AI voor goede doelen en non-profit

AI voor goede doelen betekent dat je analyses en modellen bouwt op gegevens die je al hebt: giften, machtigingen, reacties op mailings en acties, en berichten over je campagnes. Daarmee zie je wie dreigt te stoppen, verwacht je inkomsten of meet je wat een campagne deed. Het hoort bij de AI-toepassingen die we bouwen.

Veel van dezelfde vragen spelen bij culturele instellingen, die ook willen laten zien wat hun activiteiten maatschappelijk opleveren.

Een donateursanalyse zet je donateurs in groepen op hun geefgedrag. Een bekende basis is RFM: hoe recent iemand gaf, hoe vaak en hoeveel. Daarbovenop komen kenmerken als het wervingskanaal, de looptijd van een machtiging en reacties op eerdere acties.

De meest gestelde vraag is wie gaat opzeggen. Dat werkt als churn bij abonnementen; lees meer bij klantanalyse en churn reduceren. De valkuil: een model dat alleen gulle gevers selecteert, vergeet de trouwe kleine donateur.

Per bron, omdat elke bron zich anders gedraagt. Periodieke machtigingen zijn goed te volgen, eenmalige giften hangen af van acties en het nieuws, en nalatenschappen komen onregelmatig binnen. Een verwachting per bron, met een bandbreedte, zegt meer dan één totaal.

Pas op met jaren waarin een grote actie of noodhulpoproep alles scheef trok: die markeer je, anders leert het model het verkeerde. Meer over voorspellen lees je bij forecasting.

Alleen met een grondslag uit artikel 6 van de AVG, zoals toestemming of gerechtvaardigd belang. In antwoorden op Kamervragen van augustus 2026 staat dat de organisatie dat eerst zelf beoordeelt, met de FG en de Autoriteit Persoonsgegevens als toezicht. Je legt in je privacyverklaring uit welke gegevens je gebruikt en waarvoor.

Bij systematische, grootschalige profilering is vaak een DPIA nodig. Het CBF kan vragen naar de onderbouwing van gerechtvaardigd belang. Je jurist of FG beslist; wij helpen inventariseren, zie Responsible AI.

Volgens de ACM mogen goede doelen bestaande en oude donateurs nog bellen met een vraag, maar wie zegt niet meer gebeld te willen worden, valt van de lijst. Voor erkende goede doelen geldt sinds 1 januari 2025 een norm voor makkelijk opzeggen, waar het CBF op toeziet.

Voor een model betekent dat: bezwaar, verzet en opzeggingen zijn harde filters vóór elke selectie, en die gegevens moeten actueel uit het donateurssysteem komen.

Door berichten en reacties te verzamelen en per bericht te laten bepalen of de toon positief of negatief is. Voor de Respect Foundation bouwden we een social media monitor en een impactanalyse voor de Week van Respect; het sentiment analyseerde onze LLM.

Zo zie je naast het bereik ook hoe er over een campagne gesproken wordt. Hoe die technieken werken, lees je bij NLP en tekstanalyse.

Verspreid. Het donateurssysteem of CRM bevat de machtigingen, de betaaldienst de incasso's, webformulieren de online giften, en wervingsbureaus voor huis-aan-huis- en straatwerving leveren eigen bestanden aan. Vaak staat dezelfde donateur er meerdere keren in.

Wie die bronnen op één donateurssleutel brengt en dubbelingen opschoont, heeft de basis voor elke analyse. Hoe dat samenkomt, lees je bij data- en AI-platform en datakwaliteit.

Als je bestand klein genoeg is om je donateurs persoonlijk te kennen, als giften niet aan een donateur te koppelen zijn of als een overzicht van inkomsten per bron genoeg is. Dan helpt een Power BI-dashboard meer dan een model.

Staat de data verspreid en vol dubbelingen, begin dan bij het data fundament. Voor kleinere organisaties is er data en AI voor het mkb. Past een lichtere oplossing, dan zeggen we dat.