"Maak kennis met Jeroen," trapt docent en GEO-specialist bij Beeckestijn Martijn Hoving de sessie af. Jeroen rijdt een Volvo V70 uit 2009, propt die elke zomer vol voor de rit naar Frankrijk en wil er nog zoveel mogelijk kilometers uit halen. Jeroen bestaat niet echt. Hij is een persona, door Hoving bedacht om te testen wat AI-modellen antwoorden als een gewone automobilist hen om raad vraagt.
Vroeger belde Jeroen zijn tussenpersoon of zocht hij op een forum. Nu typt hij zijn vraag in een chatbot. Bijvoorbeeld: keren autoverzekeraars eigenlijk wel uit bij schade? Het is een vraag over vertrouwen, precies het terrein waarop verzekeraars zich willen laten zien.
Toch staat er in het antwoord geen enkele verzekeraar als bron. De uitleg komt van vergelijkingssites, schadeherstelbedrijven en de Consumentenbond. Over verzekeraars wordt gepraat, niet met ze.
Van foldertafel naar één adviseur
Wie vijf jaar geleden een autoverzekering zocht, kreeg in Google tien links. Je klikte ze af, verzamelde de informatie en vergeleek zelf, net als vroeger met een stapel folders. Nu zit er één adviseur aan tafel: het taalmodel. Dat geeft één antwoord, en maakt vaak al een shortlist voordat de klant ook maar één website heeft bezocht.
Zo'n model put op twee manieren uit kennis. Een deel zit in zijn 'geheugen', de data waarop het is getraind. Dat verander je niet snel; het duurt maanden of jaren. Maar bij de meeste actuele vragen zoekt het model live op het web, als een journalist met een deadline.
Dat proces werkt ongeveer zo:
- Jeroen stelt zijn vraag.
- Het model bedenkt er een reeks verwante zoekvragen bij en zoekt die op.
- Het weegt welke bronnen het vertrouwt.
- Het schrijft een antwoord op basis van die bronnen.
Stap drie is de beslissende. Martijn Hoving vergeleek het met een sollicitatie. Je eigen website is je cv: nodig, maar door jezelf geschreven. Wat de doorslag geeft, zijn de referenties. Wat schrijven de Consumentenbond, de ANWB of de media over je? Volgens de spreker bestaat 84 procent van wat taalmodellen citeren uit wat anderen over een organisatie zeggen. Partijen met gezag, zoals Thuisarts in de zorg, krijgen bovendien voorrang.
Genoemd bij 'wie', afwezig bij 'waarom'
Hoe dat uitpakt voor verzekeraars, liet een eigen meting zien. Beeckestijn, dat zelf niet voor verzekeraars werkt, legde 65 vragen over autoverzekeren voor aan ChatGPT, Google AI Overviews, Gemini en Copilot. Het beeld is per model verschillend: ChatGPT liet zich sterk leiden door Jeroens Volvo, Google noemde de ANWB het vaakst.
De rode draad is duidelijk. Verzekeraars worden genoemd bij de wie-vragen. Op de vraag welke autoverzekeraar de beste klantenservice heeft bijvoorbeeld. Maar bij de waarom-vragen verdwijnen ze. Waarom is autoverzekeren zo duur geworden? AI laat anderen dat verhaal vertellen: de Consumentenbond, vergelijkers als Independer en partijen die zelf premiedata publiceren.
Ook bij vragen over betrouwbaarheid kijkt AI vooral naar keurmerken en testen van derden. Wie wel een duidelijke uitlegpagina heeft, bijvoorbeeld over hoe fraudecontrole werkt, wordt meteen onderdeel van het antwoord. Wie zo'n pagina niet heeft, is niet zichtbaar.
De conclusie van de spreker was helder: AI noemt je naam, maar laat anderen uitleggen wie je bent.
De antwoorden liggen al in huis
Het goede nieuws: verzekeraars hebben wat AI zoekt. Elke klantenservice hoort dagelijks precies de vragen die Jeroen nu aan een chatbot stelt. Is schade aan mijn ruit gedekt als er een duif tegenaan vliegt? Waarom stijgt mijn premie terwijl ik schadevrij rijd? Wie die vragen verzamelt, weet welke antwoorden klanten tegenwoordig zoeken.
Het advies van de spreker was dan ook klip en klaar. Begin niet volgende week met honderd nieuwe artikelen. Ga met de klantenservice aan tafel, leg een vel papier neer en schrijf op wat klanten vragen. Het recept voor een goede pagina is daarna een eitje:
- de vraag als kop, zoals een klant hem stelt;
- direct daaronder het antwoord;
- onderbouwd met eigen cijfers.
Dat laatste is de sleutel. Een algemene tekst kan iedereen laten schrijven. Eigen data, zoals afhandeltijden of het aantal schademeldingen, kan niemand kopiëren. Daarmee word je de bron die AI nodig heeft.
Van reageren naar zelf het verhaal vertellen
Minstens zo belangrijk is wat anderen over je schrijven. Een organisatie die elders genoemd wordt, wordt volgens Hoving door ChatGPT tot 40 keer vaker genoemd. Media-aandacht werkt dus direct door in AI-antwoorden. Dat vraagt om wat hij correctieve woordvoering noemt: niet wachten op een vraag, maar zelf onderzoek en cijfers naar buiten brengen, zodat media én AI jouw versie vertellen.
Denk aan vragen als: in welke gemeente is de meeste ruitschade? Wat gaat er het vaakst mis op vakantie? Toets zo'n idee met een journalistieke blik: Is het actueel, raakt het veel mensen, roept het emotie op, klopt de data en speelt het dichtbij? Een lokale invalshoek werkt extra goed. Publiceer het onderzoek daarnaast op een eigen nieuws- of blogpagina, zodat AI het origineel kan vinden.
Ook in een crisis telt dit. Zet een eigen pagina met de feiten online, met vragen en antwoorden, en houd die actueel. Verwijs media en woordvoering ernaar. Staat er iets foutiefs in een AI-antwoord? Vraag het model waar het dat vandaan heeft, zoek die bron op en vraag de redactie om correctie. Kunstmatige intelligentie kun je niet bellen, de bron wel.
AI als sous-chef, de mens aan het fornuis
Mag AI dan ook persberichten schrijven? Ja en nee, zegt Hoving. "Zie AI als sous-chef", zegt hij. Met kunstmatige intelligentie verzamel je razendsnel data en maak je snel een eerste versie van een persbericht. Maar de uiteindelijke keuze voor het verhaal, de relatie met journalisten en de eindredactie blijven mensenwerk. Daarbij gelden volgens Beeckestijn twee vaste regels. De mens houdt altijd de regie. En klantdata gaat nooit een AI-tool in; wie data wil gebruiken, anonimiseert eerst.
Uit de zaal kwam nog een terechte zorg. Als alle verzekeraars dezelfde tools gebruiken, gaan ze dan niet allemaal hetzelfde klinken? Niet als je begint bij je eigen mensen en je eigen data, is het antwoord. De unieke input bepaalt de unieke uitkomst.
Wat doe je maandag?
De spreker sloot af met een opdracht die elke communicatieafdeling morgen kan uitvoeren:
- Verzamel tien vragen die klanten echt stellen.
- Stel ze aan ChatGPT en check of de informatie klopt en wie als bron wordt genoemd.
- Kies er één uit en maak er een feitenpagina over, met een cijfer of verhaal dat naar buiten mag.
De ambitie voor volgend jaar is helder. Als Jeroen dan vraagt of autoverzekeraars wel uitkeren, moet er een verzekeraar in het antwoord staan, met eigen onderzoek als bron. AI is de nieuwe adviseur van de klant. Het is aan verzekeraars om te zorgen dat die adviseur de juiste referenties belt.