Samenvattingen AI Act vermelden geen gescrapete websites, review toont

ActuIA heeft een systematisch onderzoek uitgevoerd naar 24 samenvattingen van trainingsinhoud die op 25 september 2026 publiekelijk beschikbaar waren, waarbij elk document volgens de rapportage‑verplichtingen van artikel 53, lid 1, punt d, van de AI Act is opgesteld. Het doel van de analyse was te verifiëren of de verplichte vermelding van gescrapete domeinen daadwerkelijk werd nageleefd.

Meerderheid van de samenvattingen laat domeinlijsten weg

Van de 24 beoordeelde documenten bevatten 21 de sjabloonsectie die bestemd is voor de opsomming van belangrijke gescrapete domeinen, maar lieten zij het veld volledig leeg. Er werden geen enkele website‑naam of URL genoemd, waardoor de verplichting om transparant te zijn over de brondata niet wordt vervuld.

De drie resterende samenvattingen, allen afkomstig van DeepSeek, negeerden de web‑scraping‑sectie volledig en verwijderden zelfs de koptekst. Hierdoor ontbreekt de vereiste informatie in de volledige structuur van het document.

Hoe aanbieders hun gegevensbronnen beschrijven

In plaats van concrete domeinen te vermelden, kozen veel aanbieders voor brede, generieke categorieën. Voorbeelden hiervan zijn academische bronnen, code‑hostingplatformen, encyclopedieën, regionale portalen en algemene extensies zoals .com. Deze benadering biedt weliswaar een indruk van de herkomst, maar voldoet niet aan de specifieke eis van artikel 53 om individuele domeinen te identificeren.

De diversiteit van de betrokken organisaties is groot. Naast de bekende namen OpenAI, Mistral AI, Z.AI, ByteDance, MiniMax en DeepSeek, omvatte de steekproef ook elf nieuwe documenten die door Ant Group zijn ingediend, waardoor een breed spectrum van marktspelers wordt vertegenwoordigd.

Documentatie van Ant Group op Hugging Face

Ant Group publiceerde haar samenvattingen in de inclusionAI/AI‑Transparency‑repository op Hugging Face. In de repository‑beschrijving wordt expliciet vermeld dat de upload alleen documentatie bevat, zonder modelgewichten of trainingsdatasets, en dat de publicatie op zichzelf geen regulatoire certificering impliceert.

Regulatoire context en termijnen

Volgens de AI Act geldt de verplichting om gescrapete domeininformatie te onthullen voor nieuw gelanceerde algemene modellen vanaf 2 augustus 2025. Voor bestaande modellen is een overgangsperiode ingesteld tot 2 augustus 2027, waarna volledige naleving vereist wordt.

De definitieve beoordeling of de huidige beschrijvingen voldoen aan de wettelijke eisen van artikel 53 ligt bij de Europese Commissie. De Actuarial‑review, uitgevoerd door ActuIA, kan geen illegale status toekennen; alleen de bevoegde autoriteit kan een eventuele non‑compliance vaststellen.

• 21 samenvattingen bevatten het sjabloon maar vermelden geen domeinen
• 3 DeepSeek‑samenvattingen laten de sectie volledig weg
• Aanbieders gebruiken algemene categorieën i.p.v. specifieke URL's
• Ant Group’s Hugging Face‑repository verduidelijkt dat documenten geen certificering zijn

Voor Nederlandse organisaties is de praktische impact duidelijk. Zonder expliciete domeinvermeldingen riskeren zij dat compliance‑controles de openbaarmaking als onvolledig beschouwen, wat kan leiden tot formele verzoeken om aanvullende informatie of zelfs corrigerende maatregelen van EU‑regulatoren.

Bedrijven moeten zich voorbereiden op een mogelijke herziening van hun samenvattingen. Dit houdt in dat concrete domeingegevens moeten worden verzameld, geverifieerd en vervolgens in de sjabloonsectie worden opgenomen, zodat ze voldoen aan de eisen die de Commissie eventueel zal stellen.

Het ontbreken van specifieke domeinen kan tevens gevolgen hebben voor de perceptie van transparantie bij eindgebruikers en partners. Een duidelijk overzicht van de bronwebsites versterkt het vertrouwen in de ethische verantwoording van AI‑modellen.

In de bredere context onderstreept dit onderzoek de spanning tussen de wens van leveranciers om commerciële of intellectuele eigendomsgevoelige details te beschermen, en de wettelijke druk om volledige openheid te bieden over de data‑herkomst.

Toekomstige richtlijnen van de Europese Commissie kunnen aanvullende specificaties bevatten, zoals een minimumaantal vermelde domeinen of een gestandaardiseerde notatie, waardoor de huidige praktijk van algemene categorieën mogelijk niet langer toereikend zal zijn.

Organisaties die nu al een proactieve aanpak hanteren—door bijvoorbeeld een interne lijst van gescrapete websites bij te houden en deze in de samenvatting op te nemen—zullen waarschijnlijk minder risico lopen op sancties wanneer de definitieve regels worden vastgesteld.

Tot slot blijft de rol van onafhankelijke audits belangrijk. Een externe controle kan helpen om eventuele discrepanties tussen de feitelijke scraping‑praktijken en de gerapporteerde informatie vroegtijdig te signaleren, waardoor correctieve maatregelen sneller kunnen worden geïmplementeerd.

In Nederland zullen toezichthouders de komende maanden nauwlettend volgen hoe bedrijven hun documentatie aanpassen, en zij staan klaar om, indien nodig, handhavende stappen te ondernemen om de naleving van de AI Act te waarborgen.