AI-opiniestukken op uw redactie: zo controleert u herkomst en transparantie per bijdrage

U moet elk ingezonden opiniestuk registreren op AI-herkomst, vastleggen wie het controleerde en documenteren of en hoe u dit aan de lezer hebt gemeld. Vertrouw niet op één detectietool, maar bouw een vaste werkstroom met logging en een consistent label dat aansluit bij journalistieke codes.

De aanleiding is een analyse van 5 september 2026 van AI-geschreven opiniestukken in Nederlandse kranten, die aantoont dat redacties onopgemerkte AI-tekst publiceren zonder melding aan lezers. Het onderzoek onderzocht ingezonden bijdragen op opiniepagina's van vijf grote Nederlandse titels in een periode van een maand. In onze inschatting wijst het verschil in detectiegraden tussen redacties erop dat dit niet alleen een technisch probleem is, maar ook een kwestie van redactionele inrichting: waar redacties actiever controleren, zal minder onopgemerkte AI-tekst verschijnen.

Welke normen gelden al voor AI-transparantie?

De Belgische Raad voor de Journalistiek stelt in zijn AI-richtlijn dat redacties volledig verantwoordelijk blijven voor AI-gedreven uitvoer en dat zij transparant communiceren wanneer inhoud geheel of gedeeltelijk via geautomatiseerde processen tot stand komt. De NPO legt eveneens nadruk op transparantie en noemt praktische opties zoals disclaimers of labels, erkennende dat concrete uitvoering per organisatie verschilt. AI-opiniestukken die zonder enige melding verschijnen, staan op gespannen voet met deze codes. Voor wie ook wettelijke verplichtingen wil borgen, sluit dit aan bij de bredere plicht om AI-content te markeren onder toezicht van de AP volgens de EU AI Act. Wie persoonsgegevens in inzendingen verwerkt, houdt rekening met de Algemene verordening gegevensbescherming, die eist dat verwerking rechtmatig, transparant en tot het noodzakelijke beperkt blijft.

Wat zeggen lezers over AI-labels?

Onderzoek uit 2026 laat een dubbel beeld zien. Lezers willen duidelijke, zichtbare en gedetailleerde AI-labels, inclusief expliciete vermeldingen zoals "gegenereerd door AI" naast auteurs- en brongegevens. Tegelijk blijkt dat taakspecifieke AI-vermeldingen de waargenomen betrouwbaarheid significant kunnen verlagen, met verschillen per publiekssegment. Dit is het kernspanningsveld: AI verbergen ondermijnt integriteit, maar een generieke disclaimer als "mogelijk met AI gemaakt" kan vertrouwen raken zonder iets uit te leggen. Naar onze inschatting werkt alleen een label dat gekoppeld is aan aantoonbare menselijke controle: wát is gedaan, door wie, en waarom is het stuk geplaatst.

Welke verificatiefouten moeten redacties voorkomen?

• Vertrouwen op één detectietool — geen enkele detector is volledig betrouwbaar; combineer meerdere signalen en menselijke beoordeling.
• Geen logging van wie controleerde — zonder vastlegging van wie welke controle deed, kunt u niet verantwoorden wat u hebt gedaan.
• Generieke disclaimers zonder context — een label zonder uitleg over welke delen AI zijn en waarom het stuk is geplaatst, helpt lezers niet.
• Geen onderscheid tussen volledig en gedeeltelijk AI-gegenereerde tekst — lezers moeten weten in welke mate AI betrokken was.
• Geen koppeling aan redactionele codes — labels die niet aansluiten bij bestaande journalistieke normen, voelen willekeurig aan.

Welke concrete stappen moet uw redactie kunnen aantonen?

1. Registreer per ingezonden stuk of AI-herkomst is onderzocht — documenteer welke detectiemethoden zijn gebruikt en wat daaruit naar voren kwam.
2. Leg vast wie de controle heeft uitgevoerd en wanneer — zorg voor een audit trail die aantoont dat menselijke beoordeling heeft plaatsgevonden.
3. Bepaal of en hoe u het stuk labelt voordat het wordt gepubliceerd — maak de beslissing zichtbaar en traceerbaar.
4. Zorg dat het label aansluit bij uw redactionele normen — definieer wat u onder "AI-gegenereerd" verstaat en hoe u dit communiceert.
5. Controleer of persoonsgegevens in het stuk rechtmatig zijn verwerkt — check tegen AVG-verplichtingen voordat u publiceert.

Hoe bouw je een werkstroom die controle ondersteunt?

Dezelfde discipline die geldt voor het herkennen van misleidende AI-citaties is hier bruikbaar: niet vertrouwen op de eerste indruk, maar herkomst en bron toetsbaar maken. Een verificatielaag kan helpen om per stuk zichtbaar te maken welke verificatiestappen zijn gezet, welke correcties of tegenstrijdigheden naar voren kwamen en welke bronnen zijn geraadpleegd. Dit ondersteunt controle en verantwoording, maar garandeert geen juistheid en neemt het risico op fouten niet weg. Het professionele eindoordeel — plaatsen, weigeren of labelen — blijft bij de redactie. De verificatielaag maakt vooral zichtbaar wat er is gebeurd; de journalistieke afweging blijft mensenwerk.

Tooling kan u helpen om werkstromen consistent uit te voeren en om controle zichtbaar te maken. Maar geen tool neemt u de verantwoordelijkheid af om te bepalen wat u publiceert en hoe u dat aan uw lezers uitlegt. De keuze om een stuk te plaatsen, te weigeren of te labelen, en de redenen daarvoor, zijn uiteindelijk uw eigen professionele oordeel.