Hoe weet je of een chatbot gelijk heeft over wetgeving?

Sinds 12 augustus is de Europese verpakkingsverordening van toepassing, en op elke kwaliteitsafdeling is de vraag dezelfde: wat betekent dit voor onze verpakkingen. Je typt hem in ChatGPT of Copilot, en er rolt een antwoord uit met artikelnummers, jaartallen en een keurige opsomming van wat je moet regelen.

Het leest goed. En dat is precies het probleem, want je kunt aan dat antwoord niet zien of het klopt. Wie dat één keer heeft gemerkt, schrijft AI in kwaliteit af. Toch zit het verschil tussen een chatvenster voor de hele wereld en een systeem dat voor een kwaliteitsteam is gebouwd niet in het model, maar in de structuur eromheen.

Waarom dat antwoord zo overtuigend klonk

Een algemeen taalmodel is getraind op teksten van over de hele wereld. Het heeft de verordening gelezen, maar ook de blogs die anderen schrijven, de samenvattingen van artikelen, de advocatenblogs, de forumdiscussies en de oude verpakkingsrichtlijn. Al die teksten spreken elkaar tegen, en het model weet niet welke daarvan vandaag geldt voor jouw product.

Daar komt bij waar zo’n model op is geoptimaliseerd. Het is getraind om antwoorden te geven die mensen als goed beoordelen, en mensen beoordelen een antwoord als goed wanneer het vloeiend is, compleet oogt en zelfverzekerd klinkt. Overtuigingskracht is dus geen bijverschijnsel, het is waar het model op is afgericht.

En dan is er nog iets wat ook een volledig kloppend antwoord niet oplost. Een algemeen antwoord over de verpakkingsverordening gaat over verpakkingen in het algemeen. Wat het betekent voor jouw folie, jouw leverancier en de conformiteitsverklaring die je vorig jaar hebt gekregen, staat niet op het internet. Dat staat in je eigen dossier.

Wat zo’n systeem in kwaliteitsborging bruikbaar maakt

Stel dat je dezelfde vraag stelt aan iets dat op vier punten anders is gebouwd.

Het zoekt alleen in de documenten die jij aanwijst. Je specificaties, je certificaten, je procedures, je correspondentie met leveranciers, en de wetgeving die op jou van toepassing is. Alles daarbuiten bestaat niet. Een advocatenblog uit 2023 kan het antwoord dus niet meer kleuren, en een conceptversie van een verordening evenmin.

Het citeert bij elk antwoord de bron. Niet een documentnaam, maar de plek zelf: dit staat in versie 4 van deze specificatie, op deze pagina. Je klikt erop en je ziet in tien seconden of het klopt. Daarmee verdwijnt de vraag of je het model vertrouwt, want je controleert het gewoon.

Hier hoort een tweede regel bij die net zo belangrijk is. Staat het antwoord niet in het aangewezen dossier, dan hoort het systeem dat te melden in plaats van iets aannemelijks te maken. Zo blijft een gat in je documentatie een zichtbaar gat.

Het laat zien wat het heeft gedaan. Welke documenten het heeft geopend, wat het met wat heeft vergeleken, welke velden het heeft overgenomen en waar het twijfelde. Je kijkt niet naar een uitkomst die uit het niets komt, je kijkt naar werk dat je kunt volgen.

Het kan maar één ding. Geen assistent die overal over meepraat, maar een systeem met een afgebakende taak: kwaliteitswerk. Dat lijkt een beperking en het is de belangrijkste waarborg van de vier, want een systeem dat alles kan, kan ook overal buiten zijn boekje gaan.

Van opzoeken naar narekenen

Het tweede voorbeeld draait niet om opzoeken maar om rekenen. Moet er een allergenenwaarschuwing op dit etiket?

Vraag het aan een chatbot en hij gaat op zoek naar alles wat er ooit over kruisbesmetting en drempelwaarden is geschreven: richtlijnen uit verschillende landen, opeenvolgende versies van VITAL, samenvattingen op fabrikantensites. Wat eruit komt is een gemiddelde van de sector, en een gemiddelde is geen onderbouwing.

Geef het systeem in plaats daarvan de formule die jullie hanteren en verder niets. De referentiedosis waar jullie mee werken, de portiegrootte, de batchgrootte en de besmetting die uit je reinigings- en analysegegevens volgt. Er valt dan niets meer te gokken. Het loopt de stappen af in de volgorde die jullie hebben vastgelegd, zet de tussenuitkomsten erbij en legt de conclusie aan je voor.

Je controleert niet of het model gelijk heeft. Je controleert of de stappen kloppen, en dat is werk van een minuut.

Hoe SPEX dat doet

Bij SPEX werkt het systeem op één afgebakend dossier per organisatie: je specificaties, certificaten, etiketten, procedures en correspondentie, plus de geldende wetgeving. Er wordt niets buiten dat dossier geraadpleegd en er komt geen antwoord zonder vindplaats. Weet het systeem iets niet, dan zegt het dat.

De scope is bewust smal. Vier soorten taken vallen eronder, en het zijn de taken waar uitzoekwerk in zit en geen oordeel: een concept opstellen voor een mail, een dossier doorzoeken en het antwoord met bron terugkrijgen, een binnengekomen specificatie uitlezen naar velden in plaats van hem over te typen, en een eerste controle op wat ontbreekt of afwijkt van de vorige versie. Samen kosten die taken op de week van een kwaliteitsmedewerker meer uren dan het werk waar de vakkennis in zit.

Het voorstel komt bij een mens terecht. Die leest na, past aan of keurt goed, en zijn naam staat op de goedkeuring. Wat er is gevraagd, welke documenten zijn geraadpleegd, wat het voorstel was en wie het heeft beoordeeld, blijft vastgelegd. Niet als logbestand voor de IT-afdeling, maar als spoor dat je kunt laten zien.

Je data blijft van jou. Hij wordt binnen de EU en onder de AVG verwerkt, staat gehost in Nederland.

Waar het systeem stopt

De vrijgave van een partij blijft bij een mens. De risicobeoordeling blijft bij een mens. Een HACCP-plan herzien, de afweging maken wat je doet bij een afwijking, beoordelen of een leverancier na dat incident nog door kan: allemaal werk waarbij het oordeel zelf de uitkomst is. Er is geen document waarin het antwoord staat, dus er is ook niets om het aan te toetsen.

Vijf vragen die je aan elke leverancier stelt, ook aan ons

Zodra je met een aanbieder aan tafel zit, worden die vier punten vijf vragen. Onze antwoorden staan erbij, zodat je ziet hoe een antwoord eruitziet dat je kunt narekenen.

Waarin wordt gezocht? Alleen in je eigen dossier en de geldende wetgeving, niet in alles wat er ooit online is gezet.

Kan ik per antwoord zien waar het vandaan komt? Ja, elke uitkomst verwijst naar document, versie en pagina.

Wat gebeurt er als het systeem het niet weet? Dan meldt het dat. Geen bron, geen antwoord.

Wat laat het van zichzelf zien? De stappen: welke documenten zijn geopend, wat is vergeleken, waar het twijfelde.

Waar staat mijn data, en van wie is hij? Binnen de EU en onder de AVG, gehost in Nederland en jij blijft eigenaar.

Blijft een aanbieder bij “onze AI is heel veilig”, dan weet je genoeg. Deze vijf antwoorden zijn controleerbaar of ze zijn er niet.

Terug naar die vraag over verpakkingen

De vraag was niet wat de verpakkingsverordening in het algemeen voorschrijft. De vraag was wat hij betekent voor jouw verpakkingen, en dat antwoord ligt in je eigen dossier, verspreid over specificaties, verklaringen en mailwisselingen van de afgelopen jaren.

Dat is precies het werk dat je kunt overlaten: het opzoeken, het vergelijken, het klaarzetten. Niet omdat het model slim genoeg is, maar omdat je bij elke regel kunt zien waar hij vandaan komt.

Veelgestelde vragen

Waarom klinkt een AI-antwoord over wetgeving zo overtuigend?

Omdat een algemeen taalmodel is getraind op teksten van over de hele wereld en is geoptimaliseerd op antwoorden die mensen als goed beoordelen: vloeiend, compleet en zelfverzekerd. Het heeft de verordening gelezen, maar ook de conceptversies, samenvattingen en blogs eromheen, en het maakt geen onderscheid tussen wat vandaag geldt en wat is achterhaald. Een juist en een onjuist antwoord klinken daardoor precies hetzelfde.

Wat is het verschil tussen ChatGPT en AI die voor kwaliteitsteams is gebouwd?

Vier dingen. Een systeem voor kwaliteitsteams zoekt alleen in de documenten die jij aanwijst, verwijst bij elk antwoord naar het brondocument, laat zien welke stappen het heeft gezet, en kan maar één soort werk doen. Het verschil zit dus niet in het model, maar in waar het bij mag en wat het van zichzelf laat zien.

Wat gebeurt er als het systeem het antwoord niet weet?

Dan hoort het dat te melden. Staat de informatie niet in het aangewezen dossier, dan is het juiste antwoord dat het er niet staat. Zo blijft een gat in je documentatie zichtbaar als een gat, in plaats van dat het wordt opgevuld met een aannemelijke zin.

Welk kwaliteitswerk kun je aan AI overlaten?

Werk waar uitzoekwerk in zit en geen oordeel: een concept opstellen, een dossier doorzoeken en het antwoord met vindplaats terugkrijgen, een binnengekomen specificatie uitlezen naar velden, en een eerste controle op wat ontbreekt of afwijkt van de vorige versie. Je leest na en je keurt goed, maar je begint niet meer bij nul.

Kan AI een PAL-berekening doen?

Alleen als je het de formule geeft en verder geen toegang. Een algemeen model zoekt bij zo'n vraag alles bij elkaar wat er over kruisbesmetting en drempelwaarden is geschreven, en levert een gemiddelde van de sector op. Geef je het systeem je eigen referentiedosis, portiegrootte, batchgrootte en besmettingsgegevens, dan loopt het de stappen af in de vastgelegde volgorde, toont het de tussenuitkomsten en legt het de conclusie ter beoordeling voor.

Welk werk laat je nooit over aan software?

De vrijgave van een partij, de risicobeoordeling, de herziening van een HACCP-plan en de afweging wat je doet bij een afwijking. Dat is werk waarbij het oordeel zelf de uitkomst is en waar geen brondocument bestaat om het aan te toetsen.

Waar staat onze data en blijft die van ons?

Bij SPEX blijft je data van jou, wordt hij binnen de EU en onder de AVG verwerkt, staat hij gehost in Nederland. Stel die vraag aan elke aanbieder en vraag door tot je weet welke onderaannemers erachter zitten.

Wat vraagt de AI-verordening van een kwaliteitsafdeling?

Sinds 2 augustus 2026 gelden de transparantieverplichtingen uit artikel 50: mensen moeten weten wanneer ze met een AI-systeem te maken hebben. De zware verplichtingen voor hoogrisicotoepassingen zijn met de Digital Omnibus voor AI (Verordening (EU) 2026/1744, in werking sinds 27 juli 2026) verschoven naar 2 december 2027 voor de toepassingen in bijlage III en 2 augustus 2028 voor die in bijlage I. Kwaliteitsadministratie staat niet op die hoogrisicolijst. Stand van zaken: september 2026.

Bronnen

1. Verordening (EU) 2024/1689 (AI-verordening), artikel 50 en artikel 113, Publicatieblad van de Europese Unie (2024)
2. Verordening (EU) 2026/1744 (Digital Omnibus voor AI), Publicatieblad van de Europese Unie (24 juli 2026)
3. Verordening (EU) 2025/40 betreffende verpakkingen en verpakkingsafval (PPWR), Publicatieblad van de Europese Unie (2025)