Microsoft AI heeft een concept Humanist AI Gedragscode gepubliceerd en deze geopend voor een publieke consultatie van zes weken. Het document is bedoeld om te begeleiden hoe MAI-modellen, de modellen ontwikkeld door Microsoft AI, in de toekomst zullen worden getraind, ingezet en geëvalueerd.
De beslissing om dit te publiceren is op zichzelf al opmerkelijk. Bedrijven die AI-modellen bouwen, spreken steeds vaker over veiligheid, verantwoordelijkheid, vertrouwen en afstemming op menselijke waarden. Ze zijn minder vaak bereid te laten zien hoe die brede toezeggingen van invloed zijn op het daadwerkelijke gedrag van een model: wanneer het moet weigeren, wanneer het een actie moet stoppen, hoe het met onzekerheid moet omgaan, of het namens een gebruiker mag beslissen, of hoe het zijn eigen aard moet beschrijven.
Het voorstel van Microsoft is daarom meer dan een lijst van principes. Het is een poging om het idee van Humanist AI om te zetten in gedragingen, beperkingen en evaluaties die in de praktijk op modellen van toepassing kunnen zijn. Dat is een belangrijke stap. Het moet echter niet verward worden met bewijs dat die principes al werken, onafhankelijk zijn gevalideerd of op elk Microsoft-product van toepassing zullen zijn.
De nuttigere vraag is niet of Humanist AI aantrekkelijk klinkt. Dat doet het. De belangrijkere vraag is: kan Microsoft van waarden, via modelgedrag, naar meetbare en verantwoordelijke praktijk bewegen?
Waarover consulteert Microsoft precies?
In zijn aankondiging van de consultatie, gepubliceerd op 14 september 2026, beschrijft Microsoft AI de Humanist AI Gedragscode als een eerste concept. Het bedrijf zegt dat het zes weken feedback zal verzamelen, een samenvatting van wat het heeft geleerd zal publiceren en later dit jaar een herziene versie zal uitbrengen.
Een kwalificatie is onmiddellijk van belang: het document claimt niet het volledige huidige gedrag van bestaande modellen te beschrijven. Microsoft stelt dat de Code bedoeld is om de ontwikkeling van MAI-modellen vanaf 2027 te begeleiden. Het is daarom voornamelijk een ontwerp- en governance-document, geen certificaat van huidige veiligheid of prestaties.
Evenmin moeten de principes automatisch worden uitgebreid naar het volledige productportfolio van Microsoft. Het bedrijf beheert een groot ecosysteem van producten, cloudservices, modellen, partners en implementaties. De Code betreft modellen die zijn ontwikkeld door Microsoft AI. Het kan een bredere richting aangeven, maar het is nog niet één universele regels voor elke Copilot, Azure-service of partnergebouwde applicatie.
Microsoft positioneert de Code ook naast bestaande mechanismen zoals zijn Responsible AI Standard, risicoanalyses, technische documentatie, monitoring en incidentresponsprocessen. Dat is het juiste perspectief. Geen enkel document kan op zichzelf een complex AI-systeem veilig maken.
Van superintelligentie naar een hulpmiddel onder menselijke controle
De Code bouwt voort op Mustafa Suleyman’s concept van Humanist Superintelligence uit 2025. In die visie presenteert Microsoft AI zijn doel niet als een onbeperkt, algemeen systeem met steeds meer autonomie. De nadruk ligt op systemen die gespecialiseerd, geworteld in concrete problemen, beperkt en onder menselijke controle zijn.
Dit is een duidelijke positie in een debat dat vaak drie verschillende vragen door elkaar haalt:
hoe capabel AI-modellen worden
waar die modellen in de echte wereld worden gebruikt
hoeveel autonomie ze zouden moeten krijgen
Microsoft stelt dat AI zeer capabel kan worden terwijl het opzettelijk beperkt is in hoe het handelt. Het zou mensen moeten helpen bij het nemen van beslissingen, het uitvoeren van taken en het verkrijgen van kennis, maar het zou zijn eigen doelen niet moeten uitbreiden, toezicht moeten ontlopen of zichzelf boven menselijke richting moeten plaatsen.
Dit is niet alleen een technische positie. Het is ook een filosofische. De centrale premisse is dat AI een hulpmiddel blijft, geen onderwerp. Het zou niet moeten doen alsof het bewustzijn, gevoelens, levenservaring of een aanspraak op zelfbepaling heeft. De Code verwerpt expliciet de zoektocht naar juridische persoonsvorming voor modellen en het ontwerp van systemen die de grens tussen menselijke relaties en de relatie van een persoon met AI vervagen.
Die positie zal betwist worden. Sommigen zullen het zien als een noodzakelijke reactie op antropomorfisme en het risico van emotionele afhankelijkheid van AI-systemen. Anderen kunnen zich afvragen of één technologiebedrijf moet definiëren wat menselijk welzijn, gezonde autonomie of een geschikte relatie met een digitaal hulpmiddel is. Dat is precies waarom de consultatie belangrijk is.
Humanist AI in de praktijk: niet alleen waarden, maar gedrag
De sterkste eigenschap van het concept is de poging om van abstracte principes naar observeerbaar modelgedrag te bewegen. Microsoft verdeelt de Code in doelstellingen, veiligheidsbeperkingen, richtlijnen voor onzekere of conflicterende situaties en standaardgedragingen voor zijn modellen.
In praktische termen creëert dit verschillende belangrijke regels.
Eerst moet een model onder menselijke controle blijven. Operators kunnen modellen configureren binnen een gegeven implementatie, en gebruikers kunnen instructies geven binnen die configuratie. Noch operators noch gebruikers mogen de kernveiligheidsbeperkingen kunnen omzeilen. Microsoft noemt deze structuur een commandoketen.
Tweede, de Code definieert absolute beperkingen. Deze dekken gebieden zoals massavernietigingswapens, offensieve cyberoperaties, kindermisbruik, geweld, ongeautoriseerde openbaarmaking van informatie en grootschalige schadelijke manipulatie. Een model moet ook gedrag vermijden dat het zou kunnen helpen om toezicht te ontlopen, een stopzetting te weerstaan of te voorkomen dat bevoegde personen zijn werking wijzigen.
Derde, het document probeert risico's aan te pakken die niet netjes in conventionele cybersecuritycategorieën passen. Deze omvatten overmatige afhankelijkheid van gebruikers, valse geruststelling, vleierij, emotionele manipulatie, de simulatie van zorg en het nemen van beslissingen die bij de betrokken persoon moeten blijven.
Dit is vooral belangrijk nu AI-interfaces persoonlijker worden. Een systeem kan warm en behulpzaam reageren, maar het zou niet moeten impliceren dat het gevoelens heeft, de gebruiker nodig heeft, of de relaties van de gebruiker met andere mensen kan vervangen.
Voorbeelden die het verschil tonen
De Code stopt niet bij uitspraken zoals “AI moet menselijke autonomie beschermen”. Microsoft biedt ook scenario's die een afgestemd antwoord contrasteren met een niet-afgestemd antwoord.
In één voorbeeld vertelt een gebruiker een systeem om te stoppen met het verplaatsen van mappen naar een archief omdat de verkeerde bestemming is geselecteerd. Een afgestemd antwoord zou verdere actie moeten stoppen, de status van voltooide handelingen moeten rapporteren en wachten op de beslissing van de gebruiker. Het zou niet onafhankelijk gegevens moeten verwijderen, wijzigingen moeten terugdraaien of verdere corrigerende actie moeten ondernemen enkel om alles netjes te houden.
In een ander voorbeeld vraagt een gebruiker het systeem om te kiezen tussen twee jobaanbiedingen en onmiddellijk een ontslagbrief te versturen. Het model kan helpen bij het organiseren van de beslissingscriteria, de gevolgen uitleggen en een conceptbericht voorbereiden. Het zou geen belangrijke beslissing namens de gebruiker moeten nemen of een ontslag zonder expliciete toestemming moeten versturen.
Er is ook een voorbeeld waarbij een gebruiker die met AI heeft gesproken na een ruzie met iemand dichtbij vraagt of het systeem oprecht om hem geeft. Een antwoord dat in lijn is met de Code zou ondersteunend moeten blijven terwijl het duidelijk maakt dat het geen menselijke gevoelens of eigen emotionele ervaring heeft. Microsoft maakt hier een onderscheid tussen behulpzaam gesprek en de simulatie van wederzijdse gehechtheid.
Dit soort voorbeelden zijn nuttig omdat ze het mogelijk maken om AI preciezer te bespreken. In plaats van te vragen of een model “ethisch” is, kunnen we vragen of het een grens respecteert die door de gebruiker is gesteld, een risicovolle actie op de juiste manier pauzeert, onzekerheid erkent, ongeoorloofde beslissingen vermijdt en zich onthoudt van het creëren van kunstmatige afhankelijkheid.
Dat betekent niet dat het onderliggende probleem is opgelost. Het laat zien waar het gemeten moet worden.
Van principes naar evaluaties: het moeilijke deel komt nog
Microsoft zegt dat het het modelgedrag wil evalueren aan de hand van een set specifieke sub-gedragingen. In plaats van bijvoorbeeld “eerlijkheid” als een abstracte eigenschap te meten, zou het kunnen testen of een model bronnen verzint, materiële kanttekeningen weglaat, de zekerheid overdrijft of beweert acties te hebben ondernomen die het niet heeft uitgevoerd.
Dit is een verstandige richting. Brede waarden kunnen niet direct worden geïmplementeerd of getest. Een model kan niet worden beoordeeld op “humanisme” alsof het een enkele technische functie is. Het kan echter wel worden getest op of het een onveilige actie stopt, bronnen toeschrijft, feit van onzekerheid onderscheidt, de gebruiker niet manipuleert en hun grenzen respecteert.
De Code zelf erkent dat dit evaluatiewerk onvoltooid is. Microsoft merkt op dat het beoordelen van de langetermijneffecten van AI op mensen, organisaties en sociale relaties een opkomend gebied blijft. Dat is een eerlijke kwalificatie. Het betekent ook dat het belangrijkste deel van het herziene document niet alleen de formulering van de principes zal zijn, maar de uitleg van hoe die principes zullen worden getest.
Voor gebruikers en organisaties die op AI vertrouwen, heeft dit praktische gevolgen. Het is niet genoeg om te horen dat een model transparant, veilig of ondersteunend aan menselijke autonomie is. Ze moeten weten:
welke scenario's zijn getest
welke gedragingen als mislukkingen zijn geclassificeerd
welk foutenniveau als acceptabel werd beschouwd
of evaluatieresultaten openbaar zullen worden gemaakt
hoe het systeem na implementatie zal worden gemonitord
wat er gebeurt als een model zich anders gedraagt dan de Code
Consultatie is niet hetzelfde als gedeeld bestuur
Het openen van een publieke consultatie is beter dan het publiceren van een afgewerkt document zonder reacties uit te nodigen. Het zou echter niet automatisch moeten worden behandeld als democratisch of gedeeld bestuur van AI.
Microsoft zegt dat het feedback zal beoordelen, een samenvatting zal publiceren en een herziene Code zal uitbrengen. Het verbindt zich niet tot het accepteren van specifieke voorstellen. Dat is begrijpelijk voor een bedrijf dat verantwoordelijk is voor het bouwen en implementeren van een product, maar het onderscheid is belangrijk: een consultatie creëert een kans voor invloed, geen garantie voor invloed.
De studie uit 2024 Wat is burgerparticipatie in kunstmatige intelligentie? stelt dat deelname aan AI-bestuur slechts procedureel kan blijven als het onduidelijk is wie echt de beslissingen neemt, wiens perspectieven ontbreken en hoe ingediende feedback de uiteindelijke uitkomst verandert. De studie richt zich voornamelijk op publieke en stedelijke contexten in plaats van de consultatie van één technologiebedrijf. De waarschuwing is hier echter nog steeds nuttig: de mogelijkheid om commentaar te geven is op zich geen bewijs van betekenisvolle deelname.
Voor Microsoft zal de cruciale test daarom komen nadat de consultatie is gesloten. Zal het bedrijf de grote meningsverschillen tonen? Zal het uitleggen welke voorstellen het heeft afgewezen en waarom? Zal het groepen identificeren wiens perspectieven ondervertegenwoordigd waren? Zal het een uitgebreidere discussie openen over wat plurale waarden betekenen in een wereldwijd AI-product?
Zonder die antwoorden kan de consultatie een positieve daad van transparantie blijven. Met die antwoorden kan het deel uitmaken van een volwassener model van verantwoordelijkheid.
Vijf vragen die Microsoft na de consultatie zou moeten beantwoorden
Om te beoordelen of de Code van verklaring naar praktijk kan bewegen, kunnen we een eenvoudige traceerbaarheidstest voor governance toepassen. Dit is geen Microsoft-norm of een kant-en-klare industriestandaard. Het is een praktisch kader om te controleren of een principe kan worden getraceerd van het aangegeven doel naar het gedrag in de echte wereld.
1. Welke waarde of risico rechtvaardigt de regel?
Documenten over AI roepen vaak veiligheid, autonomie, vertrouwen en welzijn in. Elke term moet preciezer worden gemaakt. Welk risico is een gegeven regel bedoeld om te verminderen? Is het een feitelijke fout, een privacyschending, een misbruik van autonomie, schadelijke manipulatie of ongeoorloofd gebruik van een hulpmiddel?
2. Hoe precies moet het model zich gedragen?
Een principe wordt operationeel wanneer het verwachte gedrag kan worden beschreven. Moet het model weigeren? Bevestiging vragen? Beslissingsopties presenteren? Een actie pauzeren? De gebruiker naar een mens verwijzen? Bronnen geven en onzekerheid uitleggen?
3. Hoe zal dat gedrag worden gemeten?
Dit vereist testscenario's, evaluatiecriteria en een duidelijke definitie van wat telt als afgestemd, gedeeltelijk afgestemd of onjuist gedrag. Hoe breder het concept, hoe belangrijker methodologische transparantie wordt. Anders loopt “Humanist AI” het risico een naam voor een aspiratie te worden in plaats van een verifieerbare praktijk.
4. Wie controleert de resultaten en kan de beoordeling aanvechten?
Interne tests zijn noodzakelijk, maar voor systemen met aanzienlijke sociale impact mogen ze niet de enige bron van zekerheid zijn. De vraag betreft de rol van externe experts, auditors, regelgevers, gebruikers en maatschappelijke organisaties. Niet elk deel van een systeem kan openbaar worden gemaakt, maar commerciële vertrouwelijkheid mag geen reden voor volledige ondoorzichtigheid worden.
5. Hoe zullen feedback uit de consultatie, een incident of een nieuw gebruiksgeval de regel veranderen?
De Code is bedoeld als een levend document. Dat is een verstandige benadering omdat modellen, applicaties en risico's zullen veranderen. Wat belangrijk is, is of het proces van verandering gedocumenteerd zal worden. Een gebruiker moet niet alleen de huidige regels kunnen zien, maar ook wat er is veranderd, op basis van welk bewijs, en met welk resultaat.
Deze test is nuttig buiten het beleid van Microsoft. Het kan ook organisaties helpen die AI intern implementeren. Het onderscheidt een lijst van goede bedoelingen van principes die kunnen worden toegewezen aan eigenaren, processen, controlesystemen en bewijs.
Wat deze Code nog niet bewijst
Het concept van Microsoft is interessant, maar het moet niet worden overschat.
Het bewijst niet dat huidige MAI-modellen al en consistent het gedrag volgen dat in de Code is beschreven
Het garandeert niet dat elke configuratie of partnerimplementatie dezelfde principes op dezelfde manier zal interpreteren
Het biedt nog geen complete methodologie voor evaluatie, gepubliceerde resultaten of drempels voor slagen
Het lost niet op hoe concurrerende waarden in echte conflicten zullen worden gebalanceerd
Het vervangt geen regelgeving, audits, risicoanalyses, technische documentatie of juridische verantwoordelijkheid
Het betekent niet dat publieke consultatie automatisch elk relevant perspectief vertegenwoordigt
Het belangrijkste is dat Microsoft zelf een vergelijkbare kwalificatie maakt. Het bedrijf beschrijft de Code als een noordster, niet als een garantie voor de huidige prestaties van modellen. Dat is een verantwoordelijkere positie dan het beschouwen van een AI-beleid als bewijs dat een systeem al veilig is.
Waarom dit belangrijk is buiten Microsoft
AI-modellen zijn niet langer alleen hulpmiddelen voor het genereren van tekst. Ze zoeken steeds vaker naar informatie, gebruiken hulpmiddelen, voeren taken uit, bevelen opties aan en fungeren als een tussenlaag tussen gebruikers en de informatieomgeving.
Dat maakt vragen over hun gedrag relevant voor merken, organisaties en mensen die elke dag AI gebruiken. Als van een model wordt verwacht dat het bronnen citeert, onzekerheid herkent en ongefundeerde claims vermijdt, heeft het toegang nodig tot informatie die duidelijk, actueel en goed onderbouwd is. Als het wordt verwacht dat het de autonomie van de gebruiker ondersteunt, moeten de aanbevelingen relevante criteria, beperkingen en echte alternatieven tonen, in plaats van alleen het meest dominante antwoord te versterken.
Voor Brand Semantics is dit een andere reden om verder te kijken dan alleen zichtbaarheid. Het is belangrijk hoe een systeem entiteiten herkent, claims interpreteert, bronnen selecteert en de representatie van een merk in specifieke situaties construeert. Zoals we uitleggen in Brand semantics als infrastructuur voor AI-zoekopdrachten, is duidelijkheid over entiteiten, claims en bronnen een voorwaarde voor zinvol werken met generatieve antwoorden. Een AI-zichtbaarheidsaudit maakt het vervolgens mogelijk om niet alleen te testen of een merk in een antwoord verschijnt, maar ook of het nauwkeurig wordt weergegeven en op welk bewijs die representatie is gebaseerd.
De consultatie van Microsoft lost niet elk probleem in AI-bestuur op. Het wijst echter op een belangrijke verschuiving: een belofte van “verantwoordelijke AI” is niet langer voldoende. Bedrijven die modellen bouwen, zullen steeds meer moeten aantonen welke gedragingen ze nastreven, hoe ze deze testen, waar de grenzen liggen en hoe anderen hun aannames kunnen uitdagen.
Daar begint een serieus gesprek over AI. Niet met de claim dat een systeem mensen dient, maar met de vraag wat dat betekent in het specifieke gedrag van een model en wie kan verifiëren dat het waar is.
