AI-compliance in de zorg: zzp of schijnzelfstandig?

AI voor Nederlandse Bedrijven: Implementatiegids‱‱By 3L3C

Zorginstellingen lopen groot risico op schijnzelfstandigheid. Zo gebruik je een AI-compliance-tool als ‘zzp ja of nee’ om zzp-inzet juridisch onderbouwd te regelen.

AI in de zorgzzp-compliancezelfstandige behandelcentraschijnzelfstandigheidHR en juridischzorgbestuurAI implementatie
Share:

Waarom AI-compliance nĂș een zorgthema is

Vanaf 2026 gaat de Belastingdienst strenger handhaven op schijnzelfstandigheid. Voor ziekenhuizen, zbc’s en andere zorgorganisaties met veel zzp’ers is dat geen ver-van-mijn-bedshow, maar direct financieel en operationeel risico.

De reality check: als een inspecteur morgen je inzet van zzp’ers onder de loep neemt, kun je dan per zorgprofessional onderbouwd aantonen waarom iemand echt ondernemer is? Of leun je nog op gevoel, oude VAR-reflexen en wat losse mails?

In deze blog – onderdeel van de serie “AI voor Nederlandse Bedrijven: Implementatiegids” – kijk ik aan de hand van het voorbeeld van Voca en de AI-tool ‘zzp ja of nee’ hoe je AI heel concreet kunt inzetten voor compliance rond zzp’ers in de zorg. Niet als hype, maar als praktisch hulpmiddel dat bestuurders, HR en zorgprofessionals direct werk uit handen neemt.

We gaan langs drie vragen die ik in gesprekken met zorgbestuurders telkens hoor:

  1. Hoe werkt zo’n AI-compliance-tool nou echt?
  2. Wat levert het op voor zbc’s, ziekenhuizen en andere zorginstellingen?
  3. Hoe start je veilig en beheerst met dit soort AI in je eigen organisatie?

Wat doet een AI-tool als ‘zzp ja of nee’ precies?

Een AI-compliance-tool voor zzp’ers simuleert als het ware een digitale juridisch adviseur die 24/7 dezelfde, actuele toets toepast op iedere opdracht en elke professional.

Van grijze gebieden naar gestructureerde toets

Waar het tot nu toe vaak misgaat:

  • opdrachten worden mondeling of via WhatsApp afgesproken;
  • iedereen interpreteert de regels net even anders;
  • contracten zijn niet afgestemd op de feitelijke werksituatie;
  • onderbouwing wordt niet centraal vastgelegd.

Een tool zoals die van Voca pakt dat gestructureerd aan:

  1. Inventarisatie van de situatie
    De zzp’er (of de opdrachtgever) beantwoordt een reeks gerichte vragen over:

    • mate van gezag en aansturing;
    • inbedding in het rooster en het team;
    • ondernemingskenmerken (meerdere opdrachtgevers, tarief, ondernemersrisico);
    • duur en aard van de opdracht;
    • gebruik van eigen materialen en aansprakelijkheid.

  2. AI-analyse volgens actuele wet- en regelgeving
    De AI koppelt deze antwoorden aan:

    • wet DBA en beleidsbesluiten;
    • recente rechtspraak;
    • interne beleidskaders van de organisatie (bijvoorbeeld het eigen zzp-beleid).

  3. Juridisch onderbouwd oordeel
    De uitkomst is niet alleen een groen/rood stoplicht, maar een onderbouwde conclusie:

    • “Deze opdrachtsituatie voldoet aan de belangrijkste criteria voor ondernemerschap, mits
”
      of
    • “Er zijn sterke aanwijzingen voor een dienstbetrekking op basis van gezag en inbedding.”

  4. Dossieropbouw en rapportage
    Alle antwoorden en onderbouwing worden vastgelegd. Daarmee heb je:

    • een traceerbaar dossier richting Belastingdienst en Inspectie SZW;
    • input voor beleid (bijvoorbeeld: welke afdelingen lopen grootste risico?).

De kracht van AI zit hier niet in magie, maar in consistentie en actualiteit. Menselijke juristen blijven nodig, maar hoeven niet alles handmatig uit te pluizen.

Waarom vooral zbc’s zich nu melden: risico’s Ă©n kansen

Ron Veerkamp (anesthesiemedewerker en mede-eigenaar van Voca) geeft aan dat vooral zelfstandige behandelcentra (zbc’s) veel interesse tonen in de AI-tool. Dat is logisch.

Waarom zbc’s extra kwetsbaar zijn

Zbc’s hebben vaak:

  • relatief hoge zzp-dichtheid onder medisch specialisten en OK-personeel;
  • flexibele volumes (pieken rondom wachttijden in omliggende ziekenhuizen);
  • beperkte juridische staf in huis;
  • hoge afhankelijkheid van hun reputatie richting zorgverzekeraars.

Voor hen geldt: Ă©Ă©n verkeerd ingericht zzp-dossier kan dure navorderingen, boetes en reputatieschade betekenen. En als een verzekeraar twijfelt aan je naleving van wet- en regelgeving, dan gaat dat vroeg of laat doorwerken in contractering.

Wat een AI-compliance-tool concreet oplevert voor zbc’s

Voor een zbc dat serieus met AI-compliance aan de slag gaat, zie je in de praktijk drie effecten:

  1. Minder juridisch gedoe, meer voorspelbaarheid

    • Elke nieuwe professional doorloopt dezelfde toets.
    • Bestuurders weten vooraf: “Deze constructie is verdedigbaar” of “Hier moeten we het contract en de aansturing aanpassen.”

  2. Sterker verhaal richting Belastingdienst en verzekeraars

    • Je laat zien dat je actief beleid voert op schijnzelfstandigheid.
    • Je hebt per professional een dossier met datum, antwoorden en onderbouwing.

  3. Betere dialoog met zzp’ers zelf

    • Zzp’ers kunnen via dezelfde tool zelf toetsen of hun werkrelatie echt ondernemerschap is.
    • Dat maakt het gesprek gelijkwaardiger: niet alleen “wij vinden”, maar “zo pakt de analyse objectief uit”.

Mijn ervaring: instellingen die dit netjes regelen, hebben een sterkere positie in onderhandelingen en zijn aantrekkelijker voor serieuze zzp’ers die hun zaakjes goed willen hebben.

AI in de zorgpraktijk: van losse tool naar integraal proces

Een veelgemaakte fout is om zo’n AI-tool als los speeltje te behandelen. Dan haal je er maar 30% van de waarde uit. AI-compliance wordt interessant als je het integreert in je bestaande processen.

Waar in het proces hoort AI-compliance thuis?

Voor zorgorganisaties zie ik vier logische ankerpunten:

  1. Inkoop en contractering

    • Iedere nieuwe zzp-overeenkomst verplicht langs de AI-toets.
    • Uitkomst bepaalt: wel/geen inzet als zzp, of aanpassing naar loondienst/detachering.

  2. Roostering en planning

    • Sommige risico-indicatoren zitten in de planning: structurele nachtdiensten, vast team, leidinggevende taken.
    • Koppel de tool (of in elk geval de uitkomsten) aan je roosterproces.

  1. HR en medisch leiderschap

    • Teamleiders en vakgroepvoorzitters krijgen inzicht: welke professionals zitten in de gevarenzone?
    • AI-rapporten vormen de basis voor gesprekken over aanpassing van taken of overgang naar dienstverband.

  2. Bestuurs- en risicorapportage

    • Per kwartaal een overzicht:
      • aantal getoetste zzp’ers;
      • percentage ‘groen’, ‘oranje’, ‘rood’;
      • trend over tijd.

Dat soort overzichten sluit direct aan bij de risicodiscussie in de raad van bestuur en de auditcommissie.

Hoe houd je regie als bestuurder?

Bestuurders zijn vaak bang dat AI een black box wordt. Terecht. Daarom werkt het beter om AI bewust begrensd en transparant te gebruiken:

  • Menselijk primaat: AI geeft een oordeel, maar HR/juridische zaken beslist.
  • Transparante criteria: leg in begrijpelijke taal uit op basis waarvan de tool beoordeelt.
  • Heldere escalatie: alles wat ‘oranje’ of ‘rood’ is, gaat standaard naar een jurist of externe specialist.

De realiteit: met AI versnel je niet het “wegkijken”, maar juist het vroeg signaleren. Dat is precies wat toezichthouders willen zien.

Datakwaliteit, privacy en de ethische lat in de zorg

Wie AI zegt in de zorg, zit meteen met AVG, medisch beroepsgeheim en een gezonde portie argwaan van professionals. Dat is niet iets om weg te wuiven.

Welke data gebruik je – en welke juist niet?

Een AI-compliance-tool hoeft geen diagnosecodes of EPD-gegevens te zien. De kern zit in arbeids- en opdrachtgerelateerde informatie:

  • duur, omvang en aard van de opdracht;
  • aanwezigheid in roosters en overlegstructuren;
  • verantwoordelijkheden, inclusief leidinggevende taken;
  • algemene ondernemingskenmerken (zonder fiscale details te delen).

Hou een paar vuistregels aan:

  • Beperk je tot noodzakelijke data voor het bepalen van de arbeidsrelatie.
  • Scheid medische inhoud en arbeidsrelatie-informatie zo veel mogelijk.
  • Maak een verwerkersovereenkomst met de leverancier, inclusief data-opslag in de EU en heldere bewaartermijnen.

Eerlijke inzet van AI richting zzp’ers

Een andere ethische vraag: wordt AI een middel om “lastige” zzp’ers weg te selecteren, of gebruik je het juist voor transparantie?

Ik ben daar vrij stellig in: gebruik AI open en wederkerig.

  • Laat zzp’ers zelf toegang hebben tot hun eigen rapport.
  • Leg uit hoe de tool werkt, welke bronnen en criteria worden gebruikt.
  • Bied altijd de mogelijkheid om de uitkomst te bespreken en aan te passen als de situatie verandert.

Zo bouw je vertrouwen in plaats van wantrouwen. En dat is hard nodig in een markt waar de relatie tussen instellingen en zzp’ers onder druk staat.

Stap-voor-stap AI implementeren rond zzp-compliance

Veel zorgorganisaties willen wel met AI aan de slag, maar vastlopen op “waar beginnen we?”. Het goede nieuws: een AI-tool als ‘zzp ja of nee’ leent zich uitstekend voor een klein maar scherp afgebakend pilotproject.

Een praktisch implementatieplan voor zorgorganisaties

Een beproefd pad dat ik bij Nederlandse organisaties zie werken:

  1. Kies Ă©Ă©n duidelijke use case
    Bijvoorbeeld: “Alle nieuwe zzp’ers op de OK in ons zbc toetsen we 6 maanden lang via de AI-tool.”

  2. Stel een klein kernteam samen

    • 1 bestuurder of directeur;
    • 1 HR- of juridische professional;
    • 1 vertegenwoordiger van de werkvloer (bijvoorbeeld een medisch specialist of teamleider);
    • iemand van ICT/informatiebeveiliging.

  3. Richt beleid en proces in vóórdat je start

    • Wanneer is ‘rood’ echt een no-go?
    • Wat doe je met bestaande zzp’ers met een oranje score?
    • Wie mag uitzonderingen maken en onder welke voorwaarden?

  4. Start klein, maar meet veel

    • Aantal toetsingen per maand;
    • verdeling groen/oranje/rood;
    • gemiddelde doorlooptijd;
    • aantal keren dat uitkomst aangepast wordt na menselijk oordeel.

  5. Evalueer na 3–6 maanden

    • Voelt de werkvloer dit als bureaucratie of als helderheid?
    • Zien bestuur en raad van toezicht het risico echt dalen?
    • Kun je het proces nu uitbreiden naar andere afdelingen of locaties?

Wie op deze manier begint, merkt vaak dat AI veel minder eng en veel nuttiger is dan de beeldvorming suggereert.

Waarom dit verder gaat dan alleen zorg – en toch typisch Nederlands is

Binnen onze serie “AI voor Nederlandse Bedrijven: Implementatiegids” valt op dat juist compliance, risicobeheersing en arbeidsrelaties thema’s zijn waar Nederlandse organisaties snel AI-waarde zien. Zorginstellingen lopen daarin voorop, maar de lessen zijn net zo bruikbaar voor andere sectoren met veel zzp’ers: bouw, IT, onderwijs, cultuur.

De zorg heeft daarbij een extra morele en maatschappelijke lading. Als we daar transparant en zorgvuldig met AI omgaan:

  • versterken we vertrouwen tussen organisaties, professionals en overheid;
  • laten we zien dat AI ook gebruikt kan worden voor rechtszekerheid in plaats van alleen efficiency;
  • creĂ«ren we ruimte om AI óók op patiĂ«ntenzorg toe te passen, omdat de basis op orde is.

Mijn advies aan bestuurders en HR-managers in de zorg: wacht niet tot de eerste naheffing of mediastorm. Kies Ă©Ă©n afgebakend terrein – zoals zzp-compliance – en zet daar nu een serieuze AI-stap.

Wie vandaag begint met slim, eerlijk en transparant AI-gebruik, is morgen geloofwaardig wanneer de inspecteur, de verzekeraar of de OR vraagt: “Hoe hebben jullie dit eigenlijk geregeld?”