--- title: "Zo meten wij" date: 2026-08-01 author: "" --- # Zo meten wij Kwaliteit # Zo meten wij of de zoeker het goed doet Elke juridische AI belooft betrouwbaarheid; bijna niemand meet het, en niemand publiceert de cijfers. Wij doen allebei. Op deze pagina staat hoe we testen, wat de actuele scores zijn en wat er nog niet goed gaat. ## De actuele cijfers 94–100% juiste wetsartikel gevonden 16 van 17 juiste standaardarrest gevonden 6 van 7 uitkomst-vragen met een gewonnen zaak 0 verzonnen bronnen mogelijk Laatst gemeten: 17 augustus 2026, op de volledige productie-databank van 933.178 uitspraken. Wat die percentages betekenen: we stellen de tool vaste testvragen in gewone mensentaal waarvan wij vóóraf weten welk wetsartikel of welk standaardarrest het juiste antwoord is. Bij de wetsvragen staat het juiste artikel in 31 tot 33 van de 33 gevallen in de resultaten; bij de jurisprudentie-test is dat 16 van de 17 standaardarresten bij de laatste metingen — die score schuift wel eens een vraag op of neer — — van het Kelderluik-arrest uit 1965 tot het Deliveroo-arrest uit 2023. Beide zijn bewust een bandbreedte en geen vast cijfer: zie hieronder waarom. Tot 4 augustus 2026 stond de wetsscore hier als een vast getal (97%). Dat was te stellig; hij varieert net zoveel als de andere. ## Hoe de test werkt 01**Vaste vragen, vooraf vastgelegd antwoord.** Bijvoorbeeld: “Ik zag mijn kind aangereden worden en heb daar psychische schade van” — het juiste antwoord is het Taxibus-arrest. De vragen staan vast in onze code en veranderen niet mee met de uitkomst. 02**Gemeten op de echte databank**, niet op een demo-setje: dezelfde honderdduizenden uitspraken en wetsartikelen die jij doorzoekt. 03**Na elke wijziging opnieuw.** Elke aanpassing aan de zoektechniek draait door dezelfde test. Wordt het slechter, dan gaat de wijziging niet live. 04**Verzonnen bronnen kunnen niet.** Elk wetsartikel en elke ECLI in een antwoord wordt gecontroleerd tegen wat er echt is opgehaald; wat daar niet in staat, wordt uit het antwoord gefilterd. Daarom kan de tool geen uitspraken verzinnen — het bekendste risico van juridische AI. ## Sinds 4 augustus: meten we ook of de rést van de resultaten klopt De twee tests hierboven meten of het júiste artikel of arrest bovenkomt. Ze zeggen niets over de andere resultaten. Daar ging het mis: bij de vraag “mijn opdrachtgever betaalt mijn factuur niet” stonden vier strafzaken over oplichting in de top zes, en geen enkele civiele incassozaak. Strafvonnissen staan vol met woorden als betaling, schadevergoeding en wettelijke rente — via de vordering van het slachtoffer — en die matchen prima op een civiele vraag. Er is nu een derde test met zestien vragen uit drie rechtsgebieden, die meet welk deel van de gevonden uitspraken in het rechtsgebied zit waar de vraag over gaat. Score op 4 augustus 2026: **98%**, en bij alle zestien vragen zit de meerderheid goed. Vóór de aanpassing was dat 94% met één vraag onder de helft. Wat we daarbij leerden: onze eerste oplossing maakte iets anders stuk. We vroegen het analysemodel om het rechtsgebied erbij te noemen, en daardoor noemde het bij een andere testvraag geén standaardarrest meer — zes van de zes keer — waardoor dat arrest van de eerste plek helemaal uit de resultaten viel. Eén regel extra in een instructie sloopte dus een ander onderdeel van het antwoord. Het rechtsgebied wordt nu afgeleid uit de wetsartikelen zelf, en er staat een test omheen die afgaat zodra iemand die instructie weer uitbreidt. ## Sinds 17 augustus: meten we ook of je een zaak ziet die écht gewonnen is Een gebruiker vroeg: wanneer gaat het verweer “ik wist niet dat het verboden was” nou wel op? De tool gaf keurig de maatstaf van de Hoge Raad — en geen enkele zaak waarin iemand daarmee vrijuit ging. Dat is geen kleinigheid: precies die zaken zoek je. De oorzaak zat in de taal. Een uitspraak waarin zo’n verweer sláágt gebruikt het woord uit het wetboek (“verontschuldigbare onbewustheid”) en eindigt met “ontslaat de verdachte van alle rechtsvervolging”. Het gewone woord — rechtsdwaling — staat juist in de uitspraken waarin het verweer wérd afgewezen, want daar wordt het standpunt van de verdediging naverteld. Zoeken op het gewone woord levert dus stelselmatig de verliezers op. Daarom lezen we nu van elke uitspraak de **beslissing** apart uit: vrijspraak, veroordeling, gegrond, afgewezen, ontslag van alle rechtsvervolging, en vijf andere. Dat zijn 754.303 vastgelegde beslissingen over de hele databank, met bij elke beslissing de zin uit het vonnis waar hij op steunt, zodat het na te kijken is. Een vraag naar de afloop van een leerstuk zoekt daarna niet alleen op woorden, maar op woorden én de beslissing die erbij hoort. De nieuwe test heeft zeven vragen, allemaal in gewone mensentaal, en is raak als er een zaak in de top acht staat waarin het verweer echt is gehonoreerd. Vóór deze wijziging: **0 van de 7**. Erna: **6 van de 7**, gemiddeld op plek 2. De drie andere tests bleven op hun niveau; anders was dit niet live gegaan. Ook hier ging onze eigen meetlat weer mank, nu andersom dan in augustus: de zoeker haalde drie gewonnen zaken boven die niet op onze lijst stonden, en werd daarvoor afgerekend. We hebben van elke zaak het vonnis gelezen — drie hoorden erbij (één arrest zegt letterlijk “het verweer slaagt”), vier vielen af omdat de vrijspraak op een heel andere grond stond. Die vier staan met reden genoteerd in de testset, zodat niemand ze later alsnog meetelt omdat ze er goed uitzien. ## Wat nog niet goed gaat **De uitkomst wisselt per meting.** De jurisprudentiescore ligt rond de 16 van de 17, afhankelijk van wanneer we meten. Dat komt doordat een deel van de zoekhulp van een taalmodel komt: dat vertaalt je vraag naar juridische begrippen en noemt bekende arresten. Zo’n model geeft niet elke keer exact hetzelfde antwoord, en dus verschuift af en toe welke vraag mist. Wij vinden een eerlijke bandbreedte beter dan een mooi vast getal. **De strengste uitkomst-vraag mist nog.** Van de zeven nieuwe vragen is er één waarbij we niet alleen een gewonnen zaak eisen, maar ook nog de zaak uit de juiste hoek: een bedrijf dat een milieuvoorschrift overtrad terwijl de provincie had meegekeken. Daar komen bestuursrechtelijke uitspraken boven in plaats van de strafzaken die we bedoelen. Die vraag laten we bewust streng staan. **Onze eigen meetlat bleek vier keer fout.** Bij het nalopen van de missers ontdekten we dat vier van de vijftien ECLI-nummers in onze testset naar de verkeerde zaak wezen — opgeschreven uit het hoofd in plaats van gecontroleerd. Het “skeelerarrest” bleek een geschil over een jacht. De zoeker vond al die keren gewoon het juiste arrest en werd onterecht afgerekend. Sindsdien controleren we elk nummer tegen de databank voordat het in de test komt. Verder zijn de testsets nog klein (33, 17 en 7 vragen); ze groeien mee met wat gebruikers echt vragen. En het belangrijkste voorbehoud: een hoge trefkans betekent niet dat elk antwoord juridisch af is. De tool vindt en onderbouwt; wegen en beslissen blijft mensenwerk. Daarom staan de bronnen er altijd klikbaar bij. ## Test het zelf De beste meting is je eigen vraag. Gratis, 5 vragen per maand. [Gratis proberen](https://app.ai-rechtshulp.nl/registreren)AI Rechtshulp geeft juridische informatie met bronnen, geen juridisch advies. [Jurisprudentie zoeken met AIHoe de zoeker werkt](/jurisprudentie-zoeken/)[Onze bronnenWaar de data vandaan komt](/bronnen/)[De tien meest geciteerde arrestenOnderzoek in 895.695 uitspraken](/meest-geciteerde-arresten/)[Veiligheid en privacyWaar je data staat en wat er met je vraag gebeurt](/veiligheid/)