Singapore’s AI Tester Accreditation Programme (AI TAP): zo werkt het nieuwe certificeringssysteem voor AI-veiligheidstesters

Het initiatief wordt algemeen beschreven als Azië’s eerste accreditatieprogramma dat specifiek gericht is op AI-testorganisaties en is bedoeld om een benchmark te vestigen voor AI-assurantiediensten.

Wie AI TAP lanceert en wanneer het van start gaat

AI TAP wordt gelanceerd door de AI Verify Foundation, een non-profitorganisatie die is opgericht om betrouwbare AI-test- en standaardontwikkeling te bevorderen. De stichting is een dochteronderneming van Singapore’s Infocomm Media Development Authority (IMDA).

Singapore’s minister voor Digitale Ontwikkeling en Informatie, Josephine Teo, kondigde het programma aan tijdens een internationaal AI-veiligheidsevent in mei 2026.

De huidige details over de uitrol:

• Lancering door: AI Verify Foundation
• Verwachte uitrol: tweede helft van 2026
• Accreditatieaanvragen: naar verwachting geopend rond het derde kwartaal van 2026

Waarom Singapore AI TAP heeft gecreëerd

Het hoofddoel van AI TAP is het vergroten van het vertrouwen in AI-veiligheidstestdiensten.

Nu organisaties AI-systemen adopteren, vertrouwen velen op gespecialiseerde bedrijven om modellen te onderzoeken op zwakke punten – vaak via red-teaming of pogingen om veiligheidsmaatregelen te omzeilen. Maar de kwaliteit en geloofwaardigheid van deze testproviders kan sterk variëren.

AI TAP wil dit oplossen door een formele accreditatiestandaard te creëren voor bedrijven die AI-testdiensten aanbieden.

Het programma maakt ook deel uit van Singapore’s bredere inspanning om een betrouwbaar AI-ecosysteem op te bouwen dat technologische innovatie in evenwicht brengt met veiligheid en verantwoordingsplicht.

Verschillende gerelateerde initiatieven ondersteunen dit ecosysteem, waaronder:

• Het AI Verify-testraamwerk, dat bedrijven helpt beoordelen of hun AI-systemen voldoen aan internationaal erkende bestuursprincipes.
• De Global AI Assurance Pilot en Sandbox, die bedrijven die AI inzetten verbinden met gespecialiseerde testbedrijven om praktische testmethoden te ontwikkelen.

Samen beogen deze programma’s gedeelde normen vast te stellen voor verantwoorde AI-implementatie.

Hoe AI TAP AI-testbedrijven zal certificeren

Bedrijven die accreditatie via AI TAP aanvragen, ondergaan twee hoofdcategorieën van evaluatie.

Beoordeling van technische capaciteit

Testorganisaties moeten aantonen dat hun evaluatiemethoden voldoen aan erkende richtlijnen voor het testen van AI-systemen. Dit omvat het laten zien dat hun diensten aansluiten bij richtlijnen op gebieden zoals:

• Veiligheid van large language model (LLM)-toepassingen
• Betrouwbaarheids- en robuustheidstesten
• Kwetsbaarheidsdetectie en exploitatietesten

Aanvragers moeten ook gestructureerde testmethodologieën en geschikte datasets voor het evalueren van AI-systemen kunnen aantonen.

Organisatorische en operationele evaluatie

Naast technische expertise beoordeelt AI TAP ook het bedrijf zelf. Het accreditatieonderzoek kan factoren omvatten zoals:

• Bedrijfsreputatie en trackrecord
• Operationele capaciteit en personeelsexpertise
• Financiële stabiliteit
• Of de geadverteerde diensten overeenkomen met de werkelijke capaciteiten van de organisatie

Deze tweelaagse beoordeling is bedoeld om ervoor te zorgen dat geaccrediteerde testers zowel technisch bekwaam als operationeel betrouwbaar zijn.

Soorten AI-risico’s die testers naar verwachting zullen onderzoeken

Hoewel AI TAP geen universele checklist heeft gepubliceerd, belichten bestaande AI-assurantiewerkzaamheden in Singapore verschillende risicogebieden die vaak worden onderzocht in AI-systemen.

Deze omvatten:

• Beveiligingskwetsbaarheden en exploiteerbaarheid, waaronder pogingen om beveiligingsmaatregelen te omzeilen of beperkte informatie te achterhalen
• Fouten in contentveiligheid, zoals het genereren van schadelijke of ongepaste outputs
• Risico’s op datalekken, vooral in retrieval-augmented generation (RAG)-systemen die zijn gekoppeld aan interne kennisdatabanken
• Meertalige veiligheidslacunes, waarbij beveiligingsmaatregelen die in de ene taal werken, in een andere kunnen falen
• Nauwkeurigheids- en robuustheidsproblemen, waaronder hallucinerende of inconsistente reacties

Testoefeningen in Singapore’s AI-assurantie-initiatieven hebben aangetoond dat beveiligingsmaatregelen zich anders kunnen gedragen in verschillende talen en dat sommige systeemontwerpen het risico op het lekken van gevoelige informatie kunnen vergroten.

Testmethoden gebruikt in AI-assurantie

AI-testorganisaties combineren doorgaans geautomatiseerde evaluatie met menselijke analyse. Voorbeelden van methoden die worden gebruikt in aan Singapore gelinkte AI-assurantieprojecten zijn:

• Adversarial prompting en red-teaming om te testen op jailbreak-kwetsbaarheden
• Synthetische datasetgeneratie om randgevallen en zeldzame faalscenario’s te creëren
• Nauwkeurigheidsbenchmarking, waaronder classificatienauwkeurigheid en retrievalprecisie
• Human-in-the-loop-review, waarbij experts systeemreacties evalueren
• LLM-as-judge-benaderingen, waarbij AI-modellen helpen bij het schalen van de evaluatie van outputs

Deze benaderingen stellen testers in staat om zowel de prestaties van AI-systemen als de robuustheid van hun beveiligingsmaatregelen te evalueren.

Hoe AI TAP het wereldwijde AI-veiligheidsecosysteem zou kunnen vormgeven

Het accrediteren van de testers zelf pakt een groeiend probleem in AI-governance aan: het waarborgen dat AI-veiligheidsevaluaties geloofwaardig en consistent zijn.

Mogelijke implicaties van het programma zijn:

• Meer vertrouwen wanneer organisaties externe bedrijven inhuren om AI-systemen te evalueren
• Duidelijkere verwachtingen van wat competente AI-veiligheidstesten inhoudt
• Betere vergelijkbaarheid van testresultaten tussen industrieën en rechtsgebieden
• Sterkere samenwerking tussen AI-ontwikkelaars en gespecialiseerde veiligheidsauditors

Omdat AI TAP wordt gepositioneerd als het eerste accreditatieschema in zijn soort in Azië, kan het invloed hebben op hoe andere landen hun eigen AI-assurantiesystemen structureren.

Welke details nog onduidelijk zijn

Hoewel de doelen en structuur van AI TAP openbaar bekend zijn, zijn verschillende operationele aspecten nog niet volledig bekendgemaakt, waaronder:

• Het gedetailleerde scoringsmodel dat wordt gebruikt voor accreditatie
• Specifieke testprotocollen die vereist zijn voor certificering
• Of sectorspecifieke normen zullen gelden voor industrieën zoals de gezondheidszorg of financiële sector

Deze details zullen waarschijnlijk duidelijker worden naarmate het programma aanvragen opent en de eerste golf van testbedrijven accreditatie ondergaat.

Het grotere plaatje

AI-veiligheidstesten worden een essentieel onderdeel van het inzetten van moderne AI-systemen. Overheden en bedrijven hebben steeds meer manieren nodig om te verifiëren of AI-modellen veilig, betrouwbaar en in lijn met bestuursprincipes zijn.

Singapore’s aanpak richt zich op het certificeren van de testers zelf, waardoor een vertrouwde laag van onafhankelijke evaluatoren ontstaat waar organisaties op kunnen vertrouwen bij het beoordelen van AI-technologieën.

Als het succesvol is, zouden programma’s zoals AI TAP een belangrijke bouwsteen kunnen worden van het wereldwijde AI-governancelandschap.