Waarom AI dingen verzint — en hoe je een antwoord controleert

Waarom verzint een AI-model antwoorden?

Een taalmodel verzint antwoorden omdat het beloond wordt voor raden. Onderzoekers van OpenAI en Georgia Tech laten zien dat hallucinaties niets mysterieus zijn: het zijn gewone fouten in binaire classificatie, en modellen worden geoptimaliseerd om goede examenkandidaten te zijn — waarbij gokken bij twijfel de score verhoogt.¹

Vergelijk het met een meerkeuzetoets waarbij een fout antwoord evenveel kost als een leeg antwoord. Wie dan bij twijfel invult, scoort gemiddeld hoger dan wie eerlijk overslaat. Precies dat gedrag zit in de manier waarop modellen worden geëvalueerd: 'ik weet het niet' levert nul punten op, een plausibele gok soms wel.

Dat verklaart ook waarom een verzonnen antwoord er zo overtuigend uitziet. Het model kiest niet tussen 'waar' en 'onwaar', maar tussen 'waarschijnlijke vervolgtekst' en 'minder waarschijnlijke vervolgtekst'. Een keurig geformuleerd verkeerd antwoord is taalkundig gezien een uitstekend antwoord.

Waarom dit op je werk anders uitpakt dan thuis

Thuis stel je vragen waarover veel geschreven is, dus is er iets om op terug te vallen. Op je werk stel je vragen over je eigen procedures, klanten en afspraken — informatie die nergens in de training van het model zat. Juist daar levert raden het meeste onzin op, en juist daar kun je het het slechtst controleren.

Vraag een model hoe de opzegtermijn in Nederland werkt en je krijgt een redelijk antwoord, want daar is publiek materiaal over. Vraag hetzelfde model welke kortingsafspraak jullie met een specifieke klant hebben, en er is niets. Het model heeft dan twee opties: zeggen dat het dit niet kan weten, of een aannemelijk klinkende afspraak formuleren. Standaard neigt het naar de tweede.

Er is nog een reden waarom dit een bedrijfsprobleem is en geen privéprobleem: het gebeurt al, of je het geregeld hebt of niet. Uit onderzoek onder kenniswerkers blijkt dat 78 procent AI-tools gebruikt zonder toestemming van de IT-afdeling.² Vaak omdat het antwoord ergens in de organisatie wel bestaat maar niet snel te vinden is, waardoor zoeken naar informatie een probleem op zichzelf wordt. De vragen worden dus gesteld — de vraag is alleen of de antwoorden ergens langs een controle komen.

Wat wel werkt: het antwoord vastknopen aan je eigen bronnen

De praktische oplossing is niet een beter model maar een betere vraagstelling: laat het model eerst je eigen documenten opzoeken en alleen daaruit antwoorden. Die techniek heet retrieval-augmented generation, en het effect is simpel — bij elke bewering hoort een vindplaats die je kunt openen.⁴

Zonder die koppeling put het model uitsluitend uit wat het ooit heeft gezien, wat betekent dat het over jouw bedrijf niets kan weten en dat toch niet zal zeggen. Met de koppeling verschuift de vraag van 'klopt dit?' naar 'staat dit inderdaad in dat document?' — en dat tweede kun je in tien seconden zelf nagaan.

Dat is meteen de reden waarom de kwaliteit van je eigen documenten opeens uitmaakt. Een model dat put uit een map met drie versies van dezelfde procedure geeft drie verschillende antwoorden, allemaal met bronvermelding. Hoe je zo'n bronbestand fatsoenlijk inricht staat in AI op je eigen bedrijfsdocumenten.

Hoe controleer je een AI-antwoord in twee minuten?

Vier handelingen vangen het merendeel van de fouten: vraag naar de bron, controleer één concreet getal, check hoe oud de informatie is, en stel de vraag nog een keer omgekeerd. Samen kosten ze twee minuten en ze zijn belangrijker naarmate het antwoord zekerder klinkt.

1. 1

   Vraag waar het vandaan komt

   'Uit welk document of welke bron komt dit precies?' Krijg je geen vindplaats maar een omschrijving, behandel het antwoord dan als een vermoeden. Krijg je wel een vindplaats, open die dan één keer.

2. 2

   Reken één getal na

   Cijfers, percentages en bedragen zijn het gevoeligst voor gokken. Kies het getal waar de conclusie op rust en controleer dat ene. Klopt dat niet, dan hoef je de rest niet meer te lezen.

3. 3

   Check de datum

   Vraag expliciet uit welk jaar de informatie komt. Bij regelgeving, tarieven en marktcijfers is een antwoord van twee jaar oud niet fout maar wel onbruikbaar — en het model meldt de veroudering zelden uit zichzelf.

4. 4

   Stel de vraag omgekeerd

   Vraag 'wat spreekt hiertegen?' of 'in welke gevallen klopt dit niet?'. Een model dat zojuist een antwoord verzon, valt bij die vraag vaak door de mand met een net zo overtuigend tegenovergesteld antwoord.

5. 5

   Laat één mens tekenen

   Gaat het antwoord naar buiten of naar een klant, dan hoort er een naam onder van iemand die het gelezen heeft. Niet omdat de AI het fout doet, maar omdat verantwoordelijkheid niet automatiseerbaar is.

Deze vijf stappen zijn geen procedure die iemand moet handhaven — het is een gewoonte die je één keer voordoet en daarna zelf toepast. Wie het formaliseert in een controleformulier, krijgt het formulier ingevuld en de controle niet uitgevoerd.

Wat je als organisatie regelt (en wat je juist niet moet regelen)

Regel drie dingen: waarvoor AI-antwoorden zonder controle bruikbaar zijn, waarvoor altijd een mens tekent, en waar de bronnen staan waaruit het model mag putten. Wat je niet moet regelen is een verbod, want dat verplaatst het gebruik alleen naar telefoons waar je geen zicht op hebt.

• Vrij te gebruiken zonder controle — samenvatten van tekst die je zelf hebt geschreven, formuleringen verbeteren, brainstormen, een eerste opzet maken.
• Altijd controleren voor gebruik — cijfers, wetsartikelen, klantafspraken, bedragen, alles wat als feit de deur uit gaat.
• Altijd een mens die tekent — communicatie naar klanten, offertes, personeelszaken, alles met een juridische of financiële consequentie.
• Nooit zonder eigen bron — vragen over interne procedures. Kan het model niet bij je documenten, dan is elk antwoord hierover een gok.

Eén A4 met deze vier categorieën doet meer dan een beleidsstuk van twintig pagina's, omdat mensen hem daadwerkelijk lezen. Wat er niet in hoort zijn merknamen van tools: die wisselen sneller dan je het document herziet.

Moet je AI-tekst labelen? Wat de AI-verordening sinds augustus 2026 vraagt

Sinds 2 augustus 2026 gelden de transparantieplichten uit artikel 50 van de AI-verordening.⁵ Kort samengevat: een systeem dat rechtstreeks met mensen communiceert moet kenbaar maken dat het AI is, gegenereerde inhoud moet machineleesbaar gemarkeerd zijn, en wie AI-tekst publiceert om het publiek over zaken van algemeen belang te informeren moet dat vermelden — tenzij een mens de tekst heeft gecontroleerd en er redactionele verantwoordelijkheid voor draagt.

De praktische conclusie voor de meeste MKB-bedrijven is beperkt: als er een mens naar kijkt en zijn naam eronder zet, verandert er weinig aan hoe je publiceert. De verplichting die wel echt bijt is de chatbot die zich niet kenbaar maakt. Wat er verder allemaal wel en niet is uitgesteld staat in AI-geletterdheid verplicht.