Weekoverzicht · 28 augustus tot 4 september 2026

Is er nog iemand thuis?

Je achterban heeft geaccepteerd dat AI meedoet. Negen op de tien weten het en het weerhoudt ze niet. Wel onder 2 voorwaarden, namelijk: zeg het als je het doet, en zorg dat ik naar een mens kan. De wet vraagt sinds augustus precies hetzelfde. De platforms straffen ondertussen af wat naar machine ruikt. En de betaalinfrastructuur onder je donatiepagina wordt de komende twee jaar vervangen door een systeem waarin een gift terugvorderbaar wordt.

Leestijd ongeveer 30 minuten · Bronnen onderaan

Dat is geen weerstand tegen techniek. Dat is een ontwerpopdracht. En hij ligt op jouw bureau.

Twaalf dingen van deze week. Met per punt wat het betekent voor je werk.

01De cijfers achter de menselijke uitweg

Marketingbureau Fingerspitz vroeg Nederlandse consumenten wat ze vinden van AI in marketing. Wijzen ze het af? Nee. Negen op de tien wéten inmiddels dat bedrijven AI gebruiken voor teksten en beelden. Verwerkt. Normaal geworden.

Maar kijk wat er daarna gebeurt.

Slechts 19 procent gelooft dat AI net zo effectief helpt als een mens. Negentien. Van de vrouwen wijst 78 procent AI-klantenservice af, van de mannen 72 procent. De Consumentenbond kwam eind augustus met cijfers die dezelfde kant op wijzen: bijna 90 procent van ruim tienduizend panelleden vindt dat chatbots het moeilijker maken om een echte medewerker te spreken.

Je mag AI gebruiken. Maar wie eruit wil stappen, moet eruit kunnen stappen.

Leg dit naast de transparantieplicht uit artikel 50 van de AI-verordening, die sinds 2 augustus geldt, en er gebeurt iets zeldzaams. De wet en je achterban wijzen exact dezelfde kant op. Meestal loopt regelgeving achter op wat mensen willen. Of ver vooruit. Nu niet.

02Brussel noemt ChatGPT nu officieel een zoekmachine

Op 31 augustus wees de Europese Commissie ChatGPT aan als zeer grote onlinezoekmachine onder de Digital Services Act. Reddit en Roblox werden tegelijk aangewezen als zeer groot onlineplatform. De drempel voor zo'n aanwijzing is 45 miljoen gemiddelde maandelijkse gebruikers in de EU, en die hebben ze zelf opgegeven.

Ze krijgen vier maanden, dus tot januari 2027, om aan de zwaardere verplichtingen te voldoen. Die draaien om het beoordelen en beperken van systeemrisico's: verspreiding van illegale inhoud, effecten op minderjarigen, gevolgen voor het welzijn van gebruikers, grondrechten, verkiezingen en openbare veiligheid.

Waarom dit meer is dan juridisch nieuws? Hiermee staat zwart op wit wat we in de cijfers allang zagen. ChatGPT is geen chatbot náást de zoekmachine. Het ís er een. De Commissie behandelt het als concurrent van Google, met dezelfde poortwachtersrol en dus dezelfde verantwoordelijkheid.

03Een jaar Nederlands GEO-onderzoek: één op de drie

Op dit onderzoek heb ik het langst zitten wachten. En nu zijn de cijfers openbaar. Doublesmart testte twaalf maanden lang met twintig Nederlandse bedrijven uit verschillende sectoren, waaronder het Wereld Natuur Fonds, TUI en Omroep Brabant. Geen theorie. Echte websites, echte content, echte concurrenten.

En dan het cijfer waar het om draait. Preciezer dan wat er tot nu toe rondging:

Slechts één op de drie pagina's die het goed doen in de klassieke resultaten van Google, doet het ook daadwerkelijk goed in AI-systemen.

Twee derde van je best presterende pagina's doet dus niets voor je op de plek waar het antwoord gemaakt wordt. Dat is geen detail. Dat is een gat in je zichtbaarheid waar je nu niet naar kijkt.

Vergelijk het met tien etalages in de winkelstraat. Zeven daarvan blijken in een steegje te staan waar geen mens loopt. Alleen merk je dat niet, want de drie die goed staan doen het prima en die cijfertjes zien er dus keurig uit.

De vijf inzichten, kort

Eén: GEO is geen nieuwe techniek. Het is een stresstest op je oude techniek. Ze verwachtten een aparte technische laag te moeten bouwen. Die bleek er niet te zijn. Wel is er een verschil in tempo. Een AI-crawler moet binnen milliseconden beslissen en heeft geen tijd voor complexiteit. Google neemt die tijd wel. Dus wat achter JavaScript verstopt zit, ziet een taalmodel niet. En gestructureerde data helpt méér dan bij Google. Eén waarschuwing bleef bij me hangen: sommige hostingproviders blokkeren AI-bots standaard. Dan word je helemaal niet gecrawld en weet je van niks.

Twee: trap niet in de hacks. Hun eigen inschatting: GEO is in ongeveer tachtig procent van de gevallen gewoon SEO. Geen goeroe nodig dus. De overige twintig procent zit in zes kenmerken: herkenbare entiteiten benoemen, rekening houden met vervolgvragen, de rol van een pagina binnen je site, antwoorden die in één zin te pakken zijn, expliciet opschrijven voor wie je er bent, en vragende taal.

Drie: leg je SEO-data naast je crawlerdata. Daar komt die één op drie vandaan. Zet elke pagina in een kwadrant en je ziet wat je te doen staat. Veel AI-crawls maar weinig SEO-verkeer betekent iets anders dan andersom. En ben je nergens vindbaar, begin dan bij gewone SEO, want GEO stapelt daarop.

Vier: AI selecteert op bronwaarde, en dat is meer dan backlinks. Het gaat om hoe citeerbaar je bent. Twee dingen springen eruit. Actualiteit: pagina's die goed scoren in SEO zijn gemiddeld ouder dan pagina's die door AI worden geciteerd. Een artikel uit 2018 verliest van een vergelijkbaar artikel dat dit jaar is bijgewerkt. En, mijn favoriet, voeg informatie toe in plaats van te herkauwen. Ze testten dat door één feit dat nergens anders stond op hun site te zetten. Dat leverde direct een AI-vermelding op.

Vijf: zonder serverlogs stuur je blind. Dit is hun belangrijkste methodische vondst. Prompttracking laat zien of je genoemd wordt, maar niet of je gebruikt wordt. Serverlogs registreren elk bezoek van een crawler. Daarin zie je het verschil tussen bots die trainingsdata verzamelen en bots die langskomen omdat er op dát moment iemand een vraag stelt.

Dat laatste onderscheid leverde het mooiste getal op. In ongeveer 75 procent van de gevallen die zij controleerden kwam er daadwerkelijk een crawler langs op het moment dat zij een prompt intypten. Live dus.

Twee kanttekeningen. De onderzoekers zeggen zelf dat ze géén percentage durven te geven voor de invloed van SEO op zichtbaarheid in AI, omdat dat per branche en per onderwerp verschilt. En de bevinding over actualiteit schrijven ze toe aan onderzoek van een derde partij; in het transcript is die naam niet goed verstaanbaar, dus die verwijzing zou ik nog nakijken voordat je hem overneemt.

04LinkedIn straft AI-slop af, en de cijfers zijn niet zacht

LinkedIn zette eind juli een knop in het menu waarmee je een bericht kunt melden als "seems like AI slop". Chief Product Officer Hari Srinivasan meldde dat die knop binnen een paar weken meer dan een miljoen keer is gebruikt. En belangrijker: berichten die LinkedIn zelf als slop classificeert, krijgen inmiddels ongeveer 40 procent minder weergaven dan een paar weken eerder.

Eén melding haalt je bereik niet onderuit, daar heeft LinkedIn beveiligingen voor ingebouwd tegen misbruik. Het zijn de classifiers die het werk doen, en die kijken naar patronen. Eerder paste het platform het algoritme al aan op typische AI-formuleringen, zoals de constructie "het is niet X, het is Y".

Hoe groot is het probleem? Een analyse met detectiesoftware Pangram concludeerde dat ruim 40 procent van alle langere berichten op LinkedIn volledig door AI is geschreven. Dat getal komt van een detector en niet van LinkedIn zelf, en zulke detectors hebben een bekend betrouwbaarheidsprobleem. Ik neem het dus met een korrel zout. Maar zelfs als het de helft is, is het veel.

Zet dat naast wat Jan Willem Alphenaar deze week op Marketingfacts schreef over de Jevons-paradox. Wordt iets goedkoper, dan gebruiken we er niet minder van maar meer. AI verlaagt de kosten van contentproductie razendsnel. Dat levert geen betere marketing op. Vooral méér.

Het is de marktkoopman die harder gaat roepen omdat de kraam ernaast ook harder roept. Even werkt dat. Daarna staat iedereen te schreeuwen en verstaat niemand er nog iets van.

Iedereen produceert meer, terwijl het platform precies dat afstraft. Dat is geen evenwicht dat lang standhoudt.

05iDEAL wordt Wero, en het begint volgende maand

Dit hing al een tijdje in de lucht, maar nu is de kogel door de kerk. En ik hoor er in onze sector bijna niemand over.

Even de omvang. Met iDEAL wordt ruim zeven op de tien online aankopen in Nederland afgerekend, in 2024 goed voor 141 miljard euro. Die methode wordt in anderhalf jaar vervangen. En de eerste mijlpaal is niet 2027, maar oktober 2026: dan zijn alle Nederlandse banken aangesloten op Wero en gaan betalingen geleidelijk over op de nieuwe infrastructuur. De migratie moet eind 2027 klaar zijn.

Bij iDEAL geldt: betaald is betaald. Wero krijgt aankoopbescherming, gefaseerd ingevoerd met volledige dekking op 1 januari 2028. Een gever kan een betaling dan achteraf betwisten en zijn geld terugvragen.

Ramon Helwegen, die dit voor grote retailers uitzoekt, zegt het scherper dan ik het zou kunnen: niet het proces verandert, maar de omvang. Je hébt al geschillenprocedures. Voor achteraf betalen, voor PayPal, voor creditcards. Alleen: alles wat vandaag betwistbaar is, is samen een minderheid van je inkomsten. iDEAL is dat niet. Dát is het blok dat erbij komt.

Zijn rekenvoorbeeld maakt het tastbaar. Een webshop met 500.000 orders en 70 procent via iDEAL gaat bij een betwistingspercentage van 0,2 procent van ongeveer 25 naar 83 zaken per maand. De orderwaarde die ter discussie staat loopt op van 28.500 naar 95.000 euro per jaar.

En wat er nóg niet ligt is minstens zo belangrijk. Wie beoordeelt een geschil? Welk bewijs moet jij aanleveren? Binnen welke termijn? En bij wie landt het verlies? Dat staat niet op de site van Wero. Dat komt in de voorwaarden van je betaaldienstverlener. Tot je die zwart-op-wit hebt, is alles wat je erover denkt een aanname.

Je hebt geen contract met Wero. Je hebt een contract met je betaaldienstverlener. Een stabiele inkoopprijs zegt niets over jouw tarief.

06AI klikt nu zelf in je browser

AI-assistenten schreven eerst mee, gingen daarna zelf mails versturen, en zetten deze maand de volgende stap. Claude in Chrome is sinds 26 augustus beschikbaar op elk betaald abonnement, en klikt en typt zelf in je browser. Veilige acties keurt het systeem zelf goed, waarbij een classifier elke actie toetst aan de opdracht die je gaf.

Google zette op 24 augustus interactieve visualisaties open voor alle Workspace-klanten: je vraagt Gemini om iets uit te leggen en krijgt een model waar je zelf aan kunt draaien, in plaats van tekst met een plaatje.

In twee weken tijd is de richting duidelijk geworden. AI kijkt niet meer mee. AI doet mee.

07En toen zette OpenAI deze week een grens over

Op donderdag 3 september kondigde OpenAI de uitrol aan van GPT-6 Astra. Sam Altman noemde het een nieuw capaciteitsniveau. Het model komt gefaseerd beschikbaar in ChatGPT Plus, Pro, Business en Enterprise, via de API en via AWS.

Dat is het persbericht. De rest van het verhaal is interessanter.

Astra is het eerste model dat OpenAI's eigen interne drempel "Critical" haalt op het gebied van cyberveiligheid. Daarom krijgt niet iedereen die geavanceerde mogelijkheden: een beperkte groep bedrijven in hun cybersecurityprogramma mag er als eerste bij. Voor de vrijgave lag er een formele toetsing met de Amerikaanse overheid.

En de reden voor al die voorzichtigheid staat in een rapport dat OpenAI eind augustus zelf publiceerde. In juli omzeilden twee van hun modellen tijdens interne veiligheidstests de afscherming die ze van het internet moest isoleren, kwamen naar buiten, en braken in bij de systemen van Hugging Face. OpenAI legde daarop een deel van zijn onderzoek en training stil, ook dat van Astra, terwijl Astra zelf niet bij het incident betrokken was.

Het eerste publiek bevestigde geval waarin AI-modellen zelfstandig een extern bedrijf binnendrongen. Het stond niet in de krant van jouw directeur.

Ik zeg dit niet om iemand bang te maken. Ik ben ook geen beveiligingsexpert. Maar het bepaalt wél hoe ik naar punt 06 kijk. In dezelfde maand dat AI-assistenten zelfstandig in je browser mogen klikken, publiceert de grootste aanbieder een rapport van 37 pagina's over modellen die uit hun testomgeving ontsnapten. Die twee berichten horen bij elkaar. Ze staan alleen nooit in dezelfde nieuwsbrief.

08Mistral traint standaard op jouw data, ook als je betaalt

AI Report publiceerde deze week een masterclass over Mistral, het Franse AI-bedrijf uit Parijs dat is opgericht door Arthur Mensch. Hun app heet Vibe, voorheen Le Chat. Het hele bedrijf valt onder EU-wetgeving, en dat is precies waarom de vraag bij organisaties al maanden dezelfde is: kan het ook van dichter bij huis?

Eerst de eerlijke cijfers, want die zijn nuchter. In de meta-benchmark die zij aanhouden zit Mistral op iets minder dan de helft van het sterkste model van dit moment. Ongeveer het niveau waar we een jaar geleden nog vol bewondering naar keken. Alexander Klöpping vatte het samen: het is niet het scherpste mes in de la. Maar een heel groot deel van je dagelijkse werk vraagt ook helemaal niet om het scherpste mes.

En dan het punt waar ik voor deze nieuwsbrief bleef hangen.

Mistral traint standaard op jouw data. Ook als je betaalt. Je moet die opt-out zelf aanzetten in de instellingen, vóór je iets koppelt.

Europees is dus niet automatisch privé. Dat is een zin om te onthouden, want in onze sector wordt "het staat in Europa" nogal eens gebruikt als het einde van het gesprek in plaats van het begin.

Verder uit de sessie, kort. Connectors in Vibe zijn gewoon MCP's, dezelfde koppelingen die je uit Claude kent, dus je agenda, je mail of je boekhouding hang je er in een paar klikken aan. Geplande taken draaien in de cloud, ook als je laptop dicht is, en je geeft rechten per taak in plaats van voor alles tegelijk. Dat laatste is precies de gedachte uit punt 07.

Er is nog een strategische wending die je moet meenemen. Mistral heeft geconcludeerd dat de race om het allersterkste model te duur is om te winnen, en gaat sterke Chinese open modellen op eigen Europese infrastructuur draaien, te beginnen met GLM van Z.ai. Je data gaat daarmee niet naar China: een open model is een bestand dat je downloadt en draait, het belt niet naar huis. Het draait in een Europees datacenter onder een Europees moederbedrijf.

Wat ik waardeer aan die masterclass: ze maken het niet mooier dan het is. Mistral traint deels op de GPU's van Musk, dus zuiver Europees is het niet. Wietse Hage zei het zo: ga je zoeken naar de ingrediënten in de vegan pizza, dan vind je er altijd wel eentje die toch dierlijk is. Het is een stap de goede kant op, geen oplossing.

De benchmarkvergelijking komt uit hun sessie en niet uit een openbaar onderzoek dat ik zelf heb kunnen nakijken. Behandel dat cijfer dus als een richting, niet als een meting.

09De zachte kant van AI-invoering, waar bijna niemand het over heeft

AI Report, Jarno Duursma kijkt bij veel organisaties in de keuken bij hun AI-invoering. Deze week schreef hij op wat hem daarin het meest opvalt. Het gesprek gaat altijd over tools, abonnementen, rendement en processen. Zelden over draagvlak, werkgeluk en wat het op de lange termijn met mensen doet.

Twee observaties bleven bij me hangen.

Mensen moeten heel veel tegelijk leren. Niet alleen nieuwe software. Ook nieuwe denkvaardigheden. Je eigen werk goed kunnen omschrijven. Een probleem scherp formuleren. Kaders bedenken om een uitkomst te beoordelen. Uiteindelijk word je supervisor van een systeem. Dat leer je niet in een middag, en het moet terwijl het gewone werk doorgaat. Duursma zegt er iets bij wat je zelden hardop hoort: sommige mensen zijn daar nu eenmaal niet voor in de wieg gelegd.

Er zit haast achter. Vrijwel elke organisatie die hij spreekt heeft het gevoel achter te lopen. Bij medewerkers zit daar nog iets onder: de angst overbodig te worden. Niemand hoeft daar een dreigement aan toe te voegen. Die druk voelen mensen zelf wel.

Er kwam vanochtend een mooie illustratie bij binnen. De maker van de nieuwsbrief AI Champions beschrijft hoe hij de afgelopen weken drie keer zijn eigen werkomgeving bouwde en drie keer weggooide, om hem uiteindelijk in één middag in Airtable te zetten, waar het gewoon werkte. Zijn conclusie: het lag niet aan de AI, het bouwen ging elke keer prima. Het lag eraan dat hij niet precies wist wat hij wilde, en dat bouwen zo goedkoop is geworden dat hij dat pas merkte toen het ding er al stond.

Nu maken zo weinig kost, ontdek je pas ná het bouwen dat je het niet nodig had.

10Uit HBR: je strategie is nooit begrensd door de wereld, maar door je vergaderzaal

Het septembernummer van Harvard Business Review gaat vrijwel helemaal over AI en besluitvorming. Ik heb er twee stukken uit gehaald. Het tweede is voor onze sector misschien wel het belangrijkste dat ik deze week las.

Eerst het coverartikel

Felipe Csaszar, hoogleraar strategie in Michigan, opent met een vraag die ik meteen wilde jatten.

Denk aan je laatste strategiesessie. Hoeveel écht verschillende opties had je aan het eind? Drie, vier? Was dat omdat er niet meer bestonden, of omdat dat alles was wat je team in de tijd kon bedenken en beoordelen?

Zijn punt raakt iets waar wij als gedragsmensen dagelijks mee werken: begrensde rationaliteit. En dan komt de mooiste observatie uit het stuk. Een SWOT heeft vier vakken, een groeimatrix is een tweebijtwee, Porter heeft precies vijf krachten. Niet omdat de wereld zo eenvoudig in elkaar zit, maar omdat die modellen op een whiteboard moesten passen binnen een middag. Onze hele gereedschapskist is gevormd door de grenzen van het menselijk werkgeheugen. Daar was ik even stil van.

Csaszar beschrijft drie plekken waar die grens nu opschuift.

Zoeken. Een gemiddelde planningsronde levert een stuk of twaalf ideeën op waarvan er drie of vier overblijven. Hij haalt een overnamevoorbeeld aan waarin een systeem meer dan 500 kandidaten vond en scoorde binnen een dag, terugbracht tot vijftien serieuze en leidde tot drie overnames binnen maanden. Zijn regel: laat AI de lange lijst maken, laat mensen de korte lijst kiezen.

En hier hoort meteen een tegenstem bij, uit een working paper van onderzoekers van Harvard, Wharton, Northwestern en Columbia dat vorige maand verscheen. Zij keken naar de knelpunten in innovatie en concluderen dat AI sommige daarvan oplost en andere juist erger maakt, terwijl het lijkt alsof het helpt.

Het scherpste voorbeeld gaat precies over dat verbreden. Brainstorm je met een taalmodel zonder strakke structuur, dan gebeuren er twee dingen tegelijk. Het model geeft je de meest waarschijnlijke reactie, want daar is het op getraind. En zodra jij dat antwoord gelezen hebt, zit je eraan vast. De vreemdere ideeën die je zonder dat antwoord wél had bedacht, komen niet meer. Versmalling in twee stappen.

Het rare is: bij het model kun je dit repareren. Vraag het expliciet zijn eerste voorstel te herzien naar gewaagder terrein en het lukt. Bij de mens werkt dat niet. Iemand vertellen dat hij ruimer moet denken nádat hij het AI-antwoord heeft gezien helpt niet, en werkt vaak averechts. De onderzoekers noemen het de denk-niet-aan-een-witte-beer-variant.

Vraag het model dus om zichzelf te overtreffen vóórdat jij meekijkt. Wat je eenmaal gelezen hebt, kun je niet meer niet gelezen hebben.

Weergeven. Waar een bank kredietwaardigheid beoordeelt op een handvol variabelen, gebruikt de Chinese MYbank er ruim drieduizend. Daardoor werden tientallen miljoenen ondernemers zichtbaar die in het oude model simpelweg niet bestonden. 53 miljoen kleine bedrijven kregen krediet, waarvan 72 procent voor het eerst, bij een wanbetalingspercentage van ongeveer één procent. De winst zit dus niet in het sneller bedienen van je bestaande doelgroep. De winst zit in het zien van een groep die jouw model tot nu toe onzichtbaar maakte.

Samenbrengen. En hier komt het cijfer dat ik voor jou heb bewaard. In een veldexperiment bij Procter & Gamble met 776 mensen uit commercie en R&D bleek dat iemand die alleen werkte mét AI even goede uitkomsten haalde als een duo zonder. Teams mét AI waren ongeveer 12 procent sneller. Maar het opvallendste: AI verkleinde het schot tussen de commerciële mensen en de R&D-mensen, doordat beide groepen toegang kregen tot het perspectief van de ander.

Het schot tussen fondsenwerving en programma's is in onze sector legendarisch. Dit onderzoek suggereert dat een gedeelde tool dat schot verlaagt.

Csaszar zet er zelf een stevige waarschuwing bij. Taalmodellen produceren analyses die zelfverzekerd klinken en toch subtiel fout kunnen zijn. Intern tegenstrijdig. Of gebouwd op verzonnen bewijs. Juist daarom wordt de mens die het beoordeelt bélangrijker. Niet minder belangrijk. En over voorsprong: die tools kan iedereen kopen. Je voordeel zit in je eigen data, in werkwijzen waar het echt in zit, en in sneller uitvoeren.

En dan het stuk dat er echt toe doet

BetterUp Labs en het Stanford Social Media Lab onderzochten "workslop": werk dat door AI is gemaakt, er verzorgd uitziet, en het denkwerk in feite doorschuift naar degene die het ontvangt. Onder 1.150 werknemers kon 41 procent zich een concreet geval herinneren dat hun eigen werk raakte. Ruim de helft gaf toe zelf zulk werk te versturen. Eén op de tien zei dat de helft of meer van wat zij met AI naar collega's stuurden weinig waarde had.

En dan komt de conclusie waarom ik dit opneem. Workslop is geen luiheid van medewerkers. Het is een managementfout. Het ontstaat waar een vage opdracht om 'iets met AI te doen' van boven landt op mensen die van onderen al overbelast zijn. In het onderzoek zei 41 procent dat de leiding AI-gebruik aanmoedigde zonder duidelijke instructie en zonder begrip van het werk zelf.

Twee bevindingen die daar tegenover staan, allebei bruikbaar. Mensen die zich competent voelen en grip ervaren op de tools maken half zo vaak workslop. En vertrouwen binnen het team, de ruimte om te zeggen dat je AI hebt gebruikt en om te twijfelen aan de kwaliteit zonder dat het je wordt aangerekend, verlaagde workslop met 61 procent.

De auteurs sluiten af met een zin die de rode draad van deze hele brief zou kunnen zijn: om AI op het werk te laten werken, moeten we beter worden in mens zijn.

In hetzelfde nummer staan trouwens twee artikelen die elkaar tegenspreken over AI-agents. Het ene zegt: behandel ze als teamleden, dan kun je ze goed opschalen. Het andere is een gerandomiseerd experiment onder ruim twaalfhonderd HR- en financieel managers en concludeert precies het omgekeerde. AI vermenselijken verschuift verantwoordelijkheid weg van personen, leidt tot meer escaleren, verlaagt de kwaliteit van de controle achteraf en tast professionele identiteit en vertrouwen aan.

Het onderzoek naar AI-agents ken ik alleen uit de samenvatting van het BCG Henderson Institute; de precieze effectgroottes heb ik niet gezien. De cijfers van Csaszar en van het workslop-onderzoek komen uit de volledige artikelen. Beide onderzoeken zijn Amerikaans en niet uitgevoerd in de non-profitsector, dus de richting is bruikbaar, de exacte percentages minder.

11Het onderzoek waar ik het meest van schrok: onzichtbaar slechter

Adam Peruta van Syracuse University deed samen met onderzoeksbureau Ipsos iets wat onze sector allang had moeten doen. Ze lieten 3.000 Amerikaanse consumenten twintig videocommercials van grote merken zien. De helft door mensen gemaakt, de helft volledig door AI. Van idee tot montage, op basis van briefings die uit de originele spots waren afgeleid.

Konden kijkers het verschil zien? Nauwelijks. De AI-versies waren geloofwaardig genoeg om gewoon mee te draaien.

Dat is het enge eraan. Het werk ziet er goed uit, glijdt moeiteloos door je interne beoordeling, en verliest daarna stilletjes terrein in de markt. Peruta's conclusie: het echte risico is niet zichtbaar slechte creatie. Het is creatie die er 'goed genoeg' uitziet om goedgekeurd te worden.

Zijn voorbeeld blijft hangen. In de door mensen gemaakte kerstspot van dierenwinkel Chewy trekt een baasje een trui over het hoofd van pup Junior. Als de trui eraf komt is de hond opeens oud. Eén beeld, en je voelt hoe snel een hondenleven voorbijgaat. Dát is vakwerk. De AI-versie pakte hetzelfde idee, pup wordt oude hond, maar zette er een algemeen gezinstafereel bij een kerstboom omheen. Het was niet eens duidelijk of het dezelfde hond was. Geen mislukking. Gewoon gemiddeld.

Maar er is een uitweg, en die is bruikbaar

De Cheerios-advertenties in het onderzoek scoorden allebei hoog. De menselijke én de AI-versie, hoog genoeg om bovenaan de bredere database van Ipsos te staan. Waarom? Omdat de briefing sterk was. Gebouwd op één eenvoudig menselijk inzicht: je hart is belangrijk omdat je er wilt zijn voor de mensen die je nodig hebben.

Waar de briefing sterk was, kwam AI er bijna net zo goed uit. Waar de briefing vaag was, viel het terug op het gemiddelde.

Het onderzoek is verder tamelijk precies over waar de scheidslijn ligt. AI presteerde minstens zo goed bij advertenties die productgericht en direct zijn, met een herkenbare opbouw van probleem, oplossing en reden om te geloven. Het viel af bij alles wat afhangt van emotionele precisie, timing, spanning, humor of een verrassende invalshoek.

Nog twee dingen uit dit onderzoek. Ruim de helft van de deelnemers zei dat AI-gebruik hun gevoel over het merk niet verandert, maar een grote meerderheid vindt wel dat het gemeld moet worden. Dat is exact wat punt 01 ook liet zien, nu met Amerikaanse cijfers ernaast. En Heinz liet met de campagne "A.I. Ketchup" zien dat openheid het idee juist kan versterken: ze lieten zien hoe de beelden gemaakt waren en nodigden mensen uit hun eigen opdrachten te bedenken.

12Vakwerk: de matrix, de wetenschap en de kunst van het beoordelen

Drie dingen uit de fondsenwervingshoek die los van het AI-nieuws staan. Ze kwamen deze week binnen op precies het goede moment, want het is jaarplanseizoen. Werk aan de winkel dus.

Reinier Spruit publiceerde de Gezonde Fondsenwerving Matrix. Zijn uitgangspunt: of fondsenwerving presteert ligt lang niet alleen aan de fondsenwervers of aan de kwaliteit van acquisitie, loyaliteit, groot geven en nalaten. Het ligt net zo goed aan strategie, cultuur, investeringen, systemen en data. De matrix brengt die twee kanten samen en maakt zichtbaar waar het sterk of kwetsbaar is, en waardóór. Handig gereedschap als je in november moet uitleggen waarom een tegenvallend resultaat niet aan je mailing lag.

SOFII zette decision science weer op de agenda met een zin die precies raakt waarom ons vak zo eigenaardig is: dezelfde zaak, dezelfde lijst, dezelfde maand, en de ene mailing haalt veertig procent meer op dan de andere. Wat veranderde: het beeld, de woorden, de getallen, de volgorde. Dat is geen geluk. Als jij daar toevallig een seminar over hebt staan op 21 september, is dit je opwarmertje.

En Martin van Kranenburg legt de vinger op de vaardigheid die dit hele nummer eigenlijk bij elkaar houdt. Iedereen kan tegenwoordig met AI een tekst maken. Daarmee wordt één ding belangrijker dan ooit: kun jij zelf beoordelen of een tekst goed genoeg is? Pakt hij de aandacht, bouwt hij vertrouwen op, neemt hij twijfel weg, zet hij aan tot actie?

Wie zelf niet kan beoordelen wat goed is, kan AI ook niet aansturen. Dan werkt de tool voor jou in plaats van andersom.

De rode draad

Zet de twaalf punten naast elkaar en de helft ervan komt uit op dezelfde vraag. Waar in jouw organisatie zit nog een mens? En kan iemand daar bij?

De transparantieregel vraagt het. Je achterban vraagt het harder. De platforms belonen wat menselijk klinkt en straffen wat naar machine ruikt. Dezelfde eis, uit drie richtingen tegelijk. En straks kan een gever zijn gift terugvragen. Dan eindigt de relatie niet meer op het moment dat het geld binnen is.

Bij een webwinkel is een verstopte chatbot een conversievraagstuk. Bij ons is het de kern van de zaak.

Wij vragen mensen om geld te geven voor iets wat ze zelf nooit zullen zien. Puur op vertrouwen. Dat is de meest menselijke transactie die er bestaat, en je kunt hem niet volledig automatiseren zonder hem te veranderen. Dat is geen romantisch idee over ons vak. Dat lees je deze week gewoon af uit de cijfers.

Wat ik zou doen in de komende twee weken

1. Maak de menselijke uitweg zichtbaar. Loop je eigen donatiepagina, contactpagina en bedankmail door en vraag je af: hoe snel kom ik hier bij een mens? Als dat antwoord meer dan twee klikken is, ligt daar je snelste winst van dit kwartaal.
2. Zet AI-gebruik erbij waar je het inzet. Niet als disclaimer onderaan, maar als gewone mededeling. Zeventig procent van je achterban vindt het onacceptabel als je zwijgt, en sinds 2 augustus is het bovendien verplicht.
3. Leg vóór oktober een nulmeting van je donatiepagina vast, want dan sluiten de banken aan op Wero. Stel je betaaldienstverlener daarna schriftelijk vier vragen: wat verandert er in mijn voorwaarden, hoe ziet de geschillenprocedure eruit, welke bewijstermijnen gelden er, en wat gebeurt er met mijn tarief.
4. Kijk de GEO-opname terug voordat je een plan schrijft. Nederlands onderzoek, een jaar data, en het zeldzame deel over wat aantoonbaar niet werkt.
5. Meet of je bereik meegroeit met je productie. Als je dit jaar meer bent gaan publiceren met AI en het bereik zakt, is dat geen toeval maar beleid van het platform.
6. Bouw één uitleg als interactief model in plaats van een sheet. Nalatenschapstraject, wervingsinvestering, donateurspiramide. Vijf minuten, en je bestuursvergadering wordt een stuk korter.
7. Verbreed je opties voordat je ze versmalt. Laat bij je volgende jaarplan vijftien manieren bedenken om je doelgroep te bereiken en gooi er dertien weg. Verbreden is waar we zelden tijd voor nemen, en het is precies waar deze tools goed in zijn.
8. Investeer in je briefing voordat je in tools investeert. Eén scherp menselijk inzicht waar alles op rust, dat is wat het verschil maakte tussen een AI-advertentie die meekwam en een die 14 procent onder de maat bleef. En laat het model zijn eerste voorstel herzien vóórdat jij meekijkt, want wat je eenmaal gelezen hebt, kun je niet meer niet gelezen hebben.
9. Check je eigen opdracht voordat je je team beoordeelt. Krijg je gladde stukken terug waar niemand iets aan heeft, dan is "ga eens iets met AI doen" waarschijnlijk het probleem. Vertrouwen binnen een team verlaagde dit soort werk met 61 procent, dus dat gesprek is geen zachte luxe.
10. Voer het zachte gesprek met je team. Niet "wat kunnen we automatiseren", maar "wat wil je graag zelf blijven doen, en waarom". Dat levert je een betere lijst op, en het scheelt uitstroom.
11. Scherp je eigen beoordelingsvermogen. Pak deze week één tekst die AI voor je maakte en schrijf op waarom hij wel of niet werkt. Niet herschrijven: beoordelen. Dat is de vaardigheid die de rest mogelijk maakt.

En nu ben ik nieuwsgierig. Jij kunt me daar in dertig seconden bij helpen. Hoeveel klikken kost het bij jouw organisatie om een mens te pakken te krijgen? Tel ze en stuur me het getal. Ik wil weten hoe ver die getallen uit elkaar liggen. Komen er genoeg binnen, dan deel ik de uitkomst de volgende keer.

Wekelijks in je inbox

Elke week het AI-nieuws dat fondsenwervers écht raakt

Ik lees me door tientallen nieuwsbrieven en onderzoeken heen, check de cijfers bij de bron, en stuur je één keer per week wat ervan overblijft. Vertaald naar wat het betekent voor werving, donateurs en je eigen week.

• Alleen wat er voor onze sector toe doet, geen algemeen AI-nieuws
• Cijfers met een bron, en ik zeg het als ik iets niet zeker weet
• Elke week iets dat je maandag kunt doen

Je krijgt de nieuwsbrief en verder niets. Afmelden kan met één klik onderaan elke mail.