Een AI-workflow die documenten verwerkt, is pas controleerbaar als je kunt terugzien wat er met elk item is gebeurd. Niet omdat je medewerkers wantrouwt, maar omdat automatisering het tempo opvoert: als er dagelijks honderden facturen of meldingen door een model gaan, is een steekproef achteraf alleen zinvol als elke stap herleidbaar is. De AVG kent daarvoor een verantwoordingsplicht: je moet kunnen laten zien hoe je verwerkingen zijn ingericht. Een audit trail is daarvan de praktische invulling, geen administratieve luxe.
Wat is een audit trail bij een AI-workflow?
Een audit trail is het logboek van een workflow: per verwerkt item leg je vast wie of wat welke stap heeft gedaan en wanneer. Bij klassieke systemen zit die vastlegging vaak verstopt in technische logs. Bij AI-workflows komt daar een tweede laag bij, en daar zit meteen het verschil: technische logs zeggen dat een workflow draaide, de inhoudelijke vastlegging zegt wat er met een specifiek document of aanvraag is besloten.
Voor een interne AI-assistent betekent dit bijvoorbeeld dat je kunt terugzien welke bronnen een antwoord onderbouwden. Zonder die koppeling is een antwoord dat achteraf verkeerd blijkt niet meer te herleiden tot de oorzaak: een verkeerde bron, een verouderd beleid of een slechte prompt. Dat onderscheid bepaalt of je een incident oplost of een structurele fout laat zitten. De vastlegging hoort daarom onderdeel te zijn van de werkstroomorkestratie zelf, niet een export die je achteraf probeert te reconstrueren.
Een compact logboek: welke velden heb je nodig
Een werkbaar logboek is kleiner dan je denkt. Per verwerkt item volstaan acht velden voor de meeste MKB-processen:
| Veld | Wat je vastlegt |
|---|---|
| Timestamp | Wanneer de stap liep |
| Workflow | Welke stroom, inclusief versie |
| Bron | Verwijzing naar het brondocument of de aanvraag |
| Modeluitkomst | Wat het model voorstelde |
| Confidence | Zekerheidsscore of status van de stap |
| Beslissing | Wat er uiteindelijk gebeurde |
| Medewerker | Wie goedkeurde of corrigeerde |
| Correctie | Wat er is aangepast en waarom |
Een regel in gewone taal ziet er dan zo uit: op 3 augustus om 09:14 kwam factuur 2024-118 binnen, het model classificeerde de leverancier met hoge zekerheid, een medewerker keurde de koppeling om 09:31 goed en er werd niets gecorrigeerd. Twee maanden later staat die regel er nog, ook als de factuur zelf inmiddels is gearchiveerd.
De meest voorkomende fout in de praktijk is een logregel zonder gebruikers-id. Iedereen ziet dan dat er is goedgekeurd, niemand kan zeggen door wie.
Wat je niet in de log zet
Dataminimalisatie geldt ook voor je logboek. Het brondocument zelf hoef je niet in de log te kopiëren; een documentnummer of een hash volstaat. Een factuur van veertig regels in elke logregel is vooral schijfruimte en een groter risico als de log ooit uitlekt. Verwijs naar de bron en bewaar het origineel in je archief.
Daarmee beantwoord je ook de vraag waar logs eigenlijk over gaan. Technische logs (wie draaide wanneer welke workflow) en inhoudelijke gegevens (wat stond er in het document en wat is er besloten) zijn twee verschillende dingen. De eerste is systeembeheer, de tweede is een verwerking van persoonsgegevens en valt onder dezelfde regels als het proces zelf.
Bewaartermijn en toegang: bepaal per proces
Er is geen universele bewaartermijn voor workflow-logs; die stel je per proces vast op basis van wat je ermee moet kunnen aantonen. Fiscale stukken kennen eigen termijnen, een klachtprocedure heeft weer een andere. Het uitgangspunt is simpel: bewaar niet langer dan nodig om het proces te kunnen verantwoorden.
Toegang tot logs is net zo'n bewuste keuze. Niet elke medewerker hoeft te zien wie wat heeft goedgekeurd; een beheerder, een functionaris gegevensbescherming of een accountant wel. Dat sluit aan op rechten en bronafscherming bij een interne AI-assistent. En of het proces zelf een DPIA vereist, is een aparte vraag, behandeld in DPIA bij AI-automatisering.
De menselijke stap: goedkeuringen en correcties
De meest vergeten logregel is de correctie. Een medewerker wijzigt een bedrag in het ERP, maar de workflow-log toont nog de oude modeluitkomst. Bij een controle ziet dat eruit als een fout van de workflow, terwijl het een bewuste correctie was. Leg daarom vast wie wat heeft gewijzigd en waarom; dan is een correctie bewijs van zorgvuldigheid in plaats van een verdachte afwijking. Meer hierover staat in Facturen autoriseren met AI: van controle naar goedkeuring zonder rondmailen.
Wanneer menselijke goedkeuring nodig is en wanneer niet, is een eigen ontwerpkeuze. Human in the loop bij AI-automatisering behandelt die afweging; de log legt achteraf vast hoe die keuze in de praktijk is uitgepakt. Ook bij een interne AI-assistent geldt: een antwoord dat een medewerker heeft aangepast voordat het de deur uitging, is alleen herleidbaar als die aanpassing ergens staat.
Logs als grondstof
Logs zijn geen eindbestemming maar grondstof. Bij een klacht of een foutieve uitbetaling is de log het eerste waar je kijkt. Bij een terugkerende afwijking zie je in de logs dat dezelfde correctie steeds terugkomt, en dat is een signaal dat de workflow of de onderliggende data moet worden aangepast. Zo sluit logging aan op onderhoud en monitoring van AI-workflows.
Blijf er wel bij: een logboek dat niemand leest is een verplichting die niets oplevert. Plan een vast moment per week om uitzonderingen en correcties door te lopen, bijvoorbeeld tijdens de bestaande monitoring. Meer hierover staat in AI-governance voor het MKB: beleid, register en controle praktisch inrichten.
Veelgestelde vragen
Hoe lang moet je workflow-logs bewaren?
Er is geen vaste termijn die voor alle logs geldt. Fiscale administraties kennen een bewaarplicht van zeven jaar; voor workflow-logs zonder fiscale rol is een periode van een tot twee jaar in de praktijk vaak genoeg om processen te verantwoorden. Bepaal de termijn per proces, zet hem in je verwerkingsregister en ruim op wat verlopen is.
Hebben medewerkers recht op inzage in logs?
Ja, voor zover het persoonsgegevens over hen betreft. Het AVG-inzagerecht geldt ook voor logregels waarin hun naam of gebruikers-id staat. Zorg dat je zo'n verzoek kunt beantwoorden door de relevante regels eruit te filteren, zonder de hele log te delen.
Kan AI zelf een audit trail opstellen?
Een model kan achteraf een samenvatting maken van wat er is gebeurd, maar die samenvatting is geen log. De vastlegging moet tijdens de workflow ontstaan, stap voor stap, anders is het een interpretatie achteraf en geen bewijs van de feitelijke gang van zaken.
Wat als een medewerker een beslissing van de workflow terugdraait?
Registreer de terugdraaiing als een aparte logregel met wie en wanneer. In sectoren met eigen regels, zoals zorg of financiële administratie, gelden soms aanvullende bewaar- of correctieverplichtingen. Een terugdraaiing zonder logregel is bij een controle onzichtbaar, en dat is precies het moment waarop een audit trail zijn waarde bewijst.