Het idee klinkt logisch: als één AI-model fouten maakt, laat je meerdere modellen elkaar controleren. Recente cijfers en onderzoek uit 2026 laten zien dat die aanpak inderdaad werkt — maar ook dat de grenzen ervan scherper zijn dan vaak gedacht. Modellen corrigeren elkaar vaak, maar door gedeelde trainingsdata en verwante gedragspatronen kunnen ze ook gezamenlijk dezelfde fout maken. Voor professionals die met vertrouwelijke informatie werken, is dat een belangrijk onderscheid.
Wat de recente cijfers laten zien
De analyse AI Hallucination Rate 2026: What Accuracy Cannot Fix van Talkory (juli 2026) brengt in kaart hoeveel hallucinaties er per taaktype overblijven. De centrale observatie: de nauwkeurigheid van individuele modellen loopt tegen een plafond aan. Cross-model consensus verlaagt fouten aanzienlijk bij samenvatten en bij retrieval-augmented generation (RAG), maar op moeilijkere taken blijft nog steeds 4 tot 9 procent van de hallucinaties onopgemerkt. Meer modellen inzetten is dus een gerichte risicoreductie, geen wondermiddel.
Dat beeld wordt bevestigd door twee rapporten van Suprmind. De Multi-Model AI Divergence Index Q1 2026 analyseerde 1.324 echte productie-interacties. Daaruit blijkt dat modellen in 54 tot 72 procent van de beurten van elkaar afweken of elkaar corrigeerden, en dat 99,1 procent van de multi-model-interacties minstens één contradictie, correctie of uniek inzicht opleverde dat verder ging dan het eerste antwoord. Met andere woorden: verschillen tussen modeloordelen zijn eerder regel dan uitzondering.
Het tweede Suprmind-rapport, AI Hallucination Rates, Statistics & Benchmarks in 2026, aggregeert foutpercentages over meerdere frontier-modellen. Op een multidimensionale factualiteitsevaluatie is meer dan 30 procent van de antwoorden onjuist. De beste detectietools vangen ongeveer 90 tot 91 procent van de hallucinaties af — wat betekent dat ongeveer één op de tien hallucinaties ook mét automatisering en ensembles onopgemerkt blijft.
Waarom onafhankelijkheid tussen modellen ertoe doet
De academische literatuur van 2026 verklaart waarom die restfouten hardnekkig zijn. In de ICLR 2026 VerifAI-2-workshop presenteren onderzoekers Beyond Self-Checking: Fragment-Level Verification Across Diverse LLMs. Daarin introduceren zij Sup, een multi-agent-raamwerk waarin onafhankelijke modellen elkaars output op fragmentniveau toetsen met behulp van confidence-scores en constructieve synthese. Het interessante resultaat: uit gedeeltelijk foute antwoorden kan het systeem toch een correct antwoord samenstellen, en het routeren over modelfamilies met lage onderlinge correlatie verbetert de prestaties. Diversiteit tussen modellen is dus geen bijzaak maar de motor van de verificatie.
Precies daar zit een valkuil, laat een arXiv-preprint van april 2026 zien: How Independent are Large Language Models?. De auteurs stellen een statistisch kader voor om behavioral entanglement — gedragsverwantschap tussen modellen — te auditen en verifier-ensembles te herwegen. Hun conclusie: naïeve meerderheidsstemming kan onderuit worden gehaald door gecorreleerde biases die modellen delen. Een 'gede-entanglede', herwogen ensemble verbetert de verificatienauwkeurigheid met tot 4,5 procentpunt ten opzichte van eenvoudige stemming. Meerdere modellen zijn dus alleen robuust als ze voldoende onafhankelijk zijn; anders bevestigen ze elkaars blinde vlekken.
Van benchmark naar praktijk
Wie deze vijf bronnen naast elkaar legt, ziet een consistent beeld. Multi-model verificatie wordt in 2026 volwassen als techniek, maar heeft twee harde grenzen: er blijft een restpercentage fouten dat geen enkel ensemble volledig wegneemt, en de winst hangt af van hoe onafhankelijk de gekozen modellen daadwerkelijk zijn. Voor werk waarin fouten kostbaar zijn — juridische stukken, medische dossiers, journalistiek brononderzoek — betekent dit dat menselijk oordeel niet vervalt, maar juist gericht ingezet moet worden op de plekken waar modellen structureel uiteenlopen.
Dit is de invalshoek waarop I am Vera is ontworpen. Vera is geen chatbot en geen eigen taalmodel, maar een verificatielaag die AI-antwoorden door meerdere modellen laat beoordelen en de uitkomsten naast elkaar zet. Consensus én afwijkingen worden zichtbaar gemaakt, zodat een professional kan zien wáár de modellen het eens zijn en waar ze elkaar tegenspreken. Dat garandeert geen correctheid en elimineert geen hallucinaties — de onderzoeken hierboven maken duidelijk dat geen enkel systeem dat kan. Wat het wel doet, is de verificatiestappen expliciet maken en de aandacht van de gebruiker sturen naar de meest twijfelachtige passages.
De academische bevindingen over onafhankelijkheid onderstrepen waarom die transparantie waardevol is: als je verschillen tussen modeloordelen niet logt en niet toont, mis je precies het signaal dat op een gedeelde blinde vlek of een echte fout kan wijzen. Het bewust koppelen van modellen met lagere onderlinge correlatie sluit aan bij wat de VerifAI-2-paper en de entanglement-studie aanbevelen.
Vera plaatst dit binnen een privacygerichte workflow: voorbewerking en anonimisering vinden plaats op EU-infrastructuur, en de workflow is zo ontworpen dat alleen geanonimiseerde inhoud naar de geselecteerde AI-modellen wordt gestuurd. Mislukt de privacycontrole, dan wordt niets doorgestuurd. Meer over die opzet staat op de Semantic Privacy Shield. Binnen dezelfde omgeving kunnen documenten worden bekeken en bewerkt via Vera Office.
De rode draad van 2026 is nuchter: multi-model verificatie is een sterke laag van verifieerbare risicoreductie, geen bron van absolute waarheid. De cijfers van Talkory en Suprmind en het onderzoek van ICLR en arXiv wijzen dezelfde kant op. Het professionele eindoordeel blijft bij de mens — en goede gereedschappen zorgen dat die mens ziet waar dat oordeel het hardst nodig is.