AI-output controleren: de feitencheck die je team echt nodig heeft
Iedereen is bang dat AI dingen verzint. Dat is de verkeerde angst. Het echte probleem is subtieler en daardoor gevaarlijker: AI geeft je vaak een antwoord dat een jaar geleden klopte.
Timmermans Media testte in juli 2026 drie AI-tools op 185 feitelijke vragen over 37 Nederlandse merken, goed voor 1917 beoordeelde antwoorden. De foutpercentages waren laag: Gemini 1,1 procent, ChatGPT 2,7 procent, Perplexity 9,2 procent. Maar de interessante bevinding zit in de aard van die fouten. Van alle foute antwoorden bevatte 62 procent verouderde informatie. Slechts 11 procent was echt verzonnen.
Dat verandert hoe je moet controleren. Een verzinsel valt op, want het klinkt raar. Een verouderd feit klinkt volkomen normaal. Het is de prijs van vorig jaar, de directeur die vorige zomer vertrok, de functie die uit de tool is gehaald. Precies het soort detail dat niemand narekent omdat er geen alarmbel afgaat.
Waarom je huidige controle niet werkt
De meeste teams doen een van twee dingen. Ze controleren niets, want het leest goed. Of ze controleren alles, waardoor de tijdwinst van AI compleet verdampt en mensen de tool binnen een maand weer laten liggen.
Allebei fout. Je hebt geen volledige controle nodig, je hebt gerichte controle nodig. Het verschil zit in weten welke zinnen risico dragen.
In mijn trainingen laat ik teams altijd dezelfde oefening doen: neem een AI-output van een halve pagina en streep aan welke zinnen fout kunnen zijn zonder dat je het merkt. Meestal blijven er drie tot vijf zinnen over. Die vijf zinnen zijn je werk. De rest is proza en dat controleert zichzelf tijdens het lezen.
De drie risicoklassen
Deel elke AI-output op in drie soorten inhoud. Dit is de kern van de hele workflow.
Klasse 1: verifieerbaar en veranderlijk
Prijzen, tarieven, aantallen, versienummers, wetgeving, functies van tools, namen van mensen in functies, deadlines. Alles wat een datum heeft. Dit is waar 62 procent van de fouten zit. Deze zinnen controleer je altijd, zonder uitzondering, en altijd aan de primaire bron. Niet aan een andere AI, niet aan een blog, maar aan de website van de partij zelf.
Klasse 2: verifieerbaar en stabiel
Definities, historische feiten, hoe een techniek werkt, wat een afkorting betekent. Fouten hier zijn zeldzaam en vallen meestal direct op als je verstand van het onderwerp hebt. Een steekproef volstaat.
Klasse 3: niet verifieerbaar
Meningen, adviezen, formuleringen, structuur, toon. Hier bestaat geen feitencheck. Hier geldt redactie: klopt het met wat wij vinden en hoe wij praten. Dat is een andere vaardigheid en een ander moment.
De winst zit erin dat je klasse 1 en klasse 3 niet meer door elkaar husselt. De meeste teams verliezen tijd door aan een zin te schaven die eigenlijk gecontroleerd had moeten worden, of door iets na te zoeken wat gewoon een mening was.
De feitencheck in vijf stappen
Zo ziet het er in de praktijk uit. Reken op tien minuten voor een blog of klantmail, iets langer voor een rapport.
Lees de output een keer door en markeer elk getal, elke naam, elke datum en elke productfunctie. Doe dit voordat je gaat redigeren, anders raak je afgeleid door taal.
Zet in je prompt: geef bij elke bewering met een getal of naam de bron en het jaartal. Krijg je die niet, dan is de bewering per definitie onbetrouwbaar.
Open de website van de partij zelf. Bij wetgeving de officiele tekst, bij tools de eigen prijs- of documentatiepagina. Kost meestal dertig seconden per punt.
Vraag jezelf bij elk feit af of dit sinds vorig jaar veranderd kan zijn. Zo ja, dan is "het klopte ooit" niet goed genoeg.
Een regel onder het stuk. Wie het straks publiceert weet dan waar het risico zit. Dit is de stap die iedereen overslaat en die het meest oplevert.
Wat je in de prompt kunt afvangen
Een deel van het werk kun je naar voren halen. Deze instructies schelen echt controle achteraf:
- Geef expliciet aan wat je niet zeker weet, in plaats van het gat te vullen.
- Vermeld bij elk feit de bron en het jaar waarin het gold.
- Gebruik alleen de informatie uit de documenten die ik meestuur, niet je eigen kennis.
- Zet feiten en interpretatie in aparte alinea's.
Die laatste twee zijn de sterkste. Als je je eigen prijslijst, offerte of beleidsstuk meestuurt en de AI dwingt daarbinnen te blijven, valt de hele categorie verouderde informatie weg. Het model hoeft dan niet te gokken. Dat is ook waarom een Claude Project of Custom GPT met eigen documenten in de praktijk betrouwbaarder is dan een losse chat.
Wat controleer je wanneer
Niet elk stuk verdient dezelfde aandacht. Gebruik de impact van een fout als maatstaf.
| Soort output | Wie controleert | Diepte | Tijd |
|---|---|---|---|
| Interne notitie | Maker zelf | Klasse 1 steekproef | 2 minuten |
| Klantmail of offerte | Maker plus collega | Klasse 1 volledig | 10 minuten |
| Blog of website | Maker plus eindredactie | Klasse 1 volledig, bronnen erbij | 20 minuten |
| Juridisch of financieel | Vakinhoudelijk verantwoordelijke | Alles, met vastlegging | Geen AI zonder review |
De onderste rij is geen formaliteit. Onder de AI Act moet je voor risicovolle toepassingen kunnen laten zien dat er menselijk toezicht was. Een controlestap die je niet vastlegt, bestaat in dat gesprek niet.
De veelgemaakte fout: AI de AI laten controleren
Een tweede model erbij halen om het eerste te controleren voelt slim en is het soms ook, maar niet voor klasse 1. Twee modellen die op dezelfde verouderde trainingsdata zitten, bevestigen elkaars fout met veel overtuiging. Voor logica, structuur en toon is een tweede model prima. Voor prijzen en namen is er maar een juiste bron en dat is de partij zelf.
Wat wel werkt: een model met live webtoegang laten zoeken en dan zelf de gevonden link openen. Je gebruikt de AI dan om sneller bij de bron te komen, niet als bron.
Begin klein
Pak morgen een stuk dat je met AI hebt gemaakt en markeer de klasse 1-zinnen. Waarschijnlijk zijn het er minder dan je dacht, en waarschijnlijk klopt er eentje net niet meer. Dat moment is de hele les.
Maak er daarna een vast onderdeel van je proces van. Niet als extra werk, maar als vervanging van de vage onrust die nu bij iedereen achterblijft na het aanzetten van een AI-tool.
Bron: onderzoek Timmermans Media naar AI-antwoorden over Nederlandse merken, meetdagen 5 en 6 juli 2026, 1917 beoordeelde antwoorden.
Wil je dit met je eigen teksten oefenen?
In de trainingen werken we met ChatGPT, Claude en Copilot op jullie eigen documenten, zodat je output krijgt die je durft te publiceren.