Wat zijn de nadelen van generatieve AI?

De nadelen van generatieve AI: Hallucinaties en energieverbruik

Het begrijpen van wat zijn de nadelen van generatieve ai voorkomt onnodige risicos bij professioneel gebruik en beschermt tegen foutieve rapportages. Onjuiste informatie en aanzienlijke milieueffecten vormen hierbij de grootste uitdagingen.

Wat zijn de nadelen van generatieve AI?

Generatieve AI kan veel, maar het brengt ook aanzienlijke risico's generatieve ai met zich mee, zoals het verspreiden van desinformatie, schending van auteursrechten en het creëren van diepe onbetrouwbaarheid door zogenaamde hallucinaties. Hoewel de technologie processen versnelt, kan het blind vertrouwen op AI-output leiden tot ernstige juridische complicaties en reputatieschade voor zowel individuen als bedrijven. Het is geen wondermiddel, maar een instrument met scherpe randen.

De nadelen zijn vaak gelaagd en hangen sterk af van de context waarin de AI wordt ingezet. Er is niet één enkele oorzaak voor de risicos; het is een combinatie van de trainingsdata, de algoritmes en hoe wij als gebruikers met de resultaten omgaan. Maar er is één specifiek nadeel dat vaak over het hoofd wordt gezien - en dit heeft niets te maken met de techniek zelf, maar met onze eigen psychologie - waar ik later in de sectie over menselijke afhankelijkheid op terugkom.

Onbetrouwbaarheid en de valkuil van hallucinaties

Een van de meest frustrerende eigenschappen van huidige AI-modellen is hun neiging om feiten te verzinnen met een verbluffende overtuigingskracht. Dit fenomeen, bekend als hallucineren, komt vaker voor dan velen denken. Gemiddeld hallucineren de meest geavanceerde taalmodellen in ongeveer 3 tot 5 procent van de gevallen bij het genereren van feitelijke informatie. ^[1] Dit lijkt misschien weinig, maar in een professionele rapportage van twintig paginas betekent dit bijna gegarandeerd een foutieve claim.

Ik heb dit zelf aan den lijve ondervonden. Tijdens het voorbereiden van een presentatie over historische innovaties, genereerde de AI een prachtig citaat van een bekende architect, inclusief jaartal en locatie. Het klonk perfect. Pas na drie uur graven in archieven (mijn ogen brandden inmiddels van het schermstaren) besefte ik dat de architect dat jaar helemaal niet in die stad was. De AI had de informatie simpelweg samengevoegd omdat het statistisch aannemelijk klonk. Het was een pijnlijke les: AI controleert geen feiten, het voorspelt woorden.

Juridische risico's en het auteursrechtelijk mijnenveld

De data waarop generatieve AI is getraind, bestaat vaak uit miljarden afbeeldingen, teksten en codefragmenten die van het internet zijn geplukt. Dit leidt tot een gigantisch grijs gebied wat betreft auteursrecht problemen generatieve ai. Inmiddels zijn er wereldwijd tientallen grootschalige rechtszaken aangespannen door kunstenaars en mediabedrijven die claimen dat hun werk zonder toestemming is gebruikt om commerciële modellen te trainen. Voor de eindgebruiker betekent dit een risico: de content die jij genereert, kan onbewust elementen bevatten die inbreuk maken op andermans intellectueel eigendom.

Bedrijven worden hierdoor voorzichtiger. Uit recente analyses blijkt dat een aanzienlijk deel van de grote ondernemingen strikte beperkingen heeft opgelegd aan het gebruik van publieke AI-tools voor commercieel werk vanwege deze juridische onzekerheid. ^[2] Het risico op een claim is simpelweg te groot. Zelden heb ik een technologie gezien die zo snel is geadopteerd en tegelijkertijd zoveel juridische paniek heeft gezaaid. Het is een digitale goudkoorts waarbij de wetgeving nog in de rij staat voor een visum.

Maatschappelijke nadelen: Deepfakes en desinformatie

De opkomst van generatieve AI heeft de drempel voor het maken van overtuigende nepcontent drastisch verlaagd, wat de gevaren van ai voor de maatschappij benadrukt. Waar vroeger een heel team van experts nodig was voor een goede deepfake, kan nu iedereen met een eenvoudige app een video maken waarin een politicus of beroemdheid dingen zegt die nooit zijn gebeurd. Dit ondermijnt het publieke vertrouwen in digitale media volledig. In 2026 zagen we dat het aantal incidenten met deepfake-fraude wereldwijd sterk is toegenomen ten opzichte van twee jaar daarvoor. ^[3]

Niet alleen videos zijn een probleem. AI-gestuurde bots kunnen duizenden unieke, overtuigende commentaren per uur genereren om publieke discussies op sociale media te beïnvloeden. Dit maakt het bijna onmogelijk om nog te onderscheiden wat een authentieke menselijke mening is en wat een gecoördineerde beïnvloedingscampagne. De realiteit wordt vloeibaar. Dat is een angstaanjagende gedachte voor onze democratische processen.

De verborgen ecologische voetafdruk

We zien de AI als iets abstracts in de cloud, maar de fysieke impact is enorm. Het trainen van één groot taalmodel verbruikt evenveel elektriciteit als honderden huishoudens in een jaar. Maar de echte verrassing zit in het waterverbruik. Voor elke conversatie van ongeveer twintig tot vijftig vragen met een geavanceerde chatbot, verbruikt de AI indirect ongeveer 500 milliliter water voor het koelen van de datacenters.^[4] Elke keer dat je een uitgebreid plan laat schrijven, drinkt de machine als het ware een flesje water leeg.

Met miljoenen gebruikers wereldwijd loopt dit op tot gigantische hoeveelheden. Terwijl we proberen onze eigen ecologische voetafdruk te verkleinen, pompen we ongemerkt enorme hoeveelheden energie in systemen die vaak worden gebruikt voor triviale taken zoals het schrijven van een grappig gedichtje. Is dat het waard? Voor cruciale medische innovaties waarschijnlijk wel, maar voor de bulk van AI-generaties moeten we ons echt afvragen of de baten opwegen tegen de milieukosten.

Menselijke afhankelijkheid: Het nadeel dat we negeren

Herinner je je de psychologische valkuil waar ik het over had? Hier is de kern: we worden cognitief lui. Hoe vaker we AI gebruiken voor taken die kritisch denken vereisen, hoe slechter we daar zelf in worden. Dit proces heet cognitieve atrofie. Als de AI het denkwerk doet, stoppen onze eigen hersenen met het leggen van complexe verbindingen. We verliezen de vaardigheid om de nuance in een tekst te zien door de beperkingen van generative ai te negeren.

Ik betrapte mezelf er laatst op dat ik een e-mail van drie zinnen door de AI haalde om hem vriendelijker te maken. Het kostte me meer tijd om de prompt te typen en de output te controleren dan om het zelf te schrijven. Waarom deed ik dat? Omdat ik onbewust afhankelijk was geworden van de validatie van de machine. We delegeren niet alleen taken, we delegeren onze creatieve autonomie. Dat is een wezenlijk onderdeel van de vraag wat zijn de nadelen van generatieve ai.

Traditionele AI vs Generatieve AI: De Risico's Vergeleken

Traditionele (Analytische) AI

• Rigide; kan niet omgaan met scenario's die buiten de trainingsdata vallen
• Nihil; verzint geen nieuwe informatie buiten de dataset
• Zeer hoog; werkt op basis van vaste regels en patronen in bestaande data
• Geen; kan alleen bestaande data categoriseren of voorspellen

Generatieve AI ⭐

• Onvoorspelbaar; vereist constante menselijke verificatie en toezicht
• Hoog (3-5%); creëert plausibele maar onjuiste verbanden
• Variabel; neigt naar het presenteren van onjuistheden als feiten
• Extreem hoog; kan volledig nieuwe teksten, beelden en audio creëren

De valse claim van Sander: Een dure les in Utrecht

Sander, een freelance tekstschrijver uit Utrecht, gebruikte AI om een uitgebreid artikel te schrijven over de lokale geschiedenis voor een belangrijke klant. Hij was trots op de snelheid waarmee hij het project afrondde en vertrouwde volledig op de door AI gegenereerde jaartallen en bronnen.

De klant ontdekte echter dat drie van de genoemde historische bronnen nooit hebben bestaan. Ze waren volledig gefantaseerd door de AI om het verhaal compleet te maken. De klant was woedend en weigerde de factuur te betalen, wat Sander direct 2.000 euro aan inkomsten kostte.

Sander besefte dat hij de AI als een stagiair had behandeld die hij nooit controleerde. Hij realiseerde zich dat AI-tools alleen nuttig zijn als je elke bewering handmatig verifieert, vooral bij feitelijke onderwerpen waar details er echt toe doen.

Sinds die fout controleert Sander elke AI-tekst met drie onafhankelijke bronnen. Zijn productiviteit is iets gedaald, maar zijn foutmarge is nu vrijwel nul en hij heeft het vertrouwen van zijn klanten in de afgelopen zes maanden volledig hersteld.