Het antwoord is simpel maar confronterend: AI-modellen trainen op dezelfde openbare data en optimaliseren voor dezelfde doelen, waardoor merken steeds meer op elkaar gaan lijken. Dit is het AI-convergentieprobleem: jouw unieke stem wordt weggemiddeld in een zee van generieke content.

Wat er aan de hand is

Het AI-convergentieprobleem, zoals beschreven door Search Engine Journal, ontstaat doordat AI-tools zoals ChatGPT en Gemini getraind zijn op grotendeels dezelfde openbare datasets. Denk aan Wikipedia, Reddit, nieuwsartikelen en veelgebruikte boeken. Daarnaast optimaliseren deze modellen voor vergelijkbare doelen: leesbaarheid, vindbaarheid en conversie. Het gevolg is dat de output van verschillende AI-tools steeds meer op elkaar gaat lijken. Wat voor een gebruiker handig is – consistente, voorspelbare antwoorden – wordt voor een merk een probleem. Als jij AI gebruikt om blogposts, social media-berichten of productbeschrijvingen te schrijven, loop je het risico dat jouw content niet meer te onderscheiden is van die van je concurrent. Het is alsof iedereen in dezelfde kleur verf gaat schilderen.

Wat dit betekent

Voor ondernemers en marketeers betekent dit dat de concurrentie op inhoud verschuift naar concurrentie op stem. Vroeger was het doel om de beste informatie te geven. Nu AI dat voor iedereen kan, wordt de manier waarop je die informatie brengt het onderscheidende element. Als jouw merk geen eigen stem heeft, word je anoniem in de zoekresultaten en op sociale media. Dit raakt niet alleen tekst, maar ook visuele content, klantenservice-berichten en e-mailcampagnes. Vooral kleinere merken die sterk leunen op AI voor contentproductie lopen risico: zij hebben vaak minder budget voor redactie en strategie, waardoor hun content sneller in de generieke middenmoot belandt.

Hoe je dit kunt toepassen

Als je een webshop runt en productbeschrijvingen door AI laat schrijven, overweeg dan om een vast stijlprofiel te maken voordat je de AI vraagt iets te genereren. Geef de AI instructies over woordkeus, zinslengte en toon. Bijvoorbeeld: ‘gebruik korte zinnen, spreek de lezer aan met ‘jij’, en voeg altijd een zintuiglijke beschrijving toe zoals ‘de stof voelt zacht aan’. Zo voorkom je dat je beschrijvingen klinken als die van Bol.com of Amazon.

Als je een team aanstuurt dat AI inzet voor social media, kun je een ‘stem-check’ inbouwen in je workflow. Laat iemand van het team elke AI-gegenereerde post controleren op herkenbaarheid. Vraag: ‘Zou dit ook door een concurrent geschreven kunnen zijn?’ Als het antwoord ja is, pas je de tekst aan met een persoonlijke anekdote, een specifiek voorbeeld uit jullie praktijk of een onverwachte woordkeus. Dit kost tijd, maar het is de enige manier om niet in de generieke stroom te verdwijnen.

Als je in de marketing van een dienstverlener werkt, kun je AI gebruiken om ruwe content te maken, maar voeg je daarna handmatig ‘merk-DNA’ toe. Denk aan een vaste openingszin, een terugkerende metafoor of een specifiek jargon dat jullie gebruiken. Een optie is om een ‘content-DNA-document’ te maken met vijf vaste kenmerken van jullie merkstem, zoals ‘altijd een vraag stellen aan de lezer’ of ’nooit superlatieven gebruiken’. Deel dit document met iedereen die AI inzet voor content.

Als je een nieuwsbrief of blog beheert, kun je experimenteren met het trainen van een eigen AI-model op jullie eerdere content. Sommige tools bieden de mogelijkheid om een ‘custom GPT’ of een fine-tuned model te maken op basis van jullie eigen teksten. Dit zorgt ervoor dat de output dichter bij jullie eigen stem blijft. Het is geen garantie, maar het verkleint de kans op convergentie.

Als je een klein team hebt zonder redacteur, overweeg dan om AI alleen te gebruiken voor de eerste versie van een tekst en die daarna hardop voor te lezen. Wat er vreemd of generiek klinkt, hoor je vaak beter dan je het leest. Pas de tekst aan tot hij klinkt zoals jij zou praten met een klant. Dit kost maar een paar minuten per stuk, maar het verschil is groot.

Bron: Search Engine Journal (https://www.searchenginejournal.com/the-ai-convergence-problem/576068/)