AI-gegenereerde content publiceren: wanneer is het veilig?

AI-tools produceren binnen seconden een blogartikel, productbeschrijving of klantmail. De vraag is niet of de output bruikbaar is, maar of die zonder risico onder jouw merknaam mag verschijnen.

Hieronder lees je wanneer AI-content publicatie-gereed is, welke controles je minimaal uitvoert en hoe je de rolverdeling tussen redactie, expert en compliance inricht. Inclusief checklist en een eerste stap die je vandaag kunt zetten.

Checklist: is deze content veilig om te publiceren?

Loop deze punten af voordat je op publiceren klikt:

• [ ] Alle feitelijke claims zijn herleidbaar naar een betrouwbare bron
• [ ] Statistieken en citaten zijn geverifieerd in de originele bron
• [ ] Geen verzonnen namen, functies, jaartallen of onderzoeksinstituten
• [ ] Juridische, medische of financiële uitspraken zijn door een vakinhoudelijke expert gezien
• [ ] Tone of voice en feitelijke kaders sluiten aan op het merk
• [ ] AVG-check: geen herleidbare persoonsgegevens in voorbeelden of prompts
• [ ] Bij gevoelige content: vastgelegd wie eindverantwoordelijk is
• [ ] Versie, prompt en model zijn vastgelegd in een audit trail

Pas als alle punten kloppen, is publicatie verdedigbaar.

Wat ‘veilig’ betekent in de praktijk

Veilig publiceren betekent dat je drie soorten risico hebt afgewogen: feitelijk, juridisch en reputationeel.

Feitelijk risico ontstaat door hallucinaties: een taalmodel genereert plausibele maar onjuiste informatie. Vooral cijfers, citaten, namen en jaartallen zijn kwetsbaar.

Juridisch risico zit onder meer in auteursrecht, AVG (persoonsgegevens in prompts of voorbeelden), misleidende reclame en sectorspecifieke regels. De AI Act voegt voor bepaalde toepassingen transparantieverplichtingen toe — zie verderop voor de afbakening.

Reputationeel risico is breder: een toon die niet past, een aanname die groepen uitsluit, of een feitelijke fout die door lezers wordt opgemerkt en gedeeld.

Veilig publiceren is deze risico’s vooraf bewust afwegen, niet achteraf herstellen.

De vier criteria voor publicatie-gereedheid

1. Feitelijke juistheid

Elke verifieerbare claim moet matchen met een bron. Een AI-tool genereert regelmatig overtuigend klinkende cijfers (‘volgens recent onderzoek stijgt …’) die niet herleidbaar zijn.

Werkwijze: markeer elke claim met getallen, percentages, jaartallen of eigennamen. Zoek de originele bron op. Geen bron gevonden? Herschrijf kwalitatief of schrap.

2. Actualiteit

Taalmodellen werken met een trainings-cutoff. Informatie over wetgeving, prijzen, productspecificaties of personen kan verouderd zijn.

Controleer of de inhoud nog klopt op publicatiedatum. Voor wetgeving: ga naar de officiële tekst via wetten.overheid.nl of EUR-Lex.

3. Redactionele risicoclassificatie

Niet alle content draagt hetzelfde risico. Een productbeschrijving voor sokken is iets anders dan een artikel over medicatie of pensioenopbouw.

Een werkbare indeling voor redacties:

• Laag: marketingcopy, generieke blogs, interne communicatie
• Midden: thought leadership, klantcases, technische uitleg
• Hoog (YMYL): gezondheid, recht, financiën, veiligheid

YMYL (‘Your Money or Your Life’) komt uit Google’s Search Quality Rater Guidelines en wordt gebruikt om content te markeren die het welzijn, de gezondheid of de financiën van lezers kan raken. Hoe hoger de klasse, hoe zwaarder de menselijke review.

Let op de terminologie: ‘hoog risico’ in deze redactionele indeling is iets anders dan ‘high-risk AI system’ onder de AI Act (Verordening (EU) 2024/1689, art. 6 en Annex III). Die laatste categorie gaat over AI-systemen in onder meer kritieke infrastructuur, onderwijs, werving en rechtshandhaving — niet over de redactionele gevoeligheid van een tekst. Zie EUR-Lex 2024/1689.

4. Leesbaarheid en merkconsistentie

Een tekst kan feitelijk kloppen en toch niet publicatie-gereed zijn. Te lang, te abstract, verkeerde tone of voice, of een doelgroep-mismatch zijn redenen om terug te sturen naar redactie.

Een leesbaarheidsscore (bijvoorbeeld op basis van zinslengte en woordcomplexiteit) helpt om dit objectief te beoordelen.

De workflow: van AI-output naar publicatie

Een werkbare workflow heeft vier stappen met duidelijke eigenaren.

Stap 1: generatie en zelfcheck (redactie)

De redacteur of contentmanager genereert de tekst, doet een eerste lezing en toetst of de inhoud past bij de briefing. Geen fundamentele issues? Door naar stap 2.

Stap 2: factcheck en bronverificatie

Hier valideer je elke harde claim. Tools die claim-bronmatch ondersteunen versnellen dit, maar de inhoudelijke beoordeling blijft mensenwerk.

C37 is hier op gericht: het platform biedt geautomatiseerde controles op onder meer bronaanwezigheid, claim-bronmatch en actualiteit, aangevuld met een leesbaarheidsscore en een redactionele risicoclassificatie. De redacteur ziet per claim wat is gecontroleerd en wat handmatige aandacht vraagt. De uiteindelijke beoordeling ligt bij de mens.

Stap 3: vakinhoudelijke review (bij midden/hoog redactioneel risico)

Bij YMYL-content of specialistische onderwerpen leest een vakinhoudelijke expert mee. Juridische content gaat langs legal, medische content langs een arts of medisch redacteur.

Leg vast wie het heeft gezien en wanneer.

Stap 4: eindcontrole en publicatie (eindredactie of compliance)

De eindverantwoordelijke beoordeelt of alle eerdere stappen zijn doorlopen. Pas dan staat de content op publiceren.

Voor gereguleerde sectoren moet ook compliance zijn akkoord kunnen onderbouwen. Een audit trail met versiebeheer, prompt-historie en reviewer-namen is daarvoor een minimum.

Risico’s en randvoorwaarden waar veel teams op vastlopen

Hallucinaties die plausibel klinken

De lastigste fouten zijn die welke kloppen-zoals-ze-er-staan: een verzonnen citaat van een echte hoogleraar, of een percentage dat aansluit bij je verhaal maar nergens uit voortkomt.

Tegenmaatregel: leer redacteuren actief wantrouwig te zijn bij specifieke getallen en eigennamen. Behandel ze als rode vlaggen tot een bron is gevonden.

Auteursrecht en plagiaat

Taalmodellen kunnen formuleringen produceren die sterk lijken op trainingsdata. Voor langere passages of opvallend originele formuleringen: doe een plagiaatcheck. Voor de juridische kaders rond auteursrecht en tekst- en datamining: zie de Auteurswet en art. 4 van de DSM-richtlijn (EU) 2019/790.

Persoonsgegevens in prompts

Plak geen klantnamen, e-mailadressen of dossierinformatie in een publieke AI-tool. Dit is een AVG-risico, los van de outputvraag. Werk met geanonimiseerde voorbeelden of een afgeschermde omgeving. De Autoriteit Persoonsgegevens publiceert hierover praktische guidance over generatieve AI.

AI Act: transparantie, gericht toegepast

De AI Act bevat transparantieverplichtingen in art. 50 (Verordening (EU) 2024/1689). Voor content betekent dit onder meer:

• Aanbieders van generatieve AI moeten output zo markeren dat die als kunstmatig gegenereerd of gemanipuleerd herkenbaar is (art. 50 lid 2).
• Deployers moeten deepfakes als zodanig labelen (art. 50 lid 4).
• Voor AI-gegenereerde tekst die wordt gepubliceerd om het publiek te informeren over zaken van algemeen belang, geldt een bekendmakingsplicht — tenzij de content menselijke redactie heeft ondergaan en er menselijke eindverantwoordelijkheid is (art. 50 lid 4, laatste alinea).

Voor reguliere marketingteksten, productbeschrijvingen of commerciële blogs is die laatste plicht in veel gevallen niet van toepassing, mits er menselijke redactie en eindverantwoordelijkheid is. Stem de exacte invulling af met legal; de toepassing hangt af van het type content en de rol van je organisatie (provider, deployer, uitgever).

Auteurschap en aansprakelijkheid: context bepaalt

Pure output zonder menselijke creatieve inbreng komt onder Nederlands en EU-recht doorgaans niet in aanmerking voor auteursrechtelijke bescherming, omdat een eigen intellectuele schepping ontbreekt (zie HvJ EU, Infopaq, C-5/08). Bij substantiële menselijke bewerking ligt dat anders. Of er auteursrecht ontstaat, is dus contextafhankelijk.

Voor aansprakelijkheid geldt iets vergelijkbaars. De organisatie die publiceert is in beginsel verantwoordelijk voor de geuite inhoud (denk aan onrechtmatige daad, misleidende reclame, of sectorspecifieke regels), maar de precieze aansprakelijkheidsverdeling tussen uitgever, deployer en aanbieder van het AI-systeem is afhankelijk van de feiten en het toepasselijke regime. Leg in je governance vast wie binnen welke contentcategorie tekent voor publicatie en stem in twijfelgevallen af met legal.

Rolverdeling: wie doet wat?

Bij kleine teams combineert iemand meerdere rollen. Het principe: bij gevoelige content liggen check en publicatie bij voorkeur niet in één hand.

Wanneer is publicatie níet veilig?

Concrete situaties waarin je beter terugschakelt:

• De tekst bevat statistieken zonder vindbare bron
• Een juridische claim is niet door legal gezien
• Het onderwerp valt onder YMYL en er was geen vakinhoudelijke review
• Het model is bevraagd op informatie van na de trainings-cutoff
• De prompt bevatte herleidbare klantgegevens
• Er is geen vastlegging van wie wat heeft beoordeeld

Twijfel je over één van deze punten? Dan is de afweging niet ‘publiceren met disclaimer’, maar ‘eerst oplossen’.

Praktische eerste stap

Kies één contentcategorie waarin je al AI gebruikt — bijvoorbeeld blogartikelen of nieuwsbrieven. Doe deze drie dingen deze week:

1. Classificeer het redactionele risico van die categorie (laag / midden / hoog) en schrijf in één zin op waarom.
2. Definieer de minimale controlestappen: welke checks doe je, wie doet ze, en wat leg je vast.
3. Test het op de eerstvolgende publicatie: loop de checklist bovenaan dit artikel door en noteer wat er bleef hangen.

Na drie tot vijf publicaties zie je waar je workflow lekt en kun je gericht automatiseren of versterken. Veiligheid komt niet uit één controle, maar uit een herhaalbare routine die je team daadwerkelijk volgt.