Je kent het gevoel vast wel. Je vraagt een AI-chatbot naar een specifieke bron voor je scriptie, of naar een samenvatting van een obskure rechtszaak. Het antwoord rolt er vloeiend uit. Prachtige zinsbouw, overtuigende toon, inclusief paginanummers en links. Je controleert het… en er blijkt helemaal niets van te kloppen. De bron bestaat niet, de rechtszaak is verzonnen.
Welkom in de fascinerende, soms frustrerende wereld van AI-hallucinaties.
Nu kunstmatige intelligentie een vast onderdeel is geworden van onze dagelijkse workflow, lopen we steeds vaker tegen deze digitale luchtspiegelingen aan. Maar wat is een AI-hallucinatie nou precies? Waarom doet een machine die miljarden gekost heeft alsof hij alles weet, en hoe herken je de fictie tussen de feiten?
Ai kan heel veel goed doen, maar er zit ook een belangrijke kant in AI waarbij je ook rekening moet houden. AI kan ook fouten maken.
Als een taalmodel zoals Claude, Gemini, ChatGpt iets verzint dat niet klopt, een feit, een naam, een citaat, een bronvermelding dan noemen we dat een hallucinatie.
Maar verzinnen is eigenlijk nog net iets te menselijk om voor AI te gebruiken. AI voorspelt namelijk woord voor woord wat het meest logische vervolg is. Het kijkt eigenlijk niet of het allemaal wel echt klopt. Er zit geen ingebouwde checker in die de feiten echt gaat nachecken en die dan zegt: “klopt dit wel?’’
Het resultaat daarvan is dat je een complete tekst krijgt die er heel goed uitziet en betrouwbaar overkomt, maar inhoudelijk dus eigenlijk niet klopt.
Er zijn een paar redenen waarom AI dit doet.
Ten eerste werkt AI met patroonherkenning. Het weet bijvoorbeeld dat na een zin als “De Eiffeltoren werd gebouwd in…” meestal een jaartal volgt. Als het model dat exacte jaartal niet zeker weet, kan het er toch één invullen.
Daarnaast is AI getraind om altijd een antwoord te geven. In plaats van te zeggen “ik weet het niet”, kiest het model soms voor een logisch klinkend antwoord. Ook speelt de manier van schrijven een rol. AI heeft geleerd hoe een artikel, rapport of Wikipedia-tekst eruitziet. Die stijl kan het perfect nabootsen, zelfs als de inhoud niet helemaal klopt.
In de psychologie is een hallucinatie het waarnemen van iets wat er niet is. Bij Large Language Models (LLMs) ligt dat net iets anders. Een AI-hallucinatie is het fenomeen waarbij het model vol overtuiging output genereert die feitelijk onjuist is, geen basis heeft in de trainingsdata of simpelweg nergens op slaat.
Het verraderlijke is de toon. Een AI twijfelt zelden hardop. Hij zegt niet: “Ik gok dat het dit is.” Nee, hij presenteert een totale leugen met de stelligheid van een hoogleraar.
Voorbeeld: Een chatbot die een compleet recept voor dodelijk chloorgas adviseert omdat het patronen van ‘schoonmaak’ en ‘recepten’ creatief met elkaar combineert, of een advocaat die een boete krijgt omdat hij jurisprudentie gebruikt die de AI ter plekke heeft verzonnen.
Om te begrijpen waarom AI liegt, moeten we begrijpen hoe het denkt. Een LLM is in essentie geen database zoals Google. Het is een extreem geavanceerde voorspellingsmachine.
Wanneer jij een vraag stelt, zoekt de AI niet in een digitale encyclopedie. Hij berekent simpelweg wat – op basis van statistiek – het meest logische volgende woord is in de zin.
Er zijn een paar hoofdoorzaken voor het ontsporen van die voorspelling:
Het is gemakkelijk om hallucinaties te zien als een pure softwarefout die zo snel mogelijk moet worden ‘gefixed’. Maar techneuten en AI-onderzoekers zijn er inmiddels over uit: hallucinaties zijn een bijproduct van de probabilistische aard van AI. Als we hallucinaties 100% zouden uitsluiten, slopen we ook de creativiteit uit het model. Dezelfde ‘vrijheid’ die ervoor zorgt dat een AI een nep-URL verzint, stelt hem namelijk in staat om een origineel sciencefictionverhaal te schrijven, te brainstormen over marketingcampagnes of unieke metaforen te bedenken.
Volledig foutloze AI bestaat (nog) niet, maar je kunt de kans op hallucinaties wel drastisch verkleinen. Dit zijn de belangrijkste vuistregels:
Als je AI zakelijk gebruikt, dwing het model dan om te putten uit een specifieke database (bijvoorbeeld je eigen HR-handboek of documentenset) in plaats van zijn algemene kennis. Je zegt dan letterlijk in je prompt: “Gebruik uitsluitend de onderstaande tekst om de vraag te beantwoorden. Als het antwoord er niet in staat, zeg je ‘Ik weet het niet’.”
Vraag niet: “Wat gebeurde er vorig jaar in de techwereld?” Maar vraag: “Wat waren de drie grootste overnames binnen de Nederlandse AI-sector in 2025? Noem alleen verifieerbare feiten.” Hoe strakker de kaders, hoe minder ruimte voor de AI om te dwalen.
De belangrijkste regel blijft: vertrouw nooit blindelings op kritieke output. Gebruik AI als een briljante, razendsnelle stagiair. De stagiair doet het voorwerk, maar jij bent de senior die de feiten controleert, de links aanklikt en de cijfers narekent voordat het naar buiten gaat.
Niet alle informatie is even betrouwbaar als je AI gebruikt. Er zijn een aantal dingen waar modellen vaker de mist in gaan:
Vooral bij dit soort informatie is het belangrijk om extra kritisch te zijn.
Welk model doet dit niet?
Er is geen model op de markt die niet hallucineert. Claude doet het in mindere mate dan andere modellen, en Anthropic investeert flink in technieken zoals RLHF (RLHF staat voor Reinforcement Learning from Human Feedback). Het is de techniek waarmee moderne taalmodellen worden bijgeschaafd nadat ze eerst zijn getraind op grote hoeveelheden tekst. En ze gebruiken Constitutional AI om het te beperken, maar het is nog verre van foutloos.
Sommige modellen proberen het te signaleren als ze ergens niet zeker over zijn maar zelfs dat signaal is niet betrouwbaar. Het is een fundamenteel probleem van hoe taalmodellen werken en de ontwikkelaars kunnen dit niet oplossen.
Klaar om slimmer met AI te werken?
Wil je leren hoe je AI op een veilige en effectieve manier inzet binnen jouw organisatie?
Wij helpen je om AI niet alleen te gebruiken, maar ook goed te begrijpen.
Neem contact met ons op en ontdek de mogelijkheden.
Je hebt nu een beeld van wat AI-bots kunnen betekenen voor je sales. De volgende stap is ontdekken welke oplossing het beste aansluit bij jouw bedrijf, systemen en doelen.
Laten we sparren over jouw situatie:
Hoeveel leads genereer je nu?
Welke systemen gebruik je al (CRM, marketing automation)?
Wat zijn de knelpunten in je huidige salesproces?
Waar laat je nu kansen liggen?
Plan een gesprek in en we kijken samen wat de beste aanpak is. Of dat nu een standaard platform is of een op maat gebouwde oplossing.
Hello AI helpt bedrijven in Noord-Brabant en daarbuiten met praktische AI-oplossingen. Van training tot maatwerk chatbots. We praten Nederlands, denken mee en leveren werkende oplossingen.
