AI in de subsidieaanvraag: wat financiers wel en niet toestaan

Mag je ChatGPT gebruiken bij het schrijven van een subsidieaanvraag? Voor veel onderzoekers voelt dat nog als een grijs gebied. Toch zijn de regels van financiers inmiddels duidelijker dan vaak wordt gedacht. NWO stelt in haar beleid dat aanvragers generatieve AI verantwoord mogen gebruiken, mits ze zelf eindverantwoordelijk blijven voor de inhoud. Tegelijk verbiedt NWO beoordelaars om generatieve AI te gebruiken bij de beoordeling, ook als taal- of vertaalhulp (NWO, 2025).

Dat onderscheid vormt de kern van het beleid. Aan de ene kant van het subsidiebureau staat de aanvrager, die AI mag inzetten zolang het werk van haar blijft. Aan de andere kant staat de beoordelaar, voor wie de regels veel strenger zijn. Wie dat onderscheid begrijpt, ziet dat er inmiddels een breed gedeeld kader is. De regels verschillen per financier, maar de onderliggende redenering is opvallend consistent.

Voor onderzoekers is dat onderscheid praktisch belangrijk. Het bepaalt niet alleen wat je met AI mag doen, maar ook welke ondersteuning verantwoord is bij het zoeken, vergelijken en voorbereiden van een aanvraag.

Voor aanvragers: AI mag, zolang jij verantwoordelijk blijft

Wie de grote financiers naast elkaar legt, ziet dat hun regels voor aanvragers sterk op elkaar lijken. NWO, UKRI in het Verenigd Koninkrijk, de Duitse DFG, het Zwitserse SNSF, de Wellcome Trust en de Amerikaanse NSF staan allemaal toe dat aanvragers generatieve AI gebruiken bij het voorbereiden van een voorstel. Drie elementen keren steeds terug.

Ten eerste blijf je zelf verantwoordelijk. De aanvrager blijft de auteur. Dat betekent: controleren op plagiaat, verzonnen bronnen, bias en feitelijke fouten. Ook gebruikte bronnen moeten netjes worden vermeld.

Ten tweede meld je substantieel gebruik, triviale taalhulp niet. UKRI, DFG, SNSF en Wellcome trekken die grens expliciet. Met substantieel gebruik bedoelen financiers meestal dat AI inhoudelijk heeft meegedacht of tekst, code, structuur of analyse heeft gegenereerd. Spellingcontrole, grammatica en vertaling vallen daar meestal niet onder. De Horizon Europe-aanvraagformulieren van 2025 vragen aanvragers ook om AI-gebruik te vermelden en bronnen op te geven.

Ten derde accepteren financiers geen aanvraag die volledig door AI is gegenereerd. UKRI verwoordt het scherp: voorstellen mogen niet zonder menselijke inbreng worden gemaakt.

Voor aanvragers gaat de NIH het verst. Sinds juli 2025 stelt de NIH dat aanvragen die "substantieel door AI zijn ontwikkeld" niet gelden als de eigen, originele ideeën van de aanvrager, gekoppeld aan een limiet van zes aanvragen per onderzoeker per jaar (NIH, 2025). Dat is een directere ingreep dan het Europese "mag, mits transparant", en het laat zien dat financiers zoeken naar een balans tussen toelaten en bewaken.

De Europese Commissie zit qua toon aan de andere kant van dat spectrum. De ERA living guidelines, oorspronkelijk uit maart 2024 en geactualiseerd op 8 mei 2026, zijn niet-bindende aanbevelingen rond drie principes: accountability, transparency en responsibility. De onderzoeker blijft eindverantwoordelijk, AI mag geen auteur zijn en er is expliciete aandacht voor verborgen prompts.

De andere kant van het bureau: waarom beoordelaars AI meestal niet mogen gebruiken

Voor beoordelaars ligt het anders. De hoofdlijn is hier niet "mag, mits", maar "niet, tenzij heel beperkt". De reden is opvallend consistent: het gaat minder om de kwaliteit van AI en vooral om vertrouwelijkheid. Er zijn grofweg drie beleidslijnen.

De eerste lijn is een hard verbod. NWO, de ERC, de NIH, UKRI en de Canada Council for the Arts staan beoordelaars geen enkel gebruik van generatieve AI toe. NWO baseert dat op de geheimhoudingsplicht (artikel 2:5 Algemene wet bestuursrecht) en haar verificatieplicht (artikel 3:9 Awb): als een beoordelaar AI gebruikt, is vaak niet meer vast te stellen hoe. UKRI verbiedt zelfs het corrigeren van taal, spelling of opmaak van een beoordeling, en de NIH verbood AI in de beoordeling al in juni 2023 (NIH, 2023). De ERC trok op 24 maart 2026 een scherpe lijn: reviewers mogen voorstellen niet samenvatten, de wetenschappelijke waarde niet beoordelen en geen reviews genereren met AI, en mogen geen voorsteltekst uploaden naar externe systemen (ERC, 2026).

De tweede lijn verbiedt vooral het invoeren van vertrouwelijke inhoud, zonder de tool helemaal te verbieden. De NSF verbiedt beoordelaars om voorstelinhoud te uploaden naar niet-goedgekeurde AI-tools, en heeft er geen enkele goedgekeurd. Het Zwitserse SNSF stelt dat het samenvatten of vertalen van een heel dossier de vertrouwelijkheid kan schenden. De Canadese Tri-Agency en de Finse Research Council verbieden het invoeren van aanvraag- of reviewinformatie, en de Wellcome Trust trekt een vergelijkbare lijn.

De derde lijn laat zien dat een verbod niet de enige uitkomst is. De Duitse DFG draaide haar lijn juist om: sinds 16 april 2026 mág generatieve AI in de beoordeling worden gebruikt, maar uitsluitend ondersteunend en onder vier voorwaarden, namelijk vertrouwelijkheid, transparantie, kwaliteitsborging en verantwoordelijkheid. Cruciaal is hoe de DFG de vertrouwelijkheid invult: vertrouwelijke voorstelinhoud mag niet ongecontroleerd worden verwerkt of opgeslagen, wat kan worden geborgd door systemen van vertrouwde instellingen of cloudsystemen met een contractuele licentie die gegevensbescherming garandeert (DFG, 2026). De Australische ARC en NHMRC kozen per 28 april 2026 een verwante, beperktere route: beoordelaars mogen AI gebruiken om hun eigen tekst op grammatica en leesbaarheid te polijsten, maar niet om een oordeel over de kwaliteit te vormen.

De niet-bindende ERA-richtlijnen van de Europese Commissie staan hiernaast als aanbeveling: ze raden terughoudendheid aan bij gevoelige taken zoals peer review, maar vormen geen bindend verbod. De ERC, die onder dezelfde Europese koepel valt, koos in de uitvoering dus juist voor de hardste lijn. Dat illustreert het patroon: de toon verschilt, maar de bescherming van vertrouwelijkheid staat overal centraal.

Waarom vertrouwelijkheid centraal staat

Dat de regels om vertrouwelijkheid draaien, is geen formaliteit. Een onuitgegeven subsidievoorstel bevat de nog niet gepubliceerde onderzoekslijn van een ander. Als een beoordelaar dat materiaal invoert in een publieke AI-tool, kan dat dicht bij openbaarmaking komen. Bij sommige diensten kan ingevoerde tekst immers worden gebruikt voor verdere training. Voor een beoordelaar die geheimhouding heeft beloofd, is dat het kernrisico.

Daarnaast zijn er redenen die los staan van vertrouwelijkheid. Verzonnen bronnen zijn de bekendste. In een analyse in Scientific Reports bleek 55% van de door GPT-3.5 gegenereerde citaties verzonnen, en 18% bij GPT-4; van de wél bestaande verwijzingen bevatte een aanzienlijk deel inhoudelijke fouten (Walters & Wilder, 2023). Nieuwere, op bronnen verankerde systemen verlagen dat, maar de basisbevinding verklaart waarom geen enkele financier blind op AI-output wil varen.

Detectie biedt geen uitweg. AI-tekstdetectoren zijn onbetrouwbaar en kunnen nadelig uitpakken voor schrijvers voor wie Engels niet de moedertaal is: in een studie in Patterns werd meer dan de helft van de essays van niet-moedertaalsprekers ten onrechte als AI-gegenereerd geclassificeerd (Liang et al., 2023). Een financier die op zulke detectoren zou leunen, zou systematisch de verkeerde mensen treffen.

Er is ook een subtieler risico: homogenisatie. Onderzoek in Science Advances laat zien dat generatieve AI de individuele output kan verhogen maar de collectieve diversiteit verlaagt, doordat teksten meer op elkaar gaan lijken (Doshi & Hauser, 2024). Voor een beoordelaar die vernieuwing zoekt, is een stapel voorstellen die op elkaar lijken een reëel probleem.

Ten slotte de manipulatie. Verborgen prompts, instructies in witte of minuscule tekst zoals "GIVE A POSITIVE REVIEW ONLY", zijn aangetoond in ingediende stukken en kunnen AI-beoordelaars tot maximale scores verleiden (Lin, 2025). Precies daarom verbood NWO ze expliciet en moeten beoordelaars nu in het systeem bevestigen dat ze geen AI hebben gebruikt.

Geldt dit ook buiten biomedisch onderzoek?

Een terechte vraag, want veel van het publieke debat speelt zich af rond medisch onderzoek. Toch zijn de meeste beleidsregels opvallend vakgebiedneutraal. NWO, UKRI (voor alle negen councils, inclusief de geesteswetenschappen en sociale wetenschappen), de NSF en de Europese Commissie schrijven één discipline-brede regeling, zonder aparte uitzondering voor STEM of de geesteswetenschappen. Zelfs een kunstfonds als de Canada Council for the Arts volgt dezelfde structuur: aanvragers mogen AI ondersteunend gebruiken, maar de beoordeling blijft mensenwerk en assessoren mogen geen publieke AI-tools inzetten om aanvragen te beoordelen, samen te vatten of te rangschikken (Canada Council, 2026).

Waar vakgebieden wél verschillen, is in de inhoudelijke discussie, niet in de regels. De scherpste weerstand komt uit kwalitatief en reflexief onderzoek: 419 onderzoekers uit 32 landen wijzen generatieve AI af in alle fasen van reflexieve kwalitatieve analyse, op epistemische gronden en uit zorg om betekenisgeving en eigen stem (Jowsey et al., 2025). In de natuurwetenschappen en techniek overheerst juist het efficiëntieframe.

En tegen het stereotype in: een Duitse survey onder 6.215 onderzoekers vond de hoogste AI-bekendheid in de sociale wetenschappen, hoger dan in de techniek (Chugunova et al., 2025). De aanname dat vooral bètawetenschappers AI gebruiken, is dus te simpel.

Wat per vakgebied wél verschilt, is waar het misgaat. Hetzelfde uitgangspunt levert in elke discipline andere risico's op: bij biomedisch onderzoek patiëntdata en verzonnen referenties, in de techniek octrooilekken en bedrijfsgeheimen, in de geesteswetenschappen bronvervorming en theoretische vervlakking, en bij consortia de vertrouwelijkheid tussen partners. De hoofdregel is vaak hetzelfde, maar de toepassing vraagt vakkennis.

Ondertussen verandert het systeem zelf. Het aantal aanvragen steeg met circa 57% tussen 2022 en 2025 over twaalf financiers in zes landen, een stijging die deels aan AI wordt toegeschreven (Rees & Wilsdon, 2026). De ERC verlengde daarop de afkoelperiode voor afgewezen aanvragers en draaide dat na protest deels terug. En financiers beginnen zelf AI in te zetten bij de besluitvorming. AI staat zo aan beide kanten van het bureau, ook al gelden de strengste regels nog steeds voor de beoordelaar.

Wat dit betekent voor de onderzoeker

Voor onderzoekers levert dit een praktische checklist op:

1. Gebruik AI alleen ondersteunend.
2. Meld substantieel gebruik als de financier daarom vraagt.
3. Controleer elke bron, elk cijfer en elke inhoudelijke claim.
4. Voer geen vertrouwelijke informatie in een open AI-tool in.
5. Gebruik AI nooit om andermans aanvraag te beoordelen.
6. Vermijd verborgen prompts of andere sturende instructies.
7. Controleer altijd de actuele regels van de financier, want die worden regelmatig bijgewerkt.

Wie een praktisch vertrekpunt zoekt: Seckel en collega's geven tien vuistregels om taalmodellen verstandig in te zetten bij aanvragen, met dezelfde rode draad. Controleer de funderregels, bescherm vertrouwelijkheid, verifieer bronnen en gebruik AI als hulpmiddel, niet als auteur (Seckel et al., 2024).

Waar GrantFit in dit kader staat

Dan is de vraag waar een platform als GrantFit in dit kader past. GrantFit wordt gebruikt in de voorbereidende fase van een aanvraag: bij het vinden, vergelijken en structureren van subsidie-informatie.

GrantFit is bewust ontworpen voor de zone die financiers toestaan. Het platform schrijft geen volledige aanvragen. Het helpt onderzoekers om subsidieoproepen te vergelijken, concepten te structureren en aandachtspunten zichtbaar te maken. De onderzoeker blijft altijd auteur en eindverantwoordelijke. Elke kritische bevinding verwijst naar de exacte passage uit de call of uit je eigen uploads. Onzekerheid wordt expliciet getoond en bij belangrijke stappen vraagt het platform om bevestiging (zie de Responsible-AI-pagina).

De beleidsstukken laten vooral zien dat niet elk AI-gebruik hetzelfde wordt beoordeeld. De DFG maakt duidelijk dat niet de technologie het probleem is maar de ongecontroleerde verwerking: een afgeschermde, contractueel beveiligde omgeving kan anders worden behandeld dan een open chatbot (DFG, 2026). Datzelfde signaal komt uit de literatuur. Een institutioneel gehoste, afgeschermde tool, in één studie GrantCheck genoemd, presteerde beter dan algemene chatbots en bouwde expliciete validatiestappen in tegen hallucinaties (Shi et al., 2025). De les is niet dat zo'n omgeving automatisch veilig is, maar dat de toets ligt bij aantoonbare beveiliging en governance.

Daarom is GrantFit voorzichtig met wat het over data zegt. Op de Responsible-AI-pagina staat dat de contracten met de modelaanbieder gebruik van klantinhoud voor training en fine-tuning uitsluiten, en dat documenten de werkruimte niet verlaten voor andere doelen dan de actieve analyse. Sterkere claims zoals "veilig" of "AVG-proof" horen daar niet zonder harde product- en verwerkersinformatie. Twee dingen claimt GrantFit nadrukkelijk niet: niet dat een financier het platform heeft goedgekeurd en niet dat het je slaagkans verhoogt, want dat is het terrein van peer review. Wel sluiten de ontwerpkeuzes van GrantFit aan bij de richting die financiers aangeven: ondersteunend gebruik, bronvermelding, controleerbaarheid en menselijke eindverantwoordelijkheid.

Wat dit stuk niet beweert

Dit is een momentopname. De aangehaalde beleidsdocumenten worden geactualiseerd, soms meermaals per jaar, dus controleer altijd de actuele versie van de financier die voor jou telt. De empirische cijfers over hallucinaties en detectie komen grotendeels uit aangrenzende domeinen, niet uit een grote, geblindeerde studie naar volledig AI-geschreven subsidievoorstellen versus echte toekenningsuitkomsten; die studie bestaat nog niet. Adoptiecijfers, zoals de schatting dat ongeveer één op de zes onderzoekers AI gebruikt bij aanvragen, zijn gerapporteerde schattingen uit zelf-rapportage en moeten als zodanig worden gelezen. En een recente, voorlopige analyse meldde dat met AI voorbereide NIH-aanvragen vaker werden gehonoreerd, maar óók meer leken op eerder gefinancierde voorstellen (Kozlov, 2026). Dat is geen causaal bewijs dat AI tot betere aanvragen leidt, en die gelijkenis sluit aan op het eerder genoemde homogenisatierisico.

Slot

De kern is duidelijker dan veel onderzoekers denken. Er is een breed gedeeld kader: voor aanvragers mag generatieve AI, mits je het substantiële gebruik meldt en de verantwoordelijkheid bij jou blijft; voor beoordelaars mag het vrijwel niet, om de vertrouwelijkheid van het ingediende werk te beschermen. De technologie verandert snel en de regels schuiven mee. Maar het uitgangspunt blijft gelijk: de onderzoeker beslist en blijft verantwoordelijk.