AI-labeling: wat marketeers moeten weten over transparantie voor AI

Voor marketeers is dat relevant. AI wordt inmiddels op grote schaal ingezet voor chatbots, customer journeys, contentcreatie, vertalingen, video’s en advertenties. Maar wanneer moet je gebruikers informeren dat AI wordt gebruikt? En wanneer moet AI-content worden gelabeld?

In dit artikel bespreken we de belangrijkste aspecten van de transparantieverplichtingen en de nieuwe praktijkcode.

Uitgestelde deadlines en nieuwe ontwikkelingen

Met de Digital Omnibus AI worden verschillende deadlines uitgesteld, waaronder de deadline voor de inwerkingtreding van de transparantieverplichtingen uit artikel 50. Deze zullen pas vanaf december 2026 van toepassing worden. Dit uitstel van 6 maanden geeft organisaties wat meer ademruimte, maar is zeker geen moment om dit in de ijskast te zetten.

Vrijwel direct na het uitstellen van deze deadline publiceerde de Europese Commissie ook een voorlopige praktijkcode voor de toepassing van de transparantieverplichtingen. De consultatie van deze praktijkcode loopt tot 3 juni, waardoor de inhoud nog kan wijzigen.

Hieronder zullen we de transparantieverplichtingen en de belangrijkste toepassingen voor marketing bespreken. Hierbij maken we onderscheid tussen drie categorieën:

1. AI-chatbots en AI-agents;
2. AI-gegenereerde of AI-gemanipuleerde content;
3. Deepfakes.

AI-chatbots en AI-agents: wanneer moet je gebruikers informeren?

 Wanneer AI direct in contact staat met mensen, zoals bij AI-chatbots, voice assistants en conversational agents, moet je transparant zijn over het gebruik van AI.

De verplichting tot labelen ligt in dit geval bij de aanbieder van het AI-systeem. Dat is doorgaans de partij die het systeem ontwikkelt of onder eigen naam aanbiedt. Gebruik je een standaardtool van een externe aanbieder, dan ligt die verantwoordelijkheid meestal bij die aanbieder. Laat je echter een eigen AI-chatbot ontwikkelen en zet je die onder eigen naam in, dan gelden deze verplichtingen waarschijnlijk ook voor jouw organisatie.

Hoe moet je gebruikers informeren?

De hoofdregel is dat gebruikers uiterlijk bij het eerste contact moeten weten dat zij communiceren met AI en niet met een mens. De praktijkcode geeft organisaties relatief veel vrijheid, zolang de informatie duidelijk waarneembaar en begrijpelijk is voor de doelgroep en niet verstopt zit in algemene voorwaarden of documentatie.

Ook de context speelt een belangrijke rol. Bij een tekstchatbot ligt een tekstuele melding voor de hand, terwijl bij een voice assistant een auditieve notificatie logischer is. De praktijkcode moedigt daarnaast multimodale labeling aan, bijvoorbeeld een tekstuele melding gecombineerd met een visueel element. Tegelijkertijd waarschuwt de Commissie voor “banner blindness”: te veel of te storende meldingen verliezen uiteindelijk hun effectiviteit. Hier zal dus een goede balans gevonden moeten worden.

De praktijkcode noemt ook expliciet wat níet voldoende is. Een verwijzing in algemene voorwaarden, een URL of uitsluitend machineleesbare metadata of watermerken voldoen niet aan deze verplichting. Daarnaast moeten labels begrijpelijk zijn voor een breed publiek. Technische termen zoals “LLM” of vage aanduidingen als “assistent” worden daarom niet als toereikend beschouwd.

Wanneer hoef je niet te labelen?

Er geldt een uitzondering wanneer het “overduidelijk” is dat iemand met AI communiceert. Daarbij wordt gekeken naar de doelgroep van het systeem en het kennisniveau van een gemiddeld geïnformeerde gebruiker binnen die doelgroep.

 Iemand die een grote technische kennis heeft en veel met AI werkt zal dit sneller doorhebben dan een ouder persoon die niet zo technisch onderlegd is. De praktijkcode noemt als voorbeeld een AI coding assistant voor developers. In die context mag sneller worden aangenomen dat gebruikers begrijpen dat zij met AI communiceren. Voor consumentgerichte marketingtoepassingen zal die uitzondering echter minder snel opgaan.

AI-gegenereerde content: wanneer moet output worden gemarkeerd?

Wanneer je AI gebruikt om audio, beeld, video of tekst te genereren of te manipuleren zijn er ook verschillende transparantieverplichtingen van toepassing. Ook hier rust de verplichting in eerste instantie op de aanbieder van het AI-systeem. Gebruik je generatieve AI van een externe partij, dan ligt de verantwoordelijkheid doorgaans bij die aanbieder. Ontwikkel of exploiteer je echter een eigen AI-systeem of AI-agent onder eigen naam, dan kun je zelf verantwoordelijk worden voor deze verplichtingen.

Hoe moet je gebruikers informeren?

Als aanbieder zorg je ervoor dat content die wordt gegenereerd of gemanipuleerd met jouw AI-systeem op een machineleesbare manier wordt gemarkeerd. De AI Act geeft enkele voorbeelden van technieken die hieronder vallen zoals watermerken, metadata, cryptografische oplossingen, logging en fingerprints.

Welke content valt buiten de verplichting?

Content die alleen bestaande content reproduceert of herschikt hoeft doorgaans niet te worden gelabeld. Daarnaast maakt de praktijkcode onderscheid tussen standaard editing en inhoudelijke of semantische aanpassingen. Standaard editing, zoals spellingcorrecties en lichte kleurcorrecties, valt meestal buiten de transparantieverplichting. Bij inhoudelijke of semantische wijzigingen moet AI-content volgens de praktijkcode meestal wel worden gemarkeerd wanneer AI de betekenis, stijl of inhoud substantieel verandert. Dit is bijvoorbeeld het geval bij AI-vertalingen of samenvattingen, het toevoegen van objecten of personen of het aanpassen van hun uiterlijk. Of er sprake is van een uitzondering is volgens de praktijkcode sterk afhankelijk van de context en moet per geval worden beoordeeld.

Deepfakes: aparte regels voor misleidende AI-content

Naast de regels voor algemene contentcreatie bevat artikel 50 lid 4 AI Act een aparte transparantieverplichting voor deepfakes. Opvallend is dat deze verplichting niet rust op de aanbieder van het AI-systeem, maar op de gebruiker van het systeem. Gebruik je AI om deepfakecontent te maken, dan moet je die content dus zelf labelen.

Wanneer is sprake van een deepfake?

Deepfakes komen ook binnen marketing sneller voor dan gedacht. Volgens de AI Act is er sprake van een deepfake als er sprake is van:

• een duidelijke gelijkenis met bestaande personen, objecten, locaties of gebeurtenissen;
• content die authentiek of waarheidsgetrouw kan overkomen bij een brede doelgroep;
• een reëel risico dat mensen de content voor echt aanzien.

De perceptie van het publiek staat daarbij centraal. Bij de beoordeling hiervan gaat het niet om de intentie van de maker van de deepfake, maar om de interpretatie van de mensen die worden blootgesteld aan de deepfake. Anders dan bij de uitzondering voor chatbots wordt hier niet gekeken naar een “gemiddelde gebruiker”, maar naar de bredere groep mensen die mogelijk met de content wordt geconfronteerd.

De praktijkcode noemt expliciet als voorbeeld een AI-gegenereerde video waarin een synthetische versie van een bekende influencer een product aanprijst. Zo’n video zou ook echt kunnen bestaan, waardoor het publiek deze ten onrechte als authentiek kan beschouwen. Daartegenover staat een fictieve reclamevideo met pratende muizen die discussiëren over kaas. Omdat die content duidelijk fictief is, zal die doorgaans niet als deepfake kwalificeren. Uiteindelijk blijft ook hier de context bepalend. Het aanpassen van kleuren of achtergronden in productadvertenties zal minder snel problematisch zijn dan het realistisch simuleren van personen of gebeurtenissen.

Hoe moet je gebruikers informeren?

Als er sprake is van een deepfake, moet voor gebruikers duidelijk zijn dat de content met AI is gegenereerd of gemanipuleerd. De AI Act vereist dat dit op een duidelijke, zichtbare en onderscheidende manier gebeurt. Het label moet dus voldoende opvallen ten opzichte van de rest van de content en begrijpelijk zijn voor het publiek dat ermee wordt geconfronteerd. Ook hier kijkt de praktijkcode nadrukkelijk naar de perceptie van het publiek. Niet de technische werking van het label staat centraal, maar de vraag of een brede groep mensen daadwerkelijk begrijpt dat zij naar AI-gemanipuleerde content kijken.

Uitzondering voor creatieve content

Voor artistieke, creatieve, satirische en fictionele werken geldt een lichtere transparantieverplichting. Het label mag dan zo worden geplaatst dat het de gebruikerservaring of artistieke waarde niet onnodig verstoort. Die uitzondering wordt echter beperkt uitgelegd. Volgens de praktijkcode moet het voor gebruikers duidelijk zijn dat het daadwerkelijk gaat om fictieve of satirische content. Wanneer daar redelijkerwijs discussie over kan ontstaan, ligt toepassing van de uitzondering minder voor de hand.

Met name in commerciële contexten zal de uitzondering vaak niet opgaan. De praktijkcode noemt expliciet als voorbeeld een AI-gemanipuleerde reclamevideo waarin deepfaketechnologie wordt gebruikt om realistische personen of influencers producten te laten aanprijzen in een AI-gegenereerde omgeving. Wanneer het doel van de content is om consumenten te overtuigen een product of dienst af te nemen, valt dergelijke content volgens de Commissie in beginsel niet onder de uitzondering voor creatieve of fictionele werken.

Wat betekent dit concreet voor marketeers?

De praktijkcode laat zien dat de Europese Commissie sterk focust op de perceptie van gebruikers. Niet de techniek staat centraal, maar de vraag of mensen begrijpen dat zij met AI-gegeneerde of AI-gemanipuleerde content te maken hebben.

Voor marketeers betekent dat onder meer:

• inzicht krijgen in waar AI binnen marketingprocessen wordt ingezet;
• beoordelen wanneer AI-output “substantieel” manipuleert;
• nadenken over labeling van AI-content;
• duidelijke afspraken maken met bureaus en creators;
• rekening houden met consumentenrecht en andere transparantieregels naast de AI Act.

De uitgestelde deadlines geven organisaties iets meer tijd, maar de richting is duidelijk: transparantie wordt een structureel onderdeel van AI-gebruik in marketing. Meer weten over transparantieverplichtingen voor AI? Vraag gratis advies aan onze DDMA  legal cousels via legal@ddma.nl.

Team Legal DDMA

Kennisbank voor marketing en data