Van Dale koos ‘hallucineren’ tot Woord van het Jaar 2025. Niet de meest voor de hand liggende keuze, totdat je beseft hoeveel mensen dagelijks met AI werken zonder te weten dat een taalmodel je met een rechte rug iets kan vertellen dat volledig verzonnen is.
Stel: je vraagt een AI-tool om de vijf beste e-mailmarketingtools van dit moment. Drie namen kloppen, één bestaat niet meer en de vijfde heeft nooit bestaan. Je krijgt die lijst zonder voorbehoud, in vloeiend Nederlands, met de toon van iemand die het zeker weet.
Dit noemen we een hallucinatie. Ken je het mechanisme niet, dan is de kans groot dat je vroeg of laat iets foutief doorzet zonder het door te hebben.
Het model weet niet wat het niet weet, maar zegt dat niet
Denk aan de autocorrectie op je telefoon. Die weet niet wat je wil zeggen. Hij weet alleen welke woorden gewoonlijk op elkaar volgen. Soms completeert hij iets wat nergens op slaat, maar plausibel klinkt. Een taalmodel werkt precies zo, alleen op veel grotere schaal.
Het heeft geen toegang tot een realtime database. Het heeft geen intern geheugen. Het berekent welk woord het meest logisch volgt op jouw vraag, op basis van patronen uit zijn trainingsdata. En omdat het geoptimaliseerd is om te antwoorden, niet om te twijfelen, vult het altijd in.
OpenAI publiceerde in september 2025 onderzoek naar waarom dit zo werkt: modellen worden getraind op menselijke feedback, en mensen waarderen zelfverzekerde antwoorden. Het model leert dat twijfelen niet loont.
Het gevolg zie je terug in de praktijk: studies met verzonnen titels, URL’s naar pagina’s die niet bestaan.
Wanneer gaat het mis?
Stel je vraagt AI om een quote van een bekende marketingexpert. Je krijgt een naam en een uitspraak. Zelfs een jaar erbij. De naam bestaat. De quote niet. Je plakt hem in je nieuwsbrief, stuurt hem naar drieduizend lezers en twee mensen sturen je een berichtje terug.
Dat is geen ongeluk. Dat is hoe het model werkt.
Bij specifieke cijfers is het risico het grootst. Een conversiepercentage of marktaandeel klinkt betrouwbaar, maar het model produceert getallen die plausibel zijn zonder dat ze ergens op gebaseerd hoeven te zijn. Bij recente informatie speelt bovendien de trainingsgrens: de meeste modellen weten niet wat er na een bepaalde datum is gebeurd, maar melden dat lang niet altijd.
Frankwatching beschreef hoe het risico toeneemt naarmate vragen vager zijn: hoe minder afgebakend je vraag, hoe meer ruimte voor het model om in te vullen.
Hoe je het herkent
Er is één vuistregel die bijna altijd werkt: hoe specifieker het antwoord, hoe kritischer je moet zijn.
Een percentage met twee decimalen, een studie met een exacte publicatiedatum: dat zijn geen tekenen van betrouwbaarheid. Als je iets niet kunt vinden als je zelf de bron gaat onderzoeken, bestaat het waarschijnlijk niet.
Er is nog iets om op te letten: modellen bevestigen liever dan dat ze tegenwerken. Stel je een vraag waarop je een verwacht antwoord hebt, dan is de kans groot dat je dat antwoord ook krijgt. Of het klopt, is een andere vraag.
Zo voorkom je hallicunaties
Gebruik AI voor taal en structuur, niet voor feiten. Laat het model de eerste versie schrijven. Breng zelf de feiten in, of verifieer ze altijd voor publicatie. Hoe je dat efficiënt inricht, lees je in dit artikel over prompten voor marketingcontent.
Vraag het model expliciet naar zijn zekerheid. Voeg aan je prompt toe: “Geef aan hoe zeker je bent van elk feit dat je noemt, en waar ik dit kan controleren.” Het model geeft dan vaker aan waar het twijfelt. Waterdicht is het niet, maar het haalt twijfelgevallen eerder boven water.
Verifieer elke statistiek en elk citaat voor publicatie. Eén foutieve bronvermelding ondermijnt je geloofwaardigheid op een manier die je niet gemakkelijk repareert. Controleer ook als het er betrouwbaar uitziet. Juist als het er betrouwbaar uitziet.
Kies voor modellen met zoekfunctie bij feitelijke vragen. Tools als Perplexity of ChatGPT met browsermodus koppelen hun antwoorden aan actuele bronnen. Dat verkleint het risico fors bij vragen waarbij feiten ertoe doen. Een vergelijking van de meest gebruikte tools vind je in dit overzicht van AI-tools voor marketeers.
Behandel AI als een slimme junior, niet als een expert. Een vaardige stagiair schrijft vloeiend en denkt snel mee, maar je controleert zijn werk. Niet omdat je hem wantrouwt, maar omdat jij de eindverantwoordelijke bent. Hoe je die samenwerking verder optimaliseert, lees je in de training AI voor marketeers.
Jij bent degene die weet of het klopt
Een taalmodel klinkt als iemand die het zeker weet. Maar het heeft geen idee of het klopt. Het is gewoon heel goed in overtuigend klinken.
Jij bent degene die weet of het klopt. Of in ieder geval: jij bent degene die het kan controleren. Doe dat dus.
Veelgestelde vragen
Ja. Het is een structureel kenmerk van hoe taalmodellen werken, geen fout van één product. Sommige modellen zijn beter getraind op nauwkeurigheid, maar geen enkel model is vrij van dit risico.
Niet per definitie. ChatGPT met browsermodus geeft bij feitelijke vragen betere resultaten omdat het antwoorden verankert in actuele bronnen. Maar ook dan blijf jij verantwoordelijk voor verificatie. Ook staat het model bekend als bevestigend en overtuigend antwoorden ook als je weet dat het niet correct is. Blijf dus zelf alert en controleer altijd.
Een fout is een vergissing in redenering. Een hallucinatie is het produceren van informatie die niet bestaat, terwijl het model doet alsof het zeker is. Niet een rekenfout, maar een structureel gevolg van hoe taalmodellen werken.
Ze worden kleiner. Technieken zoals Retrieval Augmented Generation (RAG) helpen modellen om antwoorden te verankeren in echte bronnen. Volledig verdwijnen is onwaarschijnlijk zolang de basisarchitectuur van taalmodellen hetzelfde blijft.
Meer blogs lezen
Plaud Note vs Otter.ai vs Fireflies.ai vs Fathom: welke AI-recorder past bij jou in 2026?
Het AI-kompas: drie vragen voor betere AI-resultaten
ai voor e-mailmarketing
AI content workflow
Ai hallucinaties, hoe zit het nu precies?
