Beheer van de grafische keten: waarom AI niet de piloot kan zijn en welke verborgen risico's het meebrengt in pharma en FMCG

De afgelopen maanden zijn we getuige geweest van een ware goudkoorts rond kunstmatige intelligentie. Er zijn platforms verschenen die beloven goedkeuringen te automatiseren, specificaties te genereren, standaardwerkprocedures op te stellen en zelfs artworks en packagingmaterialen automatisch te valideren.

Het voorstel is aantrekkelijk. Als een tool documenten kan analyseren, versies kan vergelijken, fouten kan opsporen en binnen enkele seconden beslissingen kan nemen, lijkt het logisch dat hij de doorlooptijd van lanceringen kan verkorten, kosten kan verlagen en het beheer van de grafische keten kan vereenvoudigen.

Kunstmatige intelligentie speelt ongetwijfeld een belangrijke rol bij het optimaliseren van processen. Ze kan helpen informatie te classificeren, verschillen te detecteren, acties voor te stellen, zoekopdrachten te versnellen en repetitieve taken te verminderen. Ook bij MyMediaConnect verkennen we AI-ondersteunde functionaliteiten voor concrete use cases met een laag risico.

Er is echter een grens die we niet zouden moeten overschrijden: kunstmatige intelligentie kan niet de piloot zijn bij kritische beslissingen in de grafische keten.

Dit is vooral belangrijk in sectoren als de farmaceutische industrie, consumer health, de voedingsmiddelenindustrie en de consumentengoederensector. Een fout op een verpakking is niet zomaar een ontwerpprobleem. Ze kan leiden tot het terughalen van een product, een lijnstilstand, een overtreding van de regelgeving, aanzienlijke financiële schade of, in bepaalde gevallen, een gezondheidsrisico.

De vraag is niet of u voor of tegen AI bent. De vraag is welke rol AI moet spelen, wie de verantwoordelijkheid behoudt en welke controles er moeten zijn wanneer een automatische aanbeveling operationele, regelgevende of gezondheidsgerelateerde gevolgen kan hebben.

De zaak Purolea: een waarschuwingssignaal

In april 2026 publiceerde de FDA een waarschuwingsbrief aan Purolea Cosmetics Lab, een fabrikant van farmaceutische producten uit Michigan. De brief bevat een specifieke sectie met de titel “Inappropriate Use of Artificial Intelligence in Pharmaceutical Manufacturing”, gewijd aan het ongepaste gebruik van AI bij activiteiten in verband met farmaceutische productie.

Volgens de FDA had Purolea AI-agents gebruikt om te helpen bij het opstellen van productspecificaties, procedures en master production and control records. Het bedrijf verklaarde deze tools te gebruiken om de naleving van de regelgevingseisen te ondersteunen.

Het probleem was niet het gebruik van AI als ondersteunend hulpmiddel. Het probleem was dat de kwaliteitsafdeling van het bedrijf de gegenereerde documenten niet adequaat had beoordeeld en geverifieerd voordat ze in de productieprocessen werden opgenomen.

Tijdens de inspectie stelde de FDA ook vast dat er vóór de distributie van de producten geen procesvalidatie was uitgevoerd. Toen de inspecteurs op deze tekortkoming wezen, antwoordde het bedrijf dat het niet op de hoogte was van die verplichting, omdat de AI-agent die het gebruikte daar nooit op had gewezen.

Het antwoord van de FDA was duidelijk: als een bedrijf kunstmatige intelligentie gebruikt om documenten op te stellen die verband houden met cGMP-activiteiten, moet het die documenten beoordelen om te waarborgen dat ze juist zijn en daadwerkelijk aan de geldende eisen voldoen. De verantwoordelijkheid van de kwaliteitsafdeling kan niet worden overgedragen aan een AI-agent.

Deze zaak is een belangrijke waarschuwing voor elke organisatie die overweegt gereguleerde processen te automatiseren. AI kan een overtuigend antwoord genereren, maar garandeert niet dat dat antwoord juist, volledig of juridisch toereikend is.

Het regelgevingsrisico in de grafische keten

Packagingbeheer deelt veel van de elementen die cGMP-activiteiten bijzonder gevoelig maken: vastgelegde procedures, beheerste documenten, traceerbaarheid, formele verantwoordelijkheden, beoordeling van wijzigingen en goedkeuring door bevoegde personen.

In deze context kan een artwork kritische informatie bevatten:

• Naam en omschrijving van het product.
• Samenstelling, dosering of concentratie.
• Waarschuwingen en contra-indicaties.
• Gebruiksaanwijzing.
• Codes, identificatiegegevens en wettelijke gegevens.
• Informatie over batch en houdbaarheidsdatum.
• Commerciële of gezondheidsgerelateerde claims.
• Talen en specifieke eisen per markt.
• Grafische elementen die verband houden met de identificatie van het product.

Een ogenschijnlijk kleine wijziging kan grote gevolgen hebben. Een onjuist getal, een verkeerd weergegeven eenheid, een gebrekkige vertaling, een ontbrekende waarschuwing of een onleesbare code kan de conformiteit van de verpakking in gevaar brengen.

Mogelijke gevolgen zijn onder meer:

• Terughalen of recall van het product.
• Vernietiging of herbewerking van drukwerk.
• Productiestilstand.
• Vertraagde lanceringen.
• Logistieke en distributiekosten.
• Inspecties of sancties.
• Verlies van vertrouwen bij consumenten en klanten.
• Reputatieschade voor het merk.
• Risico's voor patiënten of gebruikers bij gereguleerde producten.

Daarom moet de belofte om “een artwork automatisch goed te keuren” met grote voorzichtigheid worden beoordeeld. De vraag zou niet alleen moeten zijn hoeveel tijd de tool bespaart, maar ook wat er gebeurt als hij zich vergist, hoe de fout wordt ontdekt, wie deze valideert en welk bewijs wordt vastgelegd.

Taken automatiseren is niet hetzelfde als verantwoordelijkheden automatiseren

Er is een fundamenteel verschil tussen het automatiseren van een taak en het automatiseren van een verantwoordelijkheid.

Een platform kan twee versies van een document vergelijken en aangeven dat er een woord is gewijzigd. Het kan vaststellen dat een code op een andere plek staat, dat een kleur niet overeenkomt of dat een grafisch element is verschoven.

Dat is een objectieve ondersteunende taak.

Iets heel anders is het wanneer het systeem beslist of de wijziging aanvaardbaar is, of ze aan de regelgeving voldoet, of de informatie juist is of dat het materiaal naar productie kan. Die beslissing vereist context, bevoegdheid en verantwoordelijkheid.

Een geautomatiseerd systeem kent niet noodzakelijkerwijs:

• De volledige historie van het product.
• Eerder goedgekeurde uitzonderingen.
• De regelgevende verplichtingen per land.
• De commerciële prioriteiten van de lancering.
• De juiste interpretatie van een claim.
• De impact van een wijziging op andere materialen.
• De interne verantwoordelijkheden die in het kwaliteitssysteem zijn vastgelegd.

Kunstmatige intelligentie kan helpen patronen te vinden of aanbevelingen te formuleren, maar mag niet de uiteindelijke verantwoordelijke voor de beslissing worden.

In een gereguleerde omgeving moet altijd één principe overeind blijven: AI kan copiloot zijn, maar geen piloot.

Hoe technologie zou moeten worden ingezet

Het alternatief is niet terugkeren naar handmatige, trage processen die op e-mail draaien. Het alternatief is verantwoorde automatisering, vanaf het begin ontworpen rond traceerbaarheid en menselijk toezicht.

Een passend model kan het volgende combineren:

1. Automatische vergelijking van versies. Het systeem detecteert objectieve verschillen tussen twee artworks: teksten, codes, kleuren, posities, afmetingen of grafische elementen.
2. Duidelijke weergave van de wijzigingen. Gebruikers kunnen de verschillen visueel en gestructureerd beoordelen, zonder volledige bestanden handmatig te hoeven vergelijken.
3. Vastgelegde goedkeuringsworkflows. Elk project doorloopt een reeks beoordelingen en goedkeuringen die aansluit op de verantwoordelijkheden binnen de organisatie.
4. Verplichte menselijke tussenkomst. De uiteindelijke beslissing ligt altijd bij een bevoegde persoon, vooral wanneer het materiaal een gereguleerd product betreft.
5. Volledige registratie van de activiteit. Het systeem legt vast wie heeft beoordeeld, welke opmerkingen zijn gemaakt, welke versie is goedgekeurd en wanneer elke actie heeft plaatsgevonden.
6. Versiebeheer. Alleen de goedgekeurde versie kan door naar de volgende fase van het proces.

Deze aanpak kan even efficiënt zijn als volledige automatisering, maar voorkomt dat een probabilistisch hulpmiddel een regelgevende autoriteit wordt.

Bij MyMediaConnect hebben we bewust voor dit model gekozen. Onze systemen voor ondersteunde vergelijking identificeren objectieve verschillen tussen versies, terwijl de uiteindelijke beslissing en validatie bij een bevoegde gebruiker blijven liggen.

Dit betekent niet dat we minder technologie gebruiken. Het betekent dat we die gebruiken met een ontwerp dat beter past bij het risiconiveau van het proces.

Het risico voor datasoevereiniteit

Het tweede risico dat moet worden geanalyseerd, is datasoevereiniteit.

Bedrijven in pharma, consumer health en consumentengoederen beheren via hun packagingprocessen zeer gevoelige informatie. Deze informatie kan bestaan uit:

• Formules en productspecificaties.
• Doserings- en samenstellingsgegevens.
• Ontwerpen voor nog niet aangekondigde lanceringen.
• Informatie over markten en prijzen.
• Claims en positioneringsstrategieën.
• Gegevens van leveranciers en distributeurs.
• Informatie over klachten of consumenten.
• Materialen die onder geheimhoudingsovereenkomsten vallen.

Wanneer een platform externe AI-diensten integreert, kunnen gegevens tussen verschillende leveranciers, regio's en onderaannemers circuleren. Daarom is het niet voldoende om te vragen of het systeem “in de cloud” draait. U moet weten welke infrastructuur wordt gebruikt, waar de gegevens worden verwerkt, welke leveranciers betrokken zijn en wat er gebeurt met de verzonden informatie.

De Amerikaanse CLOUD Act stelt de Amerikaanse autoriteiten in staat bepaalde gegevens op te vragen bij aanbieders die onder hun jurisdictie vallen, zelfs wanneer die gegevens buiten het grondgebied van de Verenigde Staten zijn opgeslagen. De concrete toepasselijkheid hangt af van tal van juridische, contractuele en technische factoren, maar het jurisdictierisico moet deel uitmaken van de beoordeling van elke cloud- of AI-leverancier.

Voor een Europees bedrijf zijn dit enkele essentiële vragen:

• Waar worden de gegevens opgeslagen?
• Waar worden ze verwerkt?
• Welke externe leveranciers zijn betrokken?
• Worden er APIs van AI-modellen van derden gebruikt?
• Kunnen de verzonden gegevens worden opgeslagen?
• Kunnen ze worden gebruikt om modellen te trainen?
• Welke subverwerkers zijn bij de verwerking betrokken?
• Bestaat er een optie voor dataopslag uitsluitend binnen de Europese Unie?
• Welke maatregelen voor versleuteling en toegangscontrole worden toegepast?
• Wat gebeurt er als een buitenlandse autoriteit om informatie verzoekt?

De antwoorden moeten duidelijk, gedocumenteerd en contractueel verifieerbaar zijn.

Bij MyMediaConnect geven we prioriteit aan het minimaliseren van de blootstelling van gevoelige gegevens en aan transparantie over welke informatie wordt gedeeld, met wie en met welk doel. Voor kritische beslissingen in de grafische keten zijn we niet afhankelijk van AI-APIs van Amerikaanse leveranciers.

Het economische risico en technologische afhankelijkheid

De derde dimensie is economisch.

Veel AI-platforms steunen op modellen van derden waarvan de prijzen, gebruikslimieten en commerciële voorwaarden kunnen veranderen. De kosten kunnen afhangen van het aantal gebruikers, geanalyseerde documenten, verwerkte pagina's, gegenereerde woorden, API-aanroepen of verbruikte tokens.

Dit bemoeilijkt de budgetprognose, vooral wanneer een functionaliteit diep in een operationeel proces is geïntegreerd.

Een leverancier kan het volgende wijzigen:

• De prijs per gebruiker.
• De kosten per gebruiksvolume.
• De limieten die in elk abonnement zijn inbegrepen.
• De opslagvoorwaarden.
• De beschikbaarheid van een model.
• De responstijden.
• De voorwaarden voor training of hergebruik van gegevens.
• De toegang tot een specifieke API.

Als een platform voor packagingbeheer een externe dienst gebruikt voor een kritische functie, kan elke prijswijziging, onderbreking of stopzetting van het model gevolgen hebben voor de klant.

Daarom zouden financiële en operationele verantwoordelijken moeten vragen:

• Welk percentage van de platformkosten hangt af van AI-diensten van derden?
• Is het gebruik in de prijs inbegrepen of wordt er op basis van verbruik gefactureerd?
• Zijn er volumelimieten?
• Wat gebeurt er als de externe leverancier zijn tarieven verhoogt?
• Is er een alternatieve leverancier?
• Kan de functionaliteit zonder AI blijven werken?
• Welk continuïteitsplan is er als het model niet langer beschikbaar is?
• Ontvangt de klant vooraf bericht bij relevante wijzigingen?

Kunstmatige intelligentie kan bepaalde kosten verlagen, maar kan ook een nieuwe laag van afhankelijkheid en volatiliteit introduceren. De initiële besparing zou niet beoordeeld moeten worden zonder rekening te houden met de total cost of ownership en het continuïteitsrisico.

Bij MyMediaConnect zijn kritische functies niet afhankelijk van externe AI-APIs. We gebruiken eigen technologie of beheerste systemen, met een voorspelbaarder kostenmodel. We verkennen AI-ondersteunde functionaliteiten voor taken met een laag risico, altijd binnen een hybride aanpak die waarborgt dat de kern van het platform niet ondergeschikt wordt aan een externe leverancier.

Drie vragen voordat u een platform met AI kiest

Voordat een AI-oplossing wordt ingezet voor het beheer van de grafische keten, zou elke CMO, kwaliteitsverantwoordelijke, operationeel directeur of CFO zich drie vragen moeten stellen.

1. Wie draagt de verantwoordelijkheid als AI zich vergist?

De verantwoordelijkheid kan niet verdwijnen omdat de beslissing is geautomatiseerd. Er moet duidelijk zijn vastgelegd wie beoordeelt, wie goedkeurt en wie aanspreekbaar is bij een incident.

2. Waar bevinden de gegevens zich en via welke route circuleren ze?

De leverancier moet de architectuur, de opslagregio's, de externe diensten en de toepasselijke contractuele en technische maatregelen toelichten.

3. Wat gebeurt er als de kosten veranderen of de dienst verdwijnt?

Elke kritische functie heeft een alternatief plan nodig. Een platform moet het essentiële proces kunnen voortzetten, zelfs als een extern model duurder wordt, niet meer werkt of wordt teruggetrokken.

Deze vragen zijn niet bedoeld om innovatie af te remmen. Ze moeten ervoor zorgen dat innovatie wordt ingevoerd met oog voor kwaliteit, veiligheid en operationele duurzaamheid.

AI als copiloot

Kunstmatige intelligentie zal een steeds grotere rol spelen in procesbeheer. Ze kan helpen afwijkingen op te sporen, informatie samen te vatten, vergelijkingen te versnellen en administratief werk te verminderen.

Maar in de grafische keten, vooral in gereguleerde sectoren, mag efficiëntie niet ten koste gaan van controle.

Technologie moet het werk van teams vergemakkelijken, niet de verantwoordelijkheid van bevoegde personen vervangen. Ze moet snelheid bieden zonder in te leveren op traceerbaarheid, automatisering zonder een black box te creëren en analysecapaciteit zonder een aanbeveling om te zetten in een automatische goedkeuring.

De les van de zaak Purolea is duidelijk: de FDA stelde niet alleen het bestaan van een AI-tool ter discussie, maar ook het ontbreken van een adequate menselijke beoordeling en de afhankelijkheid van een automatisch antwoord om regelgevende verplichtingen vast te stellen.

Bij MyMediaConnect staan we voor een pragmatische aanpak: technologie inzetten waar ze meetbare waarde toevoegt, menselijke checkpoints behouden bij kritische beslissingen en elk proces zo ontwerpen dat het auditeerbaar is.

Want een fout in een artwork is niet zomaar een bug. In pharma, consumer health en voeding kan het een risico worden voor het bedrijf, voor het merk en voor mensen.

AI kan de grafische keten versnellen. Maar mag niet de piloot zijn.

Bronnen

• FDA — Warning Letter: Purolea Cosmetics Lab (april 2026)