Niet om in de plaats van de bestuurders te beslissen, maar om hen beter voor te bereiden, hun denkvermogen te versterken en de juiste vragen te stellen.

De boardroom is wellicht een van de meest complexe niveaus binnen een organisatie. Die complexiteit is geen bijkomstigheid, ze is de aard zelf van de oefening.

Een analyse van PwC, overgenomen door het Harvard Law School Forum on Corporate Governance, herinnert eraan dat goed presterende raden van bestuur vaak op drie pijlers steunen: een gevarieerde ervaring die het oordeel voedt, een langetermijnvisie op de schaal van de hele onderneming, en een stap afstand van het dagelijkse management die de moeilijke vragen mogelijk maakt. Die drie pijlers vertalen zich in drie vereisten.

Een raad van bestuur moet eerst uiteenlopende standpunten met elkaar verzoenen. Elke bestuurder brengt de rijkdom van de eigen ervaring, het eigen parcours en een eigen kijk op de situatie mee. De waarde van een raad ontstaat juist uit de wrijving tussen die blikken, op voorwaarde dat ze een beslissing voortbrengt in plaats van verlamming.

Vervolgens moet ze het DNA van de onderneming begrijpen. Een bestuursbeslissing wordt nooit op cijfers alleen genomen. Ze raakt aan een geschiedenis, een cultuur, stilzwijgende verbintenissen en een traject dat de documenten nooit volledig weergeven.

Ten slotte moet ze complexe situaties beslechten. Onvolledige informatie, hoge inzet, langdurige gevolgen. Een raad beslist vaak waar geen voor de hand liggend juist antwoord bestaat, alleen afwegingen.

De verleiding

In die context kan het verleidelijk zijn om kunstmatige intelligentie uit te nodigen.

De belofte is reëel. Een taalmodel leest in enkele seconden wat een bestuurder uren kost om door te nemen, en bestuursdossiers lopen vaak op tot enkele honderden bladzijden. In de Harvard Business Review beschrijft Stanislav Shekshnia (INSEAD) pioniersraden die al LLM's gebruiken om vergaderingen voor te bereiden en hypothesen tijdens de zitting te toetsen. Datzelfde onderzoek benoemt drie bijdragen: bestuurders beter voorbereiden, de informatie die de raad bereikt verbeteren, en op termijn deelnemen aan de discussie zelf.

Voorbij de synthese ligt de interessantste bijdrage elders. Een goed geconfigureerd model helpt de vragen naar boven te halen die anders in de blinde vlekken blijven, een aanname in vraag te stellen die niemand durfde te formuleren, en de positie van het management te toetsen aan alternatieve scenario's. PwC wijst in dezelfde richting: AI kan de al lang bestaande informatieasymmetrie tussen raad en management verkleinen, en de strategie onder druk zetten door publieke en interne gegevens te combineren.

De stand van de praktijk verdient echter een nuchtere meting. Een studie gepubliceerd in de Harvard Business Review, overgenomen door het Harvard Law School Forum on Corporate Governance, meldt dat de twee auteurs meer dan vijftig bestuurders in focusgroepen samenbrachten: de meesten zeggen dat ze AI zelden of nooit gebruiken bij de uitoefening van hun mandaat. De belofte loopt ver vooruit op de praktijk.

De risico's

Die belofte gaat gepaard met reële risico's, die zonder omwegen benoemd moeten worden.

Het eerste is vertrouwelijkheid. Een raad behandelt het meest gevoelige dat een onderneming bezit.

Het tweede is onnauwkeurigheid. De MIT Sloan Management Review formuleert het onomwonden: een AI moet in de gaten gehouden worden omdat ze kan afdrijven of hallucineren. Een model kan goed presteren in tests en vervolgens na verloop van tijd stilletjes degraderen. Daar komt het ontbreken van kritisch oordeel bij. Aan zichzelf overgelaten is een LLM de perfecte jaknikker: vlot, zelfverzekerd, snel geneigd te bevestigen wat men verwacht. Het risico voor een raad is dat die ene stem ontstaat waarachter iedereen zich schaart, terwijl goed bestuur zich juist laat meten aan het vermogen van elke bestuurder om tegen te spreken zonder zich erbij neer te leggen.

Andere risico's verdienen het benoemd te worden:

• Afhankelijkheid. Door te leunen op een synthese kan een bestuurder ophouden de bron te lezen en zo de stof zelf van het eigen onderscheidingsvermogen verliezen.
• Voortijdige verankering. Een goed geschreven samenvatting stuurt het debat nog voor het heeft plaatsgevonden, en fabriceert een valse consensus.
• Erosie van de wrijving. Debat is een functie van een raad, geen gebrek. Een instrument dat is gebouwd om glad te strijken, kan uithollen wat de raad waarde geeft.
• Ondoorzichtigheid. Wat modellen zich eigen maken, en in welke mate ze werkelijk aansluiten bij de menselijke bedoeling, blijven moeilijk te auditen. Nochtans vereist governance traceerbaarheid, tegenspraak, verantwoording en het vermogen om uit te leggen waarom een beslissing is genomen. Een snel, vlot en plausibel antwoord volstaat niet.
• Verantwoordelijkheid. Een bestuurder draagt een fiduciaire en wettelijke verantwoordelijkheid. De MIT Sloan Management Review plaatst dit in de lijn van de rechtspraak Caremark en Marchand en trekt er een rechtstreeks gevolg uit: toezicht houden op het AI-risico veronderstelt een grotere technologische geletterdheid van de raad. Die verantwoordelijkheid kan niet aan een machine worden gedelegeerd.

De risico's aanpakken

Geen van deze risico's is onoverkomelijk. Elk ervan is beheersbaar.

Wat vertrouwelijkheid betreft, herinnert de actualiteit er geregeld aan dat niets volkomen veilig is. Dat geldt voor een webtool, een e-mailsysteem, een cloud, zoals voor elke digitale infrastructuur. Nulrisico bestaat niet.

Maar laten we de echte vraag stellen. Hoeveel bestuurders en leidinggevenden gebruiken al een publieke LLM in hun werk, en voeren er interne informatie in zonder het minste kader? De cijfers spreken boekdelen. Volgens het LayerX-rapport van 2025 gebruikt 45% van de werknemers generatieve AI-tools, en daarvan plakt 77% gegevens in hun vragen, waarvan meer dan een vijfde persoons- of betaalgegevens bevat. Nog opvallender: ongeveer 82% van dat kopiëren en plakken verloopt via onbeheerde persoonlijke accounts, buiten elke beveiligingsperimeter van de onderneming. Een enquête uit 2026 bevestigt de tendens: 43% van de werknemers voerde professionele correspondentie in publieke tools in, 34% klantgegevens, en 31% financiële informatie of vertrouwelijke documenten en strategieën. De zaak Samsung, waarbij ingenieurs vertrouwelijke code via ChatGPT prijsgaven terwijl ze hulp zochten bij het debuggen, is slechts de zichtbare illustratie van een verschijnsel dat tegelijk massaal en stil is.

Het debat gaat dus niet over "een LLM of geen LLM in de raad". Het gaat over "een omkaderde LLM of het ongereguleerde gebruik dat al aan de gang is". Een tool die in een beheerste omgeving wordt gehost, contractueel afgebakend en beheerst door duidelijke governanceregels, is beter verdedigbaar dan de werkelijke situatie van vandaag. De MIT Sloan Management Review beschrijft precies deze logica onder de noemer minimum viable governance: het toezicht moet ingebouwd zijn in het platform zelf, dat elke prompt en elk antwoord logt, gevoelige gegevens maskeert, hallucinaties filtert en een controleerbaar spoor nalaat. De controle houdt op een controlepost vooraf te zijn en wordt een doorlopende opvolging. En dat kader dient meer dan de veiligheid: zonder ernstige configuratie levert een LLM ook zwakke antwoorden op, wanneer ze niet gewoon fout zijn.

Wat de onnauwkeurigheid betreft, valt of staat alles met de constructie. Een bestuurstool is geen kale chatbot, het is een architectuur. Bij Nobilys neemt ze de vorm aan van board patterns, een structuur van gespecialiseerde competenties en een virtuele raad die niet is ontworpen om gerust te stellen, maar om uit te dagen. De verankering in de echte documenten van de raad steunt op een techniek die RAG heet, voor retrieval-augmented generation. In plaats van te antwoorden vanuit alleen de algemene kennis, zoekt het model eerst de relevante passages in de eigen documenten van de onderneming op en bouwt het zijn antwoord daarop. Zo blijft het gebonden aan de werkelijke stof van het dossier, en niet aan zijn benaderingen. De ontwerpintentie is het omgekeerde van de gebruikelijke reflex: men zoekt geen model dat behaagt, maar een model dat tegenspreekt, dat de blinde vlek aanwijst en de ontbrekende vraag naar boven brengt. Eén vereiste blijft, die de MIT Sloan Management Review in één zin samenvat: wanneer een model doet wat het niet zou mogen, moet iemand de bevoegdheid hebben om het te stoppen. Die bevoegdheid blijft menselijk.

Een mogelijk model

Hoe ziet zo'n model er dan uit?

Het bereidt de raad voor, door omvangrijke dossiers te verteren zodat de vergadertijd terugkeert naar het oordeel. Een bestuurder die de avond voordien tweehonderd bladzijden ontvangt, kan de volgende ochtend beschikken over een gestructureerde synthese, de aandachtspunten en de risicozones, en met een voorsprong de zitting binnenstappen.

Het vergroot de capaciteit van de raad, via gespecialiseerde profielen die in het verlengde van de comités liggen: audit, remuneratie en benoeming, risico, duurzaamheid. Een module van sectorintelligentie, eigen aan de activiteit van de klant, vult een veelvoorkomende blinde vlek op. Die blinde vlek is gedocumenteerd: bijna drie kwart van de raden schat zichzelf in als matig of nauwelijks AI-geletterd, en velen dragen een generatieachterstand op het vlak van digitalisering.

Het daagt de beslissingen uit en bevraagt het management, en houdt daarbij een lijn aan die de meeste ervaren bestuurders zullen herkennen: een raad beslist, maar stelt vooral vragen. De echte waarde van zo'n tool is niet antwoorden, maar de juiste vragen stellen, of ze nu inhoudelijk, procesmatig of strategisch zijn. Concreet kan men een voorbereidingsdossier inladen en niet om een samenvatting vragen, maar om de vijf vragen die een nauwgezette bestuurder in de zitting zou moeten stellen over een bepaalde investering of overname. De waarde verschuift van het antwoord naar de vraag.

Het versnelt ten slotte de integratie van nieuwe bestuurders, door snelle toegang te geven tot vroegere beslissingen, hun motivering en de historiek, wat een doorgaans lange leercurve verkort.

Het fundamentele bezwaar

Een veeleisende raad zal het bezwaar zelf opwerpen, dus kunnen we het maar beter benoemen. Een consumenten-LLM geeft al goede oppervlakteantwoorden, en een ervaren raad komt vaak tot dezelfde conclusies. Dat klopt. Maar dat verwart het antwoord met de waarde.

De waarde van zo'n tool is niet een onverwachte conclusie voortbrengen. Ze ligt elders: in de snelheid van voorbereiding, in het afstemmen van de raad rond een gedeelde feitenbasis, in de versnelde integratie van een nieuw lid, en in een verankering in de echte documenten van de onderneming die een generieke tool nooit zal bieden. Een publieke chatbot beantwoordt een geïsoleerde vraag. Een goed gebouwde virtuele raad houdt het geheugen van de vroegere beslissingen bij, kent het dossier, en is ontworpen om tegen te spreken in plaats van te behagen. Het verschil zit niet in de vlotheid van het antwoord, het zit in de diepgang en de traceerbaarheid van wat het onderbouwt.

Niet vervangen, maar verruimen



Blijft de meest intieme vrees. De bestuurder kan vrezen de eigen meerwaarde te verliezen. Het tegendeel gebeurt.

AI beslist niet en heeft niet te beslissen. Ze verruimt het denkvermogen, plaatst een beslissing in perspectief, opent invalshoeken die de kamer niet had gezien. Het oordeel, de afweging en de verantwoordelijkheid blijven volledig menselijk.

Deze bijdrage beperkt zich niet tot middelgrote organisaties zonder gestructureerde raad, waar de winst aan structuur voor de hand ligt. Ze geldt evenzeer voor volwassen, professionele raden, die er winnen aan doeltreffendheid, aan impact en aan afstemming. Een goed gebouwde tool verstevigt de afstemming van een raad evenzeer als ze de integratie van de nieuwe leden versnelt.

De juiste manier om AI in de boardroom uit te nodigen, is dus niet ze de beslissing toe te vertrouwen. Het is er een instrument van voorbereiding en een partner in tegenspraak van te maken, ten dienste van bestuurders die, en die alleen, verantwoording blijven dragen voor hun keuzes.

Bronnen

• Stanislav Shekshnia, « How Pioneering Boards Are Using AI », Harvard Business Review, juillet-août 2025.
• « How Forward-Thinking Boards Are Using AI », INSEAD Knowledge, janvier 2026.
• Paul DeNicola, Barbara Berlin, Ariel Smilowitz (PwC), « Using AI in the Boardroom : New Opportunities and Challenges », Harvard Law School Forum on Corporate Governance, novembre 2025.
• « How Boards Can Lead in a World Remade by AI », Harvard Law School Forum on Corporate Governance, février 2026.
• « Why Your Board Needs a Plan for AI Oversight », MIT Sloan Management Review.
• « A Framework for Assessing AI Risk », MIT Sloan, janvier 2026.
• Nick van der Meulen, Jennifer Jewer, « Minimum Viable Governance for Generative AI », MIT Sloan Management Review, juin 2026.
• « The Real Question to Ask About AI Governance », MIT Sloan Management Review, juin 2026.
• LayerX, Enterprise AI and SaaS Data Security Report 2025.
• « Shadow AI Is Happening Within Your Organization », enquête 2026.
• Lutz Finger, « AI in the Boardroom : What Directors Need to Know », Forbes, avril 2026.