AI-modellen die getraind zijn op dezelfde openbare data en dezelfde optimalisatiedoelen gebruiken, produceren steeds meer dezelfde soort content. Dit fenomeen, dat in de vakwereld bekend staat als het AI-convergentieprobleem, zorgt ervoor dat merken onbedoeld elkaars stem en stijl overnemen. Het gevolg is dat jouw merk, als je niet oppast, een kopie wordt van de concurrentie.

Wat er aan de hand is

Het AI-convergentieprobleem ontstaat doordat de meeste AI-tools, zoals ChatGPT, Gemini en Claude, getraind zijn op grotendeels dezelfde dataset: het openbare internet. Daarnaast optimaliseren deze modellen voor dezelfde doelen, zoals leesbaarheid, zoekmachineoptimalisatie en conversie. Volgens een analyse van Search Engine Journal leidt deze combinatie van gedeelde trainingsdata en gedeelde prikkels ertoe dat AI-gegenereerde teksten, slogans en klantberichten steeds meer op elkaar gaan lijken. Het probleem is niet dat AI foute content maakt, maar dat het gemiddelde content maakt. En als iedereen dat gemiddelde gebruikt, verdwijnt het onderscheidend vermogen van merken.

Wat dit betekent

Voor ondernemers en marketeers betekent dit dat de concurrentie niet alleen toeneemt, maar ook homogeniseert. Klanten krijgen steeds vaker hetzelfde soort e-mails, dezelfde landingspagina’s en dezelfde social media-berichten te zien, ongeacht welk merk ze bezoeken. Dit ondermijnt de kern van merkdifferentiatie: een herkenbare, consistente en unieke stem. Vooral in verzadigde markten, zoals e-commerce, dienstverlening en SaaS, wordt het steeds moeilijker om op te vallen. De impact is het grootst voor bedrijven die sterk leunen op AI voor contentproductie zonder hun eigen data en toon te trainen. Wie blindelings AI-output gebruikt, loopt het risico dat zijn merk oplost in de grijze massa.

Hoe je dit kunt toepassen

Als je een webshop runt en AI gebruikt voor productbeschrijvingen, dan is de kans groot dat jouw teksten lijken op die van honderden andere shops. Je zou kunnen overwegen om AI niet uit zichzelf te laten schrijven, maar het te voeden met jouw unieke productdata, zoals klantrecensies, specificaties en eigen foto’s. Door de AI te trainen op jouw specifieke assortiment en tone-of-voice documenten, wordt de output minder generiek. Een optie is om een klein bestand met voorbeeldzinnen en merkwaarden te maken dat je elke keer als prompt meestuurt.

Als je een team aanstuurt dat AI inzet voor klantcommunicatie, zoals chatbots of e-mailcampagnes, dan is het belangrijk om de AI te voorzien van historische klantgesprekken. Die gesprekken bevatten de echte taal van jouw klanten en jouw medewerkers. Overweeg om een selectie van succesvolle interacties te gebruiken als trainingsmateriaal. Zo leert de AI niet alleen de juiste toon, maar ook de specifieke oplossingen die jouw bedrijf biedt. Dit voorkomt dat elke klant hetzelfde standaardantwoord krijgt.

Als je in de marketing werkt en AI gebruikt voor social media of blogposts, dan kun je het convergentieprobleem omzeilen door AI alleen te gebruiken voor structuur en research, niet voor de uiteindelijke tekst. Schrijf zelf de eerste versie of pas de AI-output radicaal aan met jouw eigen voorbeelden, anekdotes en meningen. Een andere mogelijkheid is om AI te vragen om meerdere varianten te genereren en daaruit de minst voor de hand liggende te kiezen. De meest voor de hand liggende variant is namelijk ook de variant die de concurrentie gebruikt.

Als je een dienstverlener bent die AI inzet voor offertes of rapporten, dan kun je overwegen om een eigen databank aan te leggen met eerdere projecten, feedback van klanten en interne kennis. Door de AI te laten werken met deze eigen data in plaats van alleen algemene internetkennis, blijft de output specifiek voor jouw bedrijf. Je zou bijvoorbeeld een systeem kunnen opzetten waarin je per project een korte samenvatting van de unieke aanpak toevoegt, die de AI later kan gebruiken als referentie.

Bron: Search Engine Journal