Het korte antwoord
AI slop is AI-output die in grote hoeveelheden en zonder zorg is gemaakt: tekst, beelden, video of code die er op het eerste gezicht af uitziet en bij nader inzien niemand verder helpt. Het woord slop betekent letterlijk varkensvoer, de restjes die je in een trog gooit. De term gaat over hoe iets gemaakt is. Een model genereert, niemand leest het na, en het resultaat gaat zo de wereld in.
Dezelfde modellen maken uitstekend werk als iemand ze context geeft, het resultaat controleert en ervoor tekent. Slop ontstaat waar die mens ontbreekt.
Waar je AI slop tegenkomt
De term werd populair door de stroom AI-content op sociale media en in zoekresultaten, maar slop zit inmiddels overal waar AI iets maakt.
Tekst
Blogs, LinkedIn-posts en productteksten met dezelfde openingszinnen, lege superlatieven en alinea's die veel zeggen zonder iets te beweren. Vaak is het onderwerp goed gekozen en ontbreekt alles wat alleen een vakmens weet.
Beelden en video
Gegenereerde foto's met zes vingers, onleesbare tekst op borden en een glanzende look die je na een paar keer overal herkent. Op sociale media zijn hele accounts gevuld met dit soort beelden.
Code
Functies die drie keer bestaan, foutafhandeling die fouten wegmoffelt en imports van pakketten die niet bestaan. De app werkt in de demo, en niemand kan uitleggen hoe.
Bij tekst en beelden is slop vooral irritant. Bij code is het riskanter, omdat het slechte deel onzichtbaar is tot het misgaat.
AI slop in code
Code-slop is lastiger te herkennen dan een tekst vol clichés, want de code doet meestal wat hij moet doen. Een gebruiker ziet een werkend scherm. Wat er onder zit, ziet alleen iemand die de code leest. Dit zijn de signalen die wij het vaakst tegenkomen als we AI-gegenereerde code reviewen:
Dezelfde logica op vijf plekken
Een model ziet niet de hele codebase. Het schrijft een nieuwe hulpfunctie terwijl er al een bestaat, en na een paar maanden staat dezelfde berekening op vijf plekken, net iets anders. Pas je er één aan, dan klopt de rest niet meer.
Foutafhandeling die fouten verstopt
Een try/catch om alles heen die de fout logt en gewoon doorgaat. Het scherm crasht niet, en daardoor merk je pas weken later dat bestellingen half zijn opgeslagen.
Verzonnen pakketten en functies
Een import van een library die niet bestaat, of een methode die in een oudere versie wel bestond. Soms faalt de build, soms installeert iemand een pakket met die naam dat een ander heeft geregistreerd.
Commentaar dat de code navertelt
Boven elke regel een zin die herhaalt wat de regel doet. Het waarom ontbreekt juist: waarom deze keuze, wat er misgaat als je het verandert.
Tests die niets testen
Tests die altijd slagen omdat ze alleen controleren dat een functie iets teruggeeft. De dekking ziet er hoog uit en vangt geen enkele fout.
Enorme wijzigingen in één keer
Een pull request van tweeduizend regels waarin een kleine fix en een halve herbouw door elkaar zitten. Niemand kan dat serieus reviewen, dus het wordt goedgekeurd zonder dat iemand het gelezen heeft.
Slop-code werkt in de demo. Het probleem zit in alles wat de demo niet laat zien: randgevallen, fouten, beveiliging en de volgende wijziging.
Waarom AI slop ontstaat
Een taalmodel voorspelt wat het meest waarschijnlijke antwoord is. Zonder extra informatie is dat het gemiddelde van alles wat het ooit gezien heeft, en het gemiddelde is precies wat generiek voelt. Drie dingen maken van een bruikbaar model een slopmachine:
Te weinig context
Het model weet niets van je doelgroep, je codebase of je afspraken. Dus vult het de gaten met wat meestal past.
Niemand leest het
Als output direct gepubliceerd of gemerged wordt, vangt niemand de fouten. Hoe sneller je genereert, hoe groter die stapel ongelezen werk wordt.
Opnieuw genereren tot het goed lijkt
Niet tevreden? Opnieuw genereren. Dan gooi je ook de goede delen weg en leert het model niets van wat er mis was.
Dat het proces het verschil maakt, testten we met tekst in ons experiment tegen AI slop: hetzelfde model schreef duidelijk beter met gestructureerde input en gerichte feedback dan met een losse prompt en een regenereerknop.
AI slop of goed AI-werk?
Het verschil zit in wat er voor en na het genereren gebeurt, zelden in het model.
| AI slop | Goed AI-werk | |
|---|---|---|
| Input | Een korte prompt zonder context. | Een duidelijke opdracht met voorbeelden, afspraken en de bestaande code of tekst erbij. |
| Controle | Werkt het? Dan is het af. | Iemand leest het resultaat en kan uitleggen waarom het klopt. |
| Omvang | Zoveel mogelijk tegelijk genereren. | Kleine stappen die je één voor één kunt beoordelen. |
| Fouten | Opnieuw genereren tot het er goed uitziet. | Benoemen wat er mis is en gericht laten aanpassen. |
| Eigenaar | Niemand, de AI heeft het gemaakt. | Een mens die ervoor tekent. |
Zo voorkom je AI slop in je eigen code
Slop voorkomen kan prima met AI in je team. Het werk eromheen maakt het verschil.
Geef het model de context
Laat de AI de bestaande code, je conventies en de opdracht zien voordat hij begint. Een korte specificatie vooraf voorkomt dat het model zelf gaat raden wat je bedoelt.
Werk in kleine stappen
Eén wijziging per keer, klein genoeg om in een paar minuten te lezen. Een diff die je niet kunt overzien, kun je ook niet goedkeuren.
Lees elke regel die live gaat
Iemand die code kan lezen, beoordeelt wat het model schreef: werkt het, past het bij de rest en wat gebeurt er als het misgaat?
Laat tests het gedrag vastleggen
Tests die echte situaties nabootsen, inclusief foute invoer. Die vangen de wijziging die iets anders stukmaakt voordat een klant dat doet.
Hoe een specificatie vooraf het verschil maakt, lees je in spec-driven development vs vibe coding. Heb je al een app die grotendeels door AI is geschreven, dan staat in een vibe-coded app productieklaar maken hoe je die verstevigt.
Conclusie: slop is een keuze in het proces
AI slop is wat overblijft als je AI laat genereren en de rest overslaat. Het is herkenbaar aan generieke taal, herhaling en details die niet kloppen, en in code aan dubbele logica, verstopte fouten en wijzigingen die niemand gelezen heeft. Met context vooraf, kleine stappen en een mens die het resultaat leest, maakt hetzelfde model werk waar je wel op kunt bouwen.
Wat is AI slop?
Wat betekent slop?
Hoe herken je AI slop in code?
Is alle AI-gegenereerde code slop?
Hoe voorkom je AI slop?
Is AI slop gevaarlijk?
Weet je hoeveel slop er in je codebase zit?
Een senior developer leest je AI-gegenereerde code, wijst aan waar het risico zit en vertelt wat je eerst moet oplossen.
