AI Slop

Wat is AI Slop?

AI slop is laagwaardige, hoogvolume content gegenereerd door AI en gepubliceerd of uitgeleverd zonder betekenisvol menselijk oordeel. De term dekt artikelen, afbeeldingen, code, en pull requests gelijk: output vloeiend genoeg om een vluchtige blik te doorstaan maar die ruis toevoegt in plaats van waarde, het zichtbare symptoom van automatisering die draait zonder reviewproces erachter.

De belangrijkste punten

• Slop wordt gedefinieerd door proces, niet door tool. AI-gegenereerd werk dat door echte specificatie en review is gegaan, is geen slop; ongereviewd volume is dat, wat het ook produceerde.
• In engineering verschijnt slop als opgeblazen pull requests, boilerplate-zware modules die niemand begrijpt, overbodige abstracties, en machinaal geschreven documentatie die code beschrijft zonder hem uit te leggen.
• De economie drijft het probleem: generatiekosten zijn ingestort richting nul terwijl reviewkosten dat niet hebben, dus vult elk ongereviewd kanaal zich met gegenereerd volume.
• Slop stapelt zich op. Ongereviewde code wordt comprehension debt, laagwaardige content vervuilt de trainingsdata van toekomstige modellen, en maintainertijd lekt weg naar het triageren van machinaal gemaakte ruis.
• De tegenmaatregel is een kwaliteitspoort die schaalt met generatie: specs die klaar definiëren, evals en tests die verifiëren, en menselijke review op alles wat ertoe doet.

Hoe het werkt

Slop is wat gebeurt wanneer de kostenstructuur van creatie omkeert. Een aannemelijk artikel, component, of bugrapport produceren kostte vroeger uren, wat fungeerde als natuurlijke snelheidsbegrenzer op rommel. Generatie kost nu seconden en centen, terwijl de kosten van elk individueel artefact evalueren ongeveer vast bleven. Wanneer inzenden goedkoper is dan reviewen, vult de wachtrij zich: contentfarms overspoelen zoekmachines met gegenereerde artikelen, open-source-maintainers waden door machinaal geschreven pull requests en verzonnen kwetsbaarheidsrapporten, en interne codebases hopen modules op die geen mens ooit daadwerkelijk heeft gelezen. De schaal van de vloed is gedocumenteerd: Graphites analyse van 55.400 Common Crawl-artikelen vond dat primair AI-gegenereerde artikelen kortstondig menselijk geschreven artikelen overtroffen met 50,9 procent van nieuwe webartikelen in Q4 2025 [1].

Bij softwareteams heeft slop een herkenbare textuur. Pull requests die veertig bestanden raken om een bug van één regel te fixen, omdat de agent onderweg refactorde en niemand het bijsneed. Drie subtiel verschillende retry-helpers, omdat het model regenereerde in plaats van te hergebruiken. Comments die elke regel herhalen, tests die toetsen of mocks mocks aanroepen, en READMEs vol zelfverzekerde vulling. Elk artefact ziet er individueel prima uit, en dat is de val: de schade is cumulatief, een codebase die sneller groeit dan het begrip van wie dan ook ervan. Dit is het mechanisme achter de observatie dat vibe coding zonder review werkende demo's en onhoudbare systemen produceert.

De systemische versie van het probleem voedt terug in de modellen zelf. Naarmate gegenereerde content het publieke web verzadigt, wordt het trainingsdata voor de volgende modelgeneratie, wat de kwaliteit van de bronnen waar modellen van leren aantast. Zelfs gecureerde referentiebronnen worden geraakt: AI-detectoren markeren meer dan 5 procent van nieuw gemaakte Engelstalige Wikipedia-artikelen als AI-gegenereerd, volgens een Princeton-studie uit 2024 [2]. Daarom behandelen serieuze teams herkomst en curatie van data, en review van output, als infrastructuur in plaats van etiquette.

Voorbeeld

Een startup bedraadt een AI-agent aan hun issuetracker en laat hem een weekend lang pull requests openen voor elk "good first issue." Maandagochtend zijn er 31 open PR's. Elke compileert, de meeste slagen voor CI, en de twee senior engineers beginnen te reviewen. Bij de achtste PR vinden ze het patroon: de agent loste verschillende issues op door de exacte reproductiestappen uit het rapport speciaal te behandelen, voegde vier nieuwe utility-modules toe die bestaande helpers dupliceerden, en schreef tests die huidig gedrag toetsten inclusief één bug. Review van 31 machinaal gegenereerde PR's zou het duo het grootste deel van een week kosten, meer dan de fixes zelf schrijven. Ze sluiten de batch, houden er drie, en veranderen het proces: de agent werkt nu vanuit geschreven specs met acceptatiecriteria, één issue tegelijk, met een verplichte menselijke reviewpoort. Doorvoer daalde; bruikbare gemergede code steeg. Dat is het verschil tussen AI-codegeneratie als discipline en slop-productie.

Veelvoorkomende misvattingen

De misvatting loopt in beide richtingen, en de verkeerde les is gangbaar: concluderen dat AI-output inherent slop is en de tools verbieden. Slop is een procesfout in een AI-kostuum. Dezelfde modellen, gericht op een precieze spec, beperkt door tests en guardrails, en gereviewd door iemand verantwoordelijk voor het resultaat, produceren werk dat een seniorlat haalt. Teams die de tools verbieden, verliezen de hefboomwerking en krijgen vaak nog steeds slop, stilletjes, van engineers die ongereviewde chatoutput plakken. Teams die het proces besturen, specificatie erin, verificatie en review eruit, krijgen de snelheid zonder de drab. Het teken van slop is nooit dat een model betrokken was; het is dat geen enkel menselijk oordeel dat was.

FAQ

Waar komt de term AI slop vandaan? Het ontstond uit internetcultuur rond 2023-2024 als label voor de vloed van laag-inspanning gegenereerde afbeeldingen en artikelen die sociale feeds en zoekresultaten vulden, naar analogie met spam. Het is sindsdien verbreed naar elk domein dat verdrinkt in ongereviewde gegenereerde output, code inbegrepen, en kwam in mainstream gebruik terecht toen woordenboeken en stijlgidsen het oppikten.

Is alle AI-gegenereerde content slop? Nee. Het label hecht zich aan de afwezigheid van oordeel, niet aan de generator. Een machinaal opgesteld document dat een expert specificeerde, factcheckte, en redigeerde, is gewoon werkproduct. Een door mensen geschreven listicle uitgebraakt om een keyword-quotum te vullen, kwalificeert als slop volgens alles behalve de letter van de definitie. Volume zonder verantwoording is de essentie. Zoekresultaten weerspiegelen het onderscheid al: zelfs met ongeveer de helft van nieuwe artikelen AI-gegenereerd, vond Graphites studie van 2025 dat 86 procent van de artikelen die ranken in Google Search door mensen geschreven is en slechts 14 procent AI-gegenereerd [3].

Hoe voorkomen engineeringteams dat agentoutput slop wordt? Drie controles, samen toegepast. Stroomopwaarts, specs met acceptatiecriteria zodat de agent optimaliseert voor gedefinieerde uitkomsten in plaats van aannemelijk ogende diffs. Middenstrooms, geautomatiseerde verificatie: tests, typechecks, evals, en groottelimieten op wijzigingen. Stroomafwaarts, verplichte AI code review met een genoemde menselijke eigenaar per wijziging. Teams die een laag overslaan, eindigen begrensd door de laag die ze wel hielden.

Bronnen

1. Graphite. "Analyse van 55.400 Common Crawl-artikelen: primair AI-gegenereerde artikelen bereikten 50,9% van nieuwe webartikelen in Q4 2025." https://graphite.io/five-percent/ai-now-writes-as-many-online-articles-as-humans-do. Geraadpleegd augustus 2026.
2. Brooks et al., Princeton. "AI-detectoren markeren meer dan 5% van nieuw gemaakte Engelstalige Wikipedia-artikelen als AI-gegenereerd." https://arxiv.org/abs/2410.08044. Geraadpleegd augustus 2026.
3. Graphite. "86% van de artikelen die ranken in Google Search is door mensen geschreven; 14% is AI-gegenereerd." https://graphite.io/five-percent/ai-content-in-search-and-llms. Geraadpleegd augustus 2026.