AI-contentdetectie: herkennen tools of een tekst door AI is geschreven?

AI-contentdetectie is de verzamelnaam voor tools die beweren te kunnen zien of een tekst door een mens of door een AI-model is geschreven. Sinds ondernemers massaal AI zijn gaan gebruiken bij het schrijven, duiken die tools overal op. Je plakt een stuk tekst in een venster, drukt op controleren, en krijgt een percentage terug. Achtennegentig procent AI, of juist tweeëntwintig procent. Het voelt als een objectief oordeel.

Dat gevoel klopt niet helemaal. Wat we vaak zien bij ondernemers die hun eigen webteksten door zo’n controle halen, is vooral verwarring. De ene tool zegt dat de tekst door een mens is geschreven, de andere zegt precies het tegenovergestelde, en niemand kan uitleggen waarom. Ondertussen groeit de zorg: als een detector mijn tekst als AI bestempelt, straft Google mij dan af?

Hieronder kijken we samen naar wat AI-contentdetectie werkelijk meet, waarom de uitslagen zo wisselvallig zijn, en wat het voor jouw vindbaarheid betekent. Niet vanuit angst, maar vanuit een rustige blik op hoe zoekmachines en AI-antwoordmachines vandaag naar teksten kijken.

AI-contentdetectie in één zin

AI-contentdetectie is een statistische gok over de herkomst van een tekst, gepresenteerd als een percentage. Er zit geen watermerk in de tekst dat verraadt waar hij vandaan komt. Er is geen register waarin staat welke zinnen ooit door een taalmodel zijn gemaakt. De tool kijkt puur naar het patroon van de woorden zelf en leidt daaruit een waarschijnlijkheid af.

Dat is een belangrijk verschil met de meeste controles die je kent. Een plagiaatchecker vergelijkt jouw tekst met bestaande teksten en kan hard aanwijzen waar de overlap zit. Een spellingcontrole toetst tegen een woordenlijst. Bij AI-detectie is er niets om tegen af te zetten. Er is alleen een model dat is getraind op voorbeelden en dat een inschatting maakt.

Als je dat eenmaal doorhebt, wordt de uitslag een stuk minder spannend. Een score van negentig procent betekent niet dat er negentig procent AI in je tekst zit. Het betekent dat het model deze tekst nogal vindt lijken op de teksten die het als AI-gegenereerd heeft leren kennen. Dat is een oordeel over stijl, niet over herkomst.

Hoe zo’n detector tot een oordeel komt

Detectors kijken vooral naar voorspelbaarheid. Een taalmodel kiest bij elk volgend woord het woord dat statistisch het meest voor de hand ligt. Daardoor ontstaan zinnen die soepel lopen maar weinig verrassing bevatten. Detectietools meten precies dat: hoe verrassend is de woordkeuze, en hoeveel variatie zit er in de zinslengte.

Twee begrippen komen daarbij steeds terug. Het eerste gaat over hoe goed een model de tekst zelf had kunnen voorspellen. Hoe beter dat lukt, hoe eerder de tool AI aanwijst. Het tweede gaat over ritme: mensen schrijven vaak een lange zin, dan een korte, dan weer een middellange. AI-teksten hebben van nature een gelijkmatiger ritme.

Daar zit meteen de zwakke plek. Een mens die netjes en gestructureerd schrijft, met korte zinnen en veel vaste formuleringen, scoort op beide punten precies zoals een model. Denk aan een jurist die feitelijk formuleert, of een boekhouder die een procedure beschrijft. Hun teksten zijn voorspelbaar omdat hun vak dat vraagt, niet omdat er een AI aan te pas kwam.

Waarom de uitslag vaker misgaat dan je denkt

Het bekendste probleem heet een vals positief: een tekst die een mens heeft geschreven, maar die als AI wordt aangemerkt. Onderzoekers van Stanford lieten in 2023 zien dat detectietools structureel slechter presteren bij teksten van mensen die Engels als tweede taal schrijven. Hun woordkeuze is eenvoudiger en voorspelbaarder, en dat leest een detector als een machine.

Voor Nederlandse teksten speelt iets vergelijkbaars. De meeste detectors zijn getraind op Engelstalig materiaal en hebben veel minder Nederlands gezien. De uitslag is daardoor onbetrouwbaarder dan bij Engels, terwijl de tool je dat verschil niet vertelt. Je krijgt gewoon weer een percentage, met dezelfde stellige opmaak.

Het omgekeerde bestaat ook. Een tekst die volledig door AI is gemaakt en daarna licht is herschreven, glipt er meestal zonder gedoe doorheen. Een paar zinnen omdraaien, een eigen voorbeeld toevoegen, hier en daar een spreektalige wending: dat is genoeg om de score te laten kelderen. Wie de tool wil misleiden, kan dat dus zonder veel moeite.

Een detectiescore vertelt je iets over de stijl van een tekst. Over de waarde ervan voor je lezer vertelt hij niets.

Wat Google zelf zegt over AI-teksten

Google is hier sinds februari 2023 helder over in zijn eigen richtlijnen voor AI-gegenereerde content: het gaat om de kwaliteit van de content, niet om de manier waarop die is gemaakt. Automatisch gemaakte teksten zijn niet verboden. Automatisch gemaakte teksten die alleen bestaan om in de zoekresultaten te komen, zonder dat een lezer er iets aan heeft, zijn dat wel.

Dat onderscheid loopt door alle kwaliteitsrichtlijnen heen. Google beoordeelt of een pagina laat zien dat er ervaring en vakkennis achter zit, of de informatie klopt, en of iemand die de pagina leest daadwerkelijk geholpen is. Of het eerste concept uit een taalmodel kwam of uit een tekstverwerker maakt daarvoor geen verschil.

Google heeft ook nooit gezegd dat het zelf AI-detectie inzet als rangschikkingsfactor. Dat zou ook lastig zijn, om precies de reden die hierboven staat: die detectie werkt niet betrouwbaar genoeg. Wat wel meetelt is of je pagina antwoord geeft op de vraag waarmee iemand binnenkomt. Daar kun je aan werken, aan een detectiescore niet.

Het verschil met een plagiaatcheck

Deze twee worden voortdurend door elkaar gehaald, terwijl ze iets heel anders doen. Een plagiaatcheck zoekt naar overlap met bestaande bronnen en laat je precies zien welke passage waar vandaan komt. Dat is controleerbaar: je kunt de bron openen en het zelf nakijken. Bij een klacht heb je bewijs in handen.

AI-contentdetectie levert dat bewijs nooit. De tool kan niet aanwijzen welke zin verdacht is en waarom, en er is geen bron om naartoe te klikken. Je krijgt een cijfer en verder niets. Wie dat cijfer gebruikt om iemand ergens van te beschuldigen, staat met lege handen zodra er wordt doorgevraagd.

Voor jou als ondernemer is de plagiaatcheck daarom de nuttigere van de twee. Als je teksten laat maken door een freelancer of een bureau, wil je weten of er ergens is overgeschreven. Dat is een reëel risico met echte gevolgen. Een hoge AI-score is dat niet, en het is geen goede reden om een tekst af te keuren die verder gewoon klopt.

Waar dit meespeelt in de drie zoek-werelden

Wij kijken bij Triple Search Marketing naar drie zoek-werelden tegelijk: Google, Meta en de AI-antwoordmachines zoals ChatGPT, Perplexity en de AI Overviews in Google. In geen van die drie werelden bestaat er zoiets als een detectiescore die je positie bepaalt. Wat er wel toe doet, verschilt per wereld, en dat is nuttiger om te weten.

In Google draait het om dekking en om bewijs. Beantwoordt jouw pagina de vraag beter dan de pagina’s die er nu staan, en laat je zien dat je het vak echt beheerst? In de AI-wereld draait het om blokken die los te lezen zijn, want die systemen knippen een pagina in stukken en halen alleen het best passende stuk op. Bij SEO en GEO werk je aan allebei tegelijk.

Bij Meta gaat het over aandacht in een tijdlijn, waar niemand zich afvraagt hoe een tekst tot stand kwam. Wat je daar merkt, is of een boodschap raakt. Ook dat is een beoordeling van kwaliteit, niet van herkomst. In alle drie de gevallen is een detectietool dus een omweg langs een vraag die niemand stelt.

AI-contentdetectie per type dienstverlener

Voor een advocatenkantoor of een HR-dienstverlener speelt vooral zorgvuldigheid. Teksten gaan over regels, termijnen en verplichtingen, en daar mag geen fout in staan. De vraag is dus niet of AI heeft meegeschreven, maar of iemand met vakkennis elke bewering heeft nagelopen voordat de pagina live ging. Dat is een controle op inhoud, en die vervangt geen enkele tool.

Voor een kliniek of een praktijk in de beautybranche ligt het accent op toon en op verwachtingen. Een tekst mag geen beloftes doen die je niet waarmaakt. Ook dat is mensenwerk. Wij merken dat juist bij deze klanten de eerste versie uit een model vaak te stellig is, en dat het schaven aan de nuance het meeste werk kost.

Voor consultants en coaches draait het om herkenbaarheid. Hun lezers kiezen voor een persoon, niet voor een bedrijf. Een tekst die op iedereen zou kunnen slaan, doet daar weinig. Dat is trouwens ook precies de reden waarom een gladde AI-tekst zonder eigen voorbeelden zelden goed werkt: niet omdat een detector hem doorheeft, maar omdat een lezer hem doorheeft.

Wat je in de praktijk met een detectiescore aan moet

Ons advies is nuchter: gebruik de score hoogstens als een klein signaal, nooit als eindoordeel. Komt een tekst hoog uit, lees hem dan zelf nog eens door met één vraag in je hoofd. Staat hier iets in dat alleen wij kunnen vertellen? Als het antwoord nee is, dan is die tekst inderdaad te vlak, en dat had je ook zonder tool gemerkt.

Komt een tekst laag uit, dan ben je er nog niet. Een tekst kan als volledig menselijk worden beoordeeld en toch nergens over gaan. De detector heeft geen mening over of je voorbeeld klopt, of je uitleg volledig is, of je de vraag van de lezer beantwoordt. Dat blijft jouw werk, of dat van degene die het voor je doet.

Wat wij zelf doen is simpel. AI versnelt bij ons het uitvoerende werk, en daarna loopt een A-player elke pagina na voordat die live gaat. Klopt het vakinhoudelijk, klinkt het als deze ondernemer, staat er iets in dat je nergens anders leest? Dat is de controle die telt, en er komt geen percentage aan te pas.

Hoe je teksten schrijft die je zonder aarzelen publiceert

Begin bij wat alleen jij weet. De vragen die klanten je in het eerste gesprek stellen, de fouten die je telkens weer voorbij ziet komen, de stappen die jouw aanpak anders maken dan die van de buurman. Dat materiaal zit in je hoofd en in je mailbox, en het staat in geen enkel model. Zodra dat in een tekst zit, is de vraag naar herkomst niet meer interessant.

Werk daarna aan structuur. Geef onder elke kop meteen het antwoord in de eerste paar zinnen, en pas daarna de uitleg. Dat helpt je lezer, want die scant. Het helpt ook de AI-antwoordmachines, die per blok bepalen of ze jouw stuk oppikken. Meer daarover lees je in onze kennisbank over content SEO en SEO-teksten.

Drie controles die wel iets opleveren

Kijk als eerste of elk cijfer in je tekst een bron en een jaartal heeft. Kijk daarna of er minstens één voorbeeld in staat dat uit je eigen praktijk komt. En lees het geheel tot slot hardop voor. Wat je niet zou zeggen tegen een klant aan tafel, hoort ook niet op je website. Deze drie controles vangen meer op dan welke detector ook.

Wat we vaak zien misgaan

De meest voorkomende misstap is dat een ondernemer een goede tekst weggooit vanwege een hoge score. Er ging dan uren werk in, de inhoud klopt, en toch gaat hij de prullenbak in omdat een tool een cijfer liet zien. Dat is zonde, en het lost niets op, want de volgende versie scoort vaak precies zo.

De tweede misstap is de omgekeerde: net zo lang aan de tekst frunniken tot de score laag genoeg is. Wat je dan doet, is schrijven voor een detector in plaats van voor een lezer. Zinnen worden onnodig ingewikkeld, synoniemen worden geforceerd, en het resultaat leest slechter dan waar je mee begon.

De derde is dat een detectiescore in een samenwerking als afrekeninstrument wordt gebruikt. Wij zien bureaus en freelancers daarover in de knel komen, terwijl niemand kan aantonen wat er nu eigenlijk mis is. Maak liever afspraken over wat je wél wilt zien: eigen voorbeelden, gecontroleerde feiten, en een toon die bij het bedrijf past. Dat is te beoordelen, en daar heeft de lezer wat aan.

Wanneer uitbesteden zinvol is, en wanneer niet

Uitbesteden helpt als je weet wat je wilt vertellen maar er structureel niet aan toekomt. Veel dienstverleners hebben de kennis wel, maar zitten de hele week bij klanten. Dan is het logisch dat iemand anders de teksten maakt, zolang jij de inhoud aanlevert en meeleest. Zo blijft het jouw verhaal, in andermans handschrift.

Uitbesteden helpt niet als je het vooral doet om ergens vanaf te zijn. Een partij die zonder gesprek met jou honderd teksten uitrolt, levert precies de gladde content op waar zowel lezers als zoekmachines doorheen prikken. Dan heb je een website vol woorden en geen enkele aanvraag. Dat is duurder dan niets doen.

Wij werken daarom altijd met een vaste contactpersoon die je bedrijf kent, en met een eerste gesprek waarin we ophalen wat er in je hoofd zit. Die opzet lees je terug in onze aanpak rond Triple Search Marketing. Wil je weten of dit bij jouw situatie past, dan kijken we daar samen naar.

AI-contentdetectie is uiteindelijk een antwoord op de verkeerde vraag. Niet hoe een tekst is gemaakt bepaalt of hij werkt, maar of iemand er wijzer van wordt. Wil je hier samen naar kijken en beoordelen of jouw teksten dat doen? Plan een strategiegesprek, dan lopen we een paar pagina’s rustig met je door.