Wanneer wordt informatie waardeloos?

Onlangs kreeg ik via LinkedIn een vraag die mij aan het denken zette. Als een AI-agent zelfstandig een handeling uitvoert, wat is dan het archiefstuk? Alleen het resultaat in het systeem, of ook de opdracht en de afweging die eraan voorafging?

De vraagsteller ziet in de praktijk alleen het resultaat, het antwoord. Dat resultaat wordt opgeslagen, maar de informatie die verklaart hoe dat resultaat tot stand kwam, verdwijnt. Een jaar later kan niemand meer nagaan hoe het systeem bij dat antwoord gekomen is en waarom het heeft gehandeld zoals het heeft gehandeld.

Dat is geen toekomstmuziek. Het raakt aan een vraag die door de komst van AI-agents steeds urgenter wordt: wat (en hoe) moeten we eigenlijk bewaren om later nog te kunnen begrijpen wat er is gebeurd?

Eindversie bewaren

De traditionele informatievoorziening is gebaseerd op documenten en dossiers. Een besluit ligt vast in een document. De eindversie wordt bewaard en misschien nog het goedgekeurde concept mét een verwijzing naar onderliggende rapporten wanneer die niet gepubliceerd zijn. In dat systeem komt een wijziging tot stand door een voorstel. Een transactie heeft een registratie, de onderliggende bewijsstukken worden op nummer opgeslagen. Een dossier bevat de (uiteenlopende soorten) informatie die nodig is om een zaak te reconstrueren.

Maar een AI-agent werkt anders. Een agent kan een opdracht ontvangen, informatie uit verschillende bronnen ophalen, regels of instructies toepassen, een keuze maken en vervolgens zelfstandig een handeling uitvoeren. Het resultaat daarvan kan keurig in een bedrijfsapplicatie worden opgeslagen.

'Misschien moeten we daarom opnieuw nadenken over het begrip archiefstuk'

Wat echter ontbreekt, is het 'logboek': van welke opdracht kreeg de agent? Welke informatie gebruikte hij? Welke versie van een instructie of model was actief? Welke gegevens waren beschikbaar? Welke actie werd uitgevoerd? En onder welke omstandigheden? Als alleen het eindresultaat wordt bewaard, blijft de gebeurtenis zichtbaar, maar verdwijnt de context. Dat is een archiveringsprobleem.

Het archiefstuk verandert

Misschien moeten we daarom opnieuw nadenken over het begrip archiefstuk. Bij menselijke besluitvorming is het eindbesluit mét de onderliggende stukken kunnen nodig zijn om de totstandkoming van het besluit te kunnen reconstrueren. Waarom zou dat bij een AI-agent anders zijn?

Het gaat daarbij niet om het bewaren van iedere interne berekening of vermeende 'gedachtegang' van een AI-model. Het gaat om iets van meer praktische en juridische aard: de informatie die noodzakelijk is om een geautomatiseerde handeling achteraf te kunnen reconstrueren en verantwoorden.

Dat kan bijvoorbeeld bestaan uit:

- de oorspronkelijke opdracht;

- de relevante invoer en gegevens;

- de gebruikte regels of instructies;

- de identiteit en versie van het AI-systeem;

- de uitgevoerde actie;

- het resultaat;

- en relevante log- of auditinformatie.

Samen vormen die gegevens mogelijk een handelingsketen. En misschien is dat bij autonome AI belangrijker dan het traditionele idee van één afzonderlijk archiefstuk.

Beleidsontwikkeling

Het interessante is dat deze ontwikkeling niet volledig meer theoretisch is.

De Amerikaanse National Archives and Records Administration (NARA) publiceerde op 21 augustus 2026[1] specifieke guidance over het toepassen van de federale archiefwetgeving op AI-materialen. Daarin worden onder meer inputs, outputs, data, audit trails en andere AI-gerelateerde materialen expliciet meegenomen. De guidance stelt bovendien dat AI-gerelateerde records alleen mogen worden vernietigd volgens daarvoor goedgekeurde bewaarschema's.

Ook in Europa is traceerbaarheid onderdeel van de AI-regelgeving. Voor hoog-risico-AI-systemen schrijft de AI Act onder meer loggingmogelijkheden voor waarmee gebeurtenissen gedurende de levensduur van het systeem kunnen worden geregistreerd.

Dat betekent niet dat hiermee voor iedere organisatie is vastgesteld wat precies het archiefstuk van een AI-agent is. Daarvoor verschillen toepassingen, risico's en wettelijke kaders te veel.

Maar de richting is duidelijk: logging en traceerbaarheid worden onderdeel van verantwoord omgaan met AI.

Bewaartermijnen

Daarmee zijn we terug bij de vraag waarmee deze blog begon. Een bewaartermijn is bedoeld om te bepalen hoe lang informatie moet of mag worden bewaard. Maar een bewaartermijn is geen houdbaarheidsdatum waarop informatie plotseling waardeloos wordt. Dat onderscheid wordt belangrijker naarmate organisaties meer processen automatiseren.

Stel dat een AI-agent vandaag zelfstandig een beslissing neemt en een jaar later alleen het resultaat nog beschikbaar is. De formele bewaartermijn van bepaalde loggegevens kan inmiddels verstreken zijn. Maar wat als er over twee jaar een incident ontstaat? Of een audit? Of een juridische vraag? Of simpelweg de behoefte om te begrijpen waarom een bepaald besluit destijds is genomen?

Dan kan informatie die aanvankelijk als technische logging werd beschouwd ineens cruciale bewijs- of reconstructiewaarde hebben. De waarde van informatie wordt dus niet uitsluitend bepaald door het moment waarop zij wordt gecreëerd.

Weggooien is ook een besluit

Dat betekent niet dat organisaties alles moeten bewaren. Integendeel. Eindeloos bewaren creëert nieuwe problemen. Denk aan privacy, cybersecurity, opslagkosten en het risico dat relevante informatie verdwijnt in een onoverzichtelijke informatieberg. Bewaren en vernietigen moeten daarom allebei bewuste governancebesluiten zijn.

Maar bij AI ontstaat een extra uitdaging: we weten vooraf niet altijd welke informatie later nodig is om een geautomatiseerde handeling te begrijpen. Wat wél vooraf gedocumenteerd behoort te zijn, is welke systemen nodig zijn om die data uit te lezen en/of weer zichtbaar te maken.

Dat vraagt om een andere manier van kijken naar bewaartermijnen. Niet alleen: hoe lang moeten we dit bewaren? Maar ook: welke informatie hebben we nodig om later te kunnen reconstrueren wat er is gebeurd?

Van archiefstuk naar handelingsketen

De conclusie moet zijn dat het 'archiefstuk' in een AI-omgeving een samenhangende handelingsketen is. Misschien ligt daar een belangrijke ontwikkeling voor het vakgebied.

Dat vraagt niet alleen iets van archivarissen en records managers. Ook IT, data management, security, juridische functies en de proceseigenaar zullen moeten nadenken over wat later noodzakelijk is om een geautomatiseerde handeling te kunnen verklaren. Het verdient steeds meer aanbeveling om het nadenken over het aspect selectie en opslag van data te verplaatsen van het eind naar het begin van de informatiecyclus. Dit is een rol die informatiespecialisten op het lijf geschreven is.

Daarbij is één vraag misschien belangrijker dan de bewaartermijn zelf: als een AI-agent over vijf jaar een beslissing heeft genomen, kunnen we dan nog reconstrueren waarom? Als het antwoord nee is, hebben we misschien niet alleen informatie vernietigd, maar ook een stukje van het geheugen van onze organisatie vernietigd.

[1] Guidance on Applying the Federal Records Act to Artificial Intlligence Materials. Document nr. AC 11.2026. / https://share.google/22hf5yQBXGzowx4AB.