Het panel beschreef de huidige situatie als een soort wapenwedloop tussen de mogelijkheden van AI en beschikbare detectietechnologieën. Traditionele waarborgen zoals CAPTCHA, ooit een effectief middel tegen geautomatiseerde antwoorden, raken snel achterhaald. De panelleden maakten daarbij een belangrijk onderscheid: aan de ene kant zijn er kwaadwillende actoren die botnetwerken inzetten om betaalde survey-panels voor financieel gewin te misbruiken, aan de andere kant zijn er gewone deelnemers die uit gemak hun open antwoorden in ChatGPT plakken. Beide vormen vervuilen de data, maar vragen om verschillende tegenmaatregelen. Tactische oplossingen zoals “poison pill”-zinnen, het bijhouden van metadata als toetsaanslagen en responstijden, en het beperken van knip-en-plakfunctionaliteit bieden slechts gedeeltelijke uitkomst. Het panel was het erover eens dat dit tijdelijke maatregelen zijn en geen structurele oplossingen.
Een meer filosofische vraag die tijdens de discussie opdook, was of het nog uitmaakt wie of wat een enquête invult, als een AI-gegenereerd antwoord niet te onderscheiden is van een menselijk antwoord. Het panel beantwoordde die vraag eenduidig bevestigend. Grote taalmodellen zijn getraind op bestaande menselijke data, maar weerspiegelen niet de unieke leefwereld en ervaringen van individuele mensen. Ze hebben de neiging effectgroottes te overdrijven, hypothesen te sterk te bevestigen en minderheidsgroepen systematisch verkeerd te representeren. Wanneer niet-moedertaalsprekers AI gebruiken om hun open antwoorden te polijsten, gaat bovendien iets verloren: de ongefilterde toon, het sentiment en de eigen stem waarop kwalitatieve onderzoekers juist vertrouwen voor rijkere data-inzichten. Het panel uitte ook een bredere zorg: naarmate AI-gegenereerde inhoud het internet overspoelt, wordt de trainingsdata voor toekomstige modellen steeds homogener, met het risico op een epistemische feedbackloop die wetenschappelijke kennis op grote schaal kan vertekenen.
Grootschalige online steekproeven blijven voor bepaalde onderzoeksdesigns onvervangbaar; het is simpelweg niet mogelijk om tweeduizend nationaal representatieve respondenten naar een laboratorium te halen. Tegelijkertijd versterken de snelheid en schaal die online surveys mogelijk maken, ooit beschouwd als grote voordelen van digitaal onderzoek, nu juist bepaalde kwetsbaarheden. Het panel plaatste vraagtekens bij de versnelde productie van academische output, waarbij publicaties zich in hoog tempo opstapelen en reviewers steeds vaker AI inzetten. Maatregelen zijn volgens het panel nodig op meerdere niveaus: onderzoekers moeten hun data kritisch controleren en detectiemethoden transparant rapporteren, tijdschriften zouden integriteitsstandaarden moeten afdwingen die vergelijkbaar zijn met open-science-praktijken, en commerciële aanbieders van survey-deelnemers moeten verantwoordelijkheid nemen voor de authenticiteit van respondenten. Het auditen op AI-antwoorden is daarbij geen administratieve last, maar een kernvereiste van rigoureuze wetenschappelijke methodologie.
Het panel sloot af met behoedzaam optimisme. AI is immers ook een krachtige versterker van onderzoek, bijvoorbeeld door het automatiseren van tekst- en videoanalyse en het mogelijk maken van grootschalige vragenlijstgeneratie. De uitdaging voor de wetenschappelijke gemeenschap is dan ook om de voordelen van AI te benutten zonder de integriteit van de data waarop onderzoek steunt te ondermijnen.
