AI-hallucinaties in marketingteksten herkennen: 6 risicosignalen vóór publicatie

Een AI-gegenereerde productpagina die een functie beschrijft die je product niet heeft. Een blogpost met een overtuigend percentage waar geen bron achter zit. Marketingteams die met AI werken, kennen het probleem: de tekst leest vlot, maar klopt niet.

Dit heet een hallucinatie: onjuiste of verzonnen informatie die een AI-systeem presenteert alsof het een feit is (AI Geletterdheid). Volgens een OpenAI-rapport zijn hallucinaties wiskundig inherent aan de huidige AI-aanpak (Tweakers, 22 september 2025). Je kunt er dus niet op rekenen dat het probleem vanzelf verdwijnt — controle vóór publicatie blijft nodig. Dit artikel geeft je zes risicosignalen die aangeven waar menselijke verificatie het hardst nodig is.

Waarom hallucinaties in marketingteksten extra riskant zijn

Een hallucinatie in een interne notitie is vervelend. Een hallucinatie in een gepubliceerde marketingtekst is een ander verhaal: die staat op naam van je merk en kan worden aangehaald door klanten of pers.

De risico's stapelen zich op drie niveaus:

• Reputatie: een verzonnen productclaim of niet-bestaande case ondermijnt vertrouwen zodra een lezer het opmerkt.
• Juridisch: AI-hallucinaties kunnen leiden tot valse of misleidende informatie, met ernstige risico's als gevolg (Kaspersky). Of een onjuiste commerciële uiting ook juridisch problematisch is, hangt af van de context — laat dat beoordelen door legal.
• Commercieel: klanten die kopen op basis van een gehallucineerde feature, komen terug met klachten of retouren.

Het lastige: een hallucinatie leest vaak net zo soepel als een correct feit. Break of Dawn omschrijft de oorzaak treffend: het model doet dit niet met kwade bedoelingen, maar omdat het simpelweg voorspelt wat het meest waarschijnlijk klinkt. Precies daarom heb je een gestructureerde controle nodig.

Eén kanttekening vooraf: de zes signalen hieronder bewijzen geen hallucinatie. Ze markeren passages waar het risico verhoogd is en verificatie prioriteit verdient.

De 6 risicosignalen op een rij

Signaal 1: Precieze cijfers zonder herleidbare bron

Een klassiek risicosignaal in marketingcontent: een specifiek percentage of bedrag, gekoppeld aan een gerenommeerde naam. "Volgens Gartner bespaart 73% van de bedrijven…" — het klinkt gezaghebbend, en juist dat maakt het gevaarlijk.

Controlevraag: kun je binnen twee minuten de originele publicatie vinden, met titel, datum en het exacte cijfer? Zo niet, dan behandel je de claim als onbetrouwbaar. Verwijder het cijfer of vervang het door een kwalitatieve formulering.

Geef opvallend precieze cijfers (47,3%) en opvallend ronde cijfers (precies 50%, precies 10x) een extra check — beide verdienen dezelfde herleidbaarheidstoets.

Signaal 2: Productdetails die net niet kloppen

Gegenereerde productbeschrijvingen kunnen elementen bevatten die niet bij jouw product horen: features van concurrenten, verouderde specificaties, prijzen van jaren geleden. Het resultaat is een beschrijving die grotendeels klopt — en juist dat maakt het kleine foute deel moeilijk te zien.

Denk aan: een integratie die je product niet biedt, een plan-limiet die niet bestaat, of een garantietermijn die afwijkt van je voorwaarden. Illustratief voorbeeld: een AI-gegenereerde vergelijkingspagina die jouw tool "onbeperkte gebruikers" toedicht terwijl je instapplan er vijf toestaat.

Controlevraag: leg elke productclaim naast je eigen productdocumentatie of laat de productowner tegenlezen. Ga niet af op je geheugen — dat is precies waar de fout doorheen glipt.

Signaal 3: Verzonnen citaten, experts en cases

Een quote van een "tevreden klant", een uitspraak van een expert met naam en functie, een casestudy van een herkenbaar bedrijf: gegenereerde tekst kan dit soort details bevatten zonder dat er iets achter zit. Uit de juridische wereld is het risico goed gedocumenteerd: advocaten hebben geleerd voorzichtig te zijn nadat generatieve modellen volledig fictieve rechtszaken bleken te verzinnen; een studie naar 200.000 juridische vragen noemde de hallucinaties "wijdverbreid en verontrustend" (Lex Digitalis).

In marketing is dit dubbel riskant: een verzonnen klantcitaat is feitelijk fout én roept juridische vragen op zodra het in commerciële uitingen verschijnt. Leg dit type twijfelgeval standaard voor aan legal.

Controlevraag: bestaat deze persoon, dit bedrijf, deze uitspraak? Elke naam en elk citaat in gegenereerde tekst vereist een expliciete akkoordcheck — bij voorkeur met schriftelijke toestemming van de geciteerde.

Signaal 4: Vage autoriteitsverwijzingen

Formuleringen als "onderzoek toont aan", "experts zijn het erover eens" of "studies wijzen uit" — zonder dat er een concreet onderzoek wordt genoemd. Dit is een subtielere variant van signaal 1: de tekst leent autoriteit zonder die te onderbouwen.

Deze frases zijn niet per definitie fout, maar wel een rood vlaggetje: ze verschijnen op plekken waar een overtuigend argument nodig was.

Controlevraag: is er een concreet, vindbaar onderzoek achter de verwijzing? Zo nee: schrap de zin. Herschrijf alléén naar een eigen observatie ("in de praktijk zien we") als je die daadwerkelijk kunt staven met eigen data of ervaring — anders verhul je het bronprobleem in plaats van het op te lossen.

Signaal 5: Interne tegenspraak en onlogische details

Hallucinaties verraden zich soms binnen de tekst zelf: een alinea die "sinds 2019" zegt terwijl een latere alinea "al tien jaar" claimt. Of een opsomming van drie voordelen waarvan er in de uitwerking vier verschijnen. Zeker in langere teksten loont het om hier apart op te controleren.

Controlevraag: lees de tekst één keer alleen op data, aantallen en tijdsaanduidingen. Markeer alles wat naar hetzelfde feit verwijst en check of de vermeldingen overeenkomen.

Signaal 6: Overdreven stelligheid op onzeker terrein

Waar een menselijke expert schrijft "dit kan afhankelijk van de situatie", staat in gegenereerde tekst soms "dit is de beste oplossing". Absolute formuleringen ("altijd", "gegarandeerd", "bewezen", "de enige") op plekken waar nuance hoort, zijn een risicosignaal: de tekst gaat mogelijk verder dan de feiten dragen.

Bij juridische en compliance-gevoelige onderwerpen — denk aan uitspraken over de AI Act of de AVG — is dit signaal extra relevant. Dat geldt ook voor gezondheids- en financiële claims: fouten daar raken lezers direct in hun welzijn of portemonnee. Een stellige maar onjuiste weergave van een wettelijke verplichting is een direct publicatierisico; leg zulke passages standaard voor aan compliance.

Controlevraag: bij elke absolute claim: klopt dit in álle gevallen? Zo nee, nuanceer of verwijder.

Van signalen naar workflow: wie controleert wat

Signalen herkennen is stap één. Stap twee is een vaste rolverdeling, zodat controle niet afhangt van wie toevallig tegenleest:

• Redactie: eerste screening op alle zes signalen, markeert twijfelgevallen.
• Inhoudelijke expert / productowner: verifieert productclaims, specificaties en technische beweringen (signaal 2).
• Compliance of legal: beoordeelt claims met juridisch risico — garanties, vergelijkende reclame, gezondheids- of financiële uitspraken (signalen 3 en 6).
• Eindredacteur: draagt de eindverantwoordelijkheid en tekent af vóór publicatie.

Leg vast wie wat heeft gecontroleerd. Versiebeheer en een audit trail maken achteraf aantoonbaar dat gepubliceerde claims zijn geverifieerd — relevant zodra een klant, toezichthouder of journalist een bewering ter discussie stelt.

Waar tooling helpt — en waar niet. Zet een validatieplatform zoals C37 in als signaleringsinstrument: het richt de aandacht van je redactie op passages die menselijke verificatie vragen. Reken er niet op dat een tool claims tegen externe bronnen verifieert of feiten voor je vaststelt — factchecken en beslissen blijft mensenwerk. Zie tooling als een zeef die aandacht richt, niet als vervanging van die aandacht.

Voorkomen begint bij de prompt

Controle achteraf is nodig, maar je kunt het risico op hallucinaties vooraf verkleinen. Computable (31 oktober 2025) noemt als eerste maatregel: duidelijke prompts — zakelijk, concreet en met voldoende context.

Praktisch betekent dat voor marketingteksten:

• Geef het model je eigen brondocumenten mee (productsheets, geverifieerde cijfers) in plaats van te vertrouwen op trainingskennis.
• Instrueer expliciet: "gebruik geen cijfers of bronnen die niet in het aangeleverde materiaal staan".
• Vraag om markering van onzekerheid: laat het model aangeven waar het geen bronmateriaal had.

Dit elimineert hallucinaties niet — het OpenAI-rapport wijst erop dat ze inherent zijn aan de huidige aanpak (Tweakers) — maar het geeft je controleproces een beter uitgangspunt.

Checklist: risicosignalen nalopen vóór publicatie

• [ ] Cijfers: elke statistiek herleidbaar naar bron met titel en datum?
• [ ] Product: alle features, prijzen en limieten geverifieerd tegen eigen documentatie?
• [ ] Namen: elke persoon, elk bedrijf en elk citaat gecontroleerd op bestaan en akkoord?
• [ ] Autoriteit: geen "onderzoek toont aan" zonder concreet, vindbaar onderzoek?
• [ ] Consistentie: data, aantallen en tijdsaanduidingen binnen de tekst kloppend?
• [ ] Stelligheid: absolute claims genuanceerd of onderbouwd?
• [ ] Rollen: redactie, expert en compliance hebben elk hun deel afgetekend?

De eerste stap: één tekst, zes signalen

Begin niet met een nieuw proces voor het hele team. Pak vandaag één recent gepubliceerde AI-ondersteunde marketingtekst en loop de zes signalen erop na.

Wat je daarbij vindt — of juist niet — is je businesscase: het maakt voor collega's en management concreet of en waar een vaste controleworkflow nodig is, en het geeft je meteen een template voor de volgende tekst.

Bronnen

• Tweakers, OpenAI-rapport: hallucinaties zijn wiskundig inherent aan huidige AI-aanpak, 22 september 2025.
• Computable, Hoe voorkom je ai-hallucinatie?, 31 oktober 2025.
• Lex Digitalis, AI-hallucinaties vanuit een creatieve lens.
• Break of Dawn, AI-hallucinaties: wat zijn het en hoe voorkom je ze?.
• AI Geletterdheid, AI-hallucinaties herkennen en voorkomen.
• Kaspersky, Wat is een AI-hallucinatie?.