Een watermerk is geen kennisgeving

Versie 1.0 · Gepubliceerd 2026-09-11

In augustus kwam er een reeks koppen over watermerken voorbij, en veel teams met AI in het klantcontact lazen dat als goed nieuws over hun eigen verplichtingen. Een deel daarvan is ook goed nieuws. Het gaat alleen niet over waar de meesten zich zorgen over maakten.

Kort gezegd: AI-tekst markeren zodat een machine die kan herkennen, en iemand vertellen dat hij met AI te maken heeft, zijn twee verschillende verplichtingen. Eén aankondiging regelde er één van. Dit stuk gaat over waarom de andere nog steeds op je bureau ligt, en wat je deze week kunt controleren.

Twee verplichtingen, in de woorden van de Commissie

Toen de handhaving van de transparantieregels op 2 augustus 2026 begon, beschreef de Europese Commissie de verplichtingen in twee losse zinsdelen. Interactieve systemen moeten gebruikers vertellen dat ze met AI te maken hebben en niet met een mens. En door AI gegenereerde content moet daarnaast machineleesbare markeringen dragen.

Lees dat als twee zinnen, want het zijn er twee. Een markering is voor machines. Een kennisgeving is voor mensen. Ze lopen door verschillende delen van een systeem, ze worden met verschillende middelen afgedekt, en een leverancier die de eerste uitstekend uitvoert, heeft de tweede niet aangeraakt.

Wat er op 2 augustus precies landde, en welke deadlines wel en niet verschoven, staat in de AI Act-deadline die niet verschoof. Dat stuk is de tijdlijn. Dit stuk gaat over een specifieke verwarring die sindsdien is gegroeid.

Wat de markering wel en niet kan, volgens de bouwers zelf

Het nuttige aan dit verhaal is dat de leverancier de grenzen zelf heeft opgeschreven, in gewone taal, in How Claude’s text watermarking works.

Het mechanisme is een statistisch patroon in de woordkeuze. Waar het model meerdere even natuurlijke manieren heeft om een zin voort te zetten, wordt die keuze gestuurd door een geheime sleutel. Dat is elegant, en het brengt eigen beperkingen mee die Anthropic benoemt in plaats van wegmoffelt.

Detectie werkt slecht op korte stukken, omdat er dan minder woordkeuzes zijn en dus minder signaal. Bij feitelijke passages is de markering dunner, omdat er minder alternatieven bestaan zonder dat de tekst onjuist wordt. Waar een exacte uitkomst vereist is, en een ander woord het feitelijk fout zou maken, wordt de markering helemaal niet aangebracht. En de vraag die beantwoord wordt, is smal: hoe waarschijnlijk is het dat dit deels door Claude is geschreven. Er kan niet mee worden bevestigd dat iets door een mens is geschreven, en er kan niet mee worden vastgesteld dat een ander AI-systeem het schreef.

Reken dat nu door op je eigen verkeer. Een supportantwoord is kort. Het is feitelijk. Vaak is er maar één juiste formulering, want een loongrens of een retourtermijn is een feit en geen stijlkeuze. De omstandigheden waarin de markering het zwakst is, beschrijven vrij precies wat een supportmedewerker de hele dag verstuurt.

Dat is geen gebrek dat iemand heeft verzwegen. Het is een eigenschap van de techniek, en dezelfde vorm geldt voor statistische watermerken in het algemeen en niet voor de implementatie van één bedrijf.

Wat je dan nog wél moet regelen, en wie dat bepaalt

Hier is voorzichtigheid op zijn plaats, en voorzichtig zijn is hier nuttiger dan stellig klinken.

Wie in een bepaalde opstelling de kennisgevingsplicht bij interactie draagt, is een vraag waarover echte onenigheid bestaat, en het antwoord hangt af van de details van jouw opstelling en van welke bepaling van artikel 50 op jou van toepassing is. Wij gaan dat niet voor je beslechten in een blogpost, en wees op je hoede bij elke leverancier die dat wel doet. Leg het voor aan je eigen jurist, met jouw opstelling erbij.

Wat we je wel kunnen vertellen, is hoe onze eigen overeenkomst het verdeelt, en dat is een feit over ons contract en geen mening over de wet. Onze EU AI Act-bijlage zegt dat Unless functionaliteit levert waarmee eindgebruikers kunnen worden geïnformeerd dat ze met een AI-systeem werken, en dat de klant verantwoordelijk is voor het inschakelen en configureren daarvan in de eigen omgeving. We leveren daarnaast technische middelen om door AI gegenereerde content te markeren, en de klant gebruikt die waar de wet dat vraagt.

Die verdeling is het aanhalen waard, juist omdat het het deel is dat leveranciers meestal vaag houden. Wij kunnen je een schakelaar geven. Wij kunnen die niet in jouw product omzetten, en geen enkele aankondiging van welke modelaanbieder dan ook zet die schakelaar om.

De controle die tien minuten kost

Open je eigen AI in het klantcontact zoals een klant dat doet, op het kanaal dat een klant echt gebruikt. Niet de preview in de beheeromgeving.

Staat er niet dat het AI is voordat de interactie begint, dan is dat je bevinding. Een regel in de footer telt niet, en een zin in de voorwaarden ook niet. De kennisgeving hoort te staan waar de persoon is op het moment dat hij begint te praten.

Schrijf daarna op wie dat heeft besloten, en wanneer. Die vastlegging is het deel dat mensen overslaan, en het is het deel dat er later toe doet, want de vraag bij een audit is zelden of het vandaag aanstaat. De vraag is wie het besloot, op welke grond, en of je dat kunt laten zien.

Herkomst is geen verantwoording

De diepere reden dat een markering dit gewicht niet kan dragen, is dat die een andere vraag beantwoordt.

Een watermerk vertelt je dat er een machine bij betrokken was. Een audittrail vertelt je welk model antwoordde, welke bronnen zijn gebruikt, wanneer, en welke mens had kunnen ingrijpen. Maar één van die twee helpt een accountant die wil weten waarom een bepaalde klant op een bepaalde dinsdag een bepaald antwoord kreeg. Daarom begint onze eigen trustarchitectuur bij de vastlegging per beslissing en niet bij herkomstmarkering.

Markeren is de moeite waard en de sector doet er goed aan ermee bezig te zijn. Laat het alleen geen vraag afsluiten waarvoor het nooit gemaakt is. De persoon aan de andere kant van je agent hoeft niet te kunnen detecteren dat hij met AI praat. Die moet het verteld zijn.