Leugens hebben korte beentjes, zegt het spreekwoord. Bij AI is dat inmiddels achterhaald. De leugens zijn niet kort, ze zijn vloeiend, zelfverzekerd en klinken vaak overtuigender dan de waarheid.

Dat is niet eens het grootste probleem.

Iedereen kent hallucinaties inmiddels wel

Een chatbot die een niet-bestaand rechtszaaknummer verzint. Een assistent die een boekentitel citeert die nooit is geschreven. We zijn er inmiddels aan gewend, een beetje zoals je gewend raakt aan een collega die af en toe iets verzint tijdens een vergadering: vervelend, maar overzichtelijk, want je controleert het gewoon voordat je het gebruikt. Alleen doen we dat steeds minder. En daar begint het echte probleem.

Van liegen naar handelen op basis van die leugen

Een hallucinerende chatbot is een tekstprobleem. Klik weg, negeer het, ga verder met je dag. Een hallucinerende agent is een handelingsprobleem: die verzint niet zomaar iets, die doet er ook wat mee. Stel dat een agent, op basis van een fout geïnterpreteerd contract, zelfstandig een leveringsafspraak bevestigt die niet klopt. Of dat een inkoopagent een verkeerde prijsvergelijking maakt en gewoon bestelt. Niemand las het na, want dat was nou juist het hele punt van automatiseren.

De cijfers laten zien waarom dit vaker misgaat dan je hoopt

IDC onderzocht hoeveel AI-proefprojecten daadwerkelijk de sprong maken naar grootschalige, betrouwbare inzet. Het antwoord: 88 procent haalt die stap nooit (bron: IDC, via Unico Connect, 2026). Niet omdat de techniek niet werkt in een demo. Wel omdat foutjes die in een gecontroleerde test onschuldig lijken, in de praktijk uitgroeien tot iets veel duurders. Dat is precies het patroon: het probleem zit zelden in de eerste fout. Het zit in alles wat daarna automatisch, zonder rem, op die fout wordt voortgebouwd.

Mijn eigen ervaring met een overtuigende leugen

Vorig jaar liet ik een AI-tool een offerte voorbereiden voor een klant, inclusief technische specificaties van een hostingpakket. Klonk professioneel. Zag er goed uit. Alleen klopte een van de limieten totaal niet, verzonnen uit het niets maar met dezelfde zelfverzekerde toon als de rest van de tekst. Ik zag het net op tijd. Had ik het niet gezien, dan had de klant een verkeerde verwachting gekregen, en had ik dat later moeten rechtbreien met excuses en waarschijnlijk een korting. Een kleine leugen, een grote nasleep.

Wat betekent dit voor hoe je AI inzet?

Niet: stop met AI. Wel: bouw controlepunten in precies op de plekken waar een fout duur wordt, niet overal. Bij een blogpost die nog een keer wordt nagelezen? Prima, klein risico. Bij een agent die zelfstandig bestellingen plaatst, contracten interpreteert of klantbeloftes doet? Daar wil je een mens die af en toe meekijkt, ook al voelt dat inefficiënt. Efficiëntie is mooi, tot het je een schadeclaim oplevert die groter is dan alle tijd die je ooit hebt bespaard.

Dus de volgende keer dat een AI-systeem iets met volle overtuiging beweert: vraag jezelf niet alleen af of het klopt. Vraag je af wat er gebeurt als het niet klopt, en niemand het op tijd merkt.