AIGP Zelfstudie
Overzicht › Domein 1 · Foundations › Les 11 · AI Ethics

De zeven Responsible AI-principes

Domein 1 · AI Ethics lec 13 Eerst de kaart, dan de score: 7 principles, 7 failure modes en de KRI-signalen die het eerst afgaan.
Kerngedachte
Je kunt een ethics risk pas scoren als je een kaart hebt. Elk van de 7 principles is een organizational risk commitment met een bijhorende failure mode — ken de zeven paren uit het hoofd.
Vocabulaire

Drie ankertermen

Event

Ethics risk event

Incident waarbij een AI-systeem één of meer responsible AI principles schendt → harm, regulatory attention of trust-schade.

Snelheid

Reputational velocity

Hoe snel een ethics event van intern incident naar publieke crisis escaleert — sneller dan de meeste technical risks.

Signaal

KRI

Leading metric die principle degradation signaleert vóór een risk event → tijd om in te grijpen.

🔗 Link

Deze 3 termen bouwen voort op de risk-taxonomie (les 6–10): velocity, KRI en exposure keren hier terug.

Het kernschema — ken ze koud

7 principles ↔ 7 failure modes

PrincipleFaalt wanneer…
FairnessAI-outputs disparate outcomes produceren across protected groups
Transparencydecision rationale niet beschikbaar is voor affected parties
Accountabilitygeen named owner kan instaan voor AI-outcomes
Human oversightconsequential decisions doorgaan zonder meaningful review
Non-maleficenceforeseeable harm gebruikers of third parties bereikt
Privacypersonal data gebruikt wordt beyond its authorized purpose
AutonomyAI-design individuele choice coerces of manipuleert
Examen
Elk ethics-scenario op het examen mapt op precies één van deze zeven paren. Leer ze als paren, niet als losse principes.
Geen aparte silo

Ethics events cascaderen door je bestaande taxonomie

START

Fairness-violation

disparate outcomes across protected groups

COMPLIANCE

Regulatory scrutiny

anti-discrimination handhaving (+ evt. GDPR bij privacy)

REPUTATIONEEL

Enterprise crisis

versterkt door media coverage

Waar het misgaat
Een event dat fairness + privacy + compliance overspant, activeert drie regulatory regimes tegelijk. Net daar wordt de inherent risk score bij intake het vaakst onderschat.
Canonieke examenreferenties

Drie gedocumenteerde cases

CaseWat ging misImpact & velocity
Hiring screeningResume-ranking AI op historische data downrankte kandidaten uit underrepresented groupsRegulatory investigation, consent decree, $6M settlement · 18 maanden tot publieke exposure
Facial recognitionLaw-enforcement-systeem misidentificeerde minderheden → wrongful detentionsLegal liability, technology bans in 3 steden, reputatieschade over de hele client base van de vendor
Healthcare risk scoringClinical model gaf lagere acuity scores aan minority patients met gelijke health indicatorsMinder care access → physical harm + regulatory & licensure exposure
Wie escaleert wat?

Risk ownership per principle

Principle(s)Primary ownerEscalatie / co-owner
Fairness & Non-maleficenceAI risk officerCRO (escalation authority)
Transparency & AccountabilityAI owner / business unit head (per systeem)
Human oversightOperations management (business line)Risk officer (toetst adequacy)
PrivacyChief privacy officer / DPOCRO (ethics risk co-ownership)
AutonomyLegal & compliance (bij consumer-facing products)
Veelgemaakte fouten

Drie scoring errors bij ethics risk

⚡ Reputational velocity gap

Moderate score toegekend → verrast als media coverage een lokaal incident binnen 48u tot enterprise crisis maakt.

👥 Harm scope undercount

Enkel direct users geteld; third-party en societal harm gemist. Non-maleficence vereist béíde.

🔀 Cross-category blind spot

Eén event over fairness+privacy+non-maleficence als één moderate event gescoord i.p.v. drie compounding exposures, elk met eigen regulatory regime.

🔗 Rode draad

Alle drie hangen samen met de scoring-lessen (7): inherent-onderschatting + multi-label entries (les 6).

Leading, niet lagging

Een leading KRI per commitment

PrincipleLeading KRIWat het vroeg signaleert
Fairness% AI-systemen met bias test results ouder dan 90 dagenStijgende trend = control decay vóór een violation
TransparencyDeployed systems zonder current model card on fileTransparantie-gap in opbouw
AccountabilitySystems in inventory zonder named ownerNiemand kan instaan voor outcomes
Human oversightRate van human reviewers die AI-recommendations overridenDálende override rate → automation bias zet in
Non-maleficenceHarm impact assessments completed vs. systems awaiting pre-deployment reviewAchterstand op harm-review

Elk van deze indicators gaat áf vóór het risk event, niet erna.

Het cruciale verschil

Technical risk vs. ethics risk scoring

Technical riskEthics risk
Gescoord opProbability van system failure, data breach, performance degradationProbability van principle violation + reputational velocity ná ontdekking
VelocityModerateHoog (story breekt → snel publiek)
ScopeVaak begrensd door user populationOverstijgt vaak de directe populatie (third-party + societal harm)
RollbackPatching/rollback beschikbaarRollback maakt geleden harm niet ongedaan
De asymmetrie
Residual ethics risk moet gescoord worden tegen de populatie die al geraakt is — niet de populatie die ná rollback nog risico loopt. Dat verhoogt zowel de floor als de severity-classificatie voor post-event treatment-beslissingen.
Begrippen uit deze les

Glossarium

Ethics risk event
Incident waarbij een AI-systeem responsible AI principles schendt.
Reputational velocity
Snelheid waarmee een ethics event van intern naar publieke crisis escaleert.
Fairness
Faalt bij disparate outcomes across protected groups.
Transparency
Faalt als decision rationale niet beschikbaar is voor affected parties.
Accountability
Faalt als geen named owner kan instaan voor AI-outcomes.
Human oversight
Faalt als consequential decisions doorgaan zonder meaningful review.
Non-maleficence
Faalt als foreseeable harm users of third parties bereikt.
Privacy (principle)
Faalt als personal data beyond its authorized purpose wordt gebruikt.
Autonomy
Faalt als AI-design individuele choice coerces of manipuleert.
Automation bias
Neiging om AI-output te volgen; zichtbaar in dalende override rate.
Checkpoint

Quiz

Klik op je antwoord voor directe feedback.

VRAAG 1
Een AI-systeem neemt consequential decisions zonder meaningful review. Welk principle faalt?
Transparency
Human oversight
Autonomy
Non-maleficence
Juist: Human oversight. Dat faalt precies wanneer consequential decisions doorgaan zonder meaningful review. Transparency = rationale ontbreekt; autonomy = manipulatie van choice; non-maleficence = foreseeable harm.
VRAAG 2
Waarom moet residual ethics risk anders gescoord worden dan technical risk na een rollback?
Rollback verwijdert alle ethics risk volledig
Rollback maakt geleden harm niet ongedaan — je scoort tegen de al-geraakte populatie, niet de resterende
Ethics risk heeft altijd een lagere velocity
Technical risk kent geen mitigatie
Juist. Bij technical risk helpt patching/rollback; bij ethics risk niet — de harm is al geleden. Daarom scoor je residual tegen de affected population, wat de floor én de severity-classificatie verhoogt.
← Terug naar overzicht