PDF samenvatten met AI: wat laat de samenvatting precies weg?

PDF samenvatten met AI gaat in een paar seconden: upload een document van twintig pagina's en je krijgt vijf zinnen terug. Dat werkt goed voor het gemiddelde van een document, de hoofdlijn, de conclusie, de cijfers die er het meest toe doen. Het werkt slecht voor de uitzondering: de ene clausule zonder maximum, het ene cijfer dat net afwijkt. Dat past bij wat Google Cloud zelf meldt: AI-samenvattingen kunnen "bevooroordeeld zijn, afhankelijk van hoe de AI is getraind, met onnauwkeurige of feitelijk onjuiste resultaten" als gevolg, vooral bij lange tekst die het contextvenster van het model vult. Hieronder: welk gereedschap voor welk document, een contract met een verdwenen clausule als voorbeeld, en de controle die je voortaan standaard doet.

PDF samenvatten met AI: wat de tool wel en niet ziet

Er zijn twee manieren waarop AI een tekst samenvat. Extractief knipt letterlijke zinnen uit het origineel: betrouwbaarder, maar houterig. Abstractief herschrijft in eigen woorden: leest prettiger, maar het model beslist zelf wat het weglaat. De meeste chatbots werken abstractief, en daar gaat dit stuk over.

Het mechanisme is hetzelfde als bij een conceptmail: het model voorspelt wat typisch belangrijk is in zo'n soort tekst. Bij een leveringscontract is dat de prijs, de looptijd en de hoofdverplichting. Een bepaling die vaker ontbreekt dan voorkomt, zoals een boetebeding zonder maximum, valt buiten dat patroon en krijgt daardoor minder gewicht, ook al is die bepaling voor jou net de belangrijkste.

De verwerking van de PDF zelf speelt ook mee. Claude zet elke pagina om in een afbeelding en haalt daar de tekst naast uit, tot een grens van 32 MB en 600 pagina's per aanvraag (100 bij een kleiner contextvenster). Bij een dicht document met kleine lettertypes of veel tabellen kan het contextvenster al vol zitten voor die paginagrens is bereikt. Je tool heeft dan stilletjes een deel niet meer gelezen, zonder dat in de samenvatting te melden.

Welke tool voor welk document?

Niet elk document vraagt om dezelfde aanpak. De drempel ligt bij wat er gebeurt als de AI de uitzondering mist.

Begin bij het lichtste gereedschap dat de klus betrouwbaar klaart: een gewone chat voor een los document, een instructie met een expliciete uitzonderingscheck voor een contract, een tool met bronvermelding pas bij meerdere documenten tegelijk.

Een contract samenvatten: de prompt en de clausule die verdwijnt

Een geanonimiseerd voorbeeld: een inkoopmanager bij een installatiebedrijf krijgt een conceptovereenkomst van een nieuwe toeleverancier, veertien pagina's, met de gebruikelijke bepalingen (looptijd, prijs, betaaltermijn, aansprakelijkheid, opzegtermijn) plus een boetebeding bij te late levering.

De prompt

Eerst vragen om de hoofdlijn, dan expliciet vragen om de uitzondering. Die volgorde dwingt het model om niet bij de prettig leesbare samenvatting te stoppen.

#CONTEXT: Je bent inkoopadviseur bij een installatiebedrijf. Ik moet binnen
tien minuten weten of dit leveringscontract afwijkt van een standaardcontract,
voor ik het doorstuur voor een handtekening.

#DOEL: Een samenvatting waarmee ik zie wat normaal is en wat niet.

#WERKWIJZE:
1. Vat de kernbepalingen samen in maximaal zes zinnen: looptijd, prijs,
   betaaltermijn, aansprakelijkheid, opzegtermijn.
2. Noem daarna apart elke bepaling die qua hoogte, duur of ontbrekende
   begrenzing afwijkt van een gangbaar leveringscontract.
3. Zeg bij een boete-, aansprakelijkheids- of opzegbeding expliciet of er
   een maximum of beperking in staat. Ontbreekt die, meld dat met zoveel
   woorden.

#OUTPUT: Eerst de samenvatting, dan een kopje "Afwijkend" met een opsomming.

#BELANGRIJKE REGELS:
- Verzin geen bedrag, percentage of termijn die niet letterlijk in de tekst
  staat.
- Controleer voor je antwoordt of je bij elke boete- of aansprakelijkheids-
  bepaling hebt vermeld of er een maximum is.

#BEPERKINGEN: Dit is geen juridisch advies. Signaleer alleen, beslis niets.

Wat de AI teruggeeft

Een realistisch fragment, met de fout die hierbij het vaakst voorkomt.

Dit leveringscontract heeft een looptijd van 2 jaar, met een opzegtermijn
van 3 maanden. Betaling vindt plaats binnen 30 dagen na factuurdatum.
Bij te late levering geldt een boete van 2% van de contractwaarde per dag.
Aansprakelijkheid is beperkt tot de factuurwaarde van de betreffende
levering.

Afwijkend: geen bijzonderheden gevonden ten opzichte van een standaard
leveringscontract.

Dat laatste zinnetje is het probleem. De boete van 2% per dag staat er feitelijk correct in, maar nergens staat of er een maximum op zit. In de brontekst ontbreekt een plafond: bij 14 dagen te laat loopt de boete op tot 28% van de contractwaarde. Een gangbaar boetebeding heeft vrijwel altijd wél een maximum, meestal 10 tot 15%. Precies omdat een boete zónder maximum zeldzamer is, valt hij niet op als afwijking: het patroon "boetebeding bestaat" wordt herkend, de afwezigheid van een grens niet.

Dit is geen probleem van deze ene prompt. Het is de reden waarom The Atticus Project, een juridische non-profit, CUAD bouwde: een dataset van 510 contracten met 41 soorten clausules, gelabeld door juristen omdat dit soort bepalingen "expert legal attention" vereist. Zeldzame, afwijkende clausules zijn precies waar een geautomatiseerd systeem de meeste training nodig heeft, en waar het vaakst misgaat.

Wat je repareert voor je verder werkt

Je stelt één vervolgvraag: "Staat er een maximum op de boete in artikel 7? Citeer de exacte zin." Dat dwingt het model terug naar de brontekst in plaats van naar het gangbare patroon. Het antwoord: nee, er staat geen maximum, en dat is dan ook precies het punt waarop je het contract laat aanpassen voor je tekent.

Waar PDF samenvatten met AI misgaat: de clausule die verdwijnt

Dit mechanisme werkt bij elk documenttype hetzelfde. Een jaarverslag met negen positieve cijfers en één tegenvallend cijfer: de AI vat de negen positieve samen en noemt het tiende terloops, of niet. De vuistregel: vraag nooit alleen "vat dit samen", maar altijd ook "noem apart wat afwijkt van wat je zou verwachten". Dat werkt omdat die tweede vraag het model dwingt om te zoeken naar wat buiten het gemiddelde patroon valt, in plaats van dat patroon terug te geven. Sla die extra vraag gerust over bij iets kort en vrijblijvends, zoals een interne memo zonder financiële of juridische gevolgen: daar weegt de paar seconden extra tikwerk niet op tegen het risico. Bij een contract, beleidsstuk of jaarverslag stel je hem wel standaard: uit onze trainingen vindt die extra vraag daar in ongeveer de helft van de gevallen iets dat de eerste samenvatting miste, precies de uitzondering die je niet wil mislopen.

Samenvatting maken met AI voor een rapport of onderzoek

Hetzelfde mechanisme speelt bij een lang rapport dat geen PDF is: een onderzoeksdocument, een marktanalyse, een Word-bestand. Een marketingmanager die een rapport van veertig pagina's moet voorleggen in een overleg van twintig minuten, heeft drie dingen nodig: de hoofdconclusie, de cijfers die haar dragen, en wat haar tegenspreekt. Vraag daarom niet om "de belangrijkste punten", maar om een vaste structuur: conclusie in één zin, drie cijfers met paginanummer, en één bevinding die niet in het plaatje past. Dat laatste is meestal leeg bij de eerste poging, niet omdat het rapport geen tegenstrijdige bevinding bevat, maar omdat de AI er niet naar zoekt tenzij je erom vraagt. Uit onze trainingen komt bij zo'n expliciete vraag in ongeveer de helft van de gevallen alsnog iets naar boven dat bij een gewone samenvatting wegviel.

Welk document plak je niet zomaar in een gratis AI-tool?

Een contract, beleidsdocument of rapport bevat vaak bedrijfsgeheimen, klantgegevens of persoonsgegevens. Zodra je dat in een AI-tool plakt, geldt de AVG, net als bij e-mail die je door een AI-agent laat lezen. Dat regel je met je account, niet met een zin in je prompt: een prompt bepaalt wat het model schrijft, niet wat de leverancier met je document mag doen.

Neem daarom een zakelijk abonnement met een verwerkersovereenkomst voor alles met klantgegevens, personeelsdossiers of concurrentiegevoelige cijfers, en zet trainen op je data uit. Dat werkt omdat een zakelijk contract afspraken over bewaring en gebruik van je data vastlegt die een los consumentenaccount niet geeft: Anthropic biedt via de zakelijke toegang voor de meeste modellen bijvoorbeeld "Zero Data Retention" aan, waarbij een document niet bewaard blijft na verwerking, een garantie die aan specifieke modellen gekoppeld is en niet automatisch voor een gewoon consumentenaccount geldt. Sla deze stap alleen over bij een document dat toch al openbaar is, zoals een gepubliceerd jaarverslag: daar is er niets te beschermen. Wat je mag verwachten: een zakelijk account regelt de bewaartermijn en het trainingsgebruik, maar niet of de AI de uitzondering in je document vindt. Check de instelling dus zelf in je account voor je een contract uploadt, in plaats van aan te nemen dat het vanzelf goed zit.

Eén document hoort nooit in een gratis publieke tool: alles met een BSN, een medisch gegeven of een arbeidsconflict. Niet omdat de AI het slecht samenvat, maar omdat je dan niet meer controleert waar die informatie daarna blijft.

Wat samenvatten met AI oplevert, en hoe je dat na een week checkt

Uit onze trainingen: een eerste samenvatting van een gangbaar document klopt meestal voor ergens tussen de 70 en 80%. Na een week oefenen bevat je prompt steeds vaker de juiste uitzonderingsvraag, omdat je weet welk documenttype bij jou vaker een addertje onder het gras heeft. Wat niet beter wordt: de AI leert niet uit zichzelf dat boetebedingen in jouw sector vaker een probleem zijn. Dat zet je zelf, elke keer opnieuw, in je prompt.

Drie meetpunten voor na zeven dagen, zonder tooling:

• Hoe vaak vond de uitzonderingsvraag iets dat de eerste samenvatting miste? Minder dan 1 op de 5 keer: je documenten zijn relatief standaard. Meer dan de helft: blijf de brontekst bij kritieke bepalingen altijd zelf controleren.
• Hoeveel tijd kostte het controleren, tegenover zelf lezen? Klok het de eerste en de zevende keer. Geen tijdwinst van minstens een derde na een week? Dan leest de AI het verkeerde documenttype voor jouw situatie.
• Hoe vaak ontdekte iemand anders achteraf iets dat in de samenvatting had moeten staan? Eén keer is een signaal om je prompt aan te scherpen. Vaker dan dat: voor dit documenttype lees je voorlopig zelf, AI is hier een eerste check, geen vervanging.

Doe dit deze week

1. Verzamel drie documenten die je deze maand toch moet doorwerken

   Neem een mix: een contract of beleidsstuk, een rapport, en iets korts. Zo zie je meteen bij welk documenttype de uitzonderingsvraag het meeste verschil maakt.

2. Draai de prompt hierboven op het zwaarste document

   Vraag eerst een gewone samenvatting, dan de uitzonderingsvraag erbij. Leg beide naast de brontekst en streep aan wat de tweede vraag vond dat de eerste miste.

3. Leg vast welk documenttype altijd een mens blijft checken

   Eén regel volstaat: "Elk contract met een boete-, aansprakelijkheids- of opzegbeding gaat voor ondertekening langs [naam], ook na een AI-samenvatting." Zet die regel voor je het proces aan een collega overdraagt.

Het recept dat vandaag werkt: vat eerst samen, vraag daarna altijd apart naar de uitzondering. Dat is het verschil tussen een prettig leesbare samenvatting en een samenvatting waar je een beslissing op durft te baseren.

Wil je dit met je eigen documenten onder de knie krijgen? In de Agent Sprint bouw je dit met je team om naar een vaste werkwijze. Twijfel je waar te beginnen, bekijk dan de trainingen of plan een kort gesprek.

Bronnen

• Google Cloud, AI summarization, zelf geopend. Definitie van extractieve en abstractieve samenvatting, en de waarschuwing over bias en feitelijke onjuistheden.
• Anthropic, PDF support, zelf geopend. Verwerking van PDF's (tekst plus beeld per pagina), de limieten van 32 MB en 600 pagina's, en de Zero Data Retention-voorwaarden.
• The Atticus Project, CUAD: An Expert-Annotated NLP Dataset for Legal Contract Review, zelf geopend, geen leverancier van een AI-tool. Dataset van 510 contracten met 41 clausuletypes, gebouwd omdat dit soort bepalingen gespecialiseerde juridische aandacht vereist.
• Achtergrond over AVG en AI-tools bij zakelijke documenten: zie de bronnenlijst in een AI-agent voor je inbox.

De officiële documentatiepagina's van OpenAI en Google over bestandslimieten waren tijdens het schrijven niet te openen, net als een academisch onderzoek naar hallucinaties bij samenvatten. De claims over ChatGPT- en Gemini-limieten in de Callout hierboven zijn daarom bewust algemeen gehouden, zonder een niet zelf geopend getal.

Veelgestelde vragen

• Kan ChatGPT een PDF samenvatten?

  Ja, upload het document en vraag om een samenvatting. Voor een los document van een paar pagina's werkt dat prima. Vraag bij een contract, beleidsstuk of rapport altijd een tweede keer door: "noem apart wat afwijkt van wat je zou verwachten", want een gewone samenvatting pikt het gemiddelde van de tekst en laat de uitzondering vaak weg.

• Wat is het verschil tussen extractief en abstractief samenvatten?

  Extractief knipt letterlijke zinnen uit het origineel: er komt niets bij, maar het leest houterig. Abstractief herschrijft in eigen woorden en leest prettiger, maar het model beslist zelf wat erin blijft en wat wegvalt. De meeste chatbots werken abstractief, met als risico dat een zeldzame uitzondering (zoals een clausule zonder maximum) buiten het patroon valt waar het model op let.

• Is een AI-samenvatting van een contract betrouwbaar?

  Voor de hoofdlijn (looptijd, prijs, betaaltermijn) meestal wel. Voor een afwijkende bepaling, zoals een boetebeding zonder maximum of een ongebruikelijke opzegtermijn, niet zonder een gerichte vervolgvraag. Het model herkent dat zo'n beding bestaat, maar mist vaker dat een gebruikelijke begrenzing juist ontbreekt, omdat die afwezigheid zelf geen vast patroon heeft. Laat een contract met financiële of juridische gevolgen altijd door een mens meelezen voor ondertekening.

• Hoeveel pagina's kan AI in één keer samenvatten?

  Bij Claude ligt de grens op 32 MB en 600 pagina's per aanvraag (100 bij een kleiner contextvenster), met tekst en beeld samen verwerkt. ChatGPT en Gemini hanteren eigen limieten per abonnement. Bij een dicht document met kleine lettertypes of veel tabellen kan het contextvenster al vol zitten voor die paginagrens bereikt is, waardoor een deel van het document stilletjes niet meer wordt meegenomen.

• Mag ik een vertrouwelijk contract in een gratis AI-tool plakken?

  Nee, niet in een gratis publieke tool. Gebruik een zakelijk abonnement met een verwerkersovereenkomst en zet trainen op je data uit, zeker bij klantgegevens, personeelsdossiers of een BSN. Dat regel je met je account en instellingen, niet met een zin in je prompt: een prompt bepaalt wat het model schrijft, niet wat de leverancier met je document mag doen.