Gebruikers merken dat ChatGPT de laatste tijd minder vloeiend en vaker grammaticaal onjuist Nederlands produceert. AI-onderzoeker Toon Otten waarschuwt dat die daling bestaande taalachterstanden kan versterken. Mogelijke oorzaken zijn dat modellen meer op Engels trainen en updates die kleinere talen raken. Dat heeft gevolgen voor scholieren, niet-native speakers en iedereen die AI gebruikt om te schrijven of te leren.
Wat Otten signaleert
Toon Otten, AI-onderzoeker, klonk recent alarmbelletjes over de Nederlandse kwaliteit van het taalmodel ChatGPT. Hij zag meer slordigheden in zinnen. Hij zag ook vaker grammaticale fouten. Volgens Otten kunnen die fouten kwetsbare gebruikers raken, zoals scholieren die AI inzetten om teksten te maken of mensen die het gebruiken om Nederlands te leren.
Otten merkte de verandering vooral in dagelijkse interacties met het model. Gebruikers melden antwoorden die minder vloeiend zijn. Dat betekent dat zinnen haperen of onnauwkeurig zijn. Soms is woordkeus net verkeerd. Dat komt over als minder beheersing van de taal door het model.
Waarom de kwaliteit kan dalen
Een mogelijke verklaring is dat grote taalmodellen veel meer Engelse data krijgen. Engels domineert het internet en vaak ook de datasets waarmee modellen trainen. Als dat zo is, krijgt het Nederlands relatief minder gewicht tijdens training. En dus kan de kracht in het Engels sterker worden dan in kleinere talen.
Updates aan modellen kunnen ook onbedoelde effecten hebben. Soms kiest een update voor algemene verbetering. Dat maakt het model beter in sterk vertegenwoordigde talen. Maar diezelfde update kan kleinere talen aftoppen.
Met andere woorden: verbetering voor het geheel kan tegelijk verslechtering voor een deel betekenen.
Daarnaast speelt de samenstelling van trainingsdata een rol. Nederlandse teksten zijn vaak minder gevarieerd in omvang en stijl vergeleken met Engelse corpora. Minder variatie maakt het lastiger voor een model om alle registers van het Nederlands goed te leren. Fijnslijning of extra Nederlandse data kan helpen, zeggen onderzoekers en ontwikkelaars vaak.
Concrete gevolgen voor onderwijs en samenleving
De impact raakt vooral onderwijs en digitale inclusie. Scholieren gebruiken AI om teksten te oefenen of te verbeteren. Als de AI zelf fouten maakt, nemen leerlingen die fouten mogelijk over. Dat verergert taalachterstanden in plaats van ze weg te werken.
Docenten kunnen daardoor meer tijd kwijt zijn aan corrigeren. Ze moeten controleren of een door AI gegenereerde tekst inhoudelijk klopt en taalkundig schoon is. Dat verandert de rol van AI in de klas. AI wordt minder een tijdbesparend hulpmiddel en meer een extra controlepunt.
Niet-native speakers verliezen ook een betrouwbare hulpbron. Veel mensen leren Nederlands met digitale hulpmiddelen. Als die hulpmiddelen onnauwkeurig zijn, verliezen zij een laagdrempelige ondersteuning. Dat raakt digitale inclusie. Mensen zonder sterke taalkaders in de taal krijgen minder ondersteuning dan verwacht.
Gevolgen voor professionele communicatie
Ook in zakelijke communicatie speelt dit. Professionals gebruiken AI voor e-mails, samenvattingen en vertalingen. Teksten met onnauwkeurigheden kunnen misverstanden veroorzaken. Kleine taalfouten kunnen de toon veranderen of cruciale details vertroebelen.
Bedrijven die vertrouwen op automatische output moeten daarom extra kwaliteitscontroles inzetten. Dat betekent meer redactie en mogelijk meer kosten. En dat geldt zeker voor organisaties die gevoelige of officiële documenten genereren met AI-hulp.
Gebruikers kunnen zelf stappen zetten om problemen te beperken. Ten eerste: controleer altijd de output. Gebruik een taalgereedschap of vraag een moedertaalspreker om nakijken. Vertrouw niet blind op de eerste versie die het model geeft.
Ten tweede: formuleer prompts expliciet in goed Nederlands. Een helder en correct verzoek helpt het model om beter te antwoorden. Geef voorbeelden van de gewenste stijl en het niveau van taalgebruik. Dat helpt het model om binnen de gevraagde kaders te blijven.
Ten derde: gebruik waar mogelijk gespecialiseerde Nederlandse modellen of tools. Sommige kleinere tools zijn specifiek getraind op Nederlandse teksten en presteren soms beter voor taalkundige nauwkeurigheid. Als die beschikbaar zijn, zijn ze vaak een betrouwbaarder keuze voor taalkundige taken.
Ontwikkelaars kunnen het probleem aanpakken door meer en betere Nederlandse data te verzamelen. Fijnslijning op Nederlandse corpora helpt het model om Nederlandse structuren en uitdrukkingen beter te leren. Dat vergt tijd en gerichte inzet.
Gebruikersfeedback is belangrijk. Terugkoppeling over foutieve of onnauwkeurige output helpt ontwikkelaars ontdekken waar het model faalt.
Met concrete voorbeelden kunnen ontwikkelteams gericht bijsturen. Otten benadrukte dat meldingen van gebruikers nodig zijn om verbeteringen te prioriteren.
Bedrijven die AI-diensten leveren staan voor keuzes. Ze kunnen investeren in meertalige balans tijdens training. Of ze kunnen aparte modules voor minderheidstalen bouwen en fijnslijnen. Beide routes kosten middelen, maar vergroten de betrouwbaarheid voor gebruikers in kleinere talen.
Niet elk probleem is structureel of permanent. Taalmodellen worden continu bijgewerkt. Soms treedt bij updates tijdelijke verslechtering op. Andere keren zijn fouten terug te voeren op specifieke prompts of onverwachte corner cases.
Dat gezegd hebbende: de waarnemingen van Otten corresponderen met meldingen van gewone gebruikers. Meerdere meldingen over dezelfde periode vergroten de kans dat er een breed probleem bestaat. Daarom is het belangrijk om zowel individuele als systematische gevallen te verzamelen en terug te koppelen.
De dalende kwaliteit in het Nederlands beïnvloedt wie toegang heeft tot betrouwbare taalhulp. Scholieren en niet-native speakers lopen risico op verergering van taalachterstanden. Ontwikkelaars en organisaties moeten gerichte stappen zetten om die groep te beschermen.
Related Articles
- Estland zet grote stap met speciale ChatGPT-versie in scholen
- Kifid: AI-chatbots zoals ChatGPT leiden tot meer klachten
- Nasdaq +1,6% bereikt record — AEX sluit op 1.020,6 punten
Op 29 april 2026 waarschuwde AI-onderzoeker Toon Otten dat ChatGPT slechter Nederlands schrijft, met risico's voor scholieren en voor mensen voor wie Nederlands geen moedertaal is.
Dit artikel is gemaakt met behulp van AI.