Waarom AI-chatbots betrouwbaar en soms misleidend zijn

Vraag een AI-chatbot naar een aandelenkoers, een rechtszittingdatum of de naam van een bedrijfsexecutive, en het antwoord kan met volledige overtuiging komen. Dat is het verontrustende deel. De zin kan verzorgd klinken, de toon kan zekerheid uitstralen, en de feiten kunnen toch onjuist zijn.

Een nieuwe betrouwbaarheidanalyse van Legal Guardian Digital, een SEO-bedrijf gericht op advocatenkantoren, zet cijfers achter een probleem dat veel gebruikers al herkennen: sommige populaire AI-chatbots hallucineren veel vaker dan andere. Met ongeveer een kwart van de Amerikaanse werknemers die nu regelmatig AI-tools gebruiken, is het verschil tussen een behulpzame assistent en een overtuigende bron van verkeerde informatie geen klein detail.

Het ongemakkelijke deel: zelfverzekerdheid is geen nauwkeurigheid

Grote taalmodellen denken niet zoals mensen. Ze zijn getraind om waarschijnlijke woorden en zinnen te voorspellen op basis van patronen in enorme hoeveelheden tekst. Als het systeem genoeg context heeft, kan dat snelle, nuttige antwoorden opleveren. Als dat niet het geval is, kan het model toch een antwoord genereren dat plausibel klinkt omdat de woorden statistisch goed bij elkaar passen.

Dat is wat mensen meestal bedoelen wanneer ze zeggen dat een AI-chatbot hallucineert. Het is geen dagdromen. Het is geen liegen in menselijke zin. Het produceert een antwoord zonder een betrouwbare feitelijke basis, wat de reden is waarom namen, data, juridische verwijzingen, medische details, financiële cijfers en actueel nieuws nog steeds menselijke verificatie nodig hebben.

De studie vergeleek meerdere bekende AI-modellen door naar hallucinatiepercentages, klanttevredenheid, antwoordkwaliteit en uptime te kijken. Die factoren werden gecombineerd tot een indexscore van 0 tot 100, wat een breder beeld geeft van welke chatbots het meest betrouwbaar zijn in dagelijks gebruik.

Google Gemini kwam in de groep naar voren met het hoogste hallucinatiepercentage en leverde naar verluidt onjuiste informatie in 32% van de antwoorden. Die waarde is extra interessant gezien berichtgeving dat Apple Google minstens $1 miljard per jaar betaalt om een aangepast Gemini-model met 1,2 biljoen parameters te gebruiken voor een toekomstige Siri-upgrade die met iOS 27 wordt verwacht.

ChatGPT volgde op de voet, met hallucinaties in ongeveer drie van de tien reacties. Simpel gezegd, als die cijfers kloppen, zou ChatGPT ruwweg twee keer zo vaak als DeepSeek een foutief antwoord geven in deze test. Die vergelijking zal waarschijnlijk veel aandacht krijgen, niet in de laatste plaats omdat DeepSeek is ontwikkeld tegen een fractie van de trainingskosten die bij toonaangevende Amerikaanse modellen horen.

Perplexity AI presteerde het beste op hallucinatiepercentage, met onjuiste antwoorden naar gebruikers in 13% van de gevallen. DeepSeek zat daar dicht achter met 14%, terwijl Elon Musks Grok uitkwam op 15%. Voor gebruikers die AI gebruiken voor onderzoek, samenvattingen of snelle feitcontroles, doen die verschillen ertoe.

Online zijn blijft belangrijk

Nauwkeurigheid is slechts een deel van het verhaal. Een chatbot kan op papier briljant zijn en nutteloos als hij niet beschikbaar is wanneer iemand hem nodig heeft. Op het gebied van uptime waren Perplexity AI en Grok de enige twee diensten in de enquête die gedurende de testperiode beschikbaar bleven.

ChatGPT en Gemini volgden niet ver daarachter, met uptimepercentages van 99.98% en 99.95% respectievelijk. Zelfs Claude, dat de laagste uptime in de studie had, bleef zeer betrouwbaar op 99.68%. In praktische termen waren de meeste van deze tools bijna de hele tijd online, maar de kleine verschillen kunnen toch belangrijk zijn voor bedrijven die afhankelijk zijn van AI-werkstromen.

De gebruikerstevredenheid vertelde een ander verhaal. DeepSeek en ChatGPT ontvingen beide de hoogste score voor klanttevredenheid van 4.7 uit 5. Perplexity AI volgde met 4.6. Meta AI eindigde onderaan met 3.4, terwijl verschillende andere modellen rond de 4.4 clusteren.

Voor consistentie en kwaliteit van de antwoorden leidde Kimi AI de lijst met een score van 4.3 uit 5. ChatGPT, Microsoft Copilot en Gemini stonden gelijk op 4.0. Meta AI stond opnieuw onderaan met 3.4, wat suggereert dat de zwakkere algemene score niet door één enkele slechte categorie werd veroorzaakt.

Wanneer alle factoren werden gecombineerd, nam Perplexity AI de eerste plaats in met een indexscore van 85. Grok eindigde op plaats twee met 79, gevolgd door DeepSeek. ChatGPT eindigde als zesde met een score van 50, terwijl Gemini op de achtste plaats stond met 41. Meta AI bevond zich onderaan met 37.

De grotere les is niet dat de ene chatbot blindelings vertrouwd moet worden en de andere voor altijd vermeden moet worden. AI-tools veranderen snel. Modellen worden bijgewerkt, veiligheidsmaatregelen verschuiven, en prestaties kunnen bijna van de ene op de andere dag verbeteren. Toch is dit soort ranglijst een nuttige herinnering: de bekendste chatbot is niet altijd de meest betrouwbare, en het meest overtuigende antwoord is niet altijd het juiste antwoord.

Voor iedereen die AI op het werk gebruikt, is de veiligste aanpak eenvoudig. Behandel chatbots als versnellers, niet als definitieve autoriteiten. Laat ze concepten opstellen, ordenen, samenvatten en brainstormen. Maar wanneer het antwoord geld, gezondheid, recht, identiteit of een beslissing met echte gevolgen betreft, controleer de feiten voordat u handelt.