AI-slop herkennen: wanneer AI-output goed klinkt maar niets zegt

Het gevaarlijkste aan AI-output is niet dat het fout is. Het gevaarlijkste is dat het overtuigend niets zegt. Leer AI-slop herkennen voordat het je werk ondermijnt.

Wat is AI-slop?

De Artificial Lawyer Predictions voor 2026 voorspellen dat de vraag naar "no slop" AI explosief zal groeien. Gebruikers worden zich steeds scherper bewust van het probleem: output die er bij eerste lezing redelijk uitziet, maar die bij nadere inspectie dun, herkauwend en hol blijkt. Onnodige redlines op contracten. Argumenten die er professioneel uitzien maar geen substantie bevatten. Samenvattingen die de tekst herhalen in plaats van destilleren.

AI-slop is de juridische equivalent van een gerecht dat er prachtig uitziet maar naar niets smaakt. Het heeft de vorm van juridisch werk zonder de inhoud ervan. En het is bijzonder gevaarlijk, precies omdat het zo moeilijk te onderscheiden is van echt goed werk, tenzij je weet waar je op moet letten.

Waarom AI slop produceert

Taalmodellen zijn geoptimaliseerd om overtuigende tekst te produceren. Ze voorspellen het meest waarschijnlijke volgende woord, gegeven de context. Dat betekent dat ze van nature neigen naar het gemiddelde: de meest voorspelbare, meest gangbare formulering. In juridische context vertaalt dat zich naar tekst die alle juiste termen bevat, in een logische structuur staat, en toch niets toevoegt aan wat je al wist.

Het probleem wordt verergerd door wat sommigen "AI-zelfverzekerdheid" noemen. Een taalmodel twijfelt nooit. Het produceert met dezelfde stelligheid een briljante analyse als een volledig verzonnen redenering. Er is geen ingebouwde indicator voor kwaliteit. De tekst is altijd vloeiend, altijd zelfverzekerd, altijd compleet. Of het ook klopt, is een andere vraag.

Vijf tekenen van juridische AI-slop

1. Herhaling vermomd als analyse. De output herformuleert de vraag in juridisch jargon zonder een echt antwoord te geven. "De aansprakelijkheidsvraag hangt af van de specifieke omstandigheden van het geval" is geen analyse. Het is een herformulering van het probleem.

2. Schijnprecisie. De tekst bevat gedetailleerde structuren, opsommingen en onderscheidingen die er indrukwekkend uitzien maar bij nader inzien geen inhoudelijk onderscheid maken. "Er zijn drie categorieen: categorie A, categorie B, en categorie C" gevolgd door drie paragrafen die in essentie hetzelfde zeggen.

3. Ontbrekende spanning. Goed juridisch werk bevat spanning: tegenargumenten, risico's, nuances, gebieden van onzekerheid. AI-slop is opvallend spanningsloos. Het presenteert een eenrichtingsverhaal zonder tegengeluid. Wanneer een juridische analyse geen enkel tegenargument bevat, is dat een rode vlag.

4. Generieke formuleringen. Let op zinnen als "het is van belang op te merken dat", "in dit verband is het relevant dat", "zoals hierboven uiteengezet". Dit zijn vulzinnen die het woord "vervolgens" vervangen. Ze klinken professioneel maar dragen geen informatie.

5. Afwezigheid van specifieke bronnen. AI-slop verwijst vaak naar "de jurisprudentie", "de heersende leer" of "de wetgever" zonder specifieke bronnen te noemen. Echte expertise noemt namen: specifieke uitspraken, specifieke artikelen, specifieke auteurs. Vaagheid is een indicator van oppervlakkigheid.

Het vertrouwensprobleem

Het Factor GenAI in Legal Benchmarking Report 2026 signaleert een groeiende kloof tussen AI-adoptie en vertrouwen in AI-output. Adoptie stijgt snel, maar het vertrouwen in de resultaten blijft ver achter. Het ontbreken van dat vertrouwen kan de effectiviteit van investeringen in AI-tools ondermijnen, omdat het leidt tot langdurige verificatieprocessen die de efficientiewinst tenietdoen.

AI-slop is een van de oorzaken van dat vertrouwenstekort. Wanneer juristen herhaaldelijk output ontvangen die oppervlakkig goed is maar inhoudelijk teleurstelt, daalt het vertrouwen in de tool. En wanneer dat vertrouwen laag is, worden ook de werkelijk goede resultaten met argwaan bekeken.

Hoe je slop voorkomt

De belangrijkste maatregel is de kwaliteit van je prompt. Vage vragen produceren vaag antwoord. "Analyseer de aansprakelijkheid" levert slop op. "Analyseer de aansprakelijkheid van de verhuurder op grond van artikel 7:204 BW, gegeven de volgende feiten, en identificeer de twee sterkste tegenargumenten" levert substantie op.

Daarnaast helpt het om expliciet te vragen om spanning. Vraag om tegenargumenten. Vraag om risico's. Vraag om gebieden van onzekerheid. Vraag om de zwakste plek in de redenering. AI-modellen produceren spanningsloos werk tenzij je expliciet om spanning vraagt.

Ten slotte: vertrouw je eigen ongemak. Als je een tekst leest en het gevoel hebt dat er niets nieuws in staat, dat het je niets leert wat je niet al wist, dan is dat gevoel waarschijnlijk correct. AI-slop is herkenbaar aan de afwezigheid van verrassing. Goed juridisch werk bevat altijd een moment waarop je denkt: "dat had ik niet overwogen." AI-slop bevat dat moment nooit.

De standaard verhogen

Naarmate AI-gebruik normaliseert, wordt het onderscheid tussen goed AI-ondersteund werk en AI-slop de nieuwe scheidslijn in de juridische beroepspraktijk. De jurist die slop herkent, voorkomt en vervangt door substantie, levert meer waarde dan wie klakkeloos overneemt wat de machine produceert. Dat is, uiteindelijk, het verschil tussen AI gebruiken en AI beheersen.