Amazon en Walmart gebruiken kunstmatige intelligentie om productpagina’s te scannen op herkomstclaims. De systemen herkennen foutieve ‘Made in USA’-labels, maar grijpen niet automatisch in. Dat speelt op hun Amerikaanse platforms en kwam recent aan het licht. Het roept vragen op over consumentenbescherming en de Europese AI-verordening gevolgen overheid en bedrijven.
Algoritmen zien foute herkomstclaims
De webwinkels zetten algoritmen in om productteksten, verkopersdata en beelden te controleren. Zo kan het systeem een ‘Made in USA’-claim herkennen en die vergelijken met andere signalen. Denk aan leveranciersinformatie of productfoto’s met een ander land van herkomst. Met miljoenen artikelen is dit werk zonder software niet te doen.
Een algoritme is een set regels waarmee een computer patronen zoekt in data. In dit geval zoekt het model naar inconsistenties rond land van herkomst. Het systeem markeert mogelijke fouten voor verder onderzoek. Het doel is een schonere catalogus en minder misleiding.
De inzet van deze datamodellen groeit snel bij grote platforms. Amazon en Walmart gebruiken ze om schaalvoordeel te halen in moderatie. Moderatie is het controleren en bijsturen van inhoud die verkopers plaatsen. Dat moet vertrouwen wekken bij klanten en merken.
De technologie werkt vooral als vroegtijdige waarschuwing. Het model wijst op een mogelijk probleem, zoals onjuiste labels. Daarna volgt normaal gesproken een beoordeling door een mens of een verkoper. Zo proberen de platforms fouten te beperken zonder alles te blokkeren.
Automatische handhaving ontbreekt nog
Ondanks de herkenning volgt er vaak geen automatische actie. De fout blijft zichtbaar tot een handmatige controle of een aanpassing door de verkoper. Daardoor kan een onjuiste claim langere tijd online staan. Dat is precies het moment waarop consumenten misleid kunnen worden.
Platforms zijn terughoudend uit angst voor fouten. Een automatische verwijdering kan ook legitieme verkopers raken. Bovendien verschillen regels per productcategorie en per land. Die complexiteit maakt een harde, automatische ingreep lastig.
Er ontstaat zo een gat tussen detectie en handhaving. Het systeem ziet het probleem, maar de workflow stopt bij een waarschuwing. De verantwoordelijkheid schuift naar verkopers en kleine moderatieteams. Dat is traag bij grote aantallen producten.
Dit raakt de kern van vertrouwen in marktplaatsen. Zichtbare signalen zonder opvolging wekken twijfel. Kopers krijgen geen duidelijkheid over wat wel en niet klopt. En verkopers die eerlijk werken voelen oneerlijke concurrentie.
Gevolgen voor consumenten en merken
Onjuiste herkomstlabels sturen koopgedrag. Sommige klanten kiezen bewust voor lokaal gemaakte producten. Een foutief label kan zo de prijs en keuze beïnvloeden. Dat schaadt vertrouwen in het hele platform.
Voor merken die zich wel aan de regels houden, is dit oneerlijk. Zij investeren in correcte labeling en documentatie. Hun producten concurreren met misleidende claims die een voordeel geven. Dat kan omzet en reputatie drukken.
Er zijn ook juridische risico’s. In de VS kan de toezichthouder optreden tegen misleidende ‘Made in USA’-claims. In Europa kunnen nationale autoriteiten, zoals de ACM, boetes opleggen bij oneerlijke handelspraktijken. Ook civiele claims van concurrenten zijn mogelijk.
Een ‘Made in USA’-claim veronderstelt dat vrijwel alle onderdelen en arbeid uit de Verenigde Staten komen; losse assemblage of minimale bewerking telt niet als herkomst.
Europese AI-verordening gevolgen overheid
Voor de EU-markt gelden extra plichten naast nationale wetgeving. De Digital Services Act (DSA) eist dat grote platforms systeemrisico’s beperken, zoals misleiding in productaanbod. Ook moeten zij effectieve meld- en actieprocedures hebben. Interne AI-signalen negeren is dan lastig te verenigen met die zorgplicht.
De Europese AI-verordening (AI Act) zet bovendien een kader neer voor risicobeheersing en menselijke controle bij inzet van AI. Ook als deze moderatiesystemen niet in de hoogste risicoklasse vallen, geldt de oproep tot documentatie, testen en toezicht. Dat vraagt om logboeken, uitlegbaarheid en duidelijke escalatiepaden. Overheden en toezichthouders moeten dit op het moment van schrijven nog uitwerken in praktijktoezicht.
In Nederland houdt de Autoriteit Consument & Markt toezicht op misleidende claims. Voor voedsel en etikettering kijkt de NVWA mee. Marktplaatsen die in de EU actief zijn, moeten dus hun processen op die regels inrichten. Dat geldt ook als de verkoper buiten de EU zit, maar de koper in Nederland.
Publieke instellingen die inkopen via online marktplaatsen moeten alert zijn. Onjuiste herkomstlabels kunnen aanbestedingsvoorwaarden raken. Heldere due diligence en leverancierscontrole zijn dan nodig. Dat sluit aan bij de Europese AI-verordening gevolgen overheid en publieke inkoop.
Transparantie en meldknoppen schieten tekort
Voor gebruikers is melden vaak onduidelijk. De meldknop is soms verstopt of te algemeen. Een specifieke optie “onjuiste herkomst” ontbreekt vaak. Dat remt snelle correctie.
Terugkoppeling aan de melder blijft meestal uit. Zonder statusupdate weten klanten niet of het probleem is opgelost. Dat vermindert bereidheid om opnieuw te melden. Het platform verliest zo gratis kwaliteitscontrole.
Bewijs vragen kan privacygevoelig zijn. Facturen of certificaten bevatten persoonsgegevens. De AVG eist dan dataminimalisatie en versleuteling. Platforms moeten dat zorgvuldig inrichten.
Meer openheid helpt. Denk aan cijfers over gemelde en aangepakte herkomstfouten. En uitleg over hoe het algoritme werkt en waar het grenzen heeft. Dat versterkt vertrouwen bij consumenten en verkopers.
Webwinkels moeten doorpakken
De volgende stap is koppeling van detectie aan actie. Maak omstreden herkomstclaims tijdelijk onzichtbaar tot controle. Laat een mens de review doen bij twijfelgevallen. Dat is een werkbare middenweg tussen snelheid en zorgvuldigheid.
Gebruik meer betrouwbare brondata. Koppel leveranciersdocumenten, GS1-gegevens en douane-informatie aan productpagina’s. Leg vast wie welke claim heeft geplaatst en wanneer. Zo wordt verificatie sneller en beter te auditen.
Versterk verkopersbeheer. Stel duidelijke eisen aan bewijs van herkomst bij onboarding. Straf herhaalde overtredingen met lagere zichtbaarheid of schorsing. Beloon aantoonbaar correcte labeling met snellere publicatie.
Bereid rapportage en governance voor Europa voor. Documenteer modellen, testsets en foutmarges, en leg menselijke controle vast. Publiceer DSA-transparantierapporten met cijfers over foutieve claims en genomen maatregelen. Dat maakt de systemen niet alleen slimmer, maar ook aantoonbaar verantwoord.