# Eerdere beslissingen kunnen AI-terugbetalingen sturen

> Uit onderzoek blijkt dat wijzigingen in eerdere beslissingen en in de feiten van eerdere zaken AI-modellen juist in tegengestelde richting kunnen sturen bij het goedkeuren van terugbetalingen.

Oossa · 2026-11-03 · https://oossa.com/nl/past-decisions-can-skew-ai-refund-approvals

In een onderzoek dat op arXiv is gepubliceerd, werd getest hoe drie taalmodellen omgaan met twijfelgevallen rond terugbetalingen en claims wanneer ze drie vergelijkbare eerdere zaken te zien krijgen. Bij DeepSeek V4.1 Flash, GPT-5.6 Luna en Claude Haiku 5.5 steeg het goedkeuringspercentage met ongeveer 30 tot 55 procentpunt toen de vastgelegde beslissingen in die zaken werden veranderd van DENY in APPROVE. Dit gebeurde bij beleidsregels die voor het onderzoek waren opgesteld.

Maar wanneer DeepSeek en Luna alleen de feiten uit eerdere zaken te zien kregen, keurden ze verzoeken met feiten die goedkeuring ondersteunden minder vaak goed dan verzoeken met feiten die afwijzing ondersteunden. Volgens de auteurs was dit patroon ook zichtbaar bij negen openbare beleidsregels die waren geparafraseerd op basis van echte beleidsregels.

## De feiten

- Het onderzoek testte DeepSeek V4.1 Flash, GPT-5.6 Luna en Claude Haiku 5.5.
- In een afzonderlijke test met DeepSeek leidde het aanpassen van beslissingen in zaken die op een ander verzoek leken tot een verschuiving van 9 procentpunt in het goedkeuringspercentage, tegenover 43 procentpunt wanneer de zaken op het verzoek leken.

## Waarom het ertoe doet

Organisaties die AI inzetten om terugbetalingen of claims te beoordelen, moeten de feiten uit eerdere zaken afzonderlijk testen van de vastgelegde uitkomsten. Beide kunnen beslissingen beïnvloeden, en het effect kan per factor een andere kant op gaan.

## Bronnen en referenties

1. [Precedent Labels and Facts Shift LLM Approval Decisions in Opposite Directions](https://arxiv.org/abs/2611.00672) – arXiv, 2026-11-03

Laatst bijgewerkt: 2026-11-03