Zoektocht naar betrouwbaarheid en transparantie in een wereld vol AI

Vandaag de dag zorgt de opmars van generatieve AI (GenAI) voor veel onzekerheid: welke informatie is betrouwbaar? Hoe is informatie tot stand gekomen? Wat is echt en wat niet? Wat is gegenereerd door mensen en wat door artificiële intelligentie (AI)?

Als universiteitsbibliotheek willen we in het project Glashelder op zoek gaan naar hoe we aan deze vragen tegemoet kunnen komen in relatie tot het beschrijven van (beeld)collecties. We vertrekken hierbij in het project van de in 2023 gedigitaliseerde glasplaten. 

We willen niet enkel een praktische houvast bieden aan onze bibliotheekcollega’s (bv.: hoe AI gebruiken bij het registreren en beschrijven van erfgoed) maar ook naar onderzoekers en andere gebruikers toe die via de online catalogus gebruik maken van het rijke materiaal dat de Boekentoren bewaart. We willen dat zij duidelijk kunnen zien waar AI (deels) is ingezet om de collectiedata op een accurate en gevalideerde manier te verrijken.

Metadata

Het team collectieregistratie van de Boekentoren heeft de 61.000 glasplaten al voorzien van een technische beschrijving (materiaal, beschadigingen, schenker, collectie, …). Waar mogelijk werd ook een tijdsindicatie en/of een voorlopige titel en beschrijvingen meegegeven.

Het is echter te tijdrovend en arbeidsintensief om deze omvangrijke collectie glasplaten te voorzien van uitgebreide metadata en gedetailleerde beschrijvingen. Daarom schakelen we de hulp in van AI om bijvoorbeeld beschrijvingen en trefwoorden te genereren bij de glasplaten. Die worden getest op bruikbaarheid en gevalideerd door mensen vooraleer ze op de catalogus terechtkomen. Maar hoe documenteren we deze samenwerking tussen mens en AI? Hoe doen we dit op een transparante en duidelijk manier? Hoe maken we zichtbaar welke onderdelen er door mensen zijn gegenereerd en welke door AI?

Transparantie via AI-labels?

Buiten de culturele- en erfgoedsector, zijn er reeds verschillende initiatieven om te verduidelijken waar en hoe AI wordt gebruikt via AI-labels en attributie systemen. Sommigen springen er heel creatief mee om zoals via de AI Nutrition Facts dat is opgebouwd zoals een voedingswaarde-etiket of het AI Ethics Label, dat gebaseerd is op het Europese energielabel voor elektrische toestellen. Andere initiatieven focussen  vooral op onderzoekers en uitgevers via bijvoorbeeld AI usage cards of de Artificial Intelligence Disclosure (AID) framework. In de context van een erfgoedbibliotheek zijn deze echter minder bruikbaar.

Meer bruikbaar voor de cultuur- en erfgoedsector is bijvoorbeeld de AI Attribution Toolkit (AIA) van IBM. Bart Magnus van meemoo stipte deze tool reeds in mei 2026 aan in het tijdschrift META. De toolkit is compact en door zijn brede formulering op veel types data van toepassing. Het geeft ook een duidelijke gelaagdheid mee: de gradatie van AI-gebruik; het type output dat AI genereerd; en de review van de output. De structuur toont gelijkenissen met de bouwblokken van Creative Commons (CC) licenties die breed ingeburgerd zijn in de sector. De Creative Commons community werkt momenteel aan de creatie van “CC signals” die aan machines en AI opleggen welke data ze mogen (her)gebruiken en hoe. De IMB toolkit is echter (nog) niet machine-readable zoals CC dat is. Voor de sector is dit nochtans belangrijk om data uitwisseling, interoperabiliteit, langetermijn bewaring en toekomstbestendigheid mogelijk te maken.

Panelgesprek over AI attributie

Maar AI-attributie richtlijnen of een 'standaard' creëer je niet van één dag op de andere. Er zijn heel wat zaken waar we rekening mee moeten houden. Om een eerste verkennende stap te zetten in de richting van (gedeelde) richtlijnen of standaard, organiseerden we een interactief panelgesprek over 'AI attributie' tijdens de studiedag Erfgoed & AI die op 17 juni 2026 plaatsvond in Antwerpen. We gingen in gesprek met Manou de Sutter (KMSKA), Merel Geerlings (Stadarchief Amsterdam), Bart Magnus (meemoo) en Eva Andersen (Glashelder - Boekentoren), gemodereerd door Annamaria Van Ingelgem (Boekentoren).

De discussie maakte duidelijk dat er brede consensus bestaat over het belang van transparantie rond het gebruik van artificiële intelligentie binnen de erfgoedsector. Over de wenselijkheid van een sectorbrede standaard voor AI-attributie liepen de meningen echter uiteen. Ook de vraag wie het initiatief hiervoor zou moeten nemen, bleef onderwerp van debat. Moet dergelijke standaardisatie worden geïmplementeerd door individuele archief- en erfgoedinstellingen, of is hiervoor eerder een kader op Vlaams, federaal of Europees niveau aangewezen? Verschillende deelnemers waren van oordeel dat internationale consortia van erfgoedinstellingen mogelijk het best geplaatst zijn om deze uitdaging op te nemen.

Voorlopig rijzen er echter nog heel wat vragen rond terminologie, haalbaarheid, infrastructuur, schaalbaarheid, sectorspecifieke vereisten en het omgaan met de snelle evolutie van AI-technologieën. Zo is er bijvoorbeeld nog geen consensus over wat precies onder een 'standaard' moet worden verstaan. Moet een dergelijke standaard uitsluitend menselijk leesbaar zijn, of ook machineleesbaar? Is het realistisch om tot één uniforme standaard te komen, of is een meer gedifferentieerde aanpak wenselijk? 

Daarnaast rijst de vraag op welk niveau AI-attributie moet worden toegepast: op collectie-, object- of stukniveau. Ook de verhouding tussen AI-attributie en andere vormen van transparantie, zoals disclaimers, blijft onduidelijk. Verder is het nog niet uitgeklaard of een dergelijke standaard voornamelijk gericht moet zijn op eindgebruikers, dan wel ook een functie heeft binnen de interne processen van instellingen. 

Tot slot werden vragen gesteld over de mate van AI-geletterdheid binnen de sector, de impact van bestaande technische infrastructuren en datastandaarden, en de daadwerkelijke informatiebehoefte van bezoekers en gebruikers. In welke mate wensen zij immers te weten of collectiebeschrijvingen of andere vormen van verrijking met behulp van generatieve AI tot stand zijn gekomen?

Boeiende vragen om in de nabije toekomst samen verder mee aan de slag te gaan! 

Hoewel de vragen rond AI-attributie binnen de Boekentoren en de bredere cultureel-erfgoedsector nog niet zijn beantwoord, streven we ernaar om tegen het einde van het Glashelder project in 2028 duidelijk aan te geven welke informatie met behulp van AI is gegenereerd en welke niet. Tegen dan zullen alle verrijkte gegevens in de catalogus zijn opgenomen. Daarbij moeten we een aanpak ontwikkelen die flexibel genoeg is om mee te evolueren met nieuwe AI-technologieën. Tegelijk moeten we rekening houden met de beperkingen van het bibliografische formaat MARC21, waarop onze catalogus gebaseerd is. Ook de mogelijkheden van de huidige platforminfrastructuur spelen hierbij een belangrijke rol.