AI-detectie: kun je zien of een tekst door AI is geschreven?

28 september 2026 · bijgewerkt 30 mei 2026

Met de opkomst van AI-tekst rijst een logische vraag: kun je zien of iets door AI is geschreven? Er zijn detectietools die het beloven, maar de werkelijkheid is genuanceerd — en belangrijk om te kennen, of je nu docent, werkgever of schrijver bent.

Hoe werken AI-detectietools?

Detectietools schatten in hoe “voorspelbaar” een tekst is. AI-tekst is vaak gladder en regelmatiger dan menselijke tekst. De tool geeft op basis daarvan een waarschijnlijkheid. Let op het woord waarschijnlijkheid: het is een schatting, geen bewijs.

Het probleem: ze zitten er regelmatig naast

AI-detectie is niet betrouwbaar genoeg om er harde conclusies aan te verbinden. Twee bekende problemen:

• Vals positief: menselijke tekst wordt onterecht als “AI” bestempeld — vooral bij niet-moedertaalsprekers of nette, formele tekst.
• Vals negatief: AI-tekst die licht is bewerkt, glipt er vaak doorheen.

Een verdenking op basis van alleen een detectiescore is daarom riskant en oneerlijk. Het kan een aanwijzing zijn, nooit een bewijs.

Wat dan wel?

• Voor docenten: beoordeel ook het proces (concepten, gesprek), niet alleen het eindproduct. Zie AI in het onderwijs.
• Voor werkgevers: maak duidelijke afspraken over AI-gebruik in plaats van te jagen op detectie.
• Voor schrijvers: voeg je eigen ervaring en stem toe — dat is sowieso beter en moeilijker te imiteren.

Hoe onbetrouwbaar zijn ze precies?

Het probleem zit in twee soorten fouten. Een vals positief bestempelt menselijke tekst onterecht als AI — dat overkomt vooral mensen die in nette, formele taal schrijven of het Nederlands of Engels niet als moedertaal hebben. Een vals negatief laat AI-tekst er ongemerkt doorheen, zeker als die licht is herschreven. Omdat beide soorten fouten regelmatig voorkomen, kun je een detectiescore nooit als bewijs gebruiken. Het is hooguit een signaal dat om een gesprek vraagt.

Voor wie is dit relevant?

Vooral voor docenten, examencommissies en werkgevers die met ingeleverd werk te maken hebben. De verleiding is groot om een tool het werk te laten doen, maar een beschuldiging op basis van alleen een score is oneerlijk en kan iemand ten onrechte beschadigen. Beter is om het gesprek aan te gaan, naar het proces te vragen (concepten, aantekeningen, kunnen uitleggen) en duidelijke afspraken te maken vooraf. Zo voorkom je willekeur en bescherm je zowel de eerlijkheid als de student of medewerker.

De toekomst van detectie

Er wordt gewerkt aan betrouwbaardere methoden, zoals onzichtbare “watermerken” die aanbieders in AI-tekst verwerken. Maar zolang die niet universeel en verplicht zijn, blijft detectie een kat-en-muisspel: voor elke nieuwe detector is er een manier om eronderuit te komen. De meest duurzame oplossing is daarom niet technisch maar menselijk: heldere afspraken, aandacht voor het leerproces en het waarderen van eigen inbreng. Wie schrijft met eigen ervaring en stem, levert sowieso werk dat moeilijk te imiteren is.

Eerlijkheid werkt beter dan detectie

De jacht op AI-tekst met detectietools is een doodlopende weg: de tools zijn niet betrouwbaar genoeg en lopen altijd achter op de nieuwste modellen. Veel effectiever is een cultuur van openheid. Maak op school of werk duidelijke afspraken over wat wel en niet mag met AI, en vraag mensen er gewoon transparant over te zijn. Beoordeel waar mogelijk het proces en het begrip, niet alleen het eindproduct — iemand die zijn werk kan toelichten, heeft het ook echt gemaakt. Voor schrijvers geldt: voeg je eigen ervaring, voorbeelden en stem toe, want dat is waardevoller en moeilijker na te maken dan welke gladde AI-tekst dan ook. Zo verschuift de focus van “betrappen” naar “goed werk leveren” — en daar wordt iedereen beter van.

De kern: een AI-detector geeft een aanwijzing, nooit een bewijs. Bouw je beleid daarom niet op detectie maar op heldere afspraken, aandacht voor het proces en het waarderen van eigen inbreng. Dat is eerlijker, betrouwbaarder en toekomstbestendiger dan een wapenwedloop met steeds slimmere modellen. En het verlegt de aandacht naar waar die hoort: niet op betrappen, maar op goed en eerlijk werk.

Veelgestelde vragen

Verder: AI-veiligheid · AI in het onderwijs.