Wat betekent '80% AI'? Het percentage uitgelegd

Het percentage is een kansschatting, geen feit

Dit is het belangrijkste uitgangspunt om te begrijpen. Wanneer GPTZero zegt "deze tekst is 78% AI", zegt het niet:

• "78% van de woorden zijn AI-gegenereerd" (dat is niet hoe het werkt)
• "Ik ben 78% zeker dit is AI" (kans en zekerheid zijn niet hetzelfde)
• "Deze tekst is voor 78% kunstmatig" (het is binair gegenereerd of niet)

Het zegt werkelijk: "Op basis van statistische patronen (perplexiteit, burstiness, woordfrequentie, enzovoort) is mijn geschatte waarschijnlijkheid dat dit content van AI afkomstig is: 0,78, dus 78%."

Met andere woorden: als je 100 teksten test met dezelfde karakteristieken, voorspelt het model dat ongeveer 78 van die 100 echt AI-gegenereerd zijn. Dat is een frequentisteinterpretatie — nuttig, maar niet absoluut.

Hoe de score wordt berekend: zin-voor-zin vs. document

De meeste detectoren werken granulaar:

1. Per-zin analyse: elke zin krijgt een AI-score (0–100%)
2. Aggregatie: scores worden gecombineerd, meestal gemiddeld of gewogen (lange zinnen wegen misschien zwaarder mee)
3. Einduitslag: een enkel percentage voor het hele document

Een voorbeeld:

• Zin 1: "Kunstmatige intelligentie verandert snel." → 65% AI
• Zin 2: "Dit artikel verkent drie kernconcepten." → 45% AI
• Zin 3: "Eerst: machine learning." → 20% AI (heel kort, menselijk klinkend)
• Gemiddelde: (65 + 45 + 20) / 3 = 43% AI voor het hele stuk

Maar sommige detectoren gebruiken gewogen gemiddelden (langere zinnen tellen meer mee) of piekwaarden (als één zin 95% AI is, vlag het hele document). Dit verschil alleen al kan uitslagen veranderen.

Drempelwaarden: wanneer is iets "AI" voor een tool?

Hier ligt veel verwarring. De detector bereken een score (bv. 0,63), maar wat zegt dat?

Verschillende tools stellen verschillende drempels:

• GPTZero: toont zowel perplexiteit als burstiness, geeft geen harde "AI/geen AI" call; laat het aan de gebruiker
• Originality.ai: kleurcode (rood = AI, geel = hybrid, groen = menselijk); de exacte drempel is niet openbaar
• Copyleaks: gemengde aanpak, combineert AI-score met plagiaatdetectie
• Turnitin: nog veel voorzichtiger, geeft eerder een "vlag" dan een definitieve uitslag

Er is geen industrie-standaard voor wat bijvoorbeeld 70% bedeutet. Sommige tools zeggen "boven 50% is waarschijnlijk AI", andere "boven 80% alleen". Dit is waarom dezelfde tekst bij verschillende tools heel anders scoort.

Wat een lage score NIET betekent

Stel je test een stuk en krijgt "15% AI". Veel mensen denken: "Dit is dus door een mens geschreven." Fout.

Een lage AI-score kan betekenen:

• Echt menselijk geschreven (waarschijnlijk)
• AI-gegenereerd, maar dan herschreven door een mens (zeer waarschijnlijk, als score laag is maar niet nul)
• Zeer goed vermomd AI (zie: modern GPT-4, o1, die menselijker schrijven)
• Buiten de trainingsdata van de detector (gespecialiseerde teksten, vreemde talen, jargon)
• Valse negatief (het is AI, maar de detector ziet het niet — ze hebben geen 100% accuracy)

Vooral het risico van valse negatieven is hoog. Als jij iemand verdacht van AI-gebruik, en de detector zegt "15% AI", kun je niet zeggen "je bent ervan af." Je zegt: "mijn tool vindt geen sterk signaal, maar dat bewijst niets."

Wat een hoge score NIET betekent

Omgekeerd: een score van 95% AI betekent niet "dit is definitief AI".

Een hoge score kan betekenen:

• Echt AI-gegenereerd (waarschijnlijk)
• Formele, wetenschappelijke tekst geschreven door een mens (vals positief — mensen schrijven soms heel consistent)
• Ernstig bewerkte AI-tekst, waarvan veel structuur overblijft
• Valse positief (de detector ziet patronen die toevallig op AI lijken, maar het is echt menselijk)

Valse positieven zijn vooral problematisch in educatieve settings. Een briljant student met formeel schrijfstijl kan per ongeluk hoog scoren op AI-detectie — en dat kan zware gevolgen hebben.

Effect van herschrijven: kleine wijzigingen, grote gevolgen

Dit is fascinerende detail: door slechts enkele zinnen te herschrijven kan een score drastisch dalen.

Origineel (AI-gegenereerd): "Kunstmatige intelligentie transformeert sectoren door predictieve modellen en automatie in schaal. Toepassingen reiken van geneeskunde tot logistiek, elk domein ervaart fundamentele verschuivingen." → GPTZero: 82% AI

Herschreven (mens): "AI verandert bedrijven. Modellen voorspellen trends, automatiseren taken. Geneeskunde, logistiek, overal gebeurt het. Het voelt als een revolutie." → GPTZero: 34% AI

Waarom? De eerste tekst is consistent, formeel, gemiddelde zinslengte stabiel — typisch AI. De tweede is variërend, korte zinnen, onverwachts ritmisch — meer menselijk. Een paar woorden veranderen is niet genoeg; je moet structuur veranderen.

Dit betekent:

• Een score van 80% zegt iets over het huidige document, niet over de herkomst van de ideeën
• Als iemand AI-gegenereerde tekst eerst laat genereren en dan bewerkt, kan de score aanmerkelijk dalen
• Scores zijn niet robuust tegen "normale" menselijke revisie

Vergelijking: zin-niveau vs. document-niveau scores

Slimme tools tonen beide:

• Zin-niveau: individuele zinnen gemarkeerd als 10% AI, 85% AI, etc. Nuttig om hotspots te zien
• Document-niveau: het gemiddelde, wat journalisten en docenten meestal zien

Dit kan afwijkingen onthullen. Stel:

• Zin 1–5: 85% AI (alinea schijnt gegenereerd)
• Zin 6–10: 20% AI (alinea voelt menselijk)
• Gemiddelde document: 52% AI

Het document ziet er hybrid uit, maar eigenlijk zijn er duidelijke segmenten. Als je alleen het gemiddelde ziet, kan je gemiste patronen.

Daarom: de beste tools tonen beide niveaus. Een zin met 95% AI is verdachter dan een document met 50% AI.

Drempelwaarden in praktijk: wanneer flag je?

Voor docenten, journalisten en moderatoren: wat is een "rood alarmsignaal"?

• > 75%: Sterke indicator van AI. Waarschijnlijk onderzoeken, vooral voor essays
• 50–75%: Gemengd. Controleer context: is dit consistent met de schrijver? Zijn bepaalde alinea's verdacht?
• 25–50%: Zwak signaal. Kan AI zijn die goed is herschreven, of menselijk formeel. Context is alles
• < 25%: Waarschijnlijk menselijk. Maar nooit 100% zeker; moderne AI-modellen snijden dicht tegen menselijk aan

Maar: er is geen officiële standaard. Een universiteit kan 60% als drempel gebruiken, een ander 80%. Dit is waarom beleid moet worden vastgesteld vóórdat je detectors gaat gebruiken.

Waarom twee mensen dezelfde score anders interpreteren

Twee docenten krijgen beide dezelfde output: "85% AI". De eerste zegt: "Dit is fraude, het kind heeft gecheated." De tweede zegt: "Dit is een grijze zone; ik moet met het kind spreken."

Waarom? Omdat context alles verandert:

• Is dit in stijl met vorig werk? Als ja, kan 85% een valse positief zijn (consistent schrijvers scoren hoger)
• Is dit te goed voor het niveau? Een gemiddelde middelbare scholier die ineens academisch proza levert, is verdacht
• Hoe moeilijk is het topic? Complexe onderwerpen vereisen soms formele taal, die op AI lijkt
• Wat zegt de student zelf? "Ik heb ChatGPT als brainstorm gebruikt" vs. "Ik schreef dit helemaal zelf" — maakt psychologisch veel uit

Een score is een hulpmiddel, niet een oordeel. Het zegt: "Statistisch gezien lijkt dit op AI." Maar het zegt niets over intentie, proces, of de werkelijke herkomst.

Praktische richtlijn: score als signaal, niet als oordeel

Behandel AI-percentages als:

• Screenings-tool: Filtert content die nader onderzoek rechtvaardigt
• Conversatie-starter: Met een student: "Deze alinea scoort hoog op AI; hoe ben je daar gekomen?"
• Risicomaat, niet bewijs: 85% AI = hoger risico, niet zekerheid
• Samen met andere signalen: Combineer met plagiaat-check, stilistische analyse, en eigen oordeel

Omgekeerd: nooit uitsluitend op één detector en score vertrouwen.

Samenvatting: 80% is geen twee-derde gegenereerd

"80% AI" betekent: "Dit algoritme schat 80% waarschijnlijkheid op AI-herkomst op basis van detecteerbare patronen." Het is:

• Niet absoluut (fout-margin exists)
• Niet per-woord (het is geen verhouding; 80% =/= 80 van de 100 woorden)
• Context-afhankelijk (dezelfde tekst scoort anders bij verschillende tools, in verschillende talen, met verschillende bewerking)
• Een signaal, geen vonnis

Gebruik meerdere detectors, kijk naar consensus, en vooral: voeg altijd contextueel oordeel toe. Een percentage is een hulpmiddel, niet het antwoord.