AI per branche: toepassingen per sector

Wat verschilt er bij AI per branche en wat blijft in elke sector gelijk?

Bij AI per branche zijn de vraagstukken in elke sector dezelfde: bepalen welke toepassingen voorrang krijgen, een leverancier of bouwpartij kiezen en de toepassing na livegang in de hand houden. De verschillen zitten in de regels, de gevoeligheid van de data en de foutkosten, en die bepalen hoe zwaar elke stap wordt ingericht.

Wanneer gelden de regels voor hoog-risicotoepassingen bij AI per branche?

Vanaf 2 december 2027 gelden sinds de Digital Omnibus de regels voor hoog-risicotoepassingen, en voor AI in producten als medische hulpmiddelen vanaf 2 augustus 2028; die regels zijn uitgesteld. Bij AI per branche legt de AI Act een laag over de sectorregels heen, met verplichtingen die per toepassing verschillen; de uitwerking staat op de pagina over de AI Act.

Staan er bij AI per branche voor elke sector cases op de site?

Nee. Er staan cases uit financiële dienstverlening, retail, industrie en zakelijke dienstverlening in het overzicht van cases. Voor zorg, marketing, automotive, onderwijs, luchtvaart en overheid beschrijven de pagina's over AI per branche de vraagstukken en regels, geen eigen resultaten.

Wat laat het AI Readiness Assessment zien, ongeacht de sector?

Het AI Readiness Assessment geeft in korte tijd een nuchter beeld van hoe een organisatie ervoor staat, ongeacht de sector.

Bron: artikel van Dave Willemstein; primaire bron: Verordening (EU) 2026/1744 (Digitale omnibus inzake AI), gewijzigd artikel 113 AI Act, EUR-Lex; Verordening (EU) 2024/1689 (AI Act), bijlage I, EUR-Lex; Europese Commissie, AI Omnibus enters into force (27 juli 2026); Autoriteit Persoonsgegevens, AI-verordening (peildatum 6 oktober 2026). Bijgewerkt: oktober 2026.

Waarom sectorkennis ertoe doet

Wie AI per branche bekijkt, ziet eerst de verschillen: een ziekenhuis heeft andere processen dan een bank, een marketingafdeling werkt met andere data dan een gemeente. Toch lijken de vraagstukken sterk op elkaar. Overal moet iemand bepalen welke toepassingen voorrang krijgen, welke leverancier of bouwpartij past en hoe je het na de livegang in de hand houdt. Prioriteren, kiezen en borgen: dat is het werk, in elke sector.

Sectorkennis doet ertoe op drie punten:

• Regels. In de zorg speelt de regelgeving voor medische hulpmiddelen mee, in de financiële sector het toezicht van DNB en AFM, bij de overheid de eisen aan besluiten over burgers. De AI Act legt daar een laag overheen, met verplichtingen die per toepassing verschillen.
• Data. Gezondheidsgegevens, financiële transacties en klantprofielen vragen elk een andere omgang. Wat in de ene sector een gewone dataset is, is in de andere een bijzonder persoonsgegeven.
• Foutkosten. Een verkeerd gegenereerde productbeschrijving is vervelend. Een verkeerde kredietbeoordeling of triage is iets anders. Hoeveel menselijke controle je inbouwt, hangt daarvan af.

1. PrioriterenWelke toepassingen leveren iets op en zijn haalbaar? Gelijk in elke sector.
2. KiezenKopen, bouwen of een partner: dezelfde afweging, andere eisen.
3. BorgenEigenaarschap, meten en bijsturen na livegang.
4. SectorlaagRegels, datagevoeligheid en foutkosten bepalen hoe streng elke stap is.

Eerlijk over mijn eigen achtergrond: het zwaartepunt van mijn werk ligt bij financiële dienstverlening, retail, industrie en zakelijke dienstverlening. Dat staat ook zo in de veelgestelde vragen. Voor andere sectoren breng ik de aanpak mee; voor sectorspecifieke vragen heb je daarnaast iemand nodig die het domein van binnenuit kent.

Sectoren

Per sector heb ik een aparte pagina gemaakt met de belangrijkste toepassingen, de regels die meespelen en de valkuilen die vaak terugkomen. Hieronder een korte kennismaking.

Zorg

In de zorg ligt de druk op capaciteit en administratie, terwijl de eisen aan veiligheid en privacy hoog zijn. Software met een medisch doel kan een medisch hulpmiddel zijn, en gezondheidsgegevens zijn extra beschermd. Lees meer over toepassingen en regels voor AI in de zorg.

Marketing

Marketing was een van de eerste domeinen waar generatieve AI breed werd gebruikt, voor content, personalisatie en analyse. De uitdaging zit minder in de tools en meer in merkconsistentie, klantdata en toestemming. Zie de pagina over AI in marketing en een eigen marketingstrategie.

Fintech

Banken, verzekeraars en fintechs werken onder stevig toezicht. Kredietbeoordeling van particulieren en de risicobeoordeling en prijsstelling bij levens- en ziektekostenverzekeringen gelden onder de AI Act als hoog risico. Hoe je daar verantwoord mee omgaat, lees je bij AI in fintech en financiële dienstverlening.

Automotive

In de automotive-keten speelt AI van productie en kwaliteitscontrole tot aftersales en klantcontact. Veel van de vragen overlappen met die in de bredere maakindustrie. Meer op de pagina over AI voor automotive.

Onderwijs

Onderwijsinstellingen zoeken naar een balans tussen de mogelijkheden voor studenten en docenten en de risico’s voor toetsing en gelijke kansen. Lees verder over AI in het onderwijs.

Luchtvaart

De luchtvaart kent een eigen veiligheidsregime en een eigen Europese toezichthouder. AI voor planning, onderhoud of klantcontact moet daarin passen. Zie AI in de luchtvaart.

Overheid

Bij de overheid raken AI-toepassingen al snel de rechten van burgers, en daarmee transparantie en uitlegbaarheid. Lees meer over AI binnen de overheid.

Zit je sector er niet tussen? Dan is de algemene pagina over AI voor bedrijven een beter startpunt. En welke verplichtingen de Europese regels per toepassing meebrengen, staat uitgewerkt op de pagina over de AI Act. Let op dat de regels voor hoog-risicotoepassingen zijn uitgesteld: sinds de Digital Omnibus gelden ze vanaf 2 december 2027, en voor AI in producten als medische hulpmiddelen vanaf 2 augustus 2028 (Europese Commissie).

Cases per sector

De meeste cases op deze site komen uit de sectoren waar mijn werk het zwaarst op leunt. Ze laten zien hoe dezelfde aanpak in een andere context uitpakt:

• Financiële dienstverlening: een KYC-proces met AI-ondersteunde documentanalyse, waarin de analist altijd de laatste toets houdt, en een use-case portfolio voor een investeringsmaatschappij.
• Retail: een gestructureerde leveranciersselectie in enterprise retail, waarin de criteria vastlagen voordat er een leverancier op tafel kwam.
• Industrie: een AI-roadmap voor een internationale maakorganisatie, met losse pilots die onder één governance kwamen.
• Zakelijke dienstverlening: een interne AI-assistent voor kenniswerkers, waar adoptie meer werk was dan techniek.

Voor zorg, marketing, automotive, onderwijs, luchtvaart en overheid staan er geen cases op de site. Op die sectorpagina’s beschrijf ik daarom de vraagstukken en regels, niet eigen resultaten. Alle cases vind je in het overzicht van cases.

Wil je weten hoe je organisatie ervoor staat, ongeacht de sector? Het AI Readiness Assessment geeft in korte tijd een nuchter beeld. Of plan een adviesgesprek van dertig minuten, dan hoor je aan het eind wat ik zou doen.