Inzet trusted flagger

Het ministerie van BZK heeft bij Meta, Google, X, TikTok en Snapchat de status van trusted flagger, waardoor zijn meldingen bij die platforms voorrang krijgen. Rond de Tweede Kamerverkiezing van 22 november 2023 is die status één keer ingezet. Het ging om een bericht op X dat opriep bij de gecombineerde lijst GroenLinks-PvdA twee vakjes in te kleuren; dat maakt een stem ongeldig. X reageerde binnen drie minuten en liet de melding beoordelen door zijn Trust & Safety-team. Het ministerie kan zelf geen berichten laten verwijderen en houdt niet bij wat platforms met een melding doen.

Communicatie, reputatie en stakeholdersGovernance en verslaggevingVeranderende wet- en regelgevingDigitale disruptie, nieuwe technologie en AI

Waarom deze indeling: Het ministerie heeft bij Meta, Google, TikTok en Snapchat de status van trusted flagger en gebruikt voor X een urgent escalation channel, maar heeft geen bevoegdheid om content te laten verwijderen; de platformen wegen zelf of hun gebruikersvoorwaarden zijn overtreden. Voor monitoring op des- of misinformatie ontbreekt een juridische grondslag voor het verwerken van persoonsgegevens, zodat signalering afhankelijk is van media, factcheckers en andere overheden. Rond de verkiezing van 22 november 2023 is de status eenmaal ingezet, over een bericht dat opriep bij de gecombineerde lijst twee vakjes in te kleuren, wat tot ongeldige stemmen kan leiden. Wat het platform met de melding deed, wordt niet bijgehouden.

Toegekend met een AI-model (Opus 5) op basis van de zestien thema's van Risk in Focus; niet door mensen gevalideerd. Om de labels beter te onderbouwen gaan we ze gefaseerd herbeoordelen met een tweede, onafhankelijk model van een andere aanbieder (OpenAI naast Anthropic); vanwege tokenlimieten gebeurt dat stapsgewijs. Ziet u een fout? Laat het weten.

Ministerie

Ministerie van Binnenlandse Zaken en Koninkrijksrelaties

Onderdeel volgens het rapport

Directie Democratie en Bestuur

Bron

Onderzoeken en evaluaties: BZK

Datum

2024-04-07

Het rapport zelf

originele publicatie

Omschrijving

samenvatting door een AI-model (Opus 5) op basis van de publicatie

Risicolabels

toegekend met een AI-model (Opus 5) volgens de zestien thema's van Risk in Focus (ECIIA), niet door mensen gevalideerd

Bijgewerkt

augustus 2026