Hoe betrouwbaar zijn AI-notulen? Wat het onderzoek naar fouten écht laat zien

Ergens in jouw organisatie landt op dit moment een samenvatting in een Slack-kanaal waarin staat dat een collega heeft toegezegd een project te trekken waar hij nog nooit van heeft gehoord. Met eigenaar, deadline en de kalme opmaak van een persbericht. De collega stond op mute en dacht aan zijn lunch. Toen PYMNTS in augustus 2026 de stand van zaken rond AI-notulisten beschreef, opende het met precies deze grap — “John heeft blijkbaar toegezegd om voor vrijdag zes projecten te leiden” — en de reden dat hij werkt, is dat iedereen er inmiddels een versie van heeft meegemaakt. De New York Times zei het diezelfde maand nog droger: de AI-notulist is bij alle meetings uitgenodigd, en produceert samenvattingen waarin mensen zich blijkbaar hebben opgegeven voor taken waar ze zich nooit voor hebben opgegeven.

Het spook-actiepunt is grappig totdat het in een mail naar de klant staat. Een AI-samenvatting van een meeting is de output van twee gestapelde machine-learningsystemen — eerst spraak-naar-tekst, dan samenvatting — en allebei maken ze fouten die in het uiteindelijke document onzichtbaar zijn. De bullets stotteren nooit. De stelligheid wankelt nooit. Of de onderliggende zin ooit daadwerkelijk is uitgesproken, is een heel andere vraag, en dat is de vraag waar dit artikel over gaat.

Dit is een praktisch probleem, geen filosofisch. Teams sturen AI-samenvattingen inmiddels door naar klanten, plakken actiepunten rechtstreeks in hun projecttools en beslechten discussies over ‘wie heeft wat toegezegd’ door de samenvatting erbij te pakken. Als je die documenten als verslag gaat behandelen, is het goed om precies te weten hoe ze falen. En het beeld uit het onderzoek is specifieker — en vreemder — dan ‘soms verstaat hij een woord verkeerd’.

Laag één: het transcript is geen opname

Moderne spraakherkenning is oprecht goed. Op schone audio — één spreker, moedertaalaccent, fatsoenlijke microfoon — halen de beste engines routinematig woordfoutpercentages van een paar procent. Maar meetings zijn geen schone audio. Het is door elkaar praten, laptopmicrofoons aan de andere kant van de tafel, galm van de speakerphone en zes mensen met zes verschillende accenten. Onder die omstandigheden schieten de foutpercentages omhoog, en niet gelijkmatig: spraakherkenningsonderzoek vindt consequent hogere foutpercentages bij geaccentueerde en niet-moedertaalspraak, wat betekent dat degene die in de ruimte toch al het minst gehoord wordt, ook het vaakst verkeerd wordt geciteerd door de machine.

De verontrustender faalwijze is niet verkeerd verstaan, maar verzinnen. Een studie uit 2024 onder leiding van Allison Koenecke van Cornell, “Careless Whisper: Speech-to-Text Hallucination Harms” (gepresenteerd op ACM FAccT), vond dat ruwweg 1% van de audiotranscripties van OpenAI’s Whisper complete gehallucineerde zinsdelen of zinnen bevatte — tekst die in geen enkele vorm in de onderliggende audio voorkwam. Erger nog: ongeveer 38% van die hallucinaties was ronduit schadelijk: verzonnen geweld, gefabriceerde associaties, valse claims van autoriteit. De trigger was vaak stilte en haperende spraak — lange pauzes, precies het spraakpatroon van mensen die zorgvuldig nadenken of een spraakstoornis hebben. Het model, getraind om altijd tekst te produceren, vulde de stilte met fictie.

Laag twee: samenvatten versterkt fouten, het middelt ze niet uit

Je zou hopen dat de samenvattingsstap de ruis in het transcript gladstrijkt — dat een taalmodel dat 8.000 rommelige woorden leest, de fouten statistisch wegspoelt. Soms gebeurt dat. Maar samenvatten heeft zijn eigen faalwijzen, en die stapelen zich op in plaats van elkaar op te heffen. Toen het Duitse techmedium t3n AI-notulen in de praktijk testte, was het oordeel onomwonden: de systemen zijn enorm praktisch — en aantoonbaar niet foutloos, met fouten die de definitieve notulen halen juist omdát de output zo soepel leest.

De samenvattingslaag faalt op drie kenmerkende manieren. Attributiedrift: het model weet dat de zin is gezegd, maar hangt hem aan de verkeerde spreker — fataal als in de samenvatting staat “Legal heeft de wijziging goedgekeurd” terwijl Legal niets van dien aard heeft gedaan. Voorbehoud wissen: mensen praten in voorwaarden (“we kunnen waarschijnlijk in maart live als de leverancier levert”), en samenvatters comprimeren de voorwaarde routinematig weg, zodat er ‘live in maart’ overblijft als een toezegging die niemand heeft gedaan. Actiepunten verzinnen: gevraagd om vervolgstappen, levert het model vervolgstappen — of de meeting er nu daadwerkelijk heeft uitgedeeld of niet. Het is dezelfde altijd-output-leveren-druk waardoor Whisper in stilte hallucineert, één verdieping hoger in de stack. Johns zes projecten voor vrijdag wonen hier.

Waarom 2026 het jaar is waarin dit ieders probleem werd

Geen van deze faalwijzen is nieuw. Wat veranderde, is de schaal en de standaardinstellingen. In 2024 was een AI-notulist iets wat die ene enthousiaste collega meenam naar calls. In 2026 zit hij ingebouwd in Zoom, Teams en Google Meet, aangezet door de workspace-beheerder, en draait hij steeds vaker op de telefoon in iemands broekzak in de vergaderruimte. PYMNTS noemt het resultaat “excessive capture”, overmatig vastleggen: een samenvatting “kan die losse opmerkingen omzetten in een keurig, doorzoekbaar verslag met bullets en misplaatste stelligheid.” Speculatie, hardop denken, het halve grapje over ontslag nemen — het krijgt allemaal hetzelfde typografische gewicht als een ondertekend besluit.

Schaal verandert ook het rekensommetje. Als de notulist van één persoon eens per maand een taak aan de verkeerde toewijst, is dat een anekdote. Als elke meeting in een bedrijf van 2.000 mensen een AI-samenvatting oplevert, produceert hetzelfde foutpercentage tientallen spooktoezeggingen per week, die elk landen in een projecttool, een klantthread of — steeds vaker — een juridisch dossier. En omdat de samenvattingen sneller binnenkomen dan iemand bereid is ze te lezen, worden de fouten niet opgemerkt, maar doorgestuurd.

Waarom de fouten zo lastig te betrappen zijn

De fouten van een menselijke notulist zijn zichtbaar menselijk: halve zinnen, gaten, vraagtekens. Lezers behandelen zulke notities instinctief als feilbaar. AI-notulen draaien dat signaal om — de ergste fouten komen binnen in de strakste opmaak. Onderzoekers noemen het onderliggende gedrag automation bias: mensen vertrouwen machine-output te veel, vooral als die vloeiend is. En bovenop het psychologische probleem ligt een structureel probleem. De enige die een subtiele fout in een samenvatting kan betrappen, is iemand die in de meeting zat en goed heeft opgelet — maar de hele belofte van AI-notulen is nu juist dat deelnemers niet meer hoeven op te letten om alles vast te leggen.

De inzet houdt op theoretisch te zijn op het moment dat er een conflict ontstaat. Door AI gegenereerde vergaderverslagen worden steeds vaker opgevraagd in juridische procedures, en onder de AVG kan een collega ze via een inzageverzoek gewoon opvragen — een stellig geformuleerd, gehallucineerd actiepunt in zo’n dossier is een werkelijk nieuwe categorie bedrijfsrisico. Als de samenvatting zegt dat jij iets hebt toegezegd wat je niet hebt toegezegd, ligt de bewijslast om het tegendeel aan te tonen bij jou. Tenzij je het ene artefact hebt bewaard dat de zaak kan beslechten.

De betrouwbaarheidshiërarchie: audio > transcript > samenvatting

Dit is het mentale model dat AI-notulen veilig maakt om te gebruiken: elk artefact in de keten is een verliesgevende compressie van het vorige. De audio is de grondwaarheid. Het transcript is de audio minus de herkenningsfouten. De samenvatting is het transcript minus alles wat het taalmodel heeft weggelaten, verschoven of verzonnen. Elke stap is leesbaarder en minder betrouwbaar dan de vorige — en dus is de juiste werkwijze: lezen op samenvattingsniveau, controleren op transcriptniveau, en de audio behandelen als hoogste beroepsinstantie.

De gevaarlijkste configuratie is die waar veel cloudtools standaard op staan: bewaar de samenvatting, gooi de bron weg of stop hem diep weg. Daarmee wordt een controleerbaar document een oncontroleerbaar document. De praktische oplossingen zijn weinig glamoureus en effectief:

• Bewaar het transcript, altijd. Een samenvatting zonder transcript is een bewering zonder bronvermelding.
• Controleer de drie kwetsbare plekken voordat je een samenvatting doorstuurt: aan wie elk besluit is toegeschreven, of de voorwaarden overeind zijn gebleven, en of elk actiepunt daadwerkelijk hardop is uitgesproken.
• Steekproef citaten tegen tijdstempels. Als de samenvatting iemand citeert, spring dan naar dat moment in het transcript. Dertig seconden controleren verslaat een maand ontwarren.
• Wantrouw tekst rond stiltes. Hallucinaties clusteren rond pauzes en segmenten met weinig spraak — het einde van calls, de ongemakkelijke gaten.
• Behandel actiepunten als voorstellen, niet als verslag, totdat een mens ze bevestigt — dezelfde regel die goede teams al toepassen op de eerste versie van een junior notulist. Stuur je een follow-upmail, stuur dan de bevestigde lijst, niet de ruwe AI-versie.

De controleroutine van één minuut

In de praktijk kost dit ongeveer een minuut per meeting, en het is het verschil tussen AI-notulen als aanwinst en AI-notulen als risico. Lees de samenvatting. Vraag je bij elk actiepunt af: heb ik dat gehoord? Twijfel je, zoek dan in het transcript naar de kernzin — met een woordelijk transcript met tijdstempels is dat een kwestie van vijf seconden. Controleer bij elk besluit dat aan iemand wordt toegeschreven of de naam klopt. Tik bij elke datum of elk getal door naar het moment waarop het werd gezegd. Alles wat je niet in het transcript terugvindt, schrap je uit de samenvatting voordat die ergens heen gaat. Alles wat dubbelzinnig is, wordt een vraag in de follow-up in plaats van een bullet in het verslag.

Die routine is alleen mogelijk als je de hele keten zelf in handen hebt — audio, transcript, samenvatting — en ertussen kunt schakelen. En daarom doet de keuze van de tool er meer toe dan de keuze van het model.

Dus — kun je AI-notulen vertrouwen?

Vertrouw ze zoals je een snelle, onvermoeibare, af en toe wat al te zelfverzekerde stagiair vertrouwt: uitstekende eerste versie, nooit het laatste woord. De gemeten foutpercentages zijn laag genoeg om AI-notulen duidelijk de moeite waard te maken — een grotendeels kloppend, doorzoekbaar verslag verslaat het menselijke alternatief, en dat is meestal helemaal geen bruikbaar verslag. Maar ze zijn hoog genoeg, en de faalwijzen vreemd genoeg (verzonnen zinnen, weggelaten voorwaarden, verzonnen toezeggingen), dat een samenvatting ongelezen doorsturen neerkomt op professionele nalatigheid met een omweg.

De teams die dit goed doen, behandelen nauwkeurigheid niet als een eigenschap van de tool. Ze behandelen het als een eigenschap van de werkwijze: leg alles vast, bewaar het transcript, controleer de kwetsbare plekken, ga terug naar de audio als het erom spant. Doe dat, en het 1%-probleem wordt een voetnoot en John krijgt zijn vrijdag terug. Sla het over, en één stellige hallucinatie in het verkeerde document op het verkeerde moment kan meer kosten dan alle uren die de tool je ooit heeft bespaard.

Betrouwbaarheid van AI-notulen: veelgestelde vragen