AI hallucineert minder wanneer jij het minder laat improviseren

Hallucinaties horen bij de bekendste risico's van generatieve AI. Wie er regelmatig mee werkt, herkent het patroon. Een antwoord klinkt overtuigend, de formulering loopt vlot, de redenering oogt logisch, en bij controle blijkt de informatie niet te kloppen. Een bron blijkt onvindbaar, een verwijzing bestaat niet, een feit wordt verkeerd geïnterpreteerd. Soms herhaalt AI dezelfde fout zelfs na correctie.

Dat maakt AI niet onbruikbaar. Het toont vooral dat AI geen neutrale feitenmachine is. Hoe voorkom je minder hallucinaties?

Hallucinaties ont

staan zelden omdat AI 'dom' is. Ze ontstaan vaak omdat de opdracht te veel ruimte laat om gaten zelf op te vullen. Hoe minder context, bronnen, rolafbakening en controle je meegeeft, hoe groter de kans dat AI overtuigend begint te improviseren.

Voor lokale besturen weegt dat zwaar. Besturen werken met beleidsinformatie, dienstverlening, regelgeving, inwonersvragen, projectcommunicatie en gevoelige dossiers. In die context volstaat het niet om AI 'even iets te laten opzoeken' of 'snel een tekst te laten maken'. Professioneel AI-gebruik vraagt structuur. Niet om fouten volledig uit te sluiten, maar om het risico beheersbaar te houden.

Uit eigen onderzoek bij 140 communicatieprofessionals in Vlaamse lokale besturen blijkt dat veel organisaties AI nog vooral los en ad hoc inzetten. Gedeelde werkwijzen, vaste afspraken en duidelijke kaders ontbreken vaak. Net die afwezigheid verhoogt het risico. Wie zonder structuur werkt, geeft AI per definitie meer ruimte om te gokken. Het probleem zit dan niet alleen in de tool, maar ook in de organisatie eromheen.

Een fout die overtuigend klinkt, glipt makkelijker door

Een hallucinatie is geen gewone schrijffout. Het probleem zit niet alleen in wat AI zegt, maar in hoe overtuigend het dat doet. AI kan informatie verzinnen of verkeerd combineren zonder dat zichtbaar te maken. De tekst klinkt alsof er geen twijfel bestaat.

Dat maakt hallucinaties gevaarlijk in een professionele omgeving. Een slordige formulering valt op en wordt gecorrigeerd. Een fout die helder, zelfzeker en goed gestructureerd wordt gebracht, glipt makkelijker door.

De oorzaak ligt in de manier waarop een taalmodel werkt. Het 'weet' niets zoals een mens of een officiële bron iets weet. Het voorspelt welke woorden en verbanden waarschijnlijk passen binnen de context die het krijgt. Dat is krachtig, maar kwetsbaar zodra de context onvolledig is, de opdracht te breed of de bronnen afwezig.

Wie begrijpt hoe AI werkt, herkent die zwakke plekken sneller. Je merkt wanneer een antwoord te zeker klinkt, wanneer bronnen vaag blijven of wanneer een redenering te vlot over onzekerheden stapt.

Toch blijft een deel van het risico bestaan, hoe goed je het ook aanpakt. Een model dat geen passende bron vindt, kan er nog altijd een verzinnen, zelfs met uitstekende context. Een deel van de kwetsbaarheid zit in het model zelf en niet in jouw opdracht.

Daarom is de juiste vraag niet hoe je AI foutloos maakt. De vraag is hoe je je werkwijze zo organiseert dat AI minder ruimte krijgt om te gokken, en dat fouten opvallen voor ze schade doen. Ik geef je 5 heldere tips.

1. Knip de opdracht op

De meest voorkomende fout is AI één grote opdracht geven waarin alles samenkomt. Zoek dit op, vat samen, beoordeel, formuleer een advies en schrijf er meteen een tekst van. Dat oogt efficiënt, maar verhoogt net het risico.

Zodra zoeken, analyseren en schrijven door elkaar lopen, valt niet meer te zien waarop de output gebaseerd is. Welke informatie komt uit een betrouwbare bron? Wat is interpretatie? Wat heeft AI zelf aangevuld? En welke bron bestaat eigenlijk niet?

Splits de opdracht daarom op twee niveaus.

Scheid eerst zoeken van schrijven. Laat AI bronnen aanleveren voor het iets formuleert. Vraag expliciet waar de informatie vandaan komt. Controleer of de bron bestaat, recent genoeg is en werkelijk zegt wat AI beweert. Pas daarna gebruik je die gecontroleerde informatie als basis voor een tekst.

Een werkbare volgorde:

• Laat AI relevante bronnen zoeken of bestaande bronnen samenvatten.

• Controleer de bronnen zelf.

• Geef alleen de gecontroleerde informatie opnieuw mee voor analyse of tekst.

• Laat de eindtekst nog eens nakijken op feitelijke juistheid.

Die controle kost tijd en vraagt bronvaardigheid. In de praktijk wordt ze daarom vaak overgeslagen, zeker bij medewerkers die AI net inzetten om tijd te winnen. Precies daar zit het gevaar. De stap mag geen kwestie zijn van individuele goede wil, maar hoort een vaste afspraak in de werkwijze te zijn.

Scheid vervolgens de rollen. Een onderzoekende opdracht vraagt bronkritiek. Een analyse vraagt structuur. Een advies vraagt afweging. Een tekst vraagt toon en formulering. Een controle vraagt precisie en twijfel. Laat AI die rollen niet tegelijk opnemen.

• Als onderzoeker: "Welke informatie is beschikbaar en uit welke bronnen komt ze?"

• Als analist: "Welke thema's, risico's en onzekerheden zie je in deze input?"

• Als redacteur: "Werk op basis van deze gevalideerde briefing een nieuwsbericht uit."

• Als controleur: "Controleer deze tekst op feitelijke claims, ontbrekende informatie en onduidelijkheid."

Door de opdracht zo op te delen, kan elke medewerker per stap beoordelen of de output klopt. AI-gebruik hangt dan niet langer af van één groot antwoord, maar verloopt via een gecontroleerd proces.

2. Leg vast wat AI wel en niet mag

De meeste opdrachten vertrekken vanuit inhoudelijke input: een mail, een nota, een verslag, een ruwe tekst, enkele kernpunten. Dat is nodig, maar niet voldoende. AI heeft ook spelregels nodig.

Die spelregels bepalen de speelruimte. Welke bronnen zijn leidend? Welke aannames zijn verboden? Welke toon past? Welke informatie mag niet worden aangevuld? Wanneer moet AI melden dat iets ontbreekt en stoppen om een vraag te stellen? Zonder dat kader vult AI zelf in, en daar ontstaat het risico.

Een contextdocument legt die regels vast. Denk aan afspraken over tone of voice, structuur, brongebruik, privacy, kwaliteitscontrole en rolverdeling. Voor een communicatiedienst gaat dat over de vaste opbouw van nieuwsberichten, kanaalafspraken, taalniveau, gevoeligheden en huisstijl. Voor andere diensten over verplichte onderdelen, juridische voorzichtigheid of escalatieregels.

Een concreet voorbeeld maakt het verschil duidelijk. Bij een nieuwsbericht over wegenwerken mag AI de hinderinformatie structureren, de tekst leesbaarder maken en ontbrekende praktische vragen signaleren. Maar AI mag geen timing, omleidingen, contactgegevens of beslissingen aanvullen die niet in de bron staan.

Als die informatie ontbreekt, moet AI dat melden in plaats van te improviseren.

Het verschil is fundamenteel. 'Maak hiervan een tekst' laat alles open. Een instructie als 'Gebruik alleen de aangeleverde bronnen, voeg geen feiten toe, signaleer wat ontbreekt en stel vragen voor je schrijft' bakent af. AI wordt dan een ondersteunend instrument binnen een afgesproken werkwijze, geen vrije tekstmachine.

3. Bouw controlemomenten in vóór de output

Wie meteen om output vraagt, krijgt meteen output. Dat is de verleiding, en bij complexere opdrachten gaat het te snel.

Laat AI eerst expliciteren hoe het de opdracht begrijpt. Wat is de opdracht? Welke informatie ontbreekt? Welke aannames zijn nodig? Welke risico's spelen? Welke stappen stelt AI voor? Waarover moet jij eerst beslissen?

Pas wanneer die analyse klopt, geef je groen licht. Dat moment vertraagt de opdracht en verhoogt de kwaliteit. Je ziet of AI de context juist begrijpt, je corrigeert foute aannames voor ze in een tekst sluipen, en je vermijdt een verzorgd eindproduct op basis van een verkeerde interpretatie.

Het gewicht van die tussenstap hangt af van de inzet. Een praktische aankondiging kan sneller verwerkt worden. Bij beleid, projecten, participatie, verandering, crisiscommunicatie of gevoelige dossiers hoort AI niet meteen te produceren. Eerst moet de vraag scherp zijn. Wat willen we bereiken? Voor wie telt dit? Welke gevoeligheden spelen mee? Wat weten we zeker, wat is nog onzeker, en wat ontbreekt? Een goede werkwijze stelt die vragen voor de tekst ontstaat.

4. Investeer in AI-geletterdheid

Goed prompten helpt. Inzicht helpt verder. Wie begrijpt hoe AI werkt, kijkt kritischer naar de output. Trager, minder onder de indruk van een vlotte formulering. Je herkent een te zeker antwoord, een vage bronverwijzing, een redenering die logisch klinkt maar onvoldoende onderbouwd is.

AI-geletterdheid vraagt geen technische experten. Medewerkers hoeven niet te weten hoe een model intern is opgebouwd. Ze moeten wel begrijpen dat AI werkt op basis van waarschijnlijkheid, context en patronen, dat een overtuigende formulering geen bewijs is, en dat controle altijd nodig blijft.

Dat raakt de hele organisatie. Naast de communicatiedienst moeten ook medewerkers in dienstverlening, beleid, personeel, omgeving, financiën en klantencontact kunnen inschatten wanneer AI nuttig is, wanneer voorzichtigheid telt en wanneer menselijke expertise doorslaggevend blijft.

Dat vraagt opleiding, oefening en gedeelde afspraken. AI-geletterdheid is geen aanvulling achteraf, maar een basisvoorwaarde voor veilig en professioneel AI-gebruik.

5. Hou de menselijke eindverantwoordelijkheid expliciet

AI ondersteunt veel. Het ordent documenten, clustert argumenten, bereidt teksten voor, vat bronnen samen, detecteert vragen, past formats toe en controleert output. Bestuurlijke, juridische en inhoudelijke verantwoordelijkheid neemt het niet over. Die blijft bij mensen.

Dat principe hoort expliciet in elk AI-kader, als werkafspraak en niet als formaliteit. Wie gebruikt AI, waarvoor, op basis van welke bronnen? Welke controle is verplicht? Wanneer kijkt een leidinggevende, expert, DPO, jurist of inhoudelijk verantwoordelijke mee?

Bij gevoelige dossiers mag AI de menselijke beoordeling niet vervangen. Denk aan klachten, bezwaarschriften, handhaving, personeelszaken, sociale dossiers, juridische context, crisiscommunicatie of politieke gevoeligheden. AI helpt er overzicht te creëren. De afweging blijft menselijk. Controle is geen rem op AI. Het is de voorwaarde om AI professioneel te gebruiken.

Van losse prompt naar werkproces

De strijd tegen hallucinaties win je niet met één slimme prompt. Je beperkt het risico door anders te werken. Door zoeken en schrijven te scheiden, bronnen expliciet te controleren, AI duidelijke spelregels te geven, rollen af te bakenen, tussenstappen te valideren, medewerkers AI-geletterd te maken en de menselijke eindverantwoordelijkheid te bewaken.

Dat is het onderscheid tussen experimenteren met AI en er professioneel mee werken. Het verklaart ook waarom losse tools tekortschieten. De meerwaarde ontstaat wanneer AI wordt ingebouwd in duidelijke processen, betrouwbare bronnen, vaste formats en professionele controle. Daar ligt voor veel besturen nog werk.

Professioneel AI-gebruik begint niet met een nieuwe tool, maar met een eerlijke inschatting van de huidige werkwijze. Waar gebruiken medewerkers AI vandaag al? Welke afspraken bestaan er? Waar ontbreken controlemechanismen? Welke informatie wordt ingevoerd? En waar zitten de grootste risico's?

AI hallucineert minder wanneer jij het minder laat improviseren. Volledig uitsluiten kan je het nooit. Net daarom vraagt AI geen blind vertrouwen, maar georganiseerde waakzaamheid. Als organisatie moet je daar stap voor stap aan werken.

Over ai-voor-besturen.be

Ik ben Roeland Kortleven, communicatie-expert en AI-specialist met meer dan twintig jaar ervaring in communicatie voor lokale besturen en publieke organisaties.

Met ai-voor-besturen.be ondersteun ik Vlaamse besturen om AI doordacht in te zetten, ingebed in duidelijke werkwijzen, betrouwbare bronnen en gedeelde afspraken. Dat gaat over opleiding en AI-geletterdheid, het opstellen van contextdocumenten en spelregels, en het inbouwen van controle en menselijke eindverantwoordelijkheid in bestaande processen.

Wil je weten hoe jouw bestuur AI structureler kan inzetten? Contacteer me via info@comatwork.be!