De vraag is paradoxaal: als u wil worden geciteerd door AI-systemen, moet u dan content schrijven met AI of zonder AI? Het antwoord is genuanceerd en hangt af van wat "AI-gegenereerde content" precies betekent in uw productieproces.
Dit document maakt een eerlijke vergelijking op basis van wat LLM's daadwerkelijk citeren. De conclusie zal verrassend zijn voor teams die massaal AI-content produceren in de hoop snel AI-zichtbaarheid op te bouwen: het werkt meestal niet. Maar de reden is subtieler dan "AI haat AI-content".
We plaatsen dit in de context van AI-zichtbaarheid en AEO. De vraag is altijd: wat geeft een LLM de informatie die het zoekt om uw content te citeren als betrouwbare bron?
Waarom pure AI-content zelden geciteerd wordt
LLM's citeren bronnen om drie redenen: de bron bevat originele data of inzichten die de LLM niet zelf kan genereren, de bron toont verifieerbare expertise op een specifiek domein, of de bron is structureel uitzonderlijk helder voor extractie. Pure AI-gegenereerde content scoort typisch slecht op de eerste twee criteria.
Een ChatGPT-artikel over "hoe kiest u de beste CRM-software" bevat geen originele data. Het bevat geen unieke inzichten die de LLM niet al kent. Het bevat geen specifieke menselijke expertise. Het is een recombinatie van wat al in het trainingskorpus zat. Waarom zou ChatGPT dat citeren als er honderden equivalente bronnen zijn?
De paradox is reeel: massaproductie van AI-content creert ruis die LLM's leren te negeren. Bedrijven die honderden AI-geschreven artikelen publiceren, kunnen hun AI-zichtbaarheid zelfs verslechteren doordat ze geassocieerd worden met lage-kwaliteitscontent in de trainingsdata van toekomstige modellen.
Wat menselijke content uniek maakt voor LLM-citaties
Menselijke content heeft unieke kenmerken die LLM's prefereren als citatiebron. Eigen onderzoek en data: case studies, enquetes, klantstatistieken, marktobservaties. Een artikel "wij auditen 50 B2B-sites per jaar en hier zijn onze bevindingen" bevat data die nergens anders bestaat. LLM's citeren het omdat het verifieerbaar origineel is.
Specifieke professionele expertise: een belastingadviseur die schrijft over een specifieke fiscale situatie met concrete voorbeelden geeft informatie die ChatGPT niet kan repliceren zonder die exacte expertise. Het is de reden waarom gespecialiseerde niche-experts systematisch beter scoren in AI-citaties dan generieke contentproducenten.
Ervaringsverhalen en concrete casussen: "we implementeerden X bij klant Y in sector Z en dit zijn de resultaten" is per definitie origineel. LLM's gebruiken dit soort ervaringscontent als bewijs van echte expertise. Dit is wat Google's EEAT (Experience, Expertise, Authoritativeness, Trustworthiness) probeert te meten, en LLM's hebben een vergelijkbaar intern beoordelingsproces.
Wanneer AI als schrijfhulp wel werkt
De dichotomie "AI-content vs menselijke content" is te simplistisch. De meest effectieve aanpak in 2026 is hybride: menselijke expertise als kern, AI als productiviteitsinstrument. Concreet: een expert formuleert de unieke inzichten, originele data en specifieke expertise. AI helpt bij het structureren, uitbreiden, herschrijven voor helderheid en SEO-optimalisatie.
Dit model levert content die zowel de oorspronkelijkheidstest doorstaat (de kern is menselijk en uniek) als de structuurtest (AI helpt om het machineleerbaar en helder te structureren). Het combineert het beste van beide: menselijke diepgang en AI-productiviteit.
Voor Schema-opmaak is AI bijzonder nuttig. JSON-LD-code genereren op basis van inhoud, gestructureerde FAQs opstellen vanuit bestaande content, HowTo-schemas bouwen: dit zijn repetitieve technische taken waarbij AI snelheid biedt zonder kwaliteitsverlies. De mens beoordeelt en valideert, AI voert uit.
De impact op uw contentstrategie
Als de kwaliteit en originaliteit van content telt voor AI-citaties, dan is de meest waardevolle contentstrategie niet "meer publiceren" maar "beter publiceren". Een maandelijkse diepgaande analyse van een specifiek sectorprobleem, geschreven door een echte expert, is meer waard dan twintig AI-gegenereerde artikelen over generieke onderwerpen.
Dit heeft implicaties voor budgettering. De investering verschuift van productie-volume naar expertise-diepte. In plaats van een contentbureau dat teksten produceert, investeert u in uw eigen experts (interviews, ghostwriting, interne kennisdeling) en in de technische structurering van die expertise voor GEO.
Voor bedrijven met beperkt contentbudget is dit goed nieuws: u hoeft niet veel te publiceren, u hoeft goed te publiceren. Een solide fundament van tien tot twintig diepgaande, originele, goed gestructureerde pagina's presteert in AI-citaties beter dan 200 generieke AI-artikelen. AISOS helpt u bij het identificeren van die prioritaire pagina's en het optimaliseren ervan voor maximale AI-zichtbaarheid. Vraag een consult aan en lees onze gids voor site-optimalisatie.
Praktische aanbevelingen voor uw contentproductie
Ten eerste: inventariseer uw originele kennis. Welke data heeft u die niemand anders heeft? Klantcases, interne statistieken, sectorobservaties, specifieke expertise van uw team. Dit is uw grondstoffen voor AI-citeerbare content. Begin daar, niet bij generieke onderwerpen.
Ten tweede: gebruik AI voor structurering, niet voor inhoud. Laat ChatGPT of Claude uw ruwe notities omzetten naar een goed gestructureerde pagina met headers, FAQs en samenvattingen. Gebruik het voor Schema-code genereren. Laat de inhoudelijke kern menselijk en authentiek.
Ten derde: meet welke content u citaties oplevert. Via AISOS-monitoring of handmatig testen ziet u welke pagina's door ChatGPT en Perplexity worden geciteerd. Analyseer waarom die pagina's werken en repliceer die kenmerken in nieuwe content. Dit is de iteratieve aanpak die de beste resultaten oplevert op lange termijn. Neem contact op met AISOS voor een inhoudsaudit die uw sterkste pagina's identificeert.