Wie bepaalt of jouw werk “AI slop” is?
Over drukte, workslop en de scanners die sinds 2 augustus jouw content een label geven
AI zou ons tijd teruggeven. Waarom zijn wij dan drukker dan ooit? Toen wij het op Instagram vroegen, zei ongeveer de helft van onze volgers precies dat: ik ben drukker dan ooit. Deze week bogen Saskia en Caroline zich over die vraag, in een live opgenomen aflevering van de AI Column van de The New Era Podcast, de samenwerking tussen her/ai en Caroline Glasbergen van New Female Leaders.
In de aflevering leggen Saskia en Caroline die drukte langs een kwadrant met twee assen: hoeveel je leert over AI, en hoeveel je daadwerkelijk implementeert. Drie vlakken herken je snel: wie niets doet voelt vooral onrust, wie veel leest maar weinig toepast betaalt in leertijd, en wie echt tijd vrijspeelt vult die meteen weer met nieuwe ambitie. Het vierde vlak is de gemene: Workslop. Daar implementeer je veel zonder echt te leren, en bestaat de drukte uit herstelwerk. Dat van jou, of dat van je collega’s.
Workslop is de term die Harvard Business Review in september 2025 in het leven riep op basis van onderzoek van BetterUp Labs en het Stanford Social Media Lab. De definitie van workslop is: AI-content die gepolijst oogt maar inhoud mist, en het denkwerk doorschuift naar de ontvanger. In dat onderzoek zei 41% van de werknemers de afgelopen maand workslop te hebben ontvangen, met gemiddeld zo’n twee uur herstelwerk per keer. Vandaar het motto van de aflevering: altijd de output checken.
Als jij het zelf niet leest, waarom zou een ander dat dan moeten doen?
Zit je in dat workslop-kwadrant, dan heb je de route eruit gelukkig zelf in de hand: minder blind implementeren, meer leren. En terwijl wij aan onze kwadranten sleutelen, gebeurt er om ons heen iets groters. Wetgevers verplichten dat AI-content herkenbaar wordt, en platformen bouwen de systemen die jouw content herkennen, labelen en beoordelen. Daarmee komt een essentiele de vraag op tafel: wie bepaalt eigenlijk of jouw werk “AI slop” is, en mag dat een black box zijn?
🎙️ Herken je jezelf ergens in dit kwadrant? Luister dan eerst de volledige aflevering hieronder. Saskia en Caroline nemen alle vier de vlakken met je door, inclusief de voorbeelden en de vragen van luisteraars, en vertellen hoe je van herstelwerk naar echt vrijgespeelde tijd komt.
Deel 2: zo wordt jouw content voortaan gescand
De wet die net van kracht ging
Vlak na onze podcastopname, op 2 augustus 2026, afgelopen zondag dus, ging Artikel 50 (over transparantie) van de Europese AI Act in:
Chatbots moeten zichzelf voortaan bekendmaken wanneer ze AI zijn
Aanbieders van generatieve AI moeten beeld, audio, video en tekst machineleesbaar markeren.
Deepfakes moeten zichtbaar gelabeld worden.
En AI-tekst over zaken van publiek belang moet een label krijgen, tenzij een mens redactionele controle had.
En dat hebben wij ervaren afgelopen week.
Opeens kreeg ons Substack-artikel een rating die laat zien hoeveel procent AI-generated is. Dat kan je nu zelf zien: klik via het driepuntjes-menu van een post, Note of comment op “Scan for AI text” en je krijgt een percentage human-written versus AI-assisted te zien. Op Facebook kreeg Saskia’s post om haar huis te verhuren in een groep een “AI content”-label, n een groep, en op LinkedIn kan je nu bij een post aangeven of je denkt dat die “seems like AI slop”
Hoe weten of weten social platforms wanneer iets AI generated is
Substack gebruikt de classifier model van Pangram
Pangram, het bedrijf achter de Substack-scans, bouwt wat in vaktaal een classifier model heet: een sorteermachine die tekst in twee bakjes verdeelt, mens of AI. Je spamfilter is er ook een, alleen sorteert die op spam of geen spam.
Het trainen gaat zo. Pangram verzamelt miljoenen echte, door mensen geschreven teksten. Vervolgens laten ze AI elke tekst naschrijven: zelfde onderwerp, zelfde stijl, zelfde lengte. Zo ontstaan er paren, het origineel en de AI-spiegelversie, en door die eindeloos te vergelijken leert het model de piepkleine verschillen waar wij overheen lezen.
Een black box beoordeelt of jij een black box hebt gebruikt.
Op basis waarvan krijg je een rating? Als auteur heb je er geen enkel inzicht in. Het voelt behoorlijk ontransparant. Precies waar artikel 50 van de EU AI Act juist vanaf wil.
Social platforms en nieuwsmedia lezen watermerken en credentials
Bij beeld zijn er twee methodes om te herkennen of iets AI is:
1. Onzichtbare watermerken. AI-modellen verstoppen bij het genereren of editen een watermerk in de pixels zelf. Wij kunnen het niet zien maar machines wel.
Saskia merkte het toen ze haar huis wilde verhuren en 20 foto’s in een Facebook-groep plaatste. Bij 2 ervan had ze met AI de lakens van het bed strakker getrokken. Direct kreeg de post Meta’s “AI content”-label. Toen ze die 2 foto’s weghaalde, verdween het label, omdat er geen watermerk meer te detecteren was. Saskia wist precies waar het om ging en waarom. Wat er nu nog mist: gradaties. Was het een echte foto die licht is bewerkt? Of volledig AI-gegenereerd? Hopelijk de volgende stap.
2. Credentials (C2PA). Een digitaal etiket dat aan het bestand vastzit en vastlegt welke tools het beeld hebben gemaakt of bewerkt.
In 2021 richten Adobe, Microsoft, Intel, de BBC en beeldverificatiebedrijf Truepic samen de Coalition for Content Provenance and Authenticity (C2PA). Camera’s en AI-tools schrijven het etiket automatisch bij elke opname, generatie of bewerking, en platformen zoals Meta, TikTok, YouTube en Pinterest lezen het uit en plakken er een label op.
De nieuwswereld gebruikt diezelfde credentials om de logica om te draaien: niet opsporen wat nep is, maar bewijzen wat echt is. Nieuwe camera’s van Leica, Sony, Nikon en Canon ondertekenen een foto al op het moment van afdrukken: tijdstip, locatie en elke bewerking daarna reizen mee in een verzegeld etiket, en een redacteur ziet zo de hele keten terug tot de camera. Nieuwsorganisaties als de BBC, AP, Reuters en The New York Times, die de C2PA-standaard zelf mee opzetten, publiceren hun beelden inmiddels met deze credentials en hanteren bij groot nieuws een simpele regel: geen handtekening, geen publicatie.
Dat is een stuk transparanter dan de tekst-rating. Bij beeld valt AI-gebruik technisch hard aan te tonen. Voor tekst kan dat niet, en dus koos LinkedIn een andere oplossing. Sinds vorige week, aangekondigd door Chief Product Officer Hari Srinivasan op 30 juli, kun je als lezer via het driepuntjes-menu van een LinkedIn-post aangeven dat die “seems like AI slop”. Belangrijk: het wordt geen publiek label en geen rapportage. Het is feedback op je eigen feed, waarmee LinkedIn zijn detectiesystemen traint.
Wat vinden wij ervan?
Laten wij beginnen met wat goed is: dit is kwaliteitsbescherming. Als slop bestraft wordt, worden de bronnen waar wij allemaal uit putten weer beter.
Voor beeld en video werkt het best goed. Dit is precies waar Artikel 50 van de EU AI Act voor bedoeld is: jij ziet als consument voortaan of iets AI-generated is. Nieuwsorganisaties zoals de BBC, medegrondlegger van de C2PA-standaard, gebruiken die credentials al om de herkomst van hun beelden aan te tonen. En hopelijk dempt dit ook het op schaal uitvergroten van bias, waar wij vorige week over schreven: hoe beter wij realiteit en AI kunnen scheiden, hoe minder AI-beelden ongemerkt ons wereldbeeld kleuren.
Voor tekst vinden wij er nog wat van. Wie transparantie eist van zijn eigen gebruikers, moet zelf ook transparant zijn over hoe die rating of dat label tot stand komt. Anders gaan we met z’n allen alleen maar dieper de black box in.
En de AI Act zelf? Die dwingt transparantie af over wíe er AI gebruikt. Maar het blijft aan de oppervlakte, want echte transparantie bestaat niet zolang we niet weten hoe deze modellen tot een antwoord komen. Tot die tijd is deze wetgeving een mooie pleister.
Daarom drie vragen aan jou om over na te denken:
In welk vlak van het kwadrant zit jij nu, en welke soort drukte hoort daarbij: onrust, leertijd, ambitie of herstelwerk?
Zou jij willen dat je collega’s en klanten jouw werk door een AI-detector halen, en zou jouw werk die scan met opgeheven hoofd doorstaan?
Wie mag er van jou bepalen wat slop is: een bedrijf met een geheim model, je lezers met een knop, of jijzelf, door te laten zien hoe je werkt?
Meer her/ai?
🎙️ Luister de volledige aflevering van de AI Column van de The New Era podcast, met het kwadrant en alle voorbeelden, hieronder. Op 25 augustus zijn Saskia en Caroline weer live.
🗓️ Op 20 november 2026 organiseren we samen met The New Era Podcast een strategisch event over AI-adoptie en authentiek leiderschap. Zet jezelf alvast op een vrijblijvende interesselijst voor early bird-kaarten hier.
🛠️ Of kom naar een van onze hands-on AI-workshops op 9 sept of 18 nov in Amsterdam. Voor beiden zijn nog early bird kaartjes beschikbaar! Meer informatie hier.
🏢 Workshop bij jouw organisatie of op maat voor jouw team? Mail hello@herai.work en we vertellen je graag meer!
💛 Word paid subscriber. Steun ons werk en krijg er extra’s bij: gratis 1-op-1 sessies, korting op onze workshops en toegang tot ons archief.
 | Een gastpost van
|