Label de misleiding, niet de maker

29 oktober 2026

–

6 min lezen

Categorie

geschreven door

Steeds vaker vragen opdrachtgevers ons, marketeers, naar ons AI-gebruik. Ze willen onze tools en prompts zien, vragen om toestemmingsformulieren en soms om een complete audittrail. Een opdrachtgever wil weten wat er met het merk, de data en de klanten gebeurt. Maar sommige richtlijnen gaan verder dan wat de wet oplegt. Bijvoorbeeld een AI-label op alles wat met AI is gemaakt, en een audittrail met elke tool en elke prompt die we gebruiken.

Toch snap ik waar het vandaan komt, zeker in onze sector. In cybersecurity is vertrouwen het product. Klanten kiezen voor een securitybedrijf omdat ze erop rekenen dat het zorgvuldig omgaat met hun data en systemen. Logisch dat zo’n bedrijf ook wil weten hoe de marketingpartner met AI werkt. Maar een label op ons werk kan precies dat vertrouwen ondermijnen. Het roept ook vragen op over auteursrecht.

AI zit inmiddels in de camera, in Photoshop, in de spellingscheck en in Canva. Als bijna alles “met AI” is gemaakt, wat zegt een AI-label dan nog? Nu stelt elke opdrachtgever zijn eigen regels op. Moeten we als sector niet samen één norm vinden, over waar het ons écht om gaat?

Wat de AI Act echt vraagt

Sinds augustus 2026 gelden de transparantieregels uit de AI Act. Die vragen een label bij deepfakes, bij AI-tekst over zaken van publiek belang zonder menselijke controle en bij chatbots. Een kleine bewerking die niemand misleidt, een illustratie bij een blog of gewone advertentietekst valt er niet onder. De wet labelt misleiding, niet het gebruik van een tool. Eigenlijk komt het neer op gezond verstand, verkoop niet wat niet bestaat.

Waar de grens vervaagt

De wet trekt een duidelijke lijn, maar in de praktijk geldt al snel de vraag: wanneer is iets eigenlijk met AI gemaakt? Neem een foto van je beursstand waarop je een voorbijganger uit de achtergrond haalt. Dat doen we al jaren in Photoshop, en niemand noemde dat AI of zette er een label op. Doe je precies hetzelfde met een AI-tool, dan moet het ineens worden vastgelegd en gelabeld. Wat is dan eigenlijk het verschil?

  • Beeld. Je maakt zelf een foto en laat AI de ruis uit de achtergrond halen. Of je koopt een stockfoto die door AI is gemaakt, zonder dat je dat weet. In het ene geval weet je precies wat AI heeft gedaan, in het andere geval niet. Welke foto is van jou?
  • Tekst. Je interviewt een CISO, stelt de vragen en haalt de inzichten boven. AI maakt het transcript en een eerste opzet, en jij herschrijft die volledig. Of het gaat andersom. Je schrijft elke zin zelf, maar de vragen, de opbouw en de kernboodschap komen uit een AI-briefing. In het eerste verhaal zit AI aan het begin, in het tweede in het fundament. Welk verhaal is van jou?
  • Denkwerk. Een copywriter schrijft in vijf minuten een prompt. Daarachter zitten vijftien jaar ervaring en een contextmap waar maanden werk in zit. Dertig seconden later staat de output er. Of AI leest driehonderd interviews en vindt de patronen, en jij bepaalt welk patroon ertoe doet en wat het betekent. Waar zit dan het werk, en van wie is het inzicht?

Een label of een audittrail van tools vangt geen van deze gevallen. Het laat zien welk gereedschap je gebruikt, niet wie het werk deed. Wel laat het zien waar je data naartoe gaat. En hoe meer AI in ons gereedschap opgaat, hoe minder zo’n label nog betekent.

Waarom alles labelen je merk kan schaden

Een algemeen label lijkt misschien de makkelijkste keuze. Onderzoek wijst echter uit dat een label tot merkschade kan leiden. De Universiteit van Arizona deed in 2025 dertien experimenten met ruim 5.000 deelnemers. Wie openlijk zegt AI te gebruiken, wordt minder vertrouwd. Bij grafisch ontwerpers daalde dat vertrouwen met 20 procent. Zachtere formuleringen als “door een mens gecontroleerd” hielpen niet. Het Amerikaanse Raptive liet 3.000 mensen identieke content zien. Wie dacht dat AI het had gemaakt, vertrouwde de tekst ongeveer half zo veel en had 14 procent minder koopintentie.

Nederlands onderzoek van de Universiteit Twente nuanceert dat, maar niet in het voordeel van het label. Consumenten beoordeelden AI-content vooral op kwaliteit en op de vraag of het bij de boodschap past. Het label veranderde weinig aan hun oordeel: de helft zag het niet eens staan, al vond 87 procent dat bedrijven AI-gebruik moeten melden. In het slechtste geval kost een label dus vertrouwen, in het beste geval zegt het niets.

Verzwijgen is ook geen oplossing, want wie betrapt wordt, verliest nog meer vertrouwen. Het probleem zit in het label zelf. Dat is zwart-wit. Het vermeldt dat er AI is gebruikt, maar niet hoeveel denkwerk en controle erin zit.

Daar komt bij dat je het label niet altijd zelf in de hand hebt. Meta leest de metadata van een bestand uit en zet er automatisch “AI info” bij, ook op echte foto’s met kleine AI-bewerkingen.

Vraag om verantwoording, niet om het recept

De zorg achter een strenge audittrail is terecht. Een opdrachtgever draait als merk op voor een boete, reputatieschade of een datalek, en weet niet altijd met welke tools de marketingpartner werkt. In een prompt zit vaak ook informatie van de opdrachtgever zelf. Briefings, klantcases, interne cijfers. Wat er met díé data gebeurt en in welke tool die terechtkomt, mag een opdrachtgever altijd vragen. Als marketeer kun je daar beter zelf mee komen, voordat het gevraagd wordt.

Maar verantwoording is iets anders dan het recept. Prompts en workflows zijn ons schetsboek, met de denkstappen, de doodlopende paden en de manier waarop we een model aan het werk zetten. Dat is ons vak, en wat mij betreft blijft het van ons. Volgens het auteursrecht maakt juist die menselijke inbreng het werk tot eigen werk. Een klant die dat allemaal opvraagt, krijgt vooral een berg documentatie die niemand leest. En wij krijgen het signaal dat ons vak verdacht is. Een chef vraag je immers ook niet om zijn recepten en ingrediënten.

Wat we een klant wel kunnen geven, is verantwoording over wat het risico echt verkleint. Welke tools we gebruiken en of die zakelijk zijn ingericht. Welke data erin gaat. Wie het werk heeft gecontroleerd en wie ervoor verantwoordelijk is.

Wat mij betreft de norm

Alles voorzien van een label is niet houdbaar. Over een jaar (en eigenlijk nu al) staat het op bijna elk stuk content, en dan zegt het niets meer. AI is inmiddels overal, de grens tussen gemaakt mét en gemaakt dóór AI vervaagt snel. Richtlijnen die elke prompt willen vastleggen, lopen daar binnen een jaar op vast.

Richtlijnen die het verschil maken tussen misleiding en vakwerk, houden het wel. Mijn voorstel aan ons als marketeers: label wat misleidt, zoals een nep-CEO, een productfoto die niet klopt of een quote die nooit is gezegd. Laat uit jezelf zien hoe je werkt, welke tools je gebruikt en wat er met de data van je opdrachtgever gebeurt. Niet als bekentenis, maar omdat het bij je vak hoort. Leg in het contract vast wie waarvoor eigenaar is. Ben je opdrachtgever? Stel dan eisen aan de tools, niet aan de prompts, en vraag dezelfde openheid van al je partners. Zo houden we samen grip op veiligheid en zien we op tijd waar misleiding begint. Het werk zelf verdient een oordeel op kwaliteit, niet op hoe het gemaakt is.

Ik ben benieuwd hoe hiernaar gekeken wordt. Waar sta jij: 

  • Hoe ga je om met je eigen security- of legalafdeling die alles wil vastleggen, terwijl jij snel wilt kunnen werken?
  • Waar leg jij de grens tussen gemaakt mét en gemaakt dóór AI?

Bronnen