Een klant wilde weten welke content er op hun hoeslaken-pagina moest staan om beter te ranken. Iemand uit het team had Claude gevraagd om mee te denken. Welke onderwerpen moeten we behandelen? Welke vragen leven er?
Het resultaat: materiaalsoorten, maten, wasadvies, draaddichtheid. Logisch. Herkenbaar. In vijf minuten meer richting dan een uur brainstormen. En het bevestigde precies wat het team al dacht.
Ik had datzelfde onderwerp een week eerder uitgediept. Zelfde AI, maar gevoed met forumposts, klantreviews, Reddit-discussies en concurrentenpagina’s. Het antwoord was compleet anders.
De hoeslakenmarkt draait niet om materiaal. Die draait om frustratie.
Mensen zoeken niet alleen “welk materiaal is het beste”, ze zoeken ook “waarom laat mijn hoeslaken steeds los”. Ze klagen op forums dat hun hoeslaken krimpt na het wassen. Ze schrijven reviews over hoeslakens die na twee keer wassen pillen. Ze bestellen de verkeerde hoekhoogte omdat ze niet wisten dat matrashoogte en hoekhoogte twee verschillende dingen zijn.
Vijf concrete problemen, allemaal onderbouwd met letterlijke citaten uit echte bronnen. En de pagina van de klant beantwoordde geen van die vijf.
In beide gevallen was het AI die het werk deed. Dezelfde technologie, hetzelfde model zelfs. Het verschil zat in wat erin ging: welke bronnen, welke vragen, welke aannames werden getoetst.
En dat is precies waarom dit onderwerp lastig is.
Want AI kán dit dus. De simpele prompt werkte. De diepe analyse werkte ook. Zoekwoord onderzoek die vroeger een halve dag kostte, levert Ai in twee minuten. Technische checks? Tools als Screaming frog, Semrush en Ahrefs leiden je stap voor stap door een audit. SEO-tools automatiseren misschien wel 70 tot 90 procent van het repetitieve werk.
Als het enige wat je SEO-specialist levert keyword-lijstjes en geoptimaliseerde teksten zijn, is de vraag of je daar nog voor moet betalen.
Dat is geen doemscenario. Dat is de realiteit.
Het onzichtbare probleem
Maar hier wordt het ingewikkeld.
Slechte AI-output herken je. Twee jaar geleden genereerde ChatGPT teksten die je op tien meter afstand als AI-content herkende. Generiek, oppervlakkig, zonder diepgang. Je dacht: dit is niet genoeg.
Goede AI-output herken je niet. De output van vandaag leest als een professioneel rapport. Het heeft structuur, het noemt de juiste termen, het ziet eruit als iets waar je voor zou betalen. En dus denk je: dit is goed genoeg.
Het probleem is dat “er goed uitzien” en “goed zijn” twee verschillende dingen zijn.
Je stelt AI een vraag over iets waar je geen expert in bent. Je krijgt een vloeiend, zelfverzekerd antwoord. Het klinkt logisch. Het bevestigt wat je dacht. Je hebt geen reden om te twijfelen en ook geen manier om te checken of het klopt. Je vertrouwen groeit, maar je kennis niet.
In de psychologie heet dit het Dunning-Kruger effect: hoe minder je van een onderwerp weet, hoe slechter je kunt inschatten wat je mist. AI versterkt dat.
En dit wordt erger naarmate AI beter wordt.
Niet beter.
Erger.
Hoe overtuigender de output, hoe moeilijker het wordt om fouten te herkennen. Een antwoord dat 90 procent klopt en 10 procent subtiel fout is, dat is gevaarlijker dan een antwoord dat overduidelijk rammelt.
Google’s eigen data bevestigt dit. Na de core update van maart 2026 verloren sites met generieke AI-content 60 tot 80 procent van hun traffic. Tegelijkertijd zagen sites met originele data en eigen inzichten 22 procent meer zichtbaarheid. De correlatie tussen AI-gebruik en een penalty was praktisch nul. Google straft niet AI af. Google straft gebrek aan originaliteit af. En originaliteit is precies het deel dat je niet krijgt met een simpele prompt.
Wat er echt verschuift
Mijn werk is veranderd. Ik doe geen zoekwoord onderzoek meer met de hand: AI doet dat. Ik crawl geen sites meer zelf: tools doen dat. Technische audits die vroeger een dag kostten, levert een tool in tien minuten.
Wat ik wel doe: bepalen welke vragen gesteld moeten worden. Herkennen wanneer data iets anders zegt dan het lijkt. Corrigeren wanneer AI overtuigend de verkeerde kant op gaat.
Een voorbeeld. Stel, je ziet in je dashboard dat de gemiddelde Google-positie is gehalveerd: van 20,9 naar 10,6. Dat lijkt fantastisch. Maar de clicks en impressions zijn 13 tot 17 procent gedaald. Hoe kan dat?
Omdat honderden long-tail-pagina’s uit de index zijn na een migratie. De slechte posities vielen weg, het gemiddelde werd beter, maar de site is minder zichtbaar. De metric liegt niet maar wie hem zonder context leest, trekt exact de verkeerde conclusie.
AI kan die metric ook opvragen. Maar AI trekt dezelfde conclusie als jij: het gaat beter. Zonder de ervaring om te weten dat een halvering van de gemiddelde positie gecombineerd met dalende clicks een rood signaal is, geen groen.
Dat is de verschuiving. Van doen naar sturen. Van uitvoering naar oordeel.
En daarmee verschuift ook de rol. Wat je nodig hebt is geen specialist die tien jaar diepe SEO-kennis inzet om handwerk te doen dat AI overneemt. Wat je nodig hebt is een generalist met specialistische SEO-kennis en een kritische blik, iemand die scherp genoeg is op input en output om te herkennen wanneer AI de verkeerde kant op gaat. En breed genoeg kijkt om de juiste verbindingen te leggen.
Ik merk het in mijn eigen werk. Vorige week adviseerde ik een klant over de indeling van hun topnavigatie. Het probleem was zichtbaar vanuit SEO-data. Maar de oplossing zat in UX en conversie. De vraag was SEO. Het antwoord was breder.
Dat is geen uitzondering. Dat is steeds vaker de regel. Als AI de diepte levert, verschuift de waarde van de mens naar breedte. Niet het antwoord weten, maar herkennen welke vraag je moet stellen en vanuit welk perspectief.
Wat kun je als bedrijf doen?
Dit is wat ik in de praktijk zie. Een bedrijf start met AI, krijgt output die er professioneel uitziet, en handelt daarop. Na een paar maanden blijkt dat de traffic daalt, dat de content niet converteert, of dat de technische aanbevelingen het probleem erger hebben gemaakt in plaats van beter.
Het was niet de AI die faalde. Het was het ontbreken van iemand die kon herkennen waar de output niet klopte.
Theoretisch kan AI bijna alles wat een specialist doet. In de praktijk is er een kloof tussen wat AI kan produceren en wat een bedrijf met die output kan doen. Zonder de ervaring om het te beoordelen, te corrigeren en in de juiste context te plaatsen.
Je hebt drie opties. En ik ga eerlijk zijn over alle drie, inclusief de optie waarbij je geen specialist nodig hebt.
Optie 1: Doe het zelf met AI
Kan prima. Gebruik ChatGPT of Claude voor zoekwoord onderzoek, content-ideeën, technische checks. Je komt een heel eind. Voor een brainstorm, een eerste opzet, een snelle scan, meer dan goed genoeg.
Maar wees je bewust van het risico. De output ziet er professioneel uit. Je vertrouwen groeit. Maar je hebt geen manier om te checken of wat je krijgt klopt en ook niet of je iets mist. AI kan vol overtuiging iets fout vertellen. En als je de expertise niet hebt om dat te herkennen, handel je op informatie die er betrouwbaar uitziet maar het niet is.
Wordt AI niet steeds beter? Ja. Maar het probleem is niet dat AI fouten maakt. Het probleem is dat jij ze niet herkent. En dat verandert niet als AI beter wordt, het wordt moeilijker. Hoe beter de output, hoe lastiger het is om te zien waar het misgaat.
Optie 2: Gebruik AI-tools met ingebouwde expertise
Semrush, Ahrefs, Surfer SEO: deze tools bouwen steeds meer begeleiding in. Ze scoren je content, clusteren je keywords, signaleren technische problemen, geven stap-voor-stap aanbevelingen. Kost 100 tot 300 euro per maand.
Goed voor bedrijven die structureel aan SEO willen werken. Maar ook hier: de tool meet en signaleert. Die vertelt je niet dat je traffic-daling een SERP-layout-verandering is in plaats van een probleem. Die vertelt je niet dat je metric er beter uitziet omdat er pagina’s zijn weggevallen. Interpreteren doe je zelf en als je niet weet waar je naar kijkt, vertrouw je op het dashboard.
Optie 3: Huur iemand in die AI aanstuurt
Niet iemand die het handwerk doet, dat doet AI. Maar iemand die weet welke vragen gesteld moeten worden, herkent wanneer de output niet klopt, en bijstuurt wanneer het de verkeerde kant op gaat.
Dat is geen klassieke specialist meer. Het is een generalist met specialistische SEO-kennis en een kritische blik. Iemand die genoeg van SEO begrijpt om AI goed aan te sturen, maar ook genoeg van conversie, content en gebruikerservaring om het grotere plaatje te zien. Geen uitvoerder, maar stuurman.
Waar het op neerkomt
Bij alle drie de opties gebruik je AI. Het verschil is wie er aan het stuur zit.
En ja, ook die stuurmansrol verschuift. AI wordt beter in het herkennen van patronen, het signaleren van afwijkingen, het stellen van vervolgvragen. De grens tussen wat AI kan en waar je een mens voor nodig hebt, schuift op.
De vraag is niet of AI het werk kan doen. De vraag is of je zelf kritisch genoeg naar het proces kunt kijken, de juiste vragen kunt stellen, de output kunt checken, en kunt herkennen wanneer iets er goed uitziet maar het niet is.
Als je dat kunt: prima, dan heb je geen specialist nodig. Als je dat niet kunt (of niet de tijd hebt om het te leren) dan huur je iemand in die dat wel kan.
En als een specialist je niet kan laten zien welk verschil zijn sturing maakt dan is de vraag terecht of je ervoor moet betalen.
Leave a Reply