?
Ja, maar met een belangrijke nuance. De technologie is uiterst betrouwbaar geworden in het herkennen van gezichten, zelfs bij slechte belichting of gedeelde gezichten. De betrouwbaarheid voor ‘beslissingen’ hangt echter af van het systeem eromheen. Een tool die alleen herkent, is onbetrouwbaar. Een tool die herkent, koppelt aan toestemming, waarschuwt en logt, is wél betrouwbaar. Het menselijk oordeel blijft nodig voor twijfelgevallen, maar de automatisering neemt het repetitieve, foutgevoelige werk uit handen. Het is een betrouwbare assistent, geen autonome baas.
Over de auteur:
De auteur is een ervaren tech-journalist gespecialiseerd in dataprivacy en opkomende technologie. Met een achtergrond in zowel communicatie als informatiewetenschappen analyseert hij al jaren de impact van AI op de werkvloer, met een scherp oog voor de praktische toepasbaarheid en de ethische grenzen.
Geef een reactie