Een AI-watermerk bewijst geen juistheid

U moet voor vertrouwelijke AI-content een intern herkomstdossier met model, versie, bron en menselijke beoordeling bijhouden. Een machineleesbare markering bewijst geen juistheid, eigenaarschap of menselijke bijdrage, en is daarom onvoldoende als enig verantwoordingsbewijs.

Een analyse van 28 oktober 2026 van machineleesbare AI-markering onder artikel 50 stelt dat watermerken detectiegrenzen hebben en geen juistheid of menselijke bijdrage bewijzen. De Europese Commissie erkende op 19 oktober 2026 de geactualiseerde Code of Practice on Transparency of AI-generated Content als vrijwillig praktisch instrument om aan de bindende transparantieverplichtingen van artikel 50 AI Act te voldoen, die sinds 2 augustus 2026 gelden. In onze inschatting verschuift de kernvraag voor professionals daarmee van "is dit door AI gemaakt?" naar "welk bewijs maakt herkomst, bewerking en menselijke verantwoordelijkheid controleerbaar?"

Wat bewijst een watermerk wel en niet?

Een markering of label vertelt dat AI betrokken was. Het vertelt niets over of de inhoud klopt, wie eindverantwoordelijk is of hoeveel een mens eraan heeft bijgedragen. OpenAI beschrijft in zijn toelichting op de EU-tekstherkomstregels een gefaseerde aanpak met opt-in tekstwatermerken en onzichtbare watermerken. Daarbij noemt OpenAI zelf de grenzen: detectie hangt af van tekstlengte en teksttype, bewerking kan het signaal verzwakken, en een watermerk stelt geen menselijke bijdrage, eigenaarschap, gebruikersidentiteit of feitelijke juistheid vast.

Onderzoek wijst dezelfde kant op. Een peer-reviewed studie testte een interface die herkomstdichtheid zichtbaar maakt in plaats van een binair label. Deelnemers onderscheidden waarheidsgetrouwe van gefabriceerde tekst beter dan bij geen signaal of een kaal label. De auteurs waarschuwen echter expliciet voor schijnzekerheid, domeinbias en de verleiding om herkomst als universele waarheidsarbiter te gebruiken.

Welke risico's ontstaan door verwarring van label en bewijs?

Twee feiten mogen hier nooit worden verward. Een label bewijst niet dat content onjuist is, en het ontbreken van detectie bewijst niet dat content door een mens is gemaakt. Wie beide gelijkstelt aan "betrouwbaar" of "onbetrouwbaar", bouwt beleid op een signaal dat de makers zelf als feilbaar omschrijven.

Voor hoog-vertrouwelijke content is een machineleesbare markering daarom onvoldoende als enig intern verantwoordingsbewijs. Omdat OpenAI meldt dat bewerking het watermerksignaal kan verzwakken, kan een organisatie niet leunen op een extern detecteerbaar kenmerk als enig bewijs. Omdat de Code of Practice alternatieve, gelijkwaardig adequate maatregelen toestaat, krijgt een jurist ruimte én plicht om in leveranciers- en gebruiksafspraken concreet vast te leggen welk herkomstbewijs de organisatie zelf bewaart en kan overleggen.

Welke interne controles moet u kunnen aantonen?

1. Documenteer model en versie — leg vast welk model, welke versie en welke tool voor elke AI-output zijn gebruikt, op het moment van generatie en niet achteraf.
2. Registreer de bewerking — houd bij welke wijzigingen na generatie zijn aangebracht, omdat bewerking het externe signaal kan verzwakken.
3. Koppel menselijke beoordeling — bewaar welke menselijke controle en welke feitelijke toetsing per stuk hebben plaatsgevonden voordat het vrijgegeven werd.
4. Maak het auditrecht afdwingbaar — leg in elk AI-contract vast welk herkomstbewijs de organisatie bewaart en kan overleggen, met concreet inspectiebewijs in plaats van algemene toezeggingen.
5. Scherm gevoelige bronnen af — zorg dat het herkomstdossier controleerbaar is voor wie het mag inzien, zonder niet-openbare broninhoud breed beschikbaar te maken.

Hoe bouwt u een werkbaar herkomstrecord?

Een werkbaar record legt per stuk AI-beïnvloede content vast wat is gedaan, waarmee en onder welk toezicht. Onthul welke tool, welk model en welke versie zijn gebruikt, waar de tool is ingezet en welke menselijke beoordeling plaatsvond. Waar mogelijk kunnen C2PA-metadata en waarschuwingen om gevoelige gegevens niet in publieke tools in te voeren helpen.

De kern is dat het herkomstbewijs moet controleerbaar zijn zonder de niet-openbare broninhoud breed beschikbaar te maken. Zo'n controleerbaar beslisrecord in plaats van losse activiteitenlogs is wat markering alleen niet levert. Het professionele eindoordeel blijft bij de mens.

Tooling kan u helpen een herkomstdossier vast te leggen, metagegevens te beheren en audittrails te onderhouden. Geen systeem kan echter de feitelijke toetsing van inhoud vervangen of bepalen wat in uw organisatie als vertrouwelijk moet gelden. Die oordelen blijven uw eigen professionele verantwoordelijkheid.