Hallucinaties
AI-modellen kunnen overtuigende maar incorrecte informatie genereren. Leer hallucinaties herkennen en controleren om betrouwbaar met AI te werken.
Wat zijn AI-hallucinaties?
AI-hallucinaties zijn een fundamentele eigenschap van hoe taalmodellen werken. Het model genereert overtuigende, maar incorrecte of niet-bestaande informatie. Het "verzint" antwoorden die plausibel lijken, gebaseerd op de data waarmee het getraind is, zonder daadwerkelijk begrip van de feiten.
Waarom gebeurt dit? AI-modellen zijn in essentie voorspellingsmachines die het meest waarschijnlijke volgende woord berekenen op basis van patronen uit miljarden teksten. Het is geen zoekmachine en ook geen database met feiten. Het genereert nieuwe tekst, elke keer weer, op basis van waarschijnlijkheden en niet op basis van waarheid.
Bij het samenvatten van een document zit er in 3 tot 7 procent van de samenvattingen een fout, ook bij de bekende AI-modellen. AI brengt die fout net zo zeker als een goed antwoord. Werk je veel met AI, dan kom je dus regelmatig een hallucinatie tegen.
Denk aan AI als een hyperslimme stagiair. Zeer capabel en snel, maar je moet het werk altijd controleren. AI is getraind op algemene kennis, niet op jouw werkprocessen en richtlijnen.
Deze cijfers komen van de Vectara Hallucination Leaderboard (Engelstalig, stand oktober 2026). Daar testen ze hoe vaak AI-modellen iets verzinnen als ze een document samenvatten.
Twee voorbeelden uit de training
Een fout die je meteen ziet, en een fout die je pas ziet als je het zelf probeert. Beide klinken even zeker.
Duidelijke fout
5.11 of 5.3: wat is groter?
5.11 is groter dan 5.3. Als je naar de getallen kijkt, zie je dat 5.11 meer decimalen heeft en dus een grotere waarde vertegenwoordigt dan 5.3.
Een rekenfout, met een uitleg die zeker klinkt.
Overtuigend, maar niet waar
Hoe gebruik ik de functie 'Slim Samenvatten' in Microsoft Word?
De functie 'Slim Samenvatten' in Microsoft Word helpt je om snel en efficiënt de belangrijkste punten uit een document te halen.
- Open je document: zorg dat het document open staat.
- Ga naar het tabblad 'Invoegen': klik op het tabblad in het lint.
- Selecteer 'Slim Samenvatten': zoek de optie en klik erop.
Een nette handleiding, maar de functie en de stappen kloppen niet.
Wanneer check je?
Niet alles hoeft even grondig. Kijk naar twee dingen: hoeveel staat er op het spel, en hoeveel tijd kost het om te checken?
Checken kost tijd
Weinig op het spel
Gebruiken, één keer lezen
Bron erbij, alles nakijken
Gewoon gebruiken
Gebruiken, feiten zelf checken
Veel op het spel
Snel te checken
Zo check je
- Controleer cijfers altijd tegen betrouwbare bronnen zoals CBS, jaarverslagen of officiële statistieken.
- Verifieer namen en data via LinkedIn, bedrijfswebsites of nieuwsbronnen.
- Toets aan expertise. Als iets vreemd klinkt, vraag een vakgenoot of gebruik je eigen domeinkennis.
- Vraag om bronnen. Vraag AI expliciet om bronnen te noemen, en controleer of die echt bestaan.
- Vergelijk met interne richtlijnen. Check of tone-of-voice, stijl en inhoud matchen met je merkrichtlijnen.
Hallucinaties beperken
Werk je met een document en staat er veel op het spel? Gebruik dan deze drie regels. Voor een brainstorm of een eerste opzet zijn ze niet nodig.
Voeg het document toe als bijlage
Niet als link. Bij een link leest Copilot vaak maar een deel, of niets, en vult de rest zelf in.
Eerst citaten, dan antwoord
"Zoek eerst de relevante passages in het document. Geef daarna antwoord op basis van die passages."
"Ik weet het niet" mag
"Als het niet in het document staat, zeg dat dan. Gok niet."
Meer voorbeelden
Hallucinaties zijn niet theoretisch: je zult ze regelmatig tegenkomen. Hieronder enkele voorbeelden om je te helpen herkennen hoe ze eruitzien.
Inconsistente trainingsdata
Dezelfde vraag gesteld aan drie verschillende AI-modellen kan drie totaal verschillende antwoorden opleveren. Dit komt doordat elk model getraind is op andere datasets en andere prioriteiten heeft.
Voorbeeld uit de training: "Hoeveel zzp'ers zijn er in Nederland?" (uit eigen kennis, zonder internet). De antwoorden: 1,2 miljoen, 1,3 miljoen en 1,6 miljoen. Alle drie klinken zeker. Daarom geef je zelf de bron mee.
Laat Copilot dieper nadenken
Moderne "thinking models" kunnen hun eigen denkproces analyseren en fouten herstellen. Deze modellen tonen hun redenering en kunnen zichzelf corrigeren wanneer ze een fout ontdekken. Dit maakt ze betrouwbaarder, maar verificatie blijft essentieel.
In Copilot zet je dit aan met Denk dieper in de modelkeuze. In het tabblad Redeneren zie je welke stappen het model zet. Zo zie je hoe het tot een antwoord komt en waar een fout kan zitten.