Het antwoord is dat AI bestaande audiogegevens kan manipuleren om niet-bestaande stemmen te creëren, wat directe gevolgen heeft voor de betrouwbaarheid van digitale bewijsvoering in elk bedrijf. De Amerikaanse veiligheidsdienst NTSB moest tijdelijk haar hele dossiersysteem afsluiten nadat mensen AI gebruikten om cockpitstemmen uit spectrogrammen te reconstrueren.

Wat er aan de hand is

TechCrunch meldt dat onbekenden AI hebben gebruikt op een spectrogramafbeelding van cockpitopnames om de stemmen van overleden piloten te reconstrueren. De National Transportation Safety Board (NTSB) zag zich genoodzaakt de toegang tot haar docket-systeem tijdelijk te blokkeren. Een spectrogram is een visuele weergave van geluidsfrequenties over tijd; normaal gesproken kun je daar geen spraak uit halen zonder de originele audio. AI-modellen kunnen echter patronen in die visuele data herkennen en omzetten naar synthetische spraak. Dit is geen theoretisch scenario meer, maar een daadwerkelijke gebeurtenis die een overheidsinstantie dwong tot ingrijpen.

Wat dit betekent

Voor ondernemers en professionals betekent dit dat AI niet alleen tekst of afbeeldingen kan vervalsen, maar ook audiobewijs. Als AI een stem kan reconstrueren uit een spectrogram, dan kan het ook stemmen genereren uit andere databronnen, zoals transcripten, metadata of zelfs beschrijvingen. Dit raakt direct de betrouwbaarheid van opnames die je gebruikt voor klantgesprekken, contractbesprekingen, interne audits of juridische geschillen. Een opname van een telefoongesprek of een voicemail is niet langer automatisch waterdicht bewijs. De NTSB-case laat zien dat zelfs overheidsinstanties met strenge protocollen kwetsbaar zijn. Voor het mkb, waar vaak minder beveiligingslagen zitten, is de impact mogelijk groter.

Hoe je dit kunt toepassen

Als je klantgesprekken opneemt voor kwaliteitscontrole of juridische vastlegging, overweeg dan om een extra verificatielaag toe te voegen. Je zou kunnen werken met een systeem dat bij elk gesprek een unieke, cryptografische hash van de ruwe audio opslaat. Zo kun je later aantonen dat het bestand niet is gemanipuleerd. Een optie is om dit te combineren met een tijdstempel van een onafhankelijke derde partij, zoals een blockchain-gebaseerde timestampingdienst.

Als je interne gesprekken of vergaderingen opneemt voor compliance of aansprakelijkheid, is het verstandig om je huidige bewaar- en verificatieproces te herzien. Een mogelijkheid is om een aparte, offline opslag te gebruiken voor de ruwe opnames, los van eventuele transcripties of bewerkingen. Overweeg om medewerkers te instrueren dat zij bij een geschil altijd het originele, onbewerkte bestand moeten kunnen overleggen, niet alleen een gegenereerd transcript.

Als je te maken hebt met juridische geschillen waarin audio-opnames een rol spelen, wees je dan bewust van de nieuwe kwetsbaarheid. Je zou een expert kunnen vragen om bij een geschil de authenticiteit van een opname te laten toetsen op tekenen van AI-manipulatie, zoals onnatuurlijke frequentiepatronen of inconsistenties in de achtergrondruis. Dit is vergelijkbaar met hoe je nu al metadata controleert bij foto’s.

Als je een bedrijf runt dat gevoelige data verwerkt, zoals een advocatenkantoor of een financiële dienstverlener, is het zaak om je databeveiligingsbeleid aan te scherpen. De NTSB sloot haar systeem niet omdat er een hack was, maar omdat iemand met toegang tot bestaande data die data op een nieuwe manier kon misbruiken. Overweeg om toegang tot ruwe data (audio, spectrogrammen, ruwe logs) verder te beperken, en om te monitoren wie welke data downloadt of exporteert.

Als je een team aanstuurt dat met AI-tools werkt, is een bewustwordingssessie over deze mogelijkheid een goed idee. Laat zien dat AI niet alleen content genereert, maar ook bestaande data kan transformeren op manieren die de oorspronkelijke bedoeling overstijgen. Dit helpt om een cultuur van kritisch denken over data-integriteit te creëren.

Bron: TechCrunch (https://techcrunch.com/2026/05/22/ai-is-being-used-to-resurrect-the-voices-of-dead-pilots/)