Exploitant blijft aansprakelijk voor wat zijn chatbot zegt

U blijft aansprakelijk voor wat uw AI-systeem naar buiten brengt. Het probabilistische karakter van een model is geen vrijstelling van verantwoordelijkheid. Leg daarom vóór publicatie aantoonbare menselijke verificatie, bronbeperking en incidentcorrectie vast.

Een analyse van 21 oktober 2026 van rechterlijke oordelen over aansprakelijkheid voor AI-output stelt vast dat organisaties en professionals verantwoordelijk blijven voor foutieve antwoorden van chatbots en dat rechtbanken dit niet als een reden zien om verantwoordelijkheid naar het model te verschuiven. Het Oberlandesgericht Hamm oordeelde dat een onderneming aansprakelijk was voor onjuiste mededelingen van haar chatbot over specialistische kwalificaties; het hof verwierp het verweer dat de chatbot een zelfstandige derde was, omdat de exploitant de werking en gegevensbasis kon beïnvloeden. In onze beoordeling betekent dit dat rechtbanken AI-hallucinaties als een governance- en verantwoordelijkheidsprobleem behandelen, niet als een automatische vrijstelling. De concrete gevolgen hangen af van toepasselijke rechtsregels, uw rol en de omstandigheden.

Wie draagt verantwoordelijkheid voor foutieve AI-uitingen?

De Hamm-uitspraak maakt duidelijk dat zeggenschap over het model verantwoordelijkheid meebrengt. Wie bepaalt welk model draait, welke bronnen het raadpleegt en welke beperkingen gelden, kan zich niet verschuilen achter het idee dat het model autonoom spreekt. Dit raakt een redenering die in de praktijk vaak opduikt: "het model deed het, niet wij." Voor exploitanten van publieke chatbots wordt het moeilijker om verantwoordelijkheid uitsluitend aan het model toe te schrijven.

De verantwoordelijkheid verschuift naar context en rol. Bij een klantenservicebot kan dat de exploitant betreffen; bij ingediende juridische inhoud kan de ondertekenende professional tot verificatie gehouden zijn. Het District Court of Connecticut beboette een advocaat omdat hij ongeverifieerde, door AI gegenereerde juridische citaten had ingediend. Het Supreme People's Court van China publiceerde een landelijke opinie waarin het stelt dat aanbieders en gebruikers onder omstandigheden aansprakelijk kunnen zijn en dat AI-gegenereerde processtukken vóór indiening moeten worden gecontroleerd.

Welke risico's ontstaan door hallucinaties?

• Misleidende zakelijke uitingen — claims over kwalificaties, expertise of feiten die niet kloppen en rechtstreeks aan uw organisatie worden toegerekend.
• Onjuiste juridische citaten en bronverwijzingen — AI-output die verwijst naar niet-bestaande rechtszaken, wetten of jurisprudentie.
• Verlies van controle over toepassingsgebied — chatbots die buiten hun beoogde domein uitspraken doen zonder waarschuwing.
• Geen bewijs van verificatie — geen aantoonbare piste dat een mens de output heeft beoordeeld voordat deze werd gepubliceerd.
• Escalatie na ontdekking — geen procedure om foutieve uitingen snel in te trekken en te corrigeren.

Welke controles moet u per AI-werkstroom aantonen?

1. Documenteer welk model, welke bronnen en welke beperkingen gelden — leg vast welke modelversie draait, welk bronmateriaal beschikbaar is en welke systeemprompts de output sturen.
2. Beperk de claims die het systeem mag doen — definieer vooraf welke feitelijke uitspraken de bot wel en niet mag doen en dwing deze beperking technisch af in de bronnen en instructies.
3. Bouw een expliciete verificatiestap in vóór publicatie — zorg dat de verantwoordelijke persoon aantoonbaar elke bron en elk citaat zelf narekent voordat de output naar buiten gaat.
4. Registreer wie, wanneer en hoe de output is beoordeeld — bewaar bewijs dat controle werkelijk plaatsvond, niet alleen dat iets werd gelogd.
5. Stel een correctie- en escalatieprocedure vast — bepaal wie een foutieve AI-uiting binnen welke termijn intrekt en rectificeert.

Wat telt als bewijs van verificatie?

Een activiteitenlog dat enkel registreert dat iets gebeurde, is iets anders dan bewijs dat een mens de output beoordeelde. Wat telt is niet een logbestand op zichzelf, maar aantoonbare controle: wie heeft wat gecontroleerd, wanneer, en met welk resultaat. Bij geautomatiseerde samenvattingen vraagt dezelfde logica om terugkoppeling naar de bron voordat iemand erop beslist. Wie deze beslissingen vooraf vastlegt, bouwt aan verdedigbare AI-governance in plaats van achteraf te moeten uitleggen waarom het model iets zei.

Werktuigen kunnen u helpen loggen en traceren, maar ze kunnen uw professionele oordeel niet vervangen. Een verificatieproces dat alleen op automatische checks steunt, voldoet niet aan wat deze uitspraken eisen. Uw verantwoordelijkheid blijft: bepalen wat acceptabel is, controleren of het waar is, en kunnen bewijzen dat u dat hebt gedaan.