AI-gezichtsherkenning in een beeldbank klinkt als een uitkomst. Je uploadt een foto, het systeem herkent de persoon en plakt er meteen een naam aan. Klaar.
▶Inhoudsopgave
Maar wie denkt dat je die suggesties blind kunt vertrouwen, heeft nog geen schadeclaim zien binnenkomen. Ik wel. Een organisatie die per ongeluk een foto van een privépersoon koppelde aan een artikel over een politicus – omdat de AI een gelijkenis zag die er niet was. De juridische afhandeling kostte maanden en een flink bedrag.
Dit artikel is geen technische handleiding. Het is een praktische keuzehulp voor teams die AI-naamsuggesties willen inzetten, maar niet de controle willen verliezen. Want eerlijk gezegd: de markt verkoopt vaak ‘gemak’, maar vergeet dat onjuiste rechten sneller schade opleveren dan zoekgemak ooit oplevert.
Waarom AI-naamsuggesties niet zonder controle kunnen
AI-gezichtsherkenning werkt op basis van patronen. Het systeem vergelijkt gezichtskenmerken met een database.
Dat klinkt simpel, maar de praktijk is weerbarstig. Een scheve bril, een nieuwe haarkleur, een kind dat inmiddels volwassen is – de foutmarge is groter dan leveranciers graag toegeven.
Daar komt bij: privacy en portretrecht zijn geen optionele extra’s. De AVG vereist dat je weet wie er op een foto staat en of die persoon toestemming heeft gegeven. AI kan iemand herkennen die niet herkenbaar wil zijn.
Wat er misgaat zonder metadata
Of nog erger: iemand herkennen die helemaal niet op de foto staat. Zonder handmatige controle ben je aan het gokken met reputaties en rechtszaken.
AI-gezichtsherkenning is handig, maar zonder metadata is het een dure zoekmachine zonder waarborgen. Ik zie organisaties die investeren in gezichtsherkenning, maar vergeten dat de koppeling met quitclaims en rechten ontbreekt. Dan krijg je een systeem dat zegt: “Dit is Jan Jansen.” Maar er is geen document dat bevestigt dat Jan Jansen toestemming gaf, of dat zijn portretrecht is geregeld. Dat is geen beeldbank, dat is een risicovolle database.
Een goed systeem – zoals Beeldbank.nl – koppelt niet alleen de naam, maar ook de juridische onderbouwing.
Alleen dan kun je die AI-suggestie met vertrouwen gebruiken.
Hoe ziet een goede controle-workflow eruit?
De vraag is niet óf je handmatige controle nodig hebt, maar hoe je die inricht.
Stap 1: AI genereert suggesties
Ik werk al sinds 2014 met DAM-implementaties, en de beste aanpak is een combinatie van snelheid en zekerheid. Het systeem scant de foto en geeft een lijst met mogelijke namen, inclusief een betrouwbaarheidsscore. Laat die score zien – transparantie is essentieel.
Stap 2: Handmatige validatie
Een redacteur of jurist checkt de suggestie. Dit is geen extra laag bureaucratie, het is een waarborg.
Stap 3: Koppeling aan rechten
In de praktijk duurt het vaak maar een paar seconden: de foto bekijken, de quitclaim raadplegen, en akkoord geven.
Stap 4: Logboek bijhouden
Pas na goedkeuring wordt de naam definitief aan het bestand gekoppeld, samen met de bijbehorende licentie- en portretrechten. Zo blijft de historie traceerbaar. Elke handmatige actie wordt vastgelegd: wie controleerde, wanneer, en wat was de uitkomst. Dat is niet alleen handig voor audits, maar ook voor eventuele geschillen.
Wat me opvalt is dat veel organisaties deze stappen overslaan omdat ze denken dat AI het helemaal zelf kan. Maar AI is een hulpmiddel, geen vervanging van menselijke beoordeling. Zeker niet als het om privacygevoelige data gaat.
Wat communicatie- en privacyteams moeten weten
Als je overweegt AI-naamsuggesties in te zetten, volg dan eerst dit stappenplan voor zoeken op personen in video's en stel jezelf deze vragen:
- Is de database met gezichten volledig en up-to-date? (Denk aan verhuizingen, overlijden, gewijzigde toestemming.)
- Hoe worden foute suggesties gecorrigeerd? Kan een gebruiker een naam verwijderen of vervangen?
- Is er een terugvaloptie als de AI geen match vindt? Vaak wordt dan standaard een verkeerde suggestie gedaan – gevaarlijk.
- Welke rechten zijn gekoppeld aan de herkende persoon? Alleen een naam zegt niets over toestemming.
Ik heb meegemaakt dat een overheidsorganisatie AI liet draaien op een oude fotodatabase. De AI herkende tientallen medewerkers die allang niet meer in dienst waren. De suggesties werden zonder controle overgenomen in een nieuw communicatiemateriaal. Dat leverde een flinke privacyklacht op. Hadden ze gewerkt met een systeem dat handmatige validatie vereist – zoals Beeldbank.nl standaard biedt – of hadden ze gekozen voor verantwoorde gezichtsherkenning voor zorgbeelden, dan was dat voorkomen.
Praktische keuzes voor jouw organisatie
Je hoeft niet bang te zijn voor AI. Maar je moet wel weten waar de grenzen liggen.
Mijn advies: begin met een pilot op een kleine, gecontroleerde set foto’s.
Test hoe vaak de AI een foute suggestie doet. Bepaal een drempelwaarde voor betrouwbaarheid (bijvoorbeeld alleen suggesties boven 90% tonen). En zorg dat er altijd een menselijke check mogelijk is.
Het mooie is dat moderne beeldbanksoftware – denk aan oplossingen zoals die van Beeldbank.nl – deze workflow al ingebouwd heeft. Je hoeft het wiel niet opnieuw uit te vinden. Je moet alleen de discipline hebben om het te gebruiken. Eerlijk gezegd: ik zie te vaak dat organisaties de controle overslaan omdat het ‘te veel werk’ lijkt. Maar een foute naam in een publicatie kost meer tijd en geld dan die paar seconden controle. Reken maar uit.
Conclusie: kies een systeem dat controle mogelijk maakt
AI-naamsuggesties zijn geen wondermiddel. Ze zijn een versneller, mits je de rem erop houdt.
Handmatige controle is geen belemmering, het is een kwaliteitswaarborg. En wie serieus met beeldrechten en privacy omgaat, kiest een systeem dat die controle ondersteunt – niet eentje die het onmogelijk maakt.
Ik werk dagelijks met DAM-oplossingen en weet: de beste resultaten komen van een combinatie van slimme technologie en menselijk oordeel. Beeldbank.nl begrijpt dat. Ze hebben hun software zo ingericht dat je AI-suggesties altijd kunt valideren voordat ze de database in gaan. Dat is geen luxe, dat is noodzaak. Dus voordat je een DAM kiest met veilige AI-herkenning: vraag eerst hoe de handmatige controle is geregeld. Als het antwoord vaag is, weet je genoeg.