AI en het consultatielandschap: burgerinput vraagt om nieuwe waarborgen
Onlangs berichtten NOS en Pointer dat Philip Morris gebruik heeft gemaakt van kunstmatige intelligentie om reacties te laten schrijven op een Europese consultatie over strengere tabaksregels. Die casus staat niet op zichzelf. Het massaal reacties insturen op consultaties bestaat al langer en wordt met de komst van AI steeds makkelijker. Hoe zorgen we dat de consultatie desalniettemin een waardevol instrument blijft?
Casus Philip Morris
In het onderzoek hebben NOS en Pointer 65.000 reacties uit vijftien EU-landen geanalyseerd met een AI-detector. Ongeveer 30 procent daarvan zou met AI zijn geschreven; onder Nederlandse reacties lag dat aandeel volgens NOS en Pointer zelfs op 71 procent. Ook bleek dat de AI-tool van Philip Morris gebruikers hielp om reacties in de ik-vorm te genereren tegen strengere regelgeving.
De Europese consultatie waar het om gaat, past binnen de herziening van de Tobacco Products Directive en de Tobacco Advertising Directive. Die herziening moet onder meer inspelen op nieuwe tabaks- en nicotineproducten, zoals vapes, verhitte tabak en nicotinezakjes. De consultatie loopt tot 14 augustus 2026 en moet input leveren voor nieuwe Europese voorstellen rond tabaksbeleid.
Deze casus is echter groter dan tabak. Ze laat zien dat het consultatielandschap verandert. En dat raakt direct aan de manier waarop overheden beleid maken, hoe burgers daarbij worden betrokken en hoe belangenorganisaties, bedrijven en maatschappelijke partijen invloed proberen uit te oefenen.
Een oude tactiek in een nieuwe technologische vorm
Dat tabaksfabrikanten proberen beleid te beïnvloeden, is op zichzelf niet nieuw. Ook vóór de huidige AI-revolutie zagen we dat consultatieprocessen gebruikt konden worden om maatschappelijke steun te organiseren, te vergroten of te suggereren.
Voor een eerder project analyseerden wij reacties op internetconsultaties over anti-tabakswetgeving. Wat destijds opviel: een groot deel van de reacties leek afkomstig van individuele burgers, maar uit data-analyse bleek dat veel reacties sterk op elkaar leken. Door teksten te clusteren, overlap in formuleringen te onderzoeken en argumentatielijnen te vergelijken, werd zichtbaar dat er patronen zaten in reacties die op het eerste gezicht individueel en spontaan leken.
Dat was nog vóórdat AI-tools als ChatGPT, Claude en Gemini breed beschikbaar waren. Het organiseren van gelijksoortige reacties vergde toen nog relatief veel werk: voorbeeldteksten maken, verspreiden, aanpassen en indienen. Generatieve AI verandert dat fundamenteel. Eén tool kan in korte tijd duizenden varianten maken die net verschillend genoeg zijn om persoonlijk te lijken, maar inhoudelijk dezelfde richting op sturen. De strategie is dus oud. De schaal, snelheid en verfijning zijn nieuw.
Dat zien belangenverenigingen ook. Begin dit jaar kwamen bij publicatie van het nieuwe Utrechts Programma Landelijk gebied (UPLG) en de bijbehorende gelegenheid om ‘zienswijzen’ in te dienen, beide manieren terug. Boerenactieclub Agractie kwam met een template voor het indienen van een zienswijze: als individuele belanghebbende hoefde je alleen even aan te vullen met eigen voorbeelden en je had een mooi geformuleerde zienswijze. De Vakbond voor Plattelandsbewoners ging nog iets verder, met hun eigen ‘zienswijzegenerator’, waar na het beantwoorden van een aantal vragen een kant en klare zienswijze uitrolde. Resultaat; er werden zo’n 1.700 zienswijzen ingediend, flink meer dan normaal.
Consultaties zijn geen peilingen
Het probleem is niet dat burgers hun mening geven. Integendeel: publieke consultaties zijn waardevol, juist omdat ze signalen kunnen ophalen uit de samenleving, praktijkervaringen zichtbaar maken en beleidsmakers kunnen wijzen op effecten die op papier makkelijk worden gemist.
Maar een internetconsultatie is geen representatieve peiling. Het aantal reacties zegt niet automatisch iets over maatschappelijk draagvlak. Een consultatie is vooral een open kanaal voor input. Dat maakt het krachtig, maar ook kwetsbaar. Wie veel capaciteit, organisatiekracht of technische middelen heeft, kan relatief eenvoudig een groot volume aan reacties produceren.
AI vergroot dat verschil, omdat het de kosten van massaproductie verlaagt. Waar vroeger honderd vergelijkbare reacties al een georganiseerde inspanning vereisten, kunnen nu in korte tijd duizenden ogenschijnlijk unieke bijdragen worden gegenereerd. Daarmee ontstaat een risico: beleidsmakers kunnen worden geconfronteerd met een grote hoeveelheid input die eruitziet als brede maatschappelijke betrokkenheid, maar in werkelijkheid vooral het resultaat kan zijn van één goed georganiseerde campagne.
Hoe beoordelen we reacties op consultaties?
Wie online input ophaalt, moet niet alleen kijken naar wat er wordt gezegd, maar ook naar hoe die input tot stand is gekomen. Het is an sich geen probleem als een individuele burger AI gebruikt om zijn reactie op te stellen. Voor beleidsmakers moet het alleen op z’n minst inzichtelijk zijn wanneer op het oog individuele reacties eigenlijk het resultaat zijn van een campagne van een belanghebbende organisatie.
Dat vraagt om analyse van de reacties: Zijn er tekstuele patronen die wijzen op coördinatie? Zijn argumenten inhoudelijk vergelijkbaar, ook als de formulering verschilt? Zijn er pieken in indienmomenten, herhalingen in structuur of opvallende overeenkomsten in taalgebruik? Met technieken als tekstclassificatie, semantische vergelijking, clustering en anomaliedetectie kun je patronen zichtbaar maken die handmatig nauwelijks te overzien zijn.
Dat is helaas niet waterdicht. Een AI-detector kan een signaal geven, maar ook een vals positief opleveren en kan daardoor niet blind als bewijs worden gebruikt. Wel kan het helpen in het overzicht creëren voor beleidsmakers. Reacties kunnen worden ontdubbeld, geclusterd, gewogen en voorzien van metadata. Ook kan explicieter onderscheid worden gemaakt tussen unieke inhoudelijke argumenten en herhaalde campagneboodschappen.
Een tweede vraag is vervolgens hoe je reacties weegt waarvan de authenticiteit of herkomst onzeker is. Hoe bepaal je wat authentiek is? Wanneer is een reactie verdacht, en wanneer is er simpelweg sprake van burgers die dezelfde zorgen delen? Hoe voorkom je dat filters inhoudelijke bias introduceren? En kan je uitleggen waarom bepaalde reacties minder zwaar zijn meegewogen?
Daarom moet de analyse van consultatiereacties altijd bestaan uit een combinatie van kwantitatieve methoden, inhoudelijke duiding en transparante beoordelingscriteria. Detectie moet ondersteunend zijn, niet beslissend. De criteria moeten uitlegbaar zijn. En er moet ruimte blijven voor menselijke beoordeling, bezwaar en context.
Naar een robuuster participatiemodel
De conclusie moet niet zijn dat internetconsultaties moeten verdwijnen. Wel dat het huidige model – open, online en grotendeels ongefilterd – onvoldoende is toegerust op een tijdperk waarin synthetische burgerinput goedkoop, schaalbaar en overtuigend is geworden.
Er zijn verschillende routes denkbaar.
Ten eerste kunnen overheden werken met betere datastandaarden voor consultaties. Denk aan transparantie over de herkomst van reacties, duidelijke categorieën voor burgers, organisaties en campagnes, en methoden om herhaalde of sterk vergelijkbare reacties apart te rapporteren. Met als doel om eerlijker te laten zien wat voor soort input is ontvangen.
Ten tweede kunnen consultaties worden aangevuld met gerichte vormen van participatie. Online consultatie op uitnodiging, burgerpanels, burgerfora en deliberatieve bijeenkomsten kunnen helpen om niet alleen volume, maar ook diepte en uitwisseling te organiseren. Een face-to-face gesprek lost niet alles op, maar maakt het moeilijker om betrokkenheid volledig te simuleren.
Ten derde moeten beleidsmakers leren om AI-gebruik in het beleidsproces zelf beter te herkennen en te beoordelen. De EU AI Act is inmiddels van kracht en wordt gefaseerd ingevoerd, met onder meer transparantieverplichtingen en regels voor bepaalde AI-toepassingen. Maar formele regulering is niet genoeg. Overheden hebben ook praktische kennis nodig: hoe herken je AI-gegenereerde input, hoe analyseer je grote tekstvolumes verantwoord, en hoe voorkom je dat technologische ruis wordt verward met maatschappelijk draagvlak?
Meer participatie vraagt om beter ontwerp
De kern is dat AI ervoor zorgt dat democratische participatie juist belangrijker wordt. Alleen vraagt participatie om beter ontwerp. Een goed consultatieproces moet open genoeg zijn om signalen uit de samenleving op te vangen, maar robuust genoeg om georganiseerde manipulatie te herkennen. Het moet ruimte bieden aan burgers, maar niet naïef zijn over de middelen van professionele belangenbehartiging. En het moet AI niet alleen zien als risico, maar ook als instrument om patronen inzichtelijk te maken, mits zorgvuldig, transparant en met menselijke duiding.
AI verandert het consultatielandschap. De vraag is niet of we burgerinput nog kunnen vertrouwen. De vraag is hoe we processen ontwerpen waarin echte betrokkenheid herkenbaar, controleerbaar en betekenisvol blijft. Alleen zo kunnen we samen beter beleid maken.
Auteurs
Aron Woonink
Mede-oprichter Fyris en Senior adviseur
Sander Kisteman
Senior adviseur Public Affairs