Uitlegbaarheid versus auditbaarheid: wat u vanaf 2 augustus 2026 over AI-content moet kunnen aantonen

U moet vanaf 2 augustus 2026 per workflow kunnen aantonen hoe AI-content is gegenereerd, gemarkeerd, gecontroleerd en gelogd. Uitleggen hoe uw model werkt volstaat niet; u moet bewijzen hoe concrete output is behandeld.

De aanleiding is een analyse van 8 september 2026 van de transparantieverplichtingen uit artikel 50 van de AI Act, die stelt dat organisaties moeten kunnen aantonen — niet alleen uitleggen — hoe AI-content door hun workflows is gegaan. De Europese Commissie publiceerde op 20 juli 2026 haar richtsnoeren; die verplichtingen gelden vanaf 2 augustus 2026. In onze inschatting verschuift daarmee de praktische vraag voor teams van 'kunnen we uitleggen wat het model doet?' naar 'kunnen we per workflow aantonen hoe AI-content is gegenereerd, gemarkeerd, gecontroleerd en gelogd?'.

Wat is het verschil tussen uitlegbaarheid en auditbaarheid?

Uitlegbaarheid gaat over begrijpelijkheid. Het geeft een gebruiker of toezichthouder inzicht in waarom een model tot een bepaalde output kwam. Dat is nuttig voor trainings- en designdoeleinden, maar het is geen bewijs achteraf. U kunt uitleggen hoe uw model in het algemeen werkt zonder later te kunnen reconstrueren hoe een concreet stuk AI-content is ontstaan en behandeld.

Auditbaarheid vult dat gat. Het betekent dat u met notificaties, machineleesbare markeringen, herkomstdetectie en logs kunt bewijzen hoe AI-content door uw workflow ging. Artikel 50 van de AI Act verplicht dat tweede: u moet AI-gebruik en AI-content aantoonbaar kunnen identificeren, traceren en toewijzen.

Welke foutmogelijkheden en risico's speelt auditbaarheid tegen?

• Onvindbare AI-content — content die AI-gegenereerd is maar niet als zodanig kan worden herkend of gerapporteerd.
• Verbroken ketens van toezicht — AI-output die door workflows gaat zonder dat stappen worden gelogd of vastgelegd.
• Onvoldoende markering — machineleesbare watermerken zonder duidelijke, directe melding aan gebruikers.
• Onbewezen menselijke controle — claims van redactioneel toezicht zonder registratie van wie wat beoordeelde.
• Contractuele gaten met leveranciers — geen afspraken over wie welke auditrechten en bewijsverplichtingen draagt.

Welke concrete controles moet u kunnen aantonen?

1. Documenteer per workflow welk model u gebruikt en de wettelijke grondslag voor de data — leg vast welke AI-systemen in welke stappen actief zijn en waarom u die data mag verwerken.
2. Markeer AI-gegenereerde content bij creatie — zorg dat machineleesbare markeringen en duidelijke meldingen aan gebruikers tegelijk plaatsvinden, niet alleen het ene of het andere.
3. Log alle controle- en correctiestappen — registreer wie welke versie beoordeelde, welke wijzigingen werden aangebracht en op welke gronden.
4. Zorg dat menselijke redactionele verantwoordelijkheid aantoonbaar is — een informele 'iemand heeft ernaar gekeken' volstaat niet; u wilt kunnen laten zien welke keuzes daarbij zijn gemaakt.
5. Borgen auditrechten en bewijsverplichtingen contractueel — maak afspraken met leveranciers over wat zij moeten kunnen leveren als bewijs.

Wanneer geldt de uitzondering voor menselijk toezicht?

Volgens de richtsnoeren van de Europese Commissie is de bekendmakingsplicht voor door AI gegenereerde publieksinformatie niet absoluut. De uitzondering geldt wanneer de content onder echte menselijke redactionele verantwoordelijkheid en controle stond. Dat is geen achterdeur: de Commissie behandelt het als een uitzondering in omschreven gevallen, niet als standaardvrijstelling.

Praktisch betekent dit dat u de menselijke controle aantoonbaar moet maken. Zonder registratie is er geen bewijs. U wilt kunnen laten zien wie welke versie beoordeelde, welke versies werden afgewezen en welke keuzes daarbij zijn gemaakt.

Hoe past dit in uw governance?

Uitlegbaarheid en auditbaarheid zijn geen tegenpolen; ze vullen elkaar aan. Uitlegbaarheid helpt uw mensen betere beslissingen te nemen, auditbaarheid helpt u die beslissingen achteraf te verantwoorden. De bredere verschuiving die artikel 50 illustreert, past bij een beweging van AI-governanceprincipes naar concrete controleplichten.

Waar teams gevoelige documenten verwerken, kunnen verificatielagen helpen om verificatiestappen, correcties en bronnen zichtbaar te maken voor inspectie. Dat ondersteunt controle en vastlegging, maar garandeert geen juistheid en vervangt uw professionele eindoordeel niet. De beslissing over publicatie en verantwoording blijft bij u.