AI trainingsdata: mag een model jouw werk gebruiken?

Wat The Atlantic blootlegde

Atlantic-journalist Alex Reisner spoorde vier datasets op die gebruikt worden om AI-muziekmodellen te trainen, en maakte ze volledig doorzoekbaar. Twee zijn enorm: een set van 12 miljoen tracks en een van 9 miljoen. De andere twee zijn kleiner, maar met ruim 100.000 nummers per stuk nog steeds fors.

Reisner deed eerder hetzelfde met boeken. Toen bleek dat tienduizenden titels zonder toestemming in trainingsdata zaten. Nu kun je opzoeken of een specifiek nummer in een van deze muzieksets zit. Voor bedrijven als Suno en Udio, die AI-muziek genereren, is dat ongemakkelijk: het laat zien waar hun modellen op leunen.

De kern is niet de muziek zelf, het is het patroon. Een AI-model wordt beter naarmate het meer materiaal ziet, en dat materiaal komt ergens vandaan. Vaak van makers aan wie nooit iets gevraagd is.

Waarom dit ook jouw teksten en foto's raakt

Je denkt misschien: ik maak geen muziek, dus dit gaat niet over mij. Maar dezelfde logica geldt voor tekst en beeld. De grote taalmodellen achter ChatGPT en soortgelijke tools van OpenAI zijn getraind op miljarden webpagina's. Daar zat vrijwel zeker ook publieke content van Nederlandse ondernemers tussen: blogartikelen, productbeschrijvingen, veelgestelde vragen, foto's.

Dat heeft twee kanten. Aan de ene kant: jouw werk heeft mogelijk bijgedragen aan een model dat je nu zelf gebruikt, of waar een concurrent geld mee verdient. Aan de andere kant: als jij AI gebruikt om content te maken, leun je op datasets waarvan de herkomst niet altijd schoon is. Dat is geen reden tot paniek, wel tot bewustzijn.

Wat de wet erover zegt

In Nederland valt jouw originele werk onder de Auteurswet. Een tekst of foto die jij maakt, is automatisch beschermd; iemand anders mag die niet zomaar kopiëren. Tegelijk kent de wet een uitzondering voor tekst- en datamining, waar AI-bedrijven zich op beroepen. Je kunt je daartegen verzetten met een duidelijk voorbehoud, bijvoorbeeld in je voorwaarden of via technische signalen op je site.

De EU AI Act voegt daar iets aan toe. Aanbieders van grote AI-modellen moeten een samenvatting publiceren van de data waarop ze trainen. Dat is geen volledige lijst, maar het maakt de herkomst van trainingsdata voor het eerst een juridische verplichting in plaats van een bedrijfsgeheim.

En de AVG? Die gaat over persoonsgegevens, niet over auteursrecht. Maar zodra trainingsdata namen, klantgegevens of herleidbare informatie bevat, raakt het ook de AVG. Voor het MKB in Nederland is dat de praktische grens: gebruik je AI op klantdata, dan gelden gewoon de privacyregels.

Wat je hier als ondernemer mee doet

Eerst het geruststellende deel: je hoeft niet te stoppen met AI. De tools blijven enorm waardevol voor een klein team. Maar je kunt een paar dingen regelen die later schelen.

Bescherm je eigen content. Wil je niet dat AI-crawlers je hele site leegtrekken? Dan kun je dat aangeven via je robots.txt en in je algemene voorwaarden een datamining-voorbehoud opnemen. Het houdt niet alles tegen, maar het legt je positie juridisch vast.

Wees voorzichtig met wat je zelf genereert. AI-muziek of AI-beeld dat sterk op bestaand werk lijkt, kan een claim opleveren. Gebruik het voor inspiratie en eigen invulling, niet om bestaand materiaal na te bootsen. En zet nooit klantgegevens in een publieke AI-tool zonder te weten waar die data heen gaat.