AI Bullshit Detector: hype-score en nuchtere vertaling

Onze autonome AI-agent neemt al uw bedrijfsprocessen over. U hoeft niets meer te doen.

Nuchtere vertaling: Er is waarschijnlijk een chatbot of scriptje omgedoopt tot 'agent' (agent washing). Echte agents doen deeltaken binnen duidelijke grenzen en vragen doorlopend menselijk toezicht; complete processen 'overnemen' is precies waarom volgens Gartner ruim 40% van deze projecten sneuvelt.

• Je koopt een omgedoopte chatbot in plaats van echte agent-technologie
• Geen menselijk toezicht ingebouwd, waardoor fouten onopgemerkt doorwerken
• Te ambitieus beginnen (heel proces ineens) verhoogt de kans op mislukking

AGI is bijna hier. Binnen een jaar overtreft AI de mens op vrijwel alle taken.

Nuchtere vertaling: De grote sprongen tussen modelgeneraties maken plaats voor kleine, incrementele verbeteringen. Zolang er geen fundamenteel nieuwe aanpak komt, blijft AGI voorlopig science fiction. AI werkt beter als je het als normale technologie behandelt, niet als een wezen met eigen wil.

• Beslissingen baseren op een toekomst die er (nog) niet is
• Investeren in 'de volgende doorbraak' in plaats van bestaande tools benutten
• Utopie- of dystopie-frames verhullen de concrete toepassing eronder

Met deze AI vervang je een heel team. Ontsla je klantenservice en bespaar meteen.

Nuchtere vertaling: Werk lijkt simpel maar mensen doen veel meer dan zichtbaar is (de doorman fallacy). 55% van de bedrijven die mensen door AI verving, geeft achteraf toe te snel te hebben gehandeld. AI naast mensen voor repeterende taken werkt; mensen vervangen voor oordeel en relaties niet.

• Verborgen taken en uitzonderingen verdwijnen mee met de mensen
• Kostenbesparing zonder waarde- en kwaliteitsverlies mee te rekenen
• Terugdraaien is duur: opnieuw werven en vertrouwen herstellen

AI regelt zichzelf. Governance en toezicht heb je niet nodig, dat vertraagt alleen maar.

Nuchtere vertaling: Taalmodellen zoeken altijd wegen om taken uit te voeren, ook ongewenste. Governance begint bij een gesprek over wat een systeem wel en niet mag, niet bij de code. Zonder duidelijke grenzen en monitoring loopt een groot deel van de agent-projecten juist vast.

• Ongewenst gedrag zonder grenzen en zonder monitoring
• Geen transparantie over waarom een systeem een beslissing nam
• Compliance- en reputatierisico's die achteraf duur zijn

Deze generatie AI hallucineert niet meer. De output is altijd feitelijk correct.

Nuchtere vertaling: Een taalmodel kiest woord voor woord het meest waarschijnlijke vervolg en verifieert geen feiten tijdens het genereren. Hallucinaties zijn te verminderen (RAG, bronvermelding, chain-of-thought), maar 'nooit meer' bestaat niet. Blijf output controleren, zeker bij feiten.

• Onterecht vertrouwen op output zonder verificatie
• Verzonnen bronnen of cijfers die overtuigend klinken
• Fouten die pas laat in het proces zichtbaar worden

Copilot maakt je developers en medewerkers direct 10x productiever.

Nuchtere vertaling: Onderzoek laat zien dat persoonlijke AI-tools nauwelijks meetbare productiviteitswinst opleveren (minder dan 2%), zelfs bij intensieve gebruikers. De echte waarde zit in AI verweven in bedrijfsprocessen (RAG, AI-enabled apps, agents), niet in losse persoonlijke tools.

• Verwachtingen die de praktijk niet waarmaakt
• Meer werk in plaats van minder door hogere output-druk
• Suboptimalisatie: sneller op taakniveau, niet op procesniveau

Het nieuwste model verandert alles. Upgrade nu of je loopt hopeloos achter.

Nuchtere vertaling: Nieuwe releases zijn steeds vaker incrementeel, niet revolutionair. Bij een nieuw model moet je opnieuw leren communiceren, terwijl je bestaande, geoptimaliseerde workflow prima werkt. De winst zit in het beter benutten van wat je hebt, niet in het jagen op modelnummers.

• Onnodige migratiekosten en verlies van geoptimaliseerde prompts
• FOMO-gedreven keuzes in plaats van probleemgedreven
• Achter de hype aanlopen ten koste van expertise-opbouw

Hoe meer AI je organisatie verbruikt, hoe innovatiever en productiever je bent.

Nuchtere vertaling: Dit is tokenmaxxing: AI-verbruik verwarren met waardecreatie. Zodra tokengebruik een doel wordt, meet het geen waarde meer (Goodhart's law). Partijen die aan compute verdienen, hebben belang bij dit narratief. Stuur op uitkomsten, niet op zichtbare activiteit.

• Perverse prikkels: activiteit belonen in plaats van resultaat
• Onnodig energieverbruik en cognitieve overbelasting
• Verlies van vakmanschap doordat volume boven reflectie gaat

Met vibe coding bouwt iedereen zonder programmeerkennis in minuten productierijpe software. Developers heb je straks niet meer nodig.

Nuchtere vertaling: Vibe coding is krachtig om snel prototypes te maken en de samenwerking tussen business en IT concreter te maken. Maar de code werkt vaak alleen voor de happy flow; kwaliteit, veiligheid en schaalbaarheid blijven mensenwerk. Wie niet snapt hoe de code werkt, kan hem niet onderhouden of repareren als het misgaat.

• Shadow IT: tools buiten de IT-afdeling om, zonder backup, toegangscontrole of data governance
• Onhoudbare code die niemand begrijpt (de nieuwe 'hell of Excel')
• Schijnsnelheid: applicaties in productie zonder technische review op beveiliging en performance

Deze AI geeft altijd netjes zijn bronnen erbij, dus de output is geverifieerd en betrouwbaar.

Nuchtere vertaling: Een taalmodel genereert bronverwijzingen met een kloppende vorm (auteur, titel, jaartal) maar verzonnen inhoud, wat GPTZero 'vibe citations' noemt. De juiste vibe maakt een nepbron niet waar. Alleen expliciete verificatie als benoemde processtap sluit dit gat, niet de aanwezigheid van een bronnenlijst.

• Automation bias: hoe meer je op AI leunt, hoe minder kritisch je zelf nakijkt
• Verzonnen bronnen glippen door reviews omdat de nette vorm betrouwbaarheid suggereert
• Omstanderseffect: in een keten van reviewers controleert uiteindelijk niemand de bron

Onze AI-browser surft, boekt en regelt alles zelfstandig voor je. Gewoon aanzetten en loslaten, veilig by design.

Nuchtere vertaling: Een browser of assistent die zelfstandig handelt met jouw rechten, is precies daardoor aanvalbaar. Verborgen instructies in een webpagina of e-mail kunnen de agent laten doen wat een aanvaller wil, en de bestaande verdedigingen tegen prompt injection falen in onderzoek grotendeels. Beperk rechten, laat gevoelige acties bevestigen en behandel elke autonome actie als iets wat je wilt kunnen terugdraaien.

• Prompt injection via verborgen instructies in webpagina's, e-mails of documenten
• Agents krijgen vergaande rechten op je computer en accounts, waardoor de schade bij misbruik groot is
• Kwaadaardige uitbreidingen en scripts die zich voordoen als handige AI-tools
• Valse veiligheidsbelofte: filters en guardrails alleen zijn geen afdoende bescherming

Met thinking mode denkt het model echt na. Je ziet de redenering, dus je kunt het antwoord vertrouwen.

Nuchtere vertaling: Thinking mode is extra rekenwerk met tussenstappen, geen inkijk in een denkproces. Het model wordt beloond voor het eindresultaat, niet voor eerlijke tussenstappen, dus een overtuigende redenering is geen bewijs dat het antwoord klopt. Zet de instelling hoog waar het echt om meerstapsproblemen gaat, en haal je zekerheid uit bronvermelding, gestructureerde databronnen en monitoring.

• Zichtbare redenering wordt aangezien voor verantwoording, waardoor niemand het antwoord nog controleert
• Standaard hoog instellen kost tijd en geld zonder betere uitkomst bij eenvoudige taken
• Antropomorfisme: praten over 'nadenken' verhult dat er geen begrip achter zit
• Uitlegbaarheid wordt overschat, terwijl de echte grip uit brongebruik en monitoring komt

Deze AI-oplossing verdient zichzelf binnen enkele maanden terug. Koop licenties, plan een training en het rendement volgt vanzelf.

Nuchtere vertaling: Licenties en trainingen leveren vooral persoonlijke productiviteit op, en dat is geen winst op de balans. Structurele waarde ontstaat bij procesintegratie in werk dat honderden keren per maand terugkomt. Reken bovendien door dat gebruikskosten meelopen met volume en dat je naast innovatiebudget ook budget voor productie en beheer nodig hebt, anders blijft het bij een demo.

• Alleen innovatiebudget begroten, waardoor het project na de demo stilvalt
• Gebruikskosten die meeschalen met volume worden onderschat
• Persoonlijke productiviteit wordt gemeten alsof het financieel rendement is
• Businesscase op basis van vendorbeloftes in plaats van de eigen procescijfers

Onze AI-detector en het watermerk van de leverancier laten betrouwbaar zien of een tekst door AI is geschreven.

Nuchtere vertaling: Een watermerk bewijst hooguit dat een model de tekst heeft verwerkt, niet dat het de auteur is. Anthropic schrijft zelf op dat parafraseren, vertalen of korte passages te weinig signaal overlaten, en de detector is een zwarte doos die je systematisch kunt uitvragen tot je weet welke woordkeuzes het signaal dragen. In S08E80 noemt Joop Snijder watermerken in tekst een wassen neus: beoordeel een tekst op kwaliteit, niet op herkomst.

• Je bouwt beleid of een beoordeling op een uitslag die niets bewijst: geen watermerk gevonden betekent niet 'door een mens geschreven'
• Mensen die een taalmodel als hulpmiddel gebruiken (bijvoorbeeld bij dyslexie of structuurproblemen) worden onterecht verdacht gemaakt
• De norm schuift: wat nu 'verdacht AI-taalgebruik' heet, is over een paar jaar gewoon schrijftaal, terwijl je detectiegrens vast blijft staan

Klopt het antwoord niet? Zet het op het grootste model en draai de reasoning-effort helemaal open, dan is het opgelost.

Nuchtere vertaling: De modelknop en de effortknop zijn geen twee standen van dezelfde regelaar. In S08E74 geeft Niels Nagle de diagnostische vraag: wist het model te weinig, of deed het te weinig? Een overgeslagen bijlage of een weggelaten controle is een effort-probleem; een aantoonbaar fout antwoord ondanks volledige informatie is een modelprobleem. En vaak ligt de oorzaak nog een stap eerder: bij je eigen opdracht.

• Je betaalt dubbel bij routinewerk: een groter model verbruikt meer tokens en rekent meer per token, zonder betere uitkomst
• Aan knoppen draaien maskeert de echte oorzaak, een vage opdracht of ontbrekende context, waardoor de fout terugkomt
• De reflex 'groter is beter' wordt een gewoonte die niemand meer terugdraait, ook niet voor taken die op een klein model prima gaan

Onze coding agents zijn veilig: we hebben AI-beleid vastgelegd en een developer kijkt er altijd nog naar.

Nuchtere vertaling: Beleid op papier is geen beheersing. Uit het Agentic Engineering-onderzoek onder 330 Nederlandse IT-beslissers dat in S08E78 wordt besproken: ruim 80% gebruikt AI in het ontwikkelproces, maar bij minder dan 10% is AI-governance formeel verankerd en slechts een derde houdt actief toezicht via logging en audits. Wat wel werkt is een AI coding harnas: architectuurprincipes, geautomatiseerde tests en toegangsbeperkingen die grenzen technisch afdwingen, zodat controle verschuift van nakijken naar kaders bepalen.

• Bestuur en werkvloer denken verschillend over hoeveel menselijke controle nodig is, zonder gedeelde meting wint de hoogste positie in plaats van het beste argument
• Handmatige review schaalt niet mee met de snelheid van agents, waardoor toezicht in de praktijk een handtekening wordt
• Zonder sandboxing, logging en monitoring merk je pas achteraf dat een agent buiten de bedoelde grenzen heeft gewerkt

Onze AI is veilig: er beoordeelt altijd een mens het voorstel voordat het definitief wordt (human-in-the-loop).

Nuchtere vertaling: Een handtekening is nog geen toezicht. Na tweehonderd correcte voorstellen slijt de aandacht van de beoordelaar (automatiseringsbias), en bij tachtig voorstellen per uur wordt geklikt in plaats van beoordeeld. Human-in-the-loop is een ontwerpkeuze met een prijs: tijd, aandacht en de ruimte om nee te zeggen zonder dat het iets kost. Meet het afkeurpercentage van de laatste honderd voorstellen en voer een brandoefening uit met een bewust foutief voorstel.

• Bij een afkeurpercentage van nul procent is niet vast te stellen of het systeem uitzonderlijk goed is of dat er niet wordt gecontroleerd
• Meer controlepunten verdelen de aandacht over meer stapels, waardoor er per voorstel minder aandacht overblijft
• Als afkeuren iets kost en meegaan niets, is meegaan voor de medewerker de verstandige keuze en blijft menselijk toezicht een formaliteit