Wat is een AI-hallucinatie?
Een hallucinatie is een stellige bewering in een AI-antwoord die onjuist of ongefundeerd is, zoals een verkeerde prijs, een functie die niet bestaat of een bron die nooit is geschreven. Hallucinaties zijn geen willekeurige ruis. Ze lezen precies als ware uitspraken, en daarom gelooft de koper die het leest een verzonnen functie of een verkeerde prijs in een antwoord over je merk.
Waarom hallucineren taalmodellen?
Omdat ze worden getraind en beoordeeld op manieren die een zelfverzekerde gok belonen boven het toegeven van onzekerheid. Kalai en collega’s beschrijven hallucinaties als aannemelijke maar onjuiste uitspraken die worden gedaan in plaats van onzekerheid toe te geven, en stellen dat de trainings- en evaluatieprocedures gokken belonen boven het erkennen van onzekerheid (Why Language Models Hallucinate, 4 september 2025).
Een model dat naar een klein of nieuw merk wordt gevraagd, heeft weinig houvast, dus de druk om te gokken is het grootst precies waar een merk een fout antwoord het slechtst kan opvangen.
Hoe duiken hallucinaties op in antwoorden over merken?
De gebruikelijke zijn specifiek en controleerbaar:
- Functies of integraties die het product niet heeft.
- Prijzen, abonnementen of gratis versies die nooit bestonden of zijn veranderd.
- Feiten die zijn geleend van een ander bedrijf met een vergelijkbare naam.
- Bronnen die niet bestaan, of links naar pagina’s die niet zeggen wat het antwoord beweert.
Hoe ziet dit eruit in een echt voorbeeld?
In het openbare Tesla-voorbeeld (4 okt 2026) beantwoordde Claude „Wat is Tesla?” en „Is Tesla betrouwbaar?” vanuit wat het model al wist, zonder bronnen te citeren, en de twee antwoorden beschreven de oprichting van Tesla verschillend: het ene noemde Martin Eberhard en Marc Tarpenning, het andere Elon Musk.
Geen van beide antwoorden citeerde iets, dus er stond niets op de pagina om ze aan te toetsen. Dat is precies de situatie waarin de gok van een model en een feit er voor de lezer hetzelfde uitzien.
Voorkomt grounding hallucinaties?
Het vermindert ze door het model bronnen te geven, en sommige systemen maken beweringen controleerbaar. De Citations-functie van Anthropic geeft de exact geciteerde tekst en de positie ervan in de aangeleverde documenten terug, en zegt dat citaten gegarandeerd geldige verwijzingen naar die documenten bevatten (Claude-documentatie, gelezen op 15 okt. 2026).
Maar een gegrond antwoord kan een bron nog steeds verkeerd lezen, de verkeerde citeren of er twee door elkaar halen, en een bronvermelding laat de link zien die een engine toonde, niet de zin die het gebruikte (het artikel). Open de geciteerde pagina voordat je een verrassende bewering vertrouwt.
Hoe vangt Proofsource hallucinaties over jou op?
Proofsource controleert elk antwoord dat je merk noemt bewering voor bewering aan de hand van een feitenblad dat jij bevestigt, en geeft een beweringsmelding zodra een engine iets onjuists begint te zeggen, met het antwoord en de bronnen erbij. Zie Juistheid en sentiment en Meldingen.
Veelgestelde vragen over AI-hallucinatie
Kan ik voorkomen dat AI over mijn merk hallucineert?
Niet helemaal, maar je kunt gokken minder waarschijnlijk maken: zet je belangrijkste feiten duidelijk op pagina’s die engines kunnen lezen, houd profielen bij derden consistent en laat onjuiste pagina’s die de engines citeren verbeteren.
Komen hallucinaties vaker voor bij kleine merken?
Modellen hebben minder trainingsdata over kleine of nieuwe merken, dus minder houvast. Antwoorden die zoeken zijn veiliger als er goede pagina’s over je te vinden zijn.
Is een onjuist antwoord uit een oude bron een hallucinatie?
Strikt genomen niet: de engine herhaalde een bron correct, en de bron was fout. Ook de verbetering is anders: corrigeer de bron in plaats van op een nieuw model te wachten.
Hallucineren alle engines evenveel?
Nee, en het verschilt per vraag en per run. Meet het op je eigen merkvragen over meerdere engines in plaats van op algemene ranglijsten te vertrouwen.
Gerelateerde termen
- Merkjuistheid
Merkjuistheid is of AI-antwoorden je merk correct beschrijven: wat je verkoopt, voor wie het is, wat het kost en hoe je je verhoudt tot anderen.
- Grounding
Grounding is het verankeren van het antwoord van een AI-model in externe bronnen, zoals live zoekresultaten, zodat de beweringen rusten op opgehaalde content en niet alleen op het geheugen.
- Groot taalmodel (LLM)
Een groot taalmodel (LLM) is een AI-model dat getraind is op een zeer grote hoeveelheid tekst om taal te voorspellen en te schrijven, en het is het deel van een AI-assistent dat het antwoord schrijft.
- Entiteitsverwarring
Entiteitsverwarring is wanneer een AI-antwoord over je merk een ander bedrijf of ding beschrijft, of ermee opent, dat je naam deelt of erop lijkt.
Uitgewerkt voorbeeld: Tesla, openbare AI-antwoorden, 4 okt. 2026: de eerste scan van Tesla door Proofsource, met 25 koopvragen en 5 merkvragen, één antwoord per vraag op elk van vier engines. Een kleine steekproef van één merk, getoond als voorbeeld, niet als benchmark.
Zie waar AI je overslaat, en wat je moet verbeteren.
Zie welke koopvragen je merk noemen, wie in jouw plaats wordt genoemd en wat je moet verbeteren. 200 antwoorden. 25 Prompts/vraag. Top-AI-engines. 2 dagen. Gratis. Geen creditcard nodig.
Google AI OverviewsGoogle AI Mode
