Stel je voor dat je een robot probeert te bouwen die kan helpen bij het nemen van belangrijke beslissingen, zoals wie een visum krijgt, welke medische scan onmiddellijke aandacht van een arts nodig heeft, of wie wordt aangenomen voor een baan. In de wereld van de informatica wordt dit Artificial Intelligence (AI) governance genoemd. Denk aan AI-governance als het regelboek en de veiligheidsgordel voor deze robots. Zonder dit kan een robot een fout maken die iemand pijn doet, of het kan bevooroordeeld zijn tegen bepaalde groepen mensen.

Lange tijd hadden experts een paar verschillende regelboeken. Eén beroemd boek, uit de Verenigde Staten, heet het NIST AI Risk Management Framework. Het is als een zeer gedetailleerde, hoogwaardige instructiehandleiding over hoe je veilige en eerlijke robots bouwt. Het vertelt je om te "Governen" (een baas hebben), "Mappen" (je risico's kennen), "Meten" (je werk testen) en "Managen" (problemen oplossen). Een andere set regels komt van de Europese Unie, en die is meer als een strikte wet die zegt: "je moet dit doen, of je krijgt een boete."

Maar hier zit de crux: Canada is een beetje als een enorm huis met veel verschillende kamers, en elke kamer heeft zijn eigen set regels. De federale overheid (de "huiseigenaar") heeft één set regels voor haar eigen robots. Maar de provincies (de "kamers", zoals Ontario, Quebec en Alberta) hebben hun eigen, licht afwijkende regels. Sommige kamers geven vooral om privacy, andere om wie de leiding heeft, en andere om hoe de robot zijn keuzes uitlegt. Voor een bedrijf of overheid die een robot probeert te bouwen die in alle kamers werkt, is het volgen van elk afzonderlijk regelboek alsof je tegelijkertijd vijf verschillende paren schoenen probeert te dragen. Het is verwarrend, duur, en je kunt over je eigen voeten struikelen.

Dit is waar het artikel over gaat. De auteurs, onder leiding van Mohammad Etemad van Scitus Solutions, stellen een nieuwe manier voor om dit schoenprobleem op te lossen. Ze hebben een framework ontwikkeld genaamd SCITUS (Systematic Canadian Integration for Trustworthy and Unified Standards). Denk aan SCITUS als een "universele adapter" of een "meestersleutel". In plaats van te proberen vijf verschillende regelboeken te volgen, past SCITUS het populaire NIST-instructieboek net genoeg aan zodat het perfect in elke Canadese kamer tegelijk past.

Het artikel betoogt dat de oude manier van doen — eerst de regels voor Ontario controleren, dan stoppen om de regels voor Quebec te controleren, en vervolgens de federale regels apart te controleren — een verspilling van tijd en geld is. De auteurs stellen voor dat organisaties door gebruik te maken van hun nieuwe SCITUS-framework één set veiligheidscontroles kunnen bouwen die iedereen tevreden stelt. Ze hebben dit idee getest met drie verzonnen verhalen: een federale immigatierebot, een ziekenhuisrobot in Ontario en een selectierobot voor banen in Quebec. In elk verhaal lieten ze zien hoe SCITUS kon helpen de robot alle tests te laten passeren zonder dat er vijf verschillende versies van zichzelf gebouwd hoefden te worden.

Het artikel beweert niet dat het alle mogelijke problemen in de wereld heeft opgelost, noch zegt het dat de regels nooit zullen veranderen. In plaats daarvan suggereert het dat deze "adapter"-aanpak een veel slimmere, snellere en veiligere manier is om om te gaan met de rommelige realiteit van het hebben van verschillende wetten op verschillende plaatsen. Het is een gids voor hoe je een goede robotbouwer bent in Canada, waarbij je ervoor zorgt dat de robots die we vertrouwen eerlijk, veilig en klaar zijn voor welke kamer ze ook binnenlopen.

---

Het artikel in begrijpelijke taal: De "Universele Adapter" voor AI-regels

Het Probleem: Het "Vijf Paar Schoenen"-dilemma
Stel je voor dat je een robotbouwer bent in Canada. Je wilt een slim systeem bouken om door duizenden visumaanvragen te zoeken. Maar je hebt een enorme hoofdpijn: Canada is als een huis met veel verschillende kamers, en elke kamer heeft zijn eigen strikte regelboek voor hoe jouw robot zich moet gedragen.

• De Federale Overheid (het hoofdgebouw) heeft een regelboek genaamd de Treasury Board Directive. Het zegt: "Als je robot grote beslissingen neemt, moet je een specifiek formulier invullen genaamd een Algorithmic Impact Assessment (AIA) en bewijzen dat je op vooroordelen hebt gecontroleerd."
• Ontario (een van de kamers) heeft een nieuwe wet, Bill 194. Het zegt: "Als je een openbaar gebouw bent, moet je een lijst van je robots publiceren en uitleggen hoe je ze veilig houdt."
• Quebec (een andere kamer) heeft Wet 25. Het zegt: "Als je robot persoonlijke informatie gebruikt, moet je de persoon onmiddellijk informeren en hem de mogelijkheid geven om een mens om een beoordeling van de beslissing te vragen."
• Alberta heeft zijn eigen regels over nauwkeurigheid en privacy.
• British Columbia heeft wat algemeen advies maar nog geen strikte wetten.

Als je probeert al deze regels afzonderlijk te volgen, is het een nachtmerrie. Je zou vijf verschillende rapporten moeten schrijven, vijf verschillende tests moeten uitvoen en vijf verschillende teams juristen moeten inhuren. Het artikel zegt dat dit is als het tegelijkertijd dragen van vijf verschillende paar schoenen. Het is zwaar, verwarrend en de kans is groot dat je struikelt.

De Oplossing: De SCITUS "Universele Adapter"
De auteurs hebben een nieuwe tool gemaakt genaamd SCITUS. Denk aan SCITUS als een "universele adapter" voor de veiligheidsuitrusting van je robot. In plaats van vijf verschillende adapters te kopen voor vijf verschillende stopcontacten, is SCITUS één slimme adapter die ze allemaal past.

Het werkt door het beroemde, hoogwaardige regelboek uit de VS, het NIST AI Risk Management Framework (dat al door veel bedrijven wereldwijd wordt gebruikt), te nemen en dit te "vertalen" voor Canada.

• De Kern: Het behoudt de vier belangrijkste stappen van NIST: GOVERN (een baas hebben), MAP (risico's vinden), MEASURE (de robot testen) en MANAGE (de problemen oplossen).
• De Twist: Het voegt "Canadese smaak" toe aan elke stap. Bijvoorbeeld, wanneer de NIST-handleiding zegt "wees transparant", zegt SCITUS: "Wees transparant en zorg ervoor dat je mensen in het Frans én Engels informeert, en vertel hen precies wat de wet 25 van Quebec vereist."

Hoe het werkt: De Drie-lagen-taart
Het artikel beschrijft SCITUS als een drielaagse taart:

1. De onderste laag (De Fundering): Dit is het originele NIST-framework. Het is de stevige basis die ervoor zorgt dat alles in lijn blijft met internationale standaarden.
2. De middelste laag (Het Canadese Mengsel): Hier gebeurt de magie. De auteurs hebben alle regels van de federale overheid en de provincies (Ontario, Quebec, Alberta, etc.) genomen en in de NIST-stappen gemengd. Ze hebben uitgezocht welke regels overlappen (zodat je ze maar één keer hoeft te doen) en welke regels uniek zijn (zodat je er geen één mist).
3. De bovenste laag (De Glazuur): Dit is de praktische gids. Het geeft je checklists, sjablonen en hulpmiddelen, zodat je de robot daadwerkelijk kunt bouwen zonder de weg kwijt te raken.

De "Control Catalog": Een Groeiende Gereedschapskist
Het artikel vermeldt dat ze een "Control Catalog" (een lijst met veiligheidsregels) hebben die groeit.

• In juni 2025 hadden ze 31 regels.
• Tegen juli 2026 (de tijd van dit artikel) hadden ze deze bijgewerkt naar 57 regels.
  Waarom is het gegroeid? Omdat de wereld van AI snel verandert. Er kwamen nieuwe dreigingen, zoals "agentic AI" (robots die op eigen initiatief kunnen handelen) en nieuwe regels over hoe trainingsdata wordt verzameld. De auteurs hebben nieuwe regels toegevoegd om deze verse uitdagingen aan te pakken, wat aantoont dat hun systeem kan aanpassen wanneer de wereld verandert.

De Adapter Testen: Drie Verhalen
Om te bewijzen dat hun idee werkt, vertelden de auteurs drie verhalen (scenario's) over hoe een bedrijf SCITUS zou gebruiken:

1. De Immigratie-robot (Federaal):

   • De Uitdaging: Een robot die visumaanvragen sorteert. Deze moet eerlijk, tweetalig en veilig zijn.
   • Het Conflict: De overheid wil transparant zijn over hoe de robot werkt, maar beveiligingsexperts zeggen: "Als we precies vertellen hoe het werkt, kunnen slechteriken de robot misleiden!"
   • De SCITUS-oplossing: Het framework hielp hen een middenweg te vinden. Ze publiceerden algemene informatie (zoals "wij controleren op eerlijkheid"), maar hielden het "geheime recept" (de exacte wiskunde) privé. Ze losten ook een lastig wiskundig probleem op: hoe je eerlijk bent tegenover alle landen wanneer sommige landen meer gekwalificeerde aanvragers hebben dan andere. Ze kozen een specifieke definitie van "eerlijkheid" (genaamd equalized odds) en documenteerden waarom ze die kozen.

2. De Ziekenhuisrobot (Ontario):

   • De Uitdaging: Een robot in een ziekenhuis in Toronto die naar röntgenfoto's kijkt om spoedgevallen te vinden. Deze moet voldoen aan de regels voor de publieke sector in Ontario, de regels van Health Canada voor medische apparatuur en privacywetten.
   • Het Conflict: Normaal gesproken zou een ziekenhuis één formulier moeten invullen voor de provincie, een ander voor de federale gezondheidsinstantie en een derde voor privacy.
   • De SCITUS-oplossing: Het framework liet zien dat deze regels eigenlijk veel overlappen. Door SCITUS te gebruiken, kon het ziekenhuis één veiligheidsplan schrijven dat tegelijkertijd aan drie verschillende toezichthouders voldeed. Ze bespaarden weken werk en zorgden ervoor dat de robot veilig was voor patiënten.

3. De Selectierobot voor Banen (Quebec):

   • De Uitdaging: Een privaat bedrijf in Quebec dat AI gebruikt om werknemers aan te nemen. Zij moeten de strikte privacywetgeving van Quebec (Wet 25) volgen.
   • Het Conflict: Het bedrijf moet testen of de robot bevooroordeeld is tegen bepaalde groepen, maar privacywetten zeggen dat ze geen gegevens over iemands ras of etniciteit mogen verzamelen.
   • De SCITUS-oplossing: Het framework suggereerde een slimme workaround. Ze konden mensen vragen om vrijwillig hun achtergrond te delen voor testdoeleinden (zonder dat dit voor de aannamebeslissing wordt gebruikt), of "proxy-data" gebruiken (zoals de stad waar iemand woont) om te raden of de robot eerlijk is. Dit stelde hen in staat om op vooroordelen te testen zonder de privacywetten te overtreden.

Wat het Papier Zegt (en Niet Zegt)
De auteurs zijn voorzichtig in hun woorden en zeggen dat SCITUS een suggestie en een framework is, en geen toverstaf die alles direct oplost.

• Ze stellen voor dat het gebruik van deze "universele adapter" veel efficiënter is dan het afzonderlijk volgen van elk regelboek. Ze schatten dat het volgen van regels één voor één 12 tot 16 weken per systeem kost, terwijl het gebruik van SCITUS dat kan terugbrengen naar 6 tot 8 weken.
• Ze sluiten uit dat je simpelweg de "makkelijkste" regel kunt kiezen om te volgen. Ze zeggen dat je de strengste regel in de kamer moet volgen om veilig te zijn.
• Ze claimen niet dat dit alle juridische problemen oplost. Ze geven toe dat regels soms conflicteren (zoals transparantie versus beveiliging), en in die gevallen heb je een menselijke commissie nodig om een moeilijke keuze te maken. SCITUS geeft die commissie slechts een betere kaart om die keuze te maken.

Waarom het Belangrijk Is
Het artikel concludeert dat voor elk land met verschillende regels op verschillende plaatsen (zoals de VS of Australië), deze "adapter"-aanpak een slimme weg voorwaarts is. Het voorkomt dat organisaties geld verspillen aan dubbel werk en helpt hen om AI te bouwen die daadwerkelijk veilig en eerlijk is voor iedereen, ongeacht in welke "kamer" ze zich bevinden.

Kortom, SCITUS is de gids die zegt: "Je hebt niet vijf verschillende paar schoenen nodig. Je hebt maar één echt goed paar nodig dat in elke kamer past."