AI biedt bedrijven reële kansen om de efficiëntie te verbeteren. Het brengt ook nieuwe uitdagingen met zich mee, en dat is de reden waarom bedrijven steeds vaker een specifieke vorm van AI tegen AI willen inzetten: AI-detectors.
Er zijn legitieme redenen om AI-detectors te gebruiken: het beschermen van de merkstem, fraudedetectie, het opsporen van plagiaat, waar voor uw geld krijgen bij contractanten en meer.
Maar AI-detectors zijn niet onfeilbaar en voor de meeste bedrijven wegen de risico’s van het gebruik ervan zwaarder dan de voordelen. Dit is wat u moet weten voordat u er een gebruikt.
Hoe werken AI-detectors?
AI-detectors zijn gespecialiseerde software die patronen wiskundig analyseren om de waarschijnlijkheid te schatten dat tekst door een machine is gegenereerd. Populaire detectors zijn onder andere GPTZero, Copyleaks, Originality.ai, Sapling, Turnitin en Grammarly AI Detector.
Waar AI-detectors in technische termen naar zoeken, komt neer op twee statistieken:
- Perplexity meet hoe voorspelbaar een reeks woorden is. Een lagere voorspelbaarheid betekent minder kans op AI-betrokkenheid, omdat AI-modellen zijn getraind om de statistisch meest waarschijnlijke woorden te raden en te gebruiken. Mensen maken gevarieerdere en excentriekere woordkeuzes.
- Burstiness meet de variatie in zinslengte en complexiteit. Menselijk schrijven ‘barst’ van een mix van zinstypen, terwijl AI die naar waarschijnlijkheid zoekt, de neiging heeft om op een regelmatige, vloeiende, bijna wiskundige manier te schrijven. Schrijven met een lage burstiness is voor een detector een sterke aanwijzing voor AI-betrokkenheid.
Sommige AI-detectors gebruiken ook stylometrische analyse, waarbij ze de woordenschatkeuze en grammatica evalueren en jacht maken op verdacht rigide en formele structuren.
Een handvol AI-modellen begint watermerken te gebruiken, wat het insluiten van onzichtbare en detecteerbare patronen in AI-gegenereerde tekst op het moment van creatie inhoudt. Maar omdat de meeste modellen momenteel geen spoor achterlaten, kunt u nog niet op deze oplossing vertrouwen.
Zijn AI-detectors betrouwbaar?
AI-detectors zijn nooit 100% betrouwbaar, en vaak zijn ze aanzienlijk minder betrouwbaar dan dat.
De nauwkeurigheid varieert aanzienlijk tussen tools, het type inhoud en (cruciaal) hoe AI precies is gebruikt om de geanalyseerde inhoud te maken, áls het al is gebruikt.
Wanneer detectors werken
Plak ongewijzigde (of ‘onbewerkte’) AI-output in een willekeurige AI-detector en de detector zal deze detecteren. Onbewerkte output is voor de detector eenvoudig te identificeren omdat het statistisch waarschijnlijke patroon waarnaar deze zoekt, niet is doorbroken.
We hebben bijvoorbeeld tekst die rechtstreeks door Claude Sonnet 4.6 is gegenereerd, in Sapling geplakt. Sapling had er 99,5% vertrouwen in dat deze door AI gegenereerde tekst inderdaad door AI was gegenereerd.
Originality (een andere toonaangevende AI-detector) markeerde dezelfde paragraaf als AI met een nog groter vertrouwen: 100%.
Detectors kunnen door AI geschreven tekst ook identificeren wanneer de ingediende tekst niet 100% door AI is gegenereerd, hoewel dit aanzienlijk minder betrouwbaar is, vooral wanneer de tekst kort is (minder dan 300 woorden) en de patronen waarnaar detectors zoeken geen tijd hebben om zich te vestigen.
Wanneer detectors falen
Het is algemeen bekend dat AI-detectors fout-positieven vinden: signalen van AI-gebruik in tekst die volledig door mensen is geschreven. Een recente collegiaal getoetste studie naar academisch schrijven(nieuw venster) beoordeelde de algehele nauwkeurigheid van Originality en Turnitin bij het identificeren van door AI gegenereerde academische teksten op respectievelijk slechts 69% en 61%.
Eén probleem is dat mensen van nature vaak als AI schrijven, vooral als ze de taal niet als moedertaal spreken en (net als LLM’s) eenvoudige, zeer grammaticale formuleringen gebruiken. Een onderzoek van Stanford(nieuw venster) liet zeven populaire AI-detectors TOEFL-essays (Test of English as a Foreign Language) van Chinese studenten analyseren. Het gemiddelde percentage fout-positieven was 61,22%.
Het is voor detectors ook moeilijk te ontdekken wanneer mensen opzettelijk de statistische patronen verstoren waarnaar ze zoeken. Door AI ondersteunde auteurs hoeven niet veel te doen om die patronen te doorbreken: een paar zinnen herschrijven, de zinsstructuur variëren, minder voorspelbare woorden gebruiken.
Als dit te veel werk lijkt, kunnen ze dit laten doen door een van de steeds talrijkere ‘humanizer’-tools die onvermijdelijk zijn ontstaan om detectors te slim af te zijn.
Ze kunnen ook gewoon bij hun gekozen LLM blijven en slimmere prompts gebruiken. Een studie uit 2025 naar 12 AI-detectors(nieuw venster) wees uit dat “minimale verfijning met GPT-4o kan leiden tot herkenningspercentages van 10% tot 75%, afhankelijk van de detector”.
We vroegen Claude Sonnet 4.6 om een essay van 300 woorden te schrijven over de nauwkeurigheid van AI-detectors, en vroegen het om als een mens te schrijven, met gevarieerde zinslengtes, een directe mening en onverwachte woordkeuzes. Sapling schatte de kans dat de tekst door AI was gegenereerd op slechts 12%.
Originality analyseerde dezelfde tekst en verklaarde dat het er 100% van overtuigd was dat de tekst door AI was gegenereerd.
Originality lijkt op basis van deze test de betere tool te zijn, maar het is belangrijk om te beseffen dat beide tools even overtuigd waren van hun analyse. Als u de geanalyseerde tekst zelf heeft geschreven, weet u welke detector gelijk heeft. Als u dat niet heeft gedaan, kunt u er nooit zeker van zijn.
Hoe AI-detectors uw gegevens in gevaar brengen
Het grotere probleem met AI-detectors is iets wat veel bedrijven volledig over het hoofd zien: de risico’s die ze vormen voor de privacy en beveiliging van uw gegevens. Dit zijn vergelijkbare risico’s als die van AI in het algemeen:
- Nalevingsrisico’s: detectiemodellen nemen vooroordelen over van trainingsgegevens, wat kan leiden tot discriminerende resultaten en inbreuk op wetten voor gelijke kansen. Veel detectors zijn ‘black boxes’, en kaders zoals de EU AI Act(nieuw venster) en het NIST AI Risk Management Framework(nieuw venster) vereisen dat organisaties een duidelijke logica achter AI-outputs bieden.
- Risico’s voor IP en trainingsgegevens: veel AI-detectors hebben servicevoorwaarden (ToS) die de provider het recht geven om ingediende gegevens op te slaan, te analyseren en te gebruiken om toekomstige modellen te trainen. Dit kan betekenen dat uw provider het wettelijke recht heeft om productroadmaps, financiële prognoses en bedrijfseigen onderzoek dat u heeft ingediend te gebruiken, zonder de verplichting om de privacy ervan te garanderen of te voorkomen dat dit in de output van een concurrent terechtkomt.
- Gegevensbeveiligingsrisico’s: AI-detectors zijn kwetsbaar voor cyberaanvallen en door inhoud in te dienen bij een detector van derden, vergroot u uw aanvalsoppervlak met dat van uw provider. Als uw provider te maken krijgt met een schending, zullen uw gegevens daar deel van uitmaken. Met gratis, niet-gecontroleerde tools — precies het soort tools dat werknemers geneigd zijn te gebruiken — kunt u de beveiligingspraktijken van een provider niet vooraf controleren.
- Risico’s voor datasoevereiniteit: het indienen van een document bij een detector kan betekenen dat tekst naar buitenlandse servers wordt verzonden, waardoor lokale bescherming mogelijk vervalt en de tekst wordt blootgesteld aan extraterritoriaal overheidstoezicht onder de CLOUD Act(nieuw venster).
Voor de meeste bedrijven is de vraag niet of AI-detectors werken, maar of de risico’s van het gebruik ervan de moeite waard zijn. Als u met gevoelige, originele of vertrouwelijke gegevens werkt, is het antwoord nee.
Veelgestelde vragen over AI-detectors
Hoe werken AI-detectors?
AI-detectors scannen tekst op zoek naar patronen die ze hebben geleerd te associëren met door AI gegenereerde tekst. Deze patronen ontstaan doordat AI tekst genereert door algoritmisch het meest waarschijnlijke volgende woord te voorspellen en te gebruiken.
Waarnaar zoeken AI-detectors?
De belangrijkste indicatoren voor door AI gegenereerde tekst waarnaar detectors zoeken, zijn een lage mate van ‘perplexity’ (onvoorspelbare woordkeuzes) and ‘burstiness’ (variatie in zinslengte en -structuur).
Sommige AI-modellen beginnen te experimenteren met watermerken, wat het insluiten van onzichtbare (maar detecteerbare) patronen in tekst op het moment van genereren betekent. Omdat dit echter nog maar bij een paar modellen gebeurt, bieden watermerken nog geen waterdichte test voor door AI gegenereerde tekst.
Werken AI-detectors?
De nauwkeurigheid is afhankelijk van de gebruikte detector, het type tekst dat wordt geanalyseerd en hoe (of überhaupt) AI is gebruikt om de tekst te genereren. Detectors presteren goed op ruwe, onbewerkte AI-output. Bij alles wat complexer is — bewerkte inhoud, menselijk schrijven door niet-moedertaalsprekers, licht geparafraseerde AI-output — daalt de nauwkeurigheid aanzienlijk.
Afgezien van de nauwkeurigheid is het grotere probleem met AI-detectors de bedreiging die het gebruik ervan kan vormen voor uw gegevensbeveiliging. Het indienen van inhoud bij een detector van derden betekent dat deze wordt overgedragen naar externe servers, waardoor deze mogelijk wordt blootgesteld aan cyberaanvallen, dataharvesting en extraterritoriaal toezicht, en dat een provider wettelijke rechten krijgt op uw ingediende inhoud.
Voor de meeste bedrijven, vooral de bedrijven die met gevoelige, originele of vertrouwelijke inhoud werken, wegen de gegevensrisico’s die gepaard gaan met AI-detectie door derden zwaarder dan de voordelen.
