# Betrouwbaarheidspercentages zijn theater

**Samenvatting:** Een betrouwbaarheidsscore naast een AI-antwoord ziet eruit als bewijs en meet meestal niets. Dit vraag je in plaats daarvan aan je leverancier.

**Kort samengevat:** Een getal naast een antwoord voelt als bewijs, en is dat bijna nooit.

**Gepubliceerd:** 2026-09-03

**Laatst bijgewerkt:** 2026-09-15

Ergens in je AI-tooling staat een getal. Er verschijnt een antwoord, en ernaast staat 87%, of 0,91, of een groen balkje met "hoge betrouwbaarheid". Het ziet eruit als bewijs. Meestal is het het minst onderbouwde dat op je scherm staat.

Dit is geen klacht over leveranciers die je iets wijsmaken. Het getal staat er omdat iedereen verwacht dat het er staat. Maar een cijfer dat nergens tegen is afgezet, is decoratie. In een gereguleerde omgeving is decoratie duur, want vroeg of laat vraagt iemand wat het betekende.

## Waar de gewoonte vandaan komt

Product teams scoren hun eigen zekerheid al jaren. Jason Cohen beschrijft het in [Lost confidence](https://longform.asmartbear.com/confidence/ "A Smart Bear: Lost confidence") van juni 2026: de betrouwbaarheidskolom in een RICE-achtig prioriteringsmodel vraagt je om een kans in te schatten waarvan je net hebt toegegeven dat je die niet kunt kennen.

Zijn oplossing is het overnemen waard. Vervang betrouwbaarheid door asymmetrie en schat twee dingen in die je wél kunt inschatten: het slechtste geval in tijd en geld, en het beste geval in klantwaarde. Daar bestaan controleerbare antwoorden op, en op een kans dat je gelijk hebt niet.

Het gaat bij Cohen over roadmaps, maar het verplaatst zich, en naar een veel groter publiek. Een product manager die een betrouwbaarheidsscore naar zijn hand zet, beïnvloedt een roadmap. Een systeem dat een antwoord verstuurt onder een geruststellend groen balkje, beïnvloedt een klant die het geloofde.

## Waarom het erger wordt zodra er een model bij komt

Een mens weet tenminste dat er gegokt is. Zodra het getal uit een systeem komt, verdwijnt die wetenschap en ziet het cijfer eruit als een meterstand.

Stel de vraag die het beslecht: waartegen is dit getal afgezet? Bij een echte meting is er een antwoord. Het systeem is losgelaten op een set vragen waarvan het juiste antwoord vooraf vaststond, een deel ging goed en een deel niet, en dat percentage is het getal. Bij de meeste betrouwbaarheidsbalkjes bestaat die set niet. Er is niets gescoord, dus er is niets gemeten.

Dat is het hele verschil, en het mag hard gezegd worden. Een betrouwbaarheidsscore is zo veel waard als datgene waartegen die is gecontroleerd. Geen controleset, geen betekenis.

## Het sterkste tegenargument, en het is een goed argument

Kalibratie bestaat echt, en die wegwuiven zou zelf een vorm van theater zijn.

Een systeem dat 90% zegt en in negen van de tien gevallen gelijk heeft, over enkele duizenden gescoorde vragen, vertelt je iets bruikbaars. Het werk om daar te komen is serieus engineeringwerk. Het bezwaar is terecht: haal een gemeten getal niet door elkaar met een verzonnen getal alleen omdat ze er op het scherm hetzelfde uitzien.

Het argument is dus smaller dan "betrouwbaarheidsscores deugen niet". De twee zien er identiek uit en betekenen het tegenovergestelde, en bijna niemand vraagt naar welke van de twee hij kijkt. Houd het getal. Maak de vraag routine.

## Wat wij in plaats daarvan doen, en wat we een leverancier zouden vragen

Unless kiest de andere route, en dat staat in gewone taal op onze eigen [Trust-pagina](https://unless.com/en/trust/ "Unless: Trust en compliance"): geen black box, elk antwoord wijst terug naar de bron, en als we ons werk niet kunnen laten zien, versturen we het antwoord niet.

In de praktijk betekent dat twee dingen die je kunt inzien in plaats van geloven. Elke beslissing laat een audittrail per beslissing achter, met tijdstempel, het beslispad, het gebruikte model en de geciteerde bron. En nauwkeurigheid wordt op de saaie manier gemeten, met controlevragen waarvan het juiste antwoord vaststaat, in de [Test-fase](https://unless.com/en/engine/test/ "Unless Engine: Test") van de loop. Het getal dat bestaat, is dus een getal dat iemand heeft gescoord.

We beweren niet dat dit het enige verdedigbare ontwerp is. We beweren dat het het ontwerp is dat we je kunnen laten zien, en dat is een kleinere bewering dan een percentage suggereert.

Beoordeel je iets dat een betrouwbaarheidscijfer op het scherm zet, dan scheiden vier vragen een meting van een gevoel. Tegen welke set vragen is dit gescoord, en mag ik die zien? Hoe vaak wordt er opnieuw gescoord? Wat gebeurt er met het getal als de onderliggende content verandert? En als het systeem het mis heeft, kan ik dan teruglezen waarom het antwoordde zoals het antwoordde?

Een leverancier met een echt getal vindt die vragen leuk. Die reactie is zelf het antwoord.

## Wat je inlevert, en wat je ervoor terugkrijgt

Verzonnen precisie loslaten voelt als zekerheid loslaten. Wat je in werkelijkheid inruilt, is een getal dat geruststelt voor een dossier dat een gesprek met je accountant overleeft.

Beslissen onder onzekerheid is de normale toestand van een gereguleerd bedrijf. Niemand op je compliance-afdeling verwacht dat een interface de onzekerheid heeft weggenomen. Wat ze wel verwachten, is dat je kunt uitleggen wat het systeem wist, waar het dat vandaan had, en wie het had kunnen tegenhouden. Een percentage kan dat geen van drieën. Een audittrail wel.