AI-factchecking: een verdedigbare verificatieketen bouwen

U moet elke AI-gegenereerde bewering traceerbaar maken tot een specifieke bron, een vastgelegde redenering en een menselijke beslissing, in plaats van op een modelscore te vertrouwen.

De aanleiding is een analyse van 17 oktober 2026 van een verdedigbare verificatieketen voor AI-factchecking, die betoogt dat verificatie het best werkt als een inspectieklare keten met gescheiden rollen in plaats van één prompt met een betrouwbaarheidsscore. Het concrete voorbeeld is een door AI gegenereerde memo die vlot leest en plausibele bronnen aanhaalt, maar geen dossier bevat dat laat zien welk bewijs elke bewering ondersteunde. In onze beoordeling betekent dit dat u niet kunt vertrouwen op vlotheid of modelvertrouwen als vervanging voor gedocumenteerde controle, vooral niet wanneer de gevolgen van een fout hoog zijn.

Waarom één model zijn eigen werk niet kan controleren

Wanneer een model een antwoord opstelt en vervolgens zijn eigen werk controleert, voert het meestal een tweede ronde uit over dezelfde aannames. Het heeft al de formulering, context, bronnen en interpretatie gekozen. Dat gedeelde uitgangspunt maakt het gemakkelijk voor de beoordeling om een onjuiste conclusie in stand te houden, met name wanneer de prompt het concept als waarschijnlijk juist presenteert.

Schemavalidatie controleert structuur, geen betekenis. Zij kan velden bevestigen zoals claim, source en verdict en daarbij de semantische fout daarin missen. Een correct opgemaakt citaat kan een smallere propositie ondersteunen, een geldige datum kan een andere gebeurtenis beschrijven, en een oordeel kan rusten op bewijs dat het model verkeerd heeft begrepen.

Welke rollen moet u scheiden?

• Opstelling — het model produceert een aanvankelijke respons op basis van aangeleverd materiaal en gedefinieerde taak.
• Beweringextractie — het systeem identificeert welke uitspraken externe ondersteuning nodig hebben en scheidt aangeleverde feiten van aannames.
• Audit — een onafhankelijke beoordeling controleert elke bewering tegen opgehaald bewijs en markeert verschillen in reikwijdte, datum, geografie of terminologie.
• Adversarial challenge — een rol die ervan uitgaat dat het concept mogelijk onjuist is en naar alternatieve interpretaties, weggelaten context en niet-onderbouwde causale verbanden zoekt.
• Live sourcing — verificatie dat aangehaalde materiaal actueel, toegankelijk, relevant en direct verbonden met de bewering is.
• Adjudicatie — een eindbeoordelaar vergelijkt alle uitkomsten en beslist of elke bewering kan blijven staan, moet worden genuanceerd, moet worden gecorrigeerd of moet worden achtergehouden.

Wat moet u in het verificatiedossier vastleggen?

1. Bewaar de oorspronkelijke bewering en elke voorgestelde correctie — niet alleen de herziene zin, maar ook wat werd aangevochten en waarom.
2. Registreer elke onafhankelijke modelrespons met invoer, instructies en uitvoer — zodat u kunt zien waar modellen het oneens waren en waarom.
3. Documenteer de bewijspassage voor elke bewering — inclusief URL, relevante fragment, reikwijdte en of die passage de formulering ondersteunt.
4. Sla onenigheid op als verificatiesignaal, niet als defect — behoud elk conflict totdat een persoon of beoordelende instantie het oplost.
5. Verbind de uiteindelijke uitkomst met de vastgelegde beslissing — zodat een tweede beoordelaar de keten alleen uit de registratie kan reconstrueren.

Hoe escaleert u de verificatiediepgang naar risico?

Niet elke zin verdient dezelfde verificatiediepgang. Een intern samenvatting met laag risico en een klinisch document kunnen beide feitelijke beweringen bevatten, maar de gevolgen van een niet-onderbouwde uitspraak verschillen. Een gewone definitorische uitspraak heeft mogelijk een broncontrole nodig. Een bewering die een wettelijke verplichting, diagnose, financiële blootstelling of publieke beschuldiging betreft, vereist mogelijk adversarial beoordeling en professionele goedkeuring.

Kostenbeheersing wordt lastig wanneer teams alleen een eindantwoord zien. Een configureerbare workflow zou moeten tonen welk model elke stap uitvoerde, hoeveel context het ontving, hoeveel beweringen het beoordeelde en wat elke stap kostte. Die zichtbaarheid stelt een team in staat de diepgang te verminderen voor routinewerk zonder de controles voor gevoelige taken te verzwakken.

Hoe begint u met implementatie?

Begin met werk dat nu al beoordelingstijd kost en betekenisvolle gevolgen heeft. Juridische teams kunnen conceptzaaksamenvattingen door bronverificaties op beweringsniveau laten lopen. Teams in de zorg kunnen verificatie gebruiken om niet-onderbouwde uitspraken te identificeren, terwijl gekwalificeerde professionals verantwoordelijk blijven voor het definitieve dossier. Redacties kunnen bronpassages en correcties samen met onderzoek bewaren. Compliance-teams kunnen een bewijsdossier verplicht stellen voordat een AI-ondersteund standpunt wordt goedgekeurd.

Een aankoop van een tool creëert op zichzelf geen verantwoording. De organisatie heeft een gedocumenteerde werkprocedure, goedgekeurde gebruikers, escalatieroutes en een bewaarbeleid voor verificatiedossiers nodig. Voor gevoelige documenten zijn privacycontroles net zo belangrijk als feitelijke controles. Lokale pseudonimisering, fail-closed uitgaande controles en gecontroleerde documentbewerking kunnen onnodige blootstelling verminderen, maar nemen niet de noodzaak weg om gegevens te classificeren en de toepasselijke professionele verplichtingen te volgen.

Een verificatieketen is pas inspectieklaar wanneer een tweede beoordelaar deze alleen uit de registratie kan reconstrueren. Het dossier moet de oorspronkelijke bewering verbinden met de conceptformulering, elke onafhankelijke modelrespons, opgehaald bewijs, correcties, onenigheden, uiteindelijke uitkomst en menselijke goedkeuring. Tooling kan die stappen versnellen en onenigheid blootleggen, maar het kan niet bepalen welke fout voor uw werk van belang is of wanneer onzekerheid veiliger is dan een onderbouwd antwoord.