Waarom geeft AI soms verkeerde antwoorden en hoe herken je die?

Een taalmodel zoekt geen feiten op. Het voorspelt op basis van enorme hoeveelheden tekst welk stukje tekst waarschijnlijk volgt, duizenden keren achter elkaar. Meestal levert dat een prima antwoord op, maar als het model geen goede dekking heeft voor jouw vraag, vult het de gaten met iets dat plausibel klinkt. Dat is geen storing en ook geen bug die er ooit helemaal uit gaat: het is een direct gevolg van hoe de techniek werkt. Wil je eerst begrijpen wat AI precies is en welke vormen er bestaan, dan vind je die basis in het artikel over wat AI is.

Foute antwoorden komen zelden uit het niets. In de praktijk zie je vijf terugkerende oorzaken.

1. Het onderwerp zit nauwelijks in de trainingsdata. Bij niche-onderwerpen, interne procedures of lokale regelgeving heeft het model weinig houvast en gaat het gokken.
2. De vraag valt na de kennisdatum van het model. Modellen zijn getraind tot een bepaald moment. Zonder webtoegang kennen ze recente cijfers, versies of wetswijzigingen simpelweg niet.
3. Je prompt is te vaag of dubbelzinnig. Ontbreekt context, doelgroep of afbakening, dan vult het model die zelf in. Vaak anders dan jij bedoelde.
4. Het model neemt jouw aanname over. Zit er een fout uitgangspunt in je vraag, dan bouwt de AI daar meestal netjes op voort in plaats van je te corrigeren.
5. Het gesprek is te lang geworden. In lange gesprekken raken eerdere instructies op de achtergrond en gaat het model terug naar algemeenheden.

Foute antwoorden komen zelden uit het niets. In de praktijk zie je vijf terugkerende oorzaken.

• Het onderwerp zit nauwelijks in de trainingsdata. Bij niche-onderwerpen, interne procedures of lokale regelgeving heeft het model weinig houvast en gaat het gokken.
• De vraag valt na de kennisdatum van het model. Modellen zijn getraind tot een bepaald moment. Zonder webtoegang kennen ze recente cijfers, versies of wetswijzigingen simpelweg niet.
• Je prompt is te vaag of dubbelzinnig. Ontbreekt context, doelgroep of afbakening, dan vult het model die zelf in. Vaak anders dan jij bedoelde.
• Het model neemt jouw aanname over. Zit er een fout uitgangspunt in je vraag, dan bouwt de AI daar meestal netjes op voort in plaats van je te corrigeren.
• Het gesprek is te lang geworden. In lange gesprekken raken eerdere instructies op de achtergrond en gaat het model terug naar algemeenheden.

Je hoeft geen expert te zijn om de meeste fouten te betrappen. Let op antwoorden die heel stellig zijn zonder enige onderbouwing, op bronnen of citaten die je nergens kunt terugvinden, en op cijfers zonder jaartal of herkomst. Ook verdacht: een antwoord dat precies zegt wat jij wilde horen, of dat plots veel algemener wordt zodra je doorvraagt op een detail. Een laatste signaal is inconsistentie: stel dezelfde vraag anders geformuleerd en kijk of het antwoord overeind blijft.

Het risico stijgt zodra een antwoord precies moet zijn en niet globaal. Denk aan concrete cijfers en statistieken, bronvermeldingen en citaten, juridische of fiscale details, actuele versies en voorwaarden, en alles wat over jouw eigen organisatie gaat. Bij creatief werk, brainstormen, herschrijven of samenvatten van tekst die je zelf aanlevert is de kans op een echte fout een stuk kleiner. Wil je een AI wél laten antwoorden op je eigen documenten, dan lees je in de blog over RAG en chatbots op eigen documenten hoe dat werkt. En voor de grenzen van wat je überhaupt aan een AI-tool moet voorleggen, is waarvoor je ChatGPT niet mag gebruiken een goed startpunt.

Neem het niet over, maar controleer de kern. Check de belangrijkste feiten bij een onafhankelijke bron, vraag om onderbouwing en gebruik je eigen vakkennis als eerste filter. Het volledige stappenplan met concrete controles staat in de blog over hoe je AI-antwoorden controleert, inclusief manieren om je prompt zo op te bouwen dat er minder fouten in sluipen.

Het komt neer op één principe: de AI levert een concept, jij blijft verantwoordelijk voor wat eruit gaat. Eén verzonnen zin in een klantmail, offerte of rapport kost je geloofwaardigheid, ongeacht welke tool die zin schreef. Daarom hoort het herkennen van foute antwoorden bij de basisvaardigheden van AI-gebruik, net als weten welke informatie je wel en niet in een externe tool zet. Meer over dat bredere kader lees je in de blog over ethische regels voor AI-gebruik.

Wil je dit met je eigen werk oefenen in plaats van erover lezen, dan is de training AI voor beginners een logische stap. Je leert er wat AI kan, waar de risico’s zitten rond betrouwbaarheid en privacy, en hoe je AI inzet voor dagelijkse taken. De training is geschikt voor iedereen met computerwerk, ongeacht functie of sector, en Startel begeleidt professionals hier inmiddels ruim 25 jaar bij. Werk je al dagelijks met AI en wil je het gerichter inzetten binnen je organisatie, dan sluit AI Verdieping voor Professionals beter aan.