Wat AI écht niet kan (en waarom dat weten dé vaardigheid is)

De meeste uitleg over AI gaat over wat het allemaal kan: teksten schrijven, samenvatten, vertalen, code genereren, beelden maken. Allemaal waar. Maar wie AI professioneel wil gebruiken, heeft veel meer aan de omgekeerde vraag: wat kan het niet? Want daar, precies op die grenzen, ontstaan de fouten die je in het nieuws ziet — verzonnen rechtszaken in juridische stukken, niet-bestaande bronnen in rapporten, beleidsbeslissingen op basis van cijfers die nergens vandaan komen.

Hieronder de vier grenzen die er in de praktijk het meest toe doen. Niet als waarschuwing om AI links te laten liggen, maar als gebruiksaanwijzing: wie dit snapt, haalt er méér uit, niet minder.

1. AI weet niet betrouwbaar wat waar is

Een taalmodel is geen databank met feiten. Het is een systeem dat op basis van enorme hoeveelheden tekst heeft geleerd welke woorden waarschijnlijk op elkaar volgen. Dat levert verbluffend vloeiende en vaak correcte antwoorden op — maar het model heeft geen intern onderscheid tussen “dit is waar” en “dit klinkt aannemelijk”. Een verzonnen bronvermelding en een echte bronvermelding voelen voor het model precies hetzelfde.

Dit verschijnsel heet hallucineren, en het is geen kinderziekte die met de volgende versie verdwijnt. Het volgt uit hoe deze systemen werken. Nieuwere modellen hallucineren minder en kunnen soms bronnen op internet raadplegen, maar ook dan geldt: de zekerheid waarmee iets wordt opgeschreven, zegt niets over de juistheid ervan.

Wat dit betekent voor jou: behandel feitelijke beweringen van AI — namen, cijfers, data, citaten, bronnen, wetsartikelen — als concepten die gecontroleerd moeten worden, niet als antwoorden. Hoe belangrijker de bewering, hoe zwaarder de controle.

2. AI kan zijn eigen werk niet controleren

Een verleidelijke gedachte: als AI fouten maakt, vraag ik AI toch gewoon om zijn eigen antwoord te checken? Helaas. Het model dat de fout maakte, heeft geen extern referentiepunt om die fout aan te toetsen. Vraag je “weet je het zeker?”, dan krijg je soms een correctie, soms een herbevestiging van de fout, en soms een nieuwe fout — en het model klinkt in alle drie de gevallen even overtuigd.

Dit geldt ook voor rekenen en tellen. Een taalmodel telt niet zoals een rekenmachine rekent; het voorspelt wat een aannemelijk antwoord is. Bij simpele sommen gaat dat meestal goed, bij grotere berekeningen, tabellen en tellingen (hoeveel woorden, hoeveel rijen, kloppen de subtotalen?) is het onbetrouwbaar. Sommige AI-tools lossen dit op door achter de schermen echte rekenhulpmiddelen aan te roepen — maar of dat gebeurt, zie je als gebruiker vaak niet.

Wat dit betekent voor jou: de controle ligt bij jou, of bij een hulpmiddel dat wél deterministisch werkt. Cijfers uit AI-output narekenen in een spreadsheet is geen wantrouwen, het is vakmanschap.

3. AI kent jouw organisatie niet

AI-modellen zijn getraind op publiek beschikbare tekst. Wat er niét in zit: jullie klantafspraken, de gevoeligheid rond dat ene dossier, de reden waarom een eerdere aanpak is afgeschoten, de verhoudingen in het managementteam, de toon die bij jullie klanten past. Vraag je AI om “een mail aan de klant”, dan krijg je een generiek goede mail — voor een klant die niet bestaat.

Je kunt context meegeven in je vraag, en dat helpt enorm. Maar ook dan blijft de kennis beperkt tot wat jij hebt ingetypt. AI weet niet wat je bent vergeten te vertellen, en juist dát is in organisaties vaak waar het om draait: de onuitgesproken context die iedereen kent behalve het model. Bovendien geldt: hoe meer interne context je deelt, hoe belangrijker de vraag welke gegevens je eigenlijk in een externe tool stopt — zeker bij persoonsgegevens en vertrouwelijke informatie.

Wat dit betekent voor jou: AI-output is een halffabricaat. De vertaalslag naar jouw situatie — klopt dit voor deze klant, dit team, dit moment? — is mensenwerk en blijft mensenwerk.

4. AI draagt geen verantwoordelijkheid

Dit is de meest fundamentele grens, en tegelijk de meest praktische. Als een AI-gegenereerd advies fout blijkt, kun je het model niet aansprakelijk stellen, niet ter verantwoording roepen en niet vragen om het uit te leggen aan de klant. De verantwoordelijkheid voor wat er met AI-output gebeurt, ligt volledig bij mensen: bij degene die het gebruikte, en bij de organisatie waarbinnen dat gebeurde.

Dat is geen technische beperking maar een gegeven — en het Europese recht is daar helder over. De AI-verordening legt verplichtingen bij aanbieders en gebruikers van AI, niet bij “de AI”. “Het systeem zei het” is geen verweer, net zomin als “de rekenmachine zei het” dat ooit was. Wie AI-output doorstuurt, ondertekent, publiceert of erop besluit, maakt die output tot de zijne.

Wat dit betekent voor jou: gebruik AI overal waar het je werk versnelt, maar teken er nooit blind voor. De eindcontrole is niet een extra stapje bovenop je werk — het ís je werk.

Waarom de grenzen kennen dé vaardigheid is

Zet deze vier grenzen op een rij en er ontstaat een verrassend werkbaar beeld. AI is een razendsnel, breed onderlegd, onvermoeibaar hulpmiddel dat: niet weet wat waar is, zichzelf niet kan controleren, jouw context niet kent en nergens verantwoordelijkheid voor draagt. Met andere woorden: een uitstekende assistent en een waardeloze eindverantwoordelijke.

Wie alleen de mogelijkheden ziet, gebruikt AI voor de verkeerde dingen en vertrouwt output die controle nodig had. Wie alleen de gevaren ziet, laat een hulpmiddel liggen waar de rest van de markt wél mee leert werken. De professional die het verschil maakt, is degene die per taak kan inschatten: leent dit zich voor AI, wat kan er misgaan, en hoe vang ik dat op?

Dat inschattingsvermogen is precies wat AI-geletterdheid inhoudt — en het is de reden dat artikel 4 van de AI-verordening organisaties vraagt om hun mensen hierin op te leiden. Niet om van iedereen een techneut te maken, maar om ervoor te zorgen dat iedereen die met AI werkt, weet waar de grenzen liggen. Meer over hoe die verplichting is opgebouwd lees je in onze tijdlijn van de AI-verordening, en hoe je een team van angst naar vaardigheid brengt in dit artikel voor teamleiders.

Test jezelf

Denk je nu: dit wist ik allemaal al? Mooi — dan is de gratis quiz een leuke manier om dat te bevestigen. De vragen gaan precies over dit soort grenzen, en de ervaring leert dat ook doorgewinterde AI-gebruikers er minstens één keer door verrast worden. Voor scholen, waar leerlingen én docenten dagelijks met deze grenzen te maken hebben, hebben we een aparte pagina.