AI slop en workslop

Wat is AI slop en workslop?

AI slop is content die een generatieve AI-tool in bulk heeft gemaakt en die niemand nakeek voor ze online of in een mailbox belandde: blogposts om een website te vullen, productbeschrijvingen die over honderden pagina's gekopieerd zijn, beelden en video's die er net niet juist uitzien, samenvattingen die niets zeggen. Die content bestaat omdat ze niets kostte om te maken, en niemand heeft zich afgevraagd of iemand ze nodig had.

Merriam-Webster koos "slop" tot woord van het jaar 2025. De definitie: digitale content van lage kwaliteit, meestal in grote hoeveelheden gemaakt met artificiële intelligentie. In de uitleg bij die keuze somt de redactie absurde video's op, nepnieuws dat echt lijkt, waardeloze AI-boeken en workslop-rapporten die de tijd van collega's verspillen.

Workslop is de variant die je binnen een bedrijf tegenkomt. Het woord komt uit een artikel in Harvard Business Review van september 2025, geschreven door onderzoekers van BetterUp Labs en het Stanford Social Media Lab. Zij omschrijven het als AI-werk dat eruitziet als goed werk, maar te weinig inhoud heeft om de taak echt vooruit te helpen. De ontvanger moet uitzoeken wat er staat, het controleren en het vaak opnieuw doen. Het werk is niet verdwenen, het is verhuisd van de verzender naar de ontvanger.

De test is eenvoudig: heeft een mens dit gelezen en beslist dat het goed genoeg was om te versturen? Zo niet, dan is het slop, hoe vlot het ook leest.

Hoe workslop eruitziet in een KMO

Drie situaties die telkens terugkomen.

De nota van tien bladzijden waar niemand om vroeg
Een collega krijgt de vraag om een nieuwe leverancier aan te bevelen. In plaats van twee alinea's met een voorkeur en een reden krijgt het team tien bladzijden met een marktoverzicht, een SWOT en een risicomatrix. De aanbeveling staat ergens op bladzijde acht en luidt "beide opties hebben hun voordelen". Iedereen die het leest is een half uur kwijt en moet de oorspronkelijke vraag daarna toch opnieuw stellen.

Het gegenereerde rapport met foute totalen
Iemand plakt een export van de verkoopcijfers in een chatbot en vraagt een kwartaaloverzicht. Wat eruit komt lijkt een afgewerkt rapport, met titels en een besluit. Twee totalen kloppen niet met de onderliggende rijen, want het model heeft ze geschat in plaats van berekend. Het rapport gaat naar de directievergadering, een bestuurder ziet dat de regio's niet optellen tot het totaal, en vanaf dan is elk cijfer in dat rapport verdacht.

De offerte die de klant herkent
Een verkoper laat een assistent een offerte schrijven op basis van een korte prompt. De tekst is vlot en algemeen, vermeldt een leveringstermijn die niet overeenkomt met de echte voorwaarden van het bedrijf en gebruikt formuleringen die de klant die week al in drie andere AI-mails zag. De klant antwoordt met de vraag of iemand zijn aanvraag eigenlijk gelezen heeft.

Wat de drie gemeen hebben: de output wordt gepresenteerd als afgewerkt, maar het controleren, het beslissen en het rechtzetten moeten allemaal nog gebeuren, en dat gebeurt nu op het bureau van iemand anders.

Hoe ontstaat workslop?

Generatieve AI heeft tekst maken bijna gratis gemaakt en tekst controleren even duur gelaten als vroeger. Een nota van tien bladzijden schrijven kostte vroeger een dag, en die dag dwong de schrijver om te kiezen wat belangrijk was. Nu kost het twee minuten, en de lezer krijgt die dag werk in de plaats.

De prikkels duwen dezelfde kant uit. In veel teams telt wat zichtbaar is: het lange document, het snelle antwoord, de presentatie met veertig slides. Niemand meet de uren die een ontvanger kwijt is om het te ontcijferen. Druk van bovenaf om "meer AI te gebruiken" komt daar nog bovenop. Dezelfde onderzoekers van BetterUp en Stanford publiceerden in januari 2026 een tweede stuk in HBR over waarom mensen workslop versturen. Hun onderscheid is bruikbaar: sommigen gebruiken AI als piloot, om beter na te denken en samen te werken, anderen als passagier, om van een taak af te zijn. De passagiers maken het meeste slop.

Er speelt ook een kennisprobleem. Wie niet weet dat een taalmodel schat in plaats van rekent, of dat het gaten opvult met plausibele tekst, heeft geen reden om de totalen na te kijken. Dat is de praktische link met AI-geletterdheid: de reflex om te controleren bestaat alleen als je weet wat er kan mislopen.

Wat het kost

Herwerk
In de bevraging achter het HBR-artikel zei ongeveer vier op de tien Amerikaanse kantoorwerkers dat ze de voorbije maand workslop hadden gekregen, en ze waren per geval zowat twee uur kwijt om het recht te trekken. Reken dat door over een team en de tijd die de tool bespaarde, verdwijnt in het nakijken.

Vertrouwen tussen collega's
Dezelfde bevraging toonde dat een groot deel van de ontvangers de verzender nadien lager inschatte: minder bekwaam, minder betrouwbaar, en een flinke groep wou liever niet meer met die persoon samenwerken. Dat is een hoge prijs voor twintig minuten winst op een nota.

Vertrouwen van klanten
Klanten merken het. Een offerte met een verkeerde voorwaarde, een supportantwoord dat naast de vraag zit, een nieuwsbrief die leest als elke andere nieuwsbrief: elk van die dingen zegt de klant dat niemand aan jouw kant heeft opgelet. Die indruk blijft langer hangen dan de inhoud.

Vindbaarheid in Google
Voor gepubliceerde content zegt de Search Central-documentatie van Google dat automatisering, AI-generatie inbegrepen, inzetten om content te maken die vooral bedoeld is om de zoekresultaten te manipuleren, een inbreuk is op het spambeleid. Dat spambeleid noemt "scaled content abuse" bij naam, met als eerste voorbeeld generatieve AI gebruiken om veel pagina's te maken zonder waarde voor de lezer. Google straft AI-content op zich niet af. Het straft content af die voor de ranking gemaakt is in plaats van voor de lezer, en in bulk gegenereerde pagina's zijn precies dat.

AI slop versus hallucinatie

De twee woorden worden soms door elkaar gebruikt, maar ze beschrijven een ander probleem.

Een hallucinatie is een model dat iets beweert wat niet klopt: een verzonnen bron, een foute datum, een totaal dat niet bestaat. Het probleem zit in de inhoud. Een aandachtige lezer met de juiste bronnen haalt het eruit.

Slop gaat over het proces, los van de juistheid van elke zin apart. Een stuk workslop kan volledig correct zijn en toch slop zijn, omdat niemand besliste dat het nodig was, niemand het inkortte tot wat telde en niemand het nakeek voor het vertrok. De ontvanger kan niet zien welke stukken doordacht zijn en welke gewoon gegenereerd, dus moet die alles als ongecontroleerd behandelen.

Anders gezegd: een hallucinatie is fout, slop is ongelezen. Een hallucinatie in een document dat iemand nakeek en over het hoofd zag, is een fout. Dezelfde hallucinatie in een document dat niemand las voor het vertrok, is slop, en de lezer heeft gelijk als die daarna ook de rest wantrouwt.

Afspraken voor een team

1. Zeg wanneer je AI gebruikte. Eén zin als "eerste versie uit Copilot, cijfers heb ik nagekeken tegen de export" vertelt de ontvanger wat gecontroleerd is en wat niet. Verborgen AI-gebruik is wat een gewone fout in een vertrouwensprobleem verandert.

2. De verzender controleert voor het vertrekt. Wie het verstuurt, staat ervoor. Cijfers worden herrekend tegen de bron, namen en voorwaarden worden nagekeken, en je kan elke bewering in de vergadering verdedigen. Kan je een alinea niet uitleggen, schrap ze dan.

3. Kort wint van lang. Vraag je af wat de ontvanger nodig heeft om te beslissen en stuur dat. Een aanbeveling met één reden wint het altijd van een analyse van tien bladzijden. Lengte is geen teken van inspanning meer, dus stop met het te belonen.

4. AI-output is een kladversie, geen eindproduct. Gebruik de tool voor de eerste versie, de structuur, een andere formulering. De versie die jouw handen verlaat, is door jou gelezen, ingekort en verbeterd.

5. Leidinggevenden geven het voorbeeld. Een manager die ongelezen AI-samenvattingen doorstuurt, leert het team dat dat oké is. Een manager die een opgeblazen nota terugstuurt met "wat raad je aan, in vijf lijnen?" leert het omgekeerde.

Die afspraken passen op één A4 en horen in hetzelfde document als je basisregels rond AI-geletterdheid: welke tools mogen, welke data erbuiten blijft en wie wat nakijkt voor het het bedrijf verlaat.