← Terug naar blog
Tekst2 mei 2026Bijgewerkt november 20266 minuten lezen

Hoe herken je door AI gegenereerde tekst in 2026: een complete gids

S

SUS IT

Hoe AI-tekstdetectors werken, waardoor ze tekst markeren, hoe je de score leest en wat je doet als je eigen tekst wordt gemarkeerd.

AI-tekstdetectors zoeken naar tekst die te gelijkmatig en te voorspelbaar is: zinnen van ongeveer dezelfde lengte, veilige woordkeuzes, standaardzinnetjes en veel voorbehoud. Ze geven een kans, geen bewijs. Formele teksten en teksten van mensen die niet in hun moedertaal schrijven, kunnen per ongeluk worden gemarkeerd. Een score hoort dus een gesprek te beginnen, nooit te beëindigen.

Snelle checklist

  • Heeft elke zin ongeveer dezelfde lengte en vorm?
  • Staan er standaardzinnetjes in zoals "Het is vermeldenswaard dat" of "Concluderend"?
  • Houdt de tekst overal een slag om de arm en neemt hij nooit een standpunt in?
  • Zijn er persoonlijke, specifieke details die alleen de schrijver kan weten?
  • Past het bij het andere werk van de schrijver?
  • Scan het document en lees welke delen zijn gemarkeerd

Wat AI-detectors meten

AI-detectors "weten" niet echt wie iets heeft geschreven. Ze meten patronen die meestal verschillen tussen mensen en AI. De twee belangrijkste zijn perplexiteit en burstiness.

Perplexiteit is hoe verrassend elke woordkeuze is. AI-tekst heeft meestal een lage perplexiteit, omdat het model telkens een waarschijnlijk woord kiest. Mensen maken vreemde, persoonlijke keuzes die een model niet zou voorspellen.

Burstiness is hoeveel de zinnen variëren. Mensen mengen lange, kronkelende zinnen met korte. Ze wisselen van tempo en springen tussen grote ideeën en kleine details. AI-tekst houdt meestal dezelfde lengte en hetzelfde ritme aan. Het leest soepel, maar mist de pieken en dalen van menselijk schrijven.

Detectors letten ook op gewoontes van bepaalde modellen, zoals standaard overgangszinnen ("Het is vermeldenswaard dat...", "Concluderend..."), veel voorbehoud en een bekende opbouw van alinea's. Die gewoontes veranderen als modellen worden bijgewerkt, en daarom verandert detectie ook steeds.

Hoe detectors zijn gebouwd

De meeste detectors werken op een van twee manieren. Classifiers leren van grote verzamelingen menselijke tekst en AI-tekst, en beoordelen daarna nieuwe tekst. Watermerken verbergen een statistisch signaal in AI-tekst terwijl die wordt geschreven, dat een bijpassende detector later kan vinden. Watermerken zijn in theorie betrouwbaarder, maar ze werken alleen als de AI-tool ze toevoegt, en de meeste openbare tools doen dat niet.

SUS IT leest tekst zoals een zorgvuldige redacteur dat zou doen. Het kijkt vanuit drie hoeken: zinspatronen zoals gelijkmatigheid en burstiness, stijl zoals standaardzinnetjes en modewoorden, en stem, zoals of de schrijver een duidelijk standpunt inneemt. Daarna checkt het op veelvoorkomend vals alarm, zoals formele zakelijke teksten, academische essays en teksten van mensen die niet in hun moedertaal schrijven. Is het bewijs gemengd, dan neigt het naar mens. Je krijgt een score, een betrouwbaarheidsniveau en de redenen erachter.

De score lezen

Een detectiescore is een kans, geen oordeel. Een score van 85% betekent niet dat AI de tekst zeker heeft geschreven. Het betekent dat de tekst lijkt op wat AI meestal maakt. De context telt zwaar. SUS IT gebruikt deze bereiken:

0 tot 30%: Leest als menselijk. Duidelijke variatie, een persoonlijke stem en specifieke voorbeelden.

31 tot 50%: Verdacht. Enkele patronen die op AI lijken, maar ook menselijke. Het kan gaan om formele tekst, iemand die niet in de moedertaal schrijft, of een AI-concept dat is bewerkt.

51 tot 70%: Waarschijnlijk AI. Meerdere tekenen van AI, maar er blijft enige twijfel. Heel formele menselijke tekst kan hier terechtkomen.

71 tot 100%: Sterke tekenen van AI. Onbewerkte output van populaire chatbots komt vaak hier terecht.

De nuttigste uitslagen stoppen niet bij het getal. Ze laten zien welke passages zijn gemarkeerd en waarom. Dat helpt je te beoordelen wat de score echt betekent. Heb je de tekst zelf geschreven, dan zie je ook wat jouw tekst als AI laat overkomen.

Veelvoorkomende oorzaken van fout-positieven

Een fout-positief is menselijke tekst die als AI wordt gemarkeerd. Fout-positieven zijn niet willekeurig. Sommige soorten tekst worden vaker gemarkeerd:

Formele academische teksten hebben vaak gelijkmatige zinnen en zorgvuldig voorbehoud, wat op AI-patronen lijkt. Labverslagen, casestudy's en methodehoofdstukken worden vaker gemarkeerd dan de meeste teksten.

Teksten van mensen die niet in hun moedertaal Engels schrijven zijn vaak gelijkmatiger en strakker volgens de regels, met minder uitdrukkingen. Een detector kan dat lezen als lage perplexiteit.

Zwaar geredigeerde teksten kunnen hoger scoren, omdat redigeren de ruwe randjes weghaalt die op een mens wijzen.

Strakke formats, zoals FAQ's, handleidingen, juridische teksten en persberichten, volgen vaste patronen. Ze kunnen op AI lijken, ook als een mens elk woord heeft geschreven.

Veelvoorkomende oorzaken van fout-negatieven

Een fout-negatief is AI-tekst die doorgaat voor menselijk. Die komen steeds vaker voor, nu mensen leren detectors te omzeilen. De gebruikelijke trucs zijn de zinslengte variëren, persoonlijke verhalen en specifieke details toevoegen, minder gangbare woorden gebruiken en het AI-concept flink herschrijven. Zogenoemde "AI-humanizer" tools doen dit automatisch.

Een lage score bewijst dus niet dat een mens de tekst heeft geschreven. Het betekent alleen dat de tekst geen duidelijke AI-patronen heeft. Combineer de score bij grote beslissingen met ander bewijs: wanneer en hoe het werk is ingeleverd, het andere werk van de schrijver, en een gesprek over hoe die het heeft geschreven.

Waar AI-tekstdetectie het best voor werkt

AI-tekstdetectie werkt het best als eerste filter, niet als eindoordeel. Goede toepassingen zijn onder meer:

Een grote stapel screenen. Heb je veel inzendingen, dan helpt een detector je te kiezen welke je beter bekijkt.

Het proces checken. Vergelijk concepten in de loop van de tijd om te zien dat het werk stap voor stap is opgebouwd.

Vergelijken met eerder werk. Leg een gemarkeerd stuk naast ander werk van dezelfde schrijver om te zien of de stem overeenkomt.

Onderzoek. Meet hoeveel AI-tekst er voorkomt in een grote verzameling teksten.

Docenten vinden een eerlijke manier om detectie te gebruiken, ook hoe je met studenten praat over een markering, op onze pagina voor docenten.

Wat je doet als je onterecht wordt gemarkeerd

Scoort je eigen tekst hoog, raak dan niet in paniek. De score is een kans, geen bewijs. Verzamel je concepten, aantekeningen en bestandsgeschiedenis met datums. Vraag welke passages zijn gemarkeerd en waarom. Goede tools laten dat zien. Vergelijk de gemarkeerde tekst met je andere teksten om te laten zien dat je stijl consistent is. En let op welke gewoontes als AI overkomen, want dat kan je helpen een persoonlijkere stem te ontwikkelen. Studenten kunnen hun eigen werk checken voordat ze het inleveren.

Het beeld in 2026

Detectie is lastig in 2026. AI-modellen schrijven natuurlijker, en humanizer-tools zijn overal. Detectors zijn ook beter geworden, maar het kernprobleem blijft. Naarmate AI-tekst dichter bij menselijke tekst komt, worden de signalen zwakker. Het vakgebied beweegt richting watermerken en bewijs van herkomst die niet afhangen van gokken op basis van stijl, maar die werken alleen als AI-tools ze overnemen. Voorlopig is detectie op basis van stijl het meest gebruikte middel. Het goed gebruiken betekent dat je zowel de sterke punten als de grenzen kent.

Veelgestelde Vragen

Kunnen AI-tekstdetectors het mis hebben?

Ja. Formele, academische of zwaar geredigeerde teksten, en teksten van mensen die niet in hun moedertaal schrijven, kunnen per ongeluk worden gemarkeerd. Bewerkte AI-tekst kan ook doorgaan voor menselijk. Zie een score als een reden om beter te kijken, niet als bewijs.

Welke AI-score is te hoog?

Er is geen vaste grens. Bij SUS IT wijst 71% en hoger op sterke tekenen van AI, is 51 tot 70% waarschijnlijk AI, en is 31 tot 50% onduidelijk. Lees welke passages zijn gemarkeerd voordat je beslist.

Kan SUS IT tekst van ChatGPT, Gemini en Claude herkennen?

Het zoekt naar de patronen die tekst van deze en andere chatbots meestal gemeen heeft, in plaats van één tool te proberen te noemen. Upload de tekst als PDF- of Word-bestand om een score en de redenen erachter te krijgen.

Wat moet een docent doen met een hoge score?

Gebruik hem om een gesprek te beginnen, niet om te straffen. Vraag de student naar het schrijfproces, bekijk de concepten en vergelijk met eerder werk. Onze pagina voor docenten gaat hier dieper op in.

Probeer SUS IT gratis

Registreer en krijg 1 gratis scan voor elk bestand of link.

Check een document