Misleidende AI-citaties zijn een meetbaar probleem geworden: wat audits van 2026 laten zien

Je moet elke AI-gegenereerde citaat tegen een onafhankelijke bron controleren voordat je die in een document gebruikt dat anderen zullen vertrouwen. Een citaat dat er correct uitziet, is niet automatisch een echte bron.

De aanleiding is concreet. Op 2 september 2026 verscheen een analyse van verificatiepatronen in AI-gegenereerde bronverwijzingen, die aantoont dat grote taalmodellen in 11 tot 57 procent van de gevallen misleidende, verzonnen of verkeerd gelabelde bronnen produceren. De analyse steunt op audits die 69.557 citatie-instanties over tien commercieel ingezette modellen hebben onderzocht. In onze inschatting betekent dit dat controle op misleidende AI-citaties in 2026 een aparte, ontworpen verificatielaag is geworden in plaats van een aanname die je kunt overslaan.

Welke foutmodi zie je in AI-citaten?

De onderliggende mechanica is eenvoudig: taalmodellen genereren tekst op basis van patronen in trainingsgegevens, niet op basis van directe toegang tot bronnen. Dat leidt tot drie verschillende soorten fouten. Een verzonnen citaat verwijst naar een werk dat helemaal niet bestaat. Een invalide citaat bevat foute metadata — verkeerde auteur, verkeerd jaar, verkeerde titel. Een verdachte citaat toont patronen die op fabricatie wijzen: bijvoorbeeld een DOI die niet in het juiste bereik valt, of een publicatiedatum die voor de oprichting van het tijdschrift ligt. Elk type vraagt om een ander verificatieprotocol.

De omvang van het probleem groeit. Eerdere studies rapporteerden 30 tot 69 procent gefabriceerde referenties in LLM-uitvoer in biomedische contexten. Recente grootschalige reviews hebben 4.046 waarschijnlijk gefingeerde referenties in 2,5 miljoen artikelen en 126 miljoen referenties geïdentificeerd. De incidentie van gefabriceerde citaties steeg tussen 2023 en 2025 twaalfvoudig, deels door paper mills en onkritisch gebruik van generatieve AI.

Welke foutmodi moet je adresseren?

• Volledige fabricatie — het citaat verwijst naar een werk dat niet bestaat.
• Metadata-corruptie — auteur, jaar, titel of DOI zijn onjuist of inconsistent.
• Verdachte patronen — DOI's buiten het geldige bereik, publicatiedatums voor oprichting van het tijdschrift, auteursnamen die niet voorkomen in de database.
• Hallucinatie onder druk — modellen produceren meer fouten wanneer ze worden gevraagd veel citaten tegelijk te genereren.
• Model-afhankelijke variatie — hallucinatieratio's lopen uiteen van 11 tot 57 procent afhankelijk van het model en het vakgebied.

Welke concrete controles moet je kunnen aantonen?

1. Controleer elke referentie tegen een onafhankelijke bron — DOI-registers, bibliotheekscatalogussen, of de originele publicatie zelf.
2. Zet multi-model-checks in — laat meerdere modellen dezelfde bron noemen; waar ze het oneens zijn, controleer handmatig.
3. Gebruik gespecialiseerde detectietools — tools die metadata verifiëren halen op echte data ongeveer 88 tot 90 procent nauwkeurigheid.
4. Leg per claim vast welke echte bron die claim draagt — documenteer de verificatiestap zelf, niet alleen het eindresultaat.
5. Hou verificatiestappen, correcties en onenigheid zichtbaar — zodat je later kunt traceren welke AI-uitvoer in welke workflow is gebruikt.

Hoe bouw je een verificatielaag in je workflow?

Voor hoog-trust workflows werkt een patroon dat verificatie los van tekstgeneratie plaatst het meest houdbaar. De tekstgeneratie gebeurt in de eerste fase. In de tweede fase routeer je citaten door onafhankelijke verificatie — dit kan geautomatiseerd gebeuren, maar het resultaat moet voor menselijke inspectie beschikbaar zijn. In de derde fase leg je vast welke citaten geverifieerd zijn, welke onenigheid tussen verificatiebronnen bestaat, en welke claims ongedekt overblijven. Dit patroon werkt goed in juridische teams, medische redacties, beleidsonderzoek en academische schrijven.

Geautomatiseerde tools kunnen dit proces versnellen, maar ze garanderen geen juistheid. Op echte data blijft een foutmarge over. Dat is precies waarom verificatie als een gelaagde stack werkt in plaats van als één knop. Het professionele eindoordeel — welke ongedekte claim je acceptabel vindt, welke niet — blijft bij jou.