Het antwoord: AI-tools maken content steeds meer op elkaar. De oplossing is niet stoppen met AI, maar je eigen merkstem actief trainen en bewaken in de prompts die je gebruikt.

Wat er aan de hand is

AI-modellen zoals ChatGPT en Gemini worden getraind op dezelfde openbare datasets: miljarden webpagina’s, boeken en artikelen. Omdat iedereen dezelfde basismodellen gebruikt, en omdat de standaardinstructies (‘schrijf een professionele tekst’) op elkaar lijken, produceren deze tools steeds vaker teksten die nauwelijks van elkaar te onderscheiden zijn. Search Engine Journal noemt dit het ‘AI Convergence Problem’: gedeelde trainingsdata plus gedeelde doelen leidt tot uniforme output. Voor een ondernemer betekent dit dat je blogposts, productbeschrijvingen en social media-updates het risico lopen te klinken als die van je concurrent.

Wat dit betekent

Voor een MKB-ondernemer is dit een serieus probleem. Grote merken hebben budget voor maatwerk-AI en eigen datasets. Kleine bedrijven vertrouwen vaak op de gratis of betaalde versies van algemene tools. Het gevolg is dat juist de bedrijven die zich met een eigen stem willen onderscheiden, het meest worden ‘gemiddeld’ door de AI. Een webshop die handelt in vintage meubelen krijgt dezelfde formele, vlakke toon als een groothandel in kantoorartikelen als de prompts niet specifiek genoeg zijn. De merkstem – de persoonlijkheid, humor, of vaktaal die jouw klanten herkennen – verdwijnt.

Hoe je dit kunt toepassen

Als je een webshop runt en productbeschrijvingen laat schrijven door AI. Je zou kunnen beginnen met het maken van een ‘merkstem-document’. Schrijf drie tot vijf zinnen die precies beschrijven hoe jouw merk klinkt: formeel of informeel, grappig of serieus, technisch of beeldend. Voeg deze beschrijving als vaste instructie toe aan elke prompt. Een voorbeeld: ‘Schrijf alsof je een ervaren meubelmaker bent die met passie uitlegt, maar zonder vakjargon.’ Dit voorkomt dat de AI terugvalt op de standaard neutrale toon.

Als je een team aanstuurt dat vaker AI gebruikt voor klantcommunicatie. Overweeg om een set van merk-specifieke prompts te maken die iedereen in het team gebruikt. Bijvoorbeeld een prompt voor e-mails, een voor social media en een voor offertes. Door deze prompts te standaardiseren, zorg je dat de AI consequent dezelfde stem gebruikt. Je kunt ook een ‘promptbibliotheek’ aanleggen in een gedeeld document, zodat nieuwe medewerkers direct de juiste toon vinden.

Als je in de zorg of een andere gespecialiseerde sector werkt. De algemene AI kent de vaktaal van jouw sector, maar niet de nuances van jouw organisatie. Een mogelijkheid is om een klein eigen model te trainen op basis van jullie bestaande teksten: nieuwsbrieven, protocollen, of blogs. Dit is toegankelijker dan het klinkt. Tools zoals OpenAI’s fine-tuning of open-source alternatieven zoals Llama maken het mogelijk om met een paar honderd voorbeeldteksten een model te personaliseren. Het resultaat is een AI die jouw specifieke terminologie en stijl begrijpt.

Als je regelmatig social media content plant. Een optie is om een aparte prompt te maken voor elk kanaal, met daarin de kenmerken van jouw merkstem. Voor LinkedIn: ‘Professioneel maar toegankelijk, met een vleugje humor.’ Voor Instagram: ‘Kort, beeldend en persoonlijk, alsof je een vriend tipt.’ Door deze prompts te combineren met een contentkalender, voorkom je dat je berichten allemaal hetzelfde gaan klinken.

De praktische toepassing hangt af van jouw situatie, maar de kern is simpel: hoe specifieker jij je merkstem vastlegt in prompts, hoe minder de AI terugvalt op de gemiddelde toon van het internet.

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