AI whitewashing: wanneer AI-claims verder gaan dan AI-implementatie

Wanneer bedrijven claimen AI te gebruiken terwijl de technologie onder de motorkap simpele regels volgt. Wanneer chatbots die gewoon decision trees uitvoeren worden gepresenteerd als kunstmatige intelligentie. Of wanneer er wordt geadverteerd met machine learning terwijl een medewerker handmatig parameters instelt. Die kloof tussen claim en werkelijkheid heet AI whitewashing, AI-cosplay of AI theater, afhankelijk van de intentie en ernst.

Het fenomeen is wijdverbreid. Een onderzoek uit 2019 toonde aan dat veertig procent van de Europese startups die zichzelf als AI-bedrijf profileerden, geen enkele AI-technologie gebruikte. Sindsdien is de druk om AI te claimen alleen maar toegenomen. Investeerders vragen ernaar, concurrenten adverteren ermee en klanten verwachten het. Die dynamiek creëert prikkel om AI-labels te plakken op technologie die het niet is.

Nu denk je, het zijn vooral de kleintjes? Zelfs een Amazon maakte zich hier vorig jaar aan schuldig. De AI Grocery Store met ‘Just walk out’-functie bleek niet door AI te worden gerund maar door 1000 menselijke video reviewers in India.

Drie gradaties van AI-theater

AI whitewashing is het lichtste vergrijp. Een bedrijf gebruikt daadwerkelijk enige vorm van AI, een AI wrapper, maar overdrijft de rol of capaciteiten. Een webshop met productaanbevelingen noemt zichzelf AI-gedreven, terwijl het algoritme simpele collaboratieve filtering toepast die decennia oud is. Technisch klopt de claim, maar de suggestie van geavanceerde intelligentie misleidt.

AI-cosplay gaat een stap verder. Het bedrijf doet alsof het AI gebruikt, maar de werkelijke implementatie is zo basaal dat het nauwelijks AI te noemen is. Een klantenservice-chatbot die vaste antwoorden geeft op basis van keyword matching presenteert zichzelf als AI-assistent. Het heeft oppervlakkig de vorm van AI maar mist de essentie: leren, aanpassen, complexe patronen herkennen.

AI theater is het meest cynisch. Er is geen AI, alleen de suggestie ervan. Achter de schermen voeren mensen handmatig taken uit die als geautomatiseerd worden gepresenteerd. Het bekendste voorbeeld was een startup die claims dat hun AI cv’s screende, terwijl recruters in het buitenland handmatig selecteerden. Klanten betaalden voor technologie die niet bestond. Amazon’s AI grocery store is hier ook een voorbeeld van.

AI-gedreven en AI-powered is beter?

De druk om AI te claimen komt van meerdere kanten. Investeerders waarderen AI-bedrijven hoger dan bedrijven zonder AI-verhaal. Dat creëert financiële prikkel om AI te noemen, zelfs als de implementatie marginaal is. Een pitch deck met “AI-powered” trekt gemakkelijker funding dan een identiek bedrijf zonder die claim, ongeacht of de AI wezenlijk bijdraagt. Dit is exact de reden waarom er een AI-bubbel is die vroeg of laat zal knappen.

Concurrentie versterkt de dynamiek. Als rivalen AI claimen, voel je druk hetzelfde te doen. Klanten vergelijken features en AI staat als bulletpoint in tenders. Niet claimen betekent achterstand suggereren, zelfs als je product objectief beter is. Dat dwingt bedrijven in een wapenwedloop van claims in plaats van capaciteiten.

Marketing-afdelingen willen verhalen die verkopen. “AI-gedreven personalisatie” klinkt beter dan “we gebruiken sessiedata om gerelateerde producten te tonen”. Het eerste suggereert innovatie en geavanceerdheid, het tweede klinkt als standaard e-commerce. Die voorkeur voor pakkende narratieven boven technische nauwkeurigheid stimuleert overdrijving.

En soms is onwetendheid de oorzaak. Niet-technische beslissers begrijpen niet altijd wat AI wel en niet is. Een leverancier vertelt dat hun systeem “slim leert van data”, wat algemeen genoeg is om van toepassing te lijken. De klant denkt geavanceerde machine learning te kopen, maar krijgt statistische analyse die al decennia bestaat. Geen opzettelijke misleiding, maar gebrek aan technische helderheid aan beide kanten.

‘Fake it till you make it’

Er bestaat een legitieme vorm van “fake it until you make it” die lijkt op AI-theater: het minimal viable product. In plaats van maanden investeren in AI-ontwikkeling zonder te weten of het probleem de moeite waard is, test je eerst of de oplossing überhaupt waarde levert. De Wizard of Oz-methode is daar ideaal voor: je bouwt de interface van een AI-systeem, maar laat mensen achter de schermen de intelligentie leveren. Klanten denken dat ze met AI werken, maar hun inputs worden handmatig verwerkt door experts. Die aanpak valideert snel of de use case klopt. Als klanten de service niet gebruiken of geen waarde ervaren, heb je geen maanden en tonnen verspild aan modelontwikkeling. Als ze het wel waarderen, weet je precies welke functionaliteit cruciaal is voordat je automatiseert.

Het verschil met AI-theater zit in intentie en transparantie. Wizard of Oz is een testfase met duidelijk einddoel: leren en automatiseren. Je meet hoeveel handmatige arbeid het kost, of schaalbare automatisering haalbaar is en waar AI toegevoegde waarde levert. Theater daarentegen presenteert menselijke arbeid permanent als AI omdat automatisering te duur of onmogelijk blijkt. Het eerste is gevalideerd leren, het tweede is misleiding.

Hoe je echt van theater onderscheidt

Echte AI-implementatie lost specifieke problemen op en is meetbaar. Een fraudedetectiesysteem dat machine learning gebruikt, haalt detectiepercentages die regelgebaseerde systemen niet behalen. Een aanbevelingsmotor genereert hogere conversie dan willekeurige suggesties. De waarde zit in prestatieverbetering, niet in het label. Theater daarentegen levert geen meetbaar voordeel. De “AI-chatbot” beantwoordt niet meer vragen dan de oude FAQ. De “machine learning voorspelling” is even accuraat als een simpel gemiddelde. Als je de AI-claim weghaalt en de resultaten hetzelfde blijven, was het theater.

Transparantie over implementatie is een tweede indicator. Bedrijven met échte AI kunnen uitleggen welk foundation model ze gebruiken, op welke data het traint en hoe het beslissingen neemt. Theater-bedrijven blijven vaag. “Ons geavanceerde algoritme analyseert patronen” zegt niets. Welk algoritme? Welke patronen? Als die vragen niet beantwoord worden, is de claim verdacht.

Menselijke tussenkomst onthult ook theater. Als elk AI-resultaat handmatig wordt gecontroleerd en vaak wordt overschreven, doet de AI weinig. Een “AI-gestuurde content moderatie” die elk item naar menselijke moderators stuurt, is geen AI maar een triagesysteem met een fancy naam. Échte AI neemt beslissingen zelfstandig, al is menselijke supervisie bij kritieke toepassingen verstandig.

AI-theater helpt je niet verder

Budgetten gaan naar marketing van niet-bestaande capaciteiten in plaats van naar daadwerkelijke innovatie. Teams besteden tijd aan het verzinnen van AI-verhalen in plaats van aan het oplossen van echte problemen. Die verspilling raakt organisaties die toch al worstelen om AI-projecten rendabel te maken. Reputatieschade is een tweede risico. Klanten en partners die ontdekken dat AI-claims overdreven waren, verliezen vertrouwen. Dat raakt niet alleen de relatie maar ook toekomstige geloofwaardigheid. Als je later echte AI implementeert, wantrouwen stakeholders je claims omdat eerdere communicatie misleidend was.

Strategisch gezien mist AI-theater kansen. Bedrijven die focussen op theater investeren niet in daadwerkelijke AI-capaciteiten. Terwijl zij labels plakken op bestaande processen, bouwen concurrenten echte AI-systemen die meetbaar voordeel opleveren. Het gat groeit, maar theater maskeert de achterstand totdat het te laat is om in te halen. Ook intern ontstaat problematische dynamiek. Als management AI-theater afrekent op marketing-succes in plaats van operationele impact, signaleer je dat verhalen belangrijker zijn dan resultaten. Dat corrumpeert besluitvorming. Teams gaan focussen op wat goed klinkt in plaats van wat werkt, omdat dat is waar ze op worden beoordeeld.

Wat de boardroom wél om moet vragen

De eerste vraag bij elk AI-initiatief is welk specifiek probleem het oplost en hoe je succes meet. “We worden innovatiever” is geen antwoord. “We verlagen klantenservice-kosten met twintig procent door geautomatiseerde vraagafhandeling” wel. Concrete doelstellingen met meetbare KPI’s dwingen teams te focussen op impact in plaats van theater. De tweede vraag is wat het alternatief is. Als je hetzelfde resultaat kunt bereiken met eenvoudigere technologie, waarom zou je AI gebruiken? Soms is een simpele regel effectiever dan een complex model. AI inzetten omdat het kan is engineering-masturbatie, niet strategie. AI inzetten omdat het meetbaar beter presteert is rationeel. De derde vraag is hoe de implementatie werkt. Je hoeft geen data scientist te zijn om te begrijpen of een systeem daadwerkelijk leert en aanpast of gewoon vaste regels volgt. Als het team niet kan uitleggen hoe hun AI-systeem functioneert op een niveau dat voor niet-technische executives begrijpelijk is, is het ofwel slecht begrepen ofwel theater.

Tot slot: wie controleert de claims? Als marketing zegt “we gebruiken AI” maar engineering die claim niet kan onderbouwen met architectuur en data, heb je al AI-theater. Als productontwikkeling metrics toont die verbetering aantonen door AI maar marketing die niet kan communiceren, heb je een verhalenprobleem maar wel echte waarde. Die alignment tussen claim en werkelijkheid bepaalt of je strategie of theater runt.

Van theater naar strategie

AI-theater ontstaat wanneer marketing prioriteit krijgt boven impact. De verleiding is begrijpelijk: investeerders, klanten en concurrenten creëren druk om AI te claimen. Maar theater levert geen duurzaam concurrentievoordeel. Het maskeert zwakte, verspilt resources en corrumpeert besluitvorming.

Échte AI-strategie start bij problemen, niet bij technologie. Welke processen zijn inefficiënt? Welke beslissingen zijn inconsistent? Welke voorspellingen zijn onnauwkeurig? Als AI die problemen meetbaar oplost, implementeer je het. Als niet, gebruik je andere technologie. Het label maakt niet uit, de impact wel.

Voor de boardroom is de boodschap helder: vraag naar metrics, niet naar buzzwords. Beloon teams op verbeterde KPI’s, niet op hoeveel keer “AI” in de presentatie staat. En realiseer dat échte AI-implementatie tijd, data en expertise vraagt die theater-projecten vermijden. Als het te snel gaat en te mooi klinkt, is het waarschijnlijk cosplay.