De Small Business Administration (SBA) had meer dan een jaar lang vrijwel al haar werk op het gebied van kunstmatige intelligentie stilgelegd — en had het publiek nog steeds niet verteld welke AI-systemen ze gebruikt, zes jaar nadat het Congres die openbaarmaking voor het eerst verplicht had gesteld. Dat is geen tegenstrijdigheid die in een voetnoot verstopt zit. Het is de belangrijkste bevinding van een nieuw rapport van het Government Accountability Office (GAO), en als je meedingt naar federale overheidsopdrachten of een SBIR- of STTR-subsidie nastreeft, is het de vijf minuten aandacht waard.
Wat de GAO daadwerkelijk vond
GAO-26-107828, getiteld "Artificial Intelligence: Uses and Risks for Small Business Contracting and Innovation Research", gepubliceerd op 4 mei 2026, onderzocht hoe de SBA en het netwerk van federale instanties waar ze toezicht op houdt, met AI omgaan. De bevindingen vallen uiteen in twee lijnen.
De pauze. In maart 2025 legde de SBA vrijwel alle AI-activiteiten stil om de naleving van federale executive orders te kunnen beoordelen en haar prioriteiten opnieuw vast te stellen. Ten tijde van het veldonderzoek van de GAO in april 2026 was die bevriezing grotendeels nog steeds van kracht — op één uitzondering na: zeven pilotprojecten mochten blijven draaien om beveiliging, prestaties en waarde te testen voordat een bredere uitrol wordt hervat.
De transparantiekloof. Los daarvan verplicht de federale wet instanties al sinds 2020 om hun specifieke AI-gebruikstoepassingen openbaar te rapporteren — wat het systeem doet, hoe het gebouwd is, hoe het is aangeschaft. De SBA publiceerde haar eerste dergelijke inventaris pas in maart 2026. De GAO wijt de vertraging van zes jaar aan zwakke interne documentatieprocessen en personeelsverloop bij de medewerkers die verantwoordelijk waren voor de rapportage. De aanbeveling van de GAO was beperkt en procedureel: stel een formeel beleid op dat daadwerkelijk vastlegt wie voortaan verantwoordelijk is voor het samenstellen en publiceren van die inventaris. De SBA ging akkoord. Op het moment van het rapport vermeldt de GAO de aanbeveling nog als "Open", wat betekent dat nog niet is geverifieerd of de SBA daadwerkelijk gevolg heeft gegeven.
Onder beide bevindingen riep de GAO ook expertpanels bijeen om in kaart te brengen waar AI aannemelijk van nut zou kunnen zijn. Die lijst is nuttig omdat hij een voorproefje geeft van wat komt zodra de pauze wordt opgeheven: marktonderzoek naar welke kleine bedrijven geschikt zijn voor een bepaalde opdracht, snellere beoordeling van voorstellen, fraudedetectie over het volume aan inzendingen dat instanties ontvangen, data-analyse van de rapporten die instanties bij de SBA indienen, en het opstellen van de jaarverslagen die de SBA zelf moet produceren. De keerzijde — de risico's die de GAO naast die toepassingen signaleerde — zijn de dingen die deze week daadwerkelijk iets aan je aanpak zouden moeten veranderen: onnauwkeurige uitkomsten, blootstelling van gegevensprivacy en -beveiliging, bevooroordeelde resultaten, en een federaal technisch personeelsbestand dat volgens de panelleden te dun is om dit alles goed te toetsen vóór inzet.
Zoom je een niveau uit, dan oogt de bevriezing bij de SBA bijna contrair. Het gebruik van generatieve AI bij federale instanties in het algemeen is sinds 2023 ruwweg vernegenvoudigd. De SBA drukte op pauze terwijl de rest van de overheid grotendeels juist versnelde — wat betekent dat de systemen die bij andere instanties je aanbestedingsinschrijvingen of subsidieaanvragen beoordelen, mogelijk vandaag al op AI leunen, ook al liggen SBA's eigen tools nog stil.
Waarom dit ertoe doet als je meedingt naar federale opdrachten
Twee van de door de GAO gesignaleerde toepassingen — marktonderzoek en fraudepreventie — raken je al voordat je ook maar één woord hebt ingediend.
Als een instantie AI gebruikt om te bepalen welke kleine bedrijven gekwalificeerd zijn voor een bepaalde opdracht, is dat systeem net zo goed als de data waarop het zich baseert. Je SAM.gov-registratie en je Dynamic Small Business Search (DSBS)-profiel zijn het dossier dat het systeem leest. Een verouderde NAICS-code, een gedateerde beschrijving van je capaciteiten, of een certificering die verlopen is en nooit vernieuwd werd, oogt niet alleen slordig in de ogen van een menselijke contracting officer — het kan ook betekenen dat een algoritme je nooit als match naar voren haalt. Het rapport van de GAO zelf merkt op dat marktonderzoek gebaseerd op onvolledige data het risico loopt capabele bedrijven uit te sluiten. Praktisch betekent dit: controleer en werk je SAM.gov- en DSBS-vermeldingen minstens jaarlijks bij, en telkens wanneer je certificeringen, trackrecord of kerncapaciteiten veranderen — niet alleen wanneer je er toevallig aan denkt.
Het tweede punt gaat over hoe je reageert wanneer iets niet klopt. AI-ondersteunde screening produceert, waar dan ook ingezet, valse positieven en valse negatieven, zoals elke classifier dat doet. Als een voorstel wordt afgewezen of een uitslag inconsistent lijkt met je trackrecord op vergelijkbaar werk, ga er dan niet vanuit dat het proces puur menselijk en dus foutloos was, en ga er ook niet zomaar vanuit dat een geautomatiseerde melding klopt. Vraag de contracting officer rechtstreeks of AI-tools een rol speelden in de beoordeling, en vraag om een toelichting op de gebruikte criteria. Die vraag is vandaag al redelijk om te stellen, en zal alleen maar relevanter worden zodra SBA's gepauzeerde tools weer online komen.
Wat het betekent als je een SBIR- of STTR-subsidie nastreeft
De timing hiervan overlapt met een grotere structurele verandering: de Small Business Innovation and Economic Security Act of 2026, ondertekend op 13 april 2026, verlengde de SBIR- en STTR-programma's tot en met 30 september 2031, na een onderbreking van zes maanden. Instanties moeten voortaan preciezer bijhouden welk type subsidie het betreft in de federale aanbestedingsdata — met markering van direct-naar-Fase-II-toekenningen, Strategic Breakthrough-toekenningen en Fase III-vervolgcontracten, en met verwijzing naar het oorspronkelijke SBIR/STTR-contractnummer wanneer een vervolgcontract wordt geregistreerd. Dat betekent meer gestructureerde data die door dezelfde systemen stroomt waarvan de GAO zegt dat er uiteindelijk een AI-laag voor analyse en fraudepreventie aan toegevoegd zou kunnen worden.
Uit die combinatie volgen twee dingen.
Ten eerste, aan de aanvraagkant: als AI-ondersteunde screening van voorstellen deel gaat uitmaken van hoe je Fase I- of Fase II-inzending wordt getrieerd, behandel het dan zoals je elke geautomatiseerde eerste ronde zou behandelen — ga ervan uit dat een mens nog steeds het volledige plaatje moet zien, en vertrouw niet op opmaaktrucjes of keyword stuffing om een systeem te slim af te zijn dat bij jouw beoordelende instantie misschien nog niet eens is ingevoerd. Schrijf voor de technische beoordelaar, niet voor het filter.
Ten tweede, en concreter: SBIR/STTR-naleving draait nu al op documentatie, los van alles wat met AI te maken heeft. Subsidieontvangers zijn verplicht om gelijktijdige urenregistraties bij te houden die laten zien hoe de uren van elke medewerker zich verhouden tot het gefinancierde onderzoek, om facturen en overeenkomsten met onderaannemers consistent te houden met de voorwaarden van de toekenning, en om de cost accounting standards onder de FAR te volgen. Niets daarvan is nieuw. Wat wel nieuw is, is de richting waarin dit zich ontwikkelt: een ecosysteem van instanties dat steeds beter wordt in het kruisverwijzen van toekenningsdata, dat fraudedetectietools aan zijn roadmap toevoegt, en dat vervolgcontracten terugtraceert naar hun oorspronkelijke SBIR/STTR-nummer. Schone, consistente dossiers zijn niet langer alleen een best practice voor audit-gereedheid — ze worden het element dat ervoor zorgt dat je dossier niet om de verkeerde redenen opvalt in een systeem dat gebouwd is om afwijkingen op te sporen.
Praktische stappen om nu te zetten
- Werk je SAM.gov- en DSBS-profiel bij minstens één keer per jaar, en meteen na elke wijziging in certificeringen, NAICS-codes of trackrecord — behandel het als live data die een algoritme leest, niet als een formulier dat je ooit eens hebt ingevuld.
- Houd een apart grootboek of kostenplaats per toekenning aan. Vermengde kosten tussen contracten zijn veruit de meest voorkomende bevinding bij audits van federale toekenningen, AI-ondersteund of niet.
- Houd gelijktijdige urenstaten bij voor iedereen die uren schrijft op een cost-reimbursement- of time-and-materials-contract — achteraf gereconstrueerde registraties zijn een terugkerend rood vlaggetje bij audits.
- Stem facturen van onderaannemers maandelijks af tegen de voorwaarden van de toekenning, niet de week voordat een rapport moet worden ingeleverd. Consistentie over tijd komt bij een beoordelaar — menselijk of geautomatiseerd — heel anders over dan een stapel facturen die achteraf is samengesteld.
- Vraag er direct naar wanneer een inschrijving, voorstel of subsidie-uitkomst inconsistent lijkt met je trackrecord: was AI betrokken bij deze beoordeling, en wat waren de criteria?
Houd je federale contractdossiers audit-klaar
Of AI je volgende voorstel nu wel of niet screent, de onderliggende discipline is dezelfde die naleving van federale toekenningen altijd al heeft geëist: dossiers die volledig, consistent en eenvoudig terug te traceren zijn naar de bron. Beancount.io biedt plain-text, versiebeheerde boekhouding, zodat elke boeking — en elke wijziging daarin — een permanente, auditeerbare geschiedenis heeft in plaats van te verdwijnen in een zwarte doos. Begin gratis en houd je boekhouding net zo verdedigbaar als je voorstellen.