Zes vingers aan een hand. Wazige oorbellen. Tekst op de achtergrond die nergens op slaat. Je hebt de lijstjes vast voorbij zien komen: zo herken je een AI-gegenereerd beeld. Het vervelende nieuws: die lijstjes verouderen sneller dan ze geschreven worden. Het goede nieuws: er is een aanpak die wél houdbaar is. Daarover gaat dit artikel.
Waarom de herkenningstrucjes steeds zwakker worden
De klassieke tips zijn gebaseerd op fouten die AI-modellen op een bepaald moment maakten. Vreemde handen, onlogische schaduwen, rare tanden, haperende lipbewegingen in video, een metaalachtige klank in gekloonde stemmen. Al die signalen hadden een houdbaarheidsdatum, want elke nieuwe modelgeneratie repareert precies de fouten waar de vorige om bekend stond.
Dat is geen toeval maar het mechanisme zelf: deze modellen worden getraind en verbeterd totdat hun output niet meer van echt te onderscheiden is. Elke publiek bekende herkenningstruc is in feite een lijstje verbeterpunten voor de volgende versie. Wie zijn oordeel bouwt op “ik zie het wel aan de details” bouwt op zand.
Betekent dit dat je nooit meer iets aan een beeld kunt zien? Nee — slordige of goedkope fakes vallen nog regelmatig door de mand. Maar je kunt er niet meer van uitgaan dat een overtuigend beeld dus echt is. En dat is precies de verschuiving die je denken moet maken.
Van pixels turen naar herkomst checken
De duurzame vraag is niet “ziet dit er echt uit?” maar “waar komt dit vandaan?”. Professionele factcheckers werken al jaren zo: niet het beeld zelf is het bewijs, maar het spoor eromheen.
Vragen die wel blijven werken
- Wie publiceerde dit als eerste? Een gerenommeerd medium met naam en verantwoordelijkheid, of een anoniem account dat gisteren is aangemaakt?
- Berichten andere, onafhankelijke bronnen hetzelfde? Bij echt nieuws duiken vrijwel altijd meerdere onafhankelijke bronnen op. Staat een schokkend beeld maar op één plek, dan is dat een signaal.
- Klopt de context? Veel misleiding is niet eens AI: een echt beeld uit een ander jaar of ander land, met een nieuw onderschrift. Een omgekeerde beeldzoekopdracht (via bijvoorbeeld Google Lens of TinEye) laat vaak zien waar een beeld eerder opdook.
- Wie heeft er belang bij dat jij dit gelooft? Beelden die precies inspelen op woede of angst verdienen extra wantrouwen — juist omdat ze gemaakt kunnen zijn om gedeeld te worden.
Er wordt ook gewerkt aan technische herkomst-standaarden, zoals watermerken en metadata die vastleggen hoe een beeld is gemaakt (bekend van initiatieven als C2PA/Content Credentials). Nuttig waar het werkt, maar nog lang niet overal aanwezig en niet waterdicht: metadata kan ontbreken of gestript zijn. Zie het als extra aanwijzing, niet als eindoordeel.
En AI-detectietools dan?
Er bestaan tools die claimen AI-beelden of AI-audio te herkennen. Gebruik ze gerust als één van meerdere signalen, maar vertrouw er niet blind op. Ze zitten er geregeld naast — in beide richtingen: echte beelden worden als nep bestempeld en nieuwe generaties nepbeelden glippen erdoorheen. Een detectorscore is een aanwijzing, geen bewijs.
Wat doe je als je twijfelt?
Bij twijfel: pauze, check, dan pas delen
- Deel het niet meteen door. Twijfel is een prima reden om even niets te doen. Niemand is ooit in de problemen gekomen door een uur te wachten met delen.
- Zoek de oorspronkelijke bron. Wie bracht dit als eerste, en is die bron te vertrouwen?
- Zoek onafhankelijke bevestiging. Melden serieuze nieuwsmedia of officiele kanalen hetzelfde?
- Doe een omgekeerde beeldzoekopdracht als het om een foto gaat.
- Nog steeds onzeker? Behandel het als onbevestigd. “Ik weet het niet” is een volwaardige, eerlijke conclusie.
De vaardigheid die blijft: verifieer via een tweede kanaal
Deepfakes worden pas echt gevaarlijk als ze zich op jóu richten. Denk aan een gekloonde stem die klinkt als je kind of je moeder en om geld vraagt. Of een “videogesprek met de directeur” waarin je gevraagd wordt met spoed een betaling te doen — een vorm van fraude waarvoor politie en banken al langer waarschuwen.
Tegen dit soort aanvallen helpt geen enkel kijk-trucje. Wat wel helpt, is simpel en ouderwets: verifieer via een tweede, onafhankelijk kanaal.
- Krijg je een onverwacht, dringend verzoek via telefoon, spraakbericht of video? Hang op en bel zelf terug op het nummer dat je al van die persoon had — niet op een nummer uit het bericht zelf.
- Vraagt “je bank” of “een collega” om een overboeking of inloggegevens? Neem contact op via het officiële kanaal dat je zelf opzoekt.
- Spreek binnen je gezin of team af hoe je elkaar checkt bij geldzaken — bijvoorbeeld: bij elk onverwacht betaalverzoek eerst terugbellen, altijd.
Waarom is dit dé houdbare vaardigheid? Omdat het niets aanneemt over hoe goed de vervalsing is. Al wordt de nepstem morgen tien keer beter: een oplichter die jouw moeder naboots, neemt niet op wanneer jij je echte moeder terugbelt. Verificatie via een tweede kanaal veroudert niet mee met de techniek.
Praat erover met je gezin en je team
Deze vaardigheid werkt pas echt als je omgeving hem ook kent. Oudere familieleden zijn een geliefd doelwit van stemkloon-oplichting; kinderen delen beelden sneller dan ze checken. Neem de terugbel-afspraak dus samen door, en spreek op het werk af hoe betaalverzoeken en wachtwoordverzoeken geverifieerd worden. Eén gesprek van tien minuten kan het verschil maken.
Kortom
Herkennen aan pixels: steeds minder betrouwbaar. Herkomst checken: houdbaar. Bij twijfel niet delen: altijd goed. En bij alles wat om geld, inloggegevens of spoed draait: verifieer via een kanaal dat jíj kiest.
Wil je weten hoe goed jij nepcontent al doorziet? Doe de gratis AI-geletterdheidsquiz. In de cursus AI-geletterdheid oefen je dit soort vaardigheden stap voor stap, en in AI en je kind lees je hoe je dit met je kinderen bespreekt. Voor teams die hier werk van willen maken is er onze pagina voor werkgevers.