Daniel Maissan

TIPS VAN MARTIJN

IP | vakblad voor informatieprofessionals | 09 / 2025

We kunnen in het informatievak moeilijk om AI heen. AI is alom tegenwoordig en de kunst is om het kaf van het koren te scheiden. De ene expert voorspelt het einde der tijden en het einde van veel banen, de ander kijkt sceptisch en denkt: het zal wel meevallen. Recent onderzoek laat zien dat informatiespecialisten voorzichtig zijn. Slechts 11 procent van de onderzoeksbibliotheken gebruikt AI actief, en maar liefst 70 procent van de informatieprofessionals voelt zich onvoorbereid om met AI aan de slag te gaan. Die terughoudendheid is niet gek. Maar wel jammer, want er liggen kansen die veel mensen niet zien.

Allereerst: AI-experts bestaan niet. Natuurlijk zijn er wetenschappers die al jaren met deelelementen als machine learning en deep learning werken, maar iets zinnigs zeggen over AI gaat bijna niet. We moeten in elk geval spreken over AI’s en niet over AI, want ze zijn er in veel soorten en maten.

WIMMEN EN KIMMEN
In elke organisatie lopen ze rond: mensen die Weten Iets Meer (Wim) of Kunnen Iets Meer (Kim). Ze hebben de nieuwsgierigheid van een hacker en het geduld van een onderzoeker. Ze bouwen, proberen, vallen, staan op en prutsen tot het werkt. Zo vergaren ze kennis die niet uit boeken komt.

Het probleem is dat wat van ver komt beter lijkt. En dus wordt er veel geld verspild aan externe consultants terwijl de Wimmen en Kimmen van je eigen organisatie alleen maar een podium nodig hebben. Ze verbinden disciplines, koppelen een taalmodel aan een spreadsheet, database of tekstarchief en kijken wat er gebeurt. Vaak iets wat ze niet hadden verwacht. In de informatiewereld zijn deze mensen goud waard. Want zij snappen dat AI geen orakel is, maar gereedschap. Ze laten AI geen automatische teksten maken, maar gebruiken haar als elk ander werktuig: door te proberen, te corrigeren en te leren wat ze wel en niet kan.

CHATBOTS EN TERECHTE ZORGEN
Het grote publiek (en vaak ook het management) praat vooral over chatbots en de gevaren ervan. En dat is deels terecht. Die dingen zijn in handen van grote organisaties met serverparken en code die onder Amerikaanse jurisdictie vallen. Informatiespecialisten noemen privacy dan ook als grootste zorg. Ze vrezen dat AI-gebruik betekent dat data naar de cloud worden gestuurd en mogelijk door derden worden ingezien of hergebruikt. Die angst is niet ongegrond: veel AI-diensten bewaren ingezonden data zonder dat duidelijk is wat ermee gebeurt.

Kritische volgers wijzen vaak naar de Cloud Act uit 2018 waardoor Amerikaanse autoriteiten toegang kunnen opeisen tot jouw data. Maar wat veel mensen niet weten: de Foreign Intelligence Surveillance Act (FISA) is veel ingrijpender. Deze wet uit 1978, uitgebreid in 2008, geeft de NSA en FBI carte blanche voor massasurveillance van niet-Amerikanen. Zonder rechtelijke toetsing. Edward Snowden onthulde dit in 2013 met het PRISM-programma: directe toegang tot servers van Google, Microsoft, Apple en Facebook. De Cloud Act vereist tenminste nog een rechtszaak. FISA hoeft niet eens te vragen. Om veel redenen is het zaak dat we de autonomie op onze eigen data terugkrijgen, en gek genoeg kun je dat met AI heel goed doen.

MIJN EIGEN GOUDMIJN
Sinds een paar maanden ben ik volop bezig met mijn eigen informatie van de afgelopen twintig jaar. Ik heb data van Gmail, Foursquare, Facebook en LinkedIn lokaal naar mijn computer gehaald en verwijderd bij die diensten. Ook banktransactiedata. Ineens had ik een goudmijn aan eigen data. Gewapend met de kennis die ik opdeed tijdens het schrijven van mijn boek Starten met Obsidian, en met inzichten over hoe belangrijk metadatering is, riep ik de hulp van AI in.

Vrijwel iedereen denkt nu meteen dat ik AI met mijn informatie laat spelen en dat die daardoor in de handen van techreuzen kan vallen, maar niets is minder waar. Ik gebruik AI om stukjes code te maken die mijn eigen data lokaal verwerkt en verrijkt. De AI zit dus NIET aan mijn informatie, maar aan de code die haar hanteerbaar maakt. Een simpel Python-script kan een CSV-bestand met 30.000 records in een paar seconden omzetten naar 30.000 bestanden met de metadata op de goede plek. Ik deed dat met bankdata en kon ineens razendsnel overzichten maken. Door mijn ingreep werd de informatie veel beter te filteren en te sorteren.

VAN KOPIËREN NAAR CONTROLEREN
Een concreet voorbeeld: een gemeentearchief heeft in 2010 brieven uit de wederopbouwperiode gescand. Duizenden pagina’s als PDF (met getypte tekst, dat wel). Maar verder gebeurde er niets. Geen metadata, geen ontsluiting. Te arbeidsintensief. Vroeger moest een archivaris elke brief openen en handmatig invoeren: datum, afzender, onderwerp, relevante personen. Bij vijfduizend brieven, zelfs als je er twintig per dag doet, ben je 250 werkdagen bezig. Nu kun je een Python-script laten schrijven dat elke PDF opent, de tekst eruit haalt, naar patronen zoekt en alles in gestructureerde bestanden zet met metadata. Dat script draait in een paar uur. Niet perfect, maar 80 procent van het werk is gedaan. En dan komt het cruciale: de archivaris bepaalt welke metadata relevant zijn, hoe de structuur moet volgens archiefnormen, of de extractie klopt. Het werk verschuift van maanden saai kopiëren naar dagen slim controleren.

TERUGVINDEN IN SECONDEN
Later sprak ik mensen bij de overheid die zich beklaagden over de Archiefwet en over bewaartermijnen. Als je data verrijkt met metadata kun je de bewaartermijn in die metadata zetten. Alles dat moet worden vernietigd vind je binnen seconden terug. Ik begreep dat men daar nu soms weken zoet mee is. In bulk datasets verrijken met metadata was tot voor kort tijdrovend, maar met AI is dat secondenwerk geworden.

Met de juiste (gratis) tools kun je queries maken die alle bestanden doorzoeken en sorteren op datum, kenmerk of naam. Als de metadata juist zijn (en die heb je met AI laten maken), vind je elke combinatie binnen seconden. Dat is de échte winst. Niet alleen het invoeren gaat sneller, maar vooral het terugvinden daarna. Dat is een van de redenen waarom ik er zo enthousiast over ben.

VOORLOPERS LATEN ZIEN DAT HET KAN
Gelukkig zijn er al informatiespecialisten die deze weg bewandelen. De Nationale Bibliotheek van Finland ontwikkelde Annif, een opensourcetool die automatisch onderwerpsindeling uitvoert op catalogusgegevens. De Library of Congress experimenteert met machine learning voor bibliografische records. De Universiteit van Calgary implementeerde een lokale meertalige AI-chatbot die via de eigen servers draait. Deze chatbot beantwoordt al meer dan een jaar veelgestelde vragen zonder menselijke tussenkomst. Cruciaal: alle data blijven binnen hun eigen infrastructuur. Deze voorbeelden tonen aan dat AI binnen je eigen firewall kan werken, zonder dat informatie je organisatie verlaat.

VERANTWOORD EXPERIMENTEREN
De angst voor AI in de informatiesector is begrijpelijk, maar laat je er niet door verlammen. Er is een verschil tussen je data naar de cloud sturen en AI lokaal gebruiken. Het eerste is risicovol, het tweede geeft controle terug.

Het woord amateur komt van het Latijnse amare: liefhebben – de negatieve bijklank van ‘onervaren’ kwam pas later. De oude betekenis past bij wat we nu nodig hebben: mensen die zich uit liefde ergens in verdiepen. In elke bibliotheek, in elk archief en op elke documentatieafdeling lopen Wimmen en Kimmen rond die al experimenteren. Vaak stilletjes, want ze denken dat de baas er niet blij van wordt. Jammer, want dan kun je niets van ze leren.

Begin klein. Pak één verzameling documenten waar je al jaren mee worstelt. Experimenteer met lokale tools. Vraag AI om een script te schrijven dat metadata extraheert. Je zult versteld staan hoeveel tijd het scheelt. De mooiste momenten zijn niet wanneer iets werkt, maar wanneer iets onverwacht gedrag vertoont. Dan voel je: we zijn op onbekend terrein. En precies daar zit de winst.

De expertise van informatiespecialisten wordt niet vervangen door AI. Die expertise wordt bevrijd van het saaie handwerk, zodat je kunt doen waar je echt goed in bent: informatie toegankelijk maken en mensen helpen vinden wat ze zoeken. Noem jezelf geen AI-expert, maar een AI-amateur: iemand die van het onbekende houdt.