Vraag AI iets wat je goed kent en je ziet waarom controle nodig blijft. Een antwoord kan grotendeels kloppen en toch een fout, verouderd detail of verkeerde aanname bevatten.
Waarom AI overtuigend klinkt, ook als het fout zit
Vraag ChatGPT, Claude of Google AI naar iets wat je goed kent. Echt goed kent. Je eigen vak, je eigen land, je eigen markt.
Lees het antwoord goed door.
Het meeste klinkt goed. Een deel klinkt logisch. En ergens tussen die gepolijste zinnen zit iets dat niet klopt. Een feit dat verouderd is. Een regel uit het verkeerde land. Een bewering die aannemelijk klinkt maar niet helemaal waar is.
Het probleem is dat het er precies hetzelfde uitziet als de delen die wél kloppen.
Een taalmodel genereert antwoorden door patronen in data te gebruiken en stap voor stap waarschijnlijke output te produceren. Moderne AI-systemen kunnen daar inmiddels ook tools aan toevoegen, zoals websearch, code-uitvoering, bestanden en connectors. Dat maakt de output krachtiger, maar niet automatisch foutloos.
Dit is de eenvoudigste manier om te begrijpen wat er echt gebeurt.
Ken je de tekstsuggesties op je telefoon? Je typt "tot ziens om" en hij stelt "6 uur," "half 8" of "het kantoor" voor. Je telefoon denkt niet na over je agenda. Het voorspelt welk woord er normaal gesproken als volgende komt, op basis van alles wat je eerder hebt getypt.
De vergelijking met tekstsuggesties helpt om het taalmodelgedeelte te begrijpen, maar moderne AI-systemen doen meer dan alleen tekst voorspellen. Ze kunnen informatie ophalen, tools gebruiken en bronnen raadplegen wanneer die functies beschikbaar zijn.
Het werd getraind op een enorme hoeveelheid tekst. Websites. Boeken. Artikelen. Forums. Van al die tekst leerde het patronen. Welke ideeën samen neigen te verschijnen. Hoe een antwoord op een vraag er normaal gesproken uitziet. Hoe een zin over loodgietersregelgeving er typisch uitziet, of een pagina over Spaans vastgoedrecht, of een blogpost over marketing voor kleine bedrijven.
Google's eigen introductie tot grote taalmodellen legt uit dat taalmodellen waarschijnlijkheden over tekst berekenen. Dat betekent niet dat iedere zin simpelweg een losse gok is: moderne systemen combineren modeloutput vaak met opgehaalde informatie en andere tools. De belangrijke grens blijft dat het uiteindelijke antwoord niet hetzelfde is als een geverifieerde bron.
De meeste keren is dat echt nuttig. Maar nuttig en correct zijn 2 verschillende dingen. En AI kan ze niet altijd van elkaar onderscheiden.
De zelfverzekerde toon is het gevaarlijke deel
Een vriend die iets niet weet aarzelt. Hij zegt "ik denk," of "ik weet het niet zeker, dat zou je even moeten controleren." Je weet dat je het met een korreltje zout moet nemen.
AI kan zeer overtuigend formuleren, ook wanneer een onderdeel onjuist is. Sommige systemen tonen tegenwoordig onzekerheid, bronverwijzingen of waarschuwingen, maar toon alleen is nog steeds geen betrouwbare maat voor juistheid.
Daarom moet je vooral bij actuele, juridische, financiële of lokale informatie controleren waar een bewering vandaan komt en of die bron op jouw situatie van toepassing is.
Een ondernemer aan de Costa Blanca vertelde me dat ze ChatGPT had gevraagd naar de wettelijke regels voor het weergeven van prijzen in haar etalage. Het antwoord kwam direct. Gedetailleerd. Zelfverzekerd. Voor zover ze kon beoordelen volledig correct.
Het was gebaseerd op Brits recht.
De AI wist niet waar ze was. Het produceerde gewoon hoe regels voor prijsweergave er normaal gesproken uitzien, en in de trainingsdata die het had gezien, kwamen de meeste van die artikelen uit het Verenigd Koninkrijk. Het klonk zeker omdat het altijd zo klinkt.
Ze had het antwoord bijna uitgeprint en aan haar notaris gegeven.
De informatie heeft een houdbaarheidsdatum
AI-modellen hebben trainingsdata met een bepaalde einddatum, maar veel moderne producten kunnen actuele informatie ophalen via websearch, databases of gekoppelde systemen. Of informatie actueel is hangt dus af van de gebruikte functies en bronnen, niet alleen van de trainingsdatum.
Bij recente of lokale onderwerpen blijft controle belangrijk. Een model zonder actuele bron kan verouderde informatie geven; een model mét websearch kan nog steeds een slechte bron kiezen of iets verkeerd samenvatten. Controleer daarom de bron, datum, locatie en context.
Het antwoordt toch. Zelfverzekerd. In volledige zinnen.
Het CSET-onderzoekscentrum aan de Georgetown University beschrijft dit als de kern van hoe taalmodellen werken: ze berekenen welke tekst er waarschijnlijk als volgende komt, op basis van patronen in enorme hoeveelheden data. Het antwoord is altijd een voorspelling, geen geverifieerd feit.
Dat is een fundamenteel iets om te begrijpen voordat je AI vertrouwt met iets wat ertoe doet.
Waarom dit anders is dan een Google-zoekopdracht
Als je iets googelt, krijg je links naar bronnen. Je kunt zien wie het schreef, wanneer, en waar het vandaan komt. Je kunt beoordelen of de bron betrouwbaar is.
Sommige AI-antwoorden bevatten tegenwoordig duidelijke bronverwijzingen en links, andere niet. Ook als er bronnen worden getoond, moet je controleren of ze werkelijk ondersteunen wat in het antwoord wordt beweerd en of ze actueel zijn.
Het voelt efficiënter. En soms is het dat ook. Maar het verwijdert de stap waarbij je normaal gesproken de bron zou beoordelen, en die stap bestaat om een goede reden.
"AI zei het" is nooit genoeg
Dit is het patroon dat ik het vaakst zie aan de Costa Blanca.
Een ondernemer gebruikt AI om websitecontent te schrijven. Of om advies te krijgen over SEO. Of om een regel te controleren. En ze behandelen de output als klaar. Af. Klaar voor gebruik.
AI kan echt helpen bij al die dingen. Ik gebruik het zelf. Maar de output is een startpunt, geen definitief antwoord.
De feiten moeten nog worden gecontroleerd. De lokale details moeten nog worden toegevoegd. Elke bewering die jouw bedrijf, jouw klanten, of jouw juridische positie raakt heeft een echte bron nodig.
Niet de samenvatting van AI van een bron. De werkelijke bron, geopend, gelezen, en gecontroleerd op datum en land.
Het volgende artikel in deze serie gaat over wat er gebeurt als AI het antwoord niet heeft maar je er toch een geeft. Het heet hallucinatie, en het komt vaker voor dan de meeste mensen beseffen.
Lees deel 2: AI liegt niet. Het vult gaten op.
Als je wilt weten of de content van je website is gebouwd op solide funderingen of op AI-giswerk, stuur me je URL via WhatsApp en ik kijk er naar.
Lees meer:
