Noemt AI jou? De Nederlandse AI-zichtbaarheidsbenchmark
Een nulmeting over drie beroepen en vijf AI-assistenten, 1.125 gemeten antwoorden. De bevinding die overal standhoudt: AI beveelt geen vakmensen aan, het beveelt entiteiten aan.
28 min leestijd
Een nulmeting over drie beroepen en vijf AI-assistenten, 1.125 gemeten antwoorden. De bevinding die overal standhoudt: AI beveelt geen vakmensen aan, het beveelt entiteiten aan.
Vijf AI-assistenten, ChatGPT, Gemini, Perplexity, Claude en Grok, noemen volop namen wanneer je ze om een vakexpert vraagt. In 95 tot 96 procent van de aanbevelingsvragen viel minstens één concrete naam, en dat gold gelijkmatig over de drie beroepen die ik mat: architecten, therapeuten en fotografen. Er is geen leegte. De vraag is niet óf AI namen noemt, maar wélke namen, en wat bepaalt of jíj erbij staat.
Uit 1.125 gemeten antwoorden komen twee bevindingen naar voren die over alle drie de beroepen heen standhouden.
De eerste is een wet: AI beveelt geen vakmensen aan, het beveelt entiteiten aan. Of je wordt genoemd hangt niet af van je vakbekwaamheid, maar van hoe sterk en hoe ondubbelzinnig je als herkenbare partij op het web staat, plus het platform dat de gebruiker toevallig opent. Het scherpste bewijs zit in een patroon dat zich in elk van de drie beroepen herhaalde: de enige expert die structureel werd gemist, deelde telkens zijn naam met een bekendere naamgenoot. Een architect die het verliest van een academicus, een psycholoog die het verliest van een M&A-partner, een fotograaf die het verliest van een Britse directeur. Drie beroepen, één mechanisme.
De tweede bevinding corrigeert een conclusie die snel te groot wordt gemaakt. Of AI je als persoon noemt of als bedrijf, hangt af van hoe jouw beroep is opgebouwd. Bij architecten verschijnt in slechts een derde van de antwoorden een mens, de rest zijn bureaus. Bij therapeuten ongeveer de helft. Bij fotografen negen van de tien. AI verbergt de individuele expert niet uit principe; het spiegelt of jouw markt om personen of om merken draait.
Daaronder liggen drie stabiele patronen. Wie genoemd wordt is grotendeels toeval: de overlap tussen identieke, herhaalde vragen ligt tussen 18 en 46 procent, afhankelijk van het platform. Bekend zijn is bovendien iets anders dan aanbevolen worden: AI herkent bij een directe vraag vrijwel iedereen met een eigen website (82 tot 89 procent de juiste persoon), maar die herkenning vertaalt zich niet vanzelf in een spontane aanbeveling. En de bron waaruit AI put, is in alle drie de beroepen vooral het eigen domein van de expert (32 tot 41 procent van de aangehaalde links), niet reviewsites en niet de pers.
Dit is een nulmeting: de eerste ijklijn, op één moment, over drie beroepsgroepen. De volgende editie meet de verschuiving.
Heb je haast en wil je weten wat dit voor jou betekent? Spring naar Wat werkt voor jou.
Niemand had tot nu toe systematisch gemeten hoe zichtbaar Nederlandse domeinexperts zijn in de antwoorden van AI-assistenten. Dat is de reden voor dit rapport: het sluit een feitelijk gat. Steeds meer opdrachtgevers beginnen hun zoektocht niet meer bij Google maar bij een gesprek met ChatGPT, Gemini of Perplexity. Wie een architect zoekt voor een verbouwing, een traumatherapeut voor een naaste, een fotograaf voor een bedrijfsreportage: wat die assistenten antwoorden, bepaalt mee wie er in beeld komt en wie niet. Tot nu toe was dat een black box.
De hoofdvraag van dit onderzoek: hoe vaak en hoe consistent bevelen AI-assistenten Nederlandse domeinexperts bij naam aan, en welke bronnen voeden die aanbevelingen? Daaronder hangen vijf deelvragen. Leveren expert-zoekvragen überhaupt concrete namen op? Hoe consistent zijn die aanbevelingen bij herhaling? Welke brontypen worden geciteerd? Verschillen de platforms structureel? En wat onderscheidt de experts die wél genoemd worden van wie niet genoemd wordt?
Wat dit onderzoek niet is: een bewijs dat een specifiek bureau of een specifieke dienst werkt. Het meet de huidige staat van de markt, een nulmeting waartegen toekomstige edities zich laten afzetten. Alle ruwe antwoorden zijn bewaard als controleerbaar bewijsmateriaal.
De dataverzameling en analyse zijn uitgevoerd met AI, via geautomatiseerde, herhaalde bevraging van vijf AI-assistenten.
De meting is opzettelijk navolgbaar opgezet. Wie haar wil controleren of overdoen, moet dat kunnen.
Platforms en modellen. Vijf assistenten via hun API's, met web search of grounding aangezet, zoals de gemiddelde gebruiker ze in de consumentenapp heeft: ChatGPT, Google Gemini, Perplexity, Claude en Grok. De exact gerapporteerde modelversie per antwoord is automatisch vastgelegd.
Beroepen en steekproef. Drie beroepsgroepen, elk diep en specifiek: architecten (circulair bouwen, herbestemming, hout), therapeuten en psychologen (trauma en EMDR, relatie- en gezinstherapie, angst en burn-out) en fotografen. Per beroep is een steekproef van experts samengesteld via uitsluitend neutrale bronnen: beroepsregisters, brancheorganisaties en vakmedia, onder andere de BNA, de Vereniging EMDR Nederland, de NVRG, het NIP en DuPho. Nadrukkelijk niet via AI-suggesties en niet uit een eigen netwerk. Voor de therapeuten is ZorgkaartNederland bewust niet als selectiebron gebruikt; het is een waarderingsgids, geen beroepsregister. Elke lijst is vooraf met de hand gereviewd.
Vragen. Drie prompttypes, gebouwd op echte koopvragen in natuurlijk Nederlands, zoals een opdrachtgever of cliënt ze werkelijk stelt.
De aanbevelingsvragen (A en B) zijn op drie regiolagen gesteld, landelijk, grootstedelijk en regionaal, om te toetsen of schaarste regionaal toeslaat.
Herhaling is de meting. Elke vraag is vijf keer herhaald, met een schone context per run: geen geheugen, geen systeeminstructies, geen sessie-overloop. Dat is geen detail maar het hart van de methode. AI-assistenten geven vrijwel nooit twee keer exact dezelfde lijst, dus een enkele run is waardeloos. De kernmetriek is frequentie over herhalingen: in hoeveel van de vijf runs verschijnt expert X? Vijf van de vijf duidt op een sterke entiteitspositie, één van de vijf op toeval.
Dit levert per beroep 375 API-antwoorden op: 10 aanbevelingsvragen maal 5 platforms maal 5 runs (250), plus 5 herkenningsvragen maal 5 platforms maal 5 runs (125). Over drie beroepen samen zijn dat 1.125 gemeten antwoorden.
Extractie en validatie. Uit elk antwoord zijn automatisch de genoemde personen en organisaties, de geciteerde URL's, het brontype per URL en eventuele weigeringen gehaald. De eerste tientallen extracties per beroep zijn met de hand gecontroleerd voordat de rest werd verwerkt.
Disambiguatie bij herkenning. Een cruciale extra stap. Of een model "iemand met die naam" herkent, is iets anders dan of het ónze expert herkent. Bij veelvoorkomende namen valt dat verschil weg als je het niet expliciet controleert. Daarom is elk herkenningsantwoord met de hand beoordeeld op één vraag: werd de júiste persoon beschreven, of een naamgenoot? Die stap blijkt beslissend. Zonder haar zou een verzonnen of verwisselde persoon ten onrechte als "herkend" meetellen.
Handmatige controle in de apps. Naast de API-meting zijn de kernvragen per beroep met de hand nagespeeld in alle vijf de echte consumenten-apps, op een schone omgeving. Dit toetst of de API-bevindingen ook gelden in de interface die mensen werkelijk gebruiken.
Venster en bewijslast. De hele meting is binnen 48 uur gedraaid, alles met datumstempel, omdat modellen onder je handen veranderen. De ruwe antwoorden zijn bewaard en worden niet bewerkt; ze vormen zowel het bewijs als later contentmateriaal.
De waarde van drie beroepen tegelijk meten zit in wat generaliseert. Wat in architectuur, zorg én fotografie hetzelfde is, is geen toeval van één markt, het is structureel. Wat per beroep verschilt, vertelt je iets over die markt. Hieronder eerst de feitelijke ruggengraat, daarna de interpretatie.
| Metric | Architecten | Therapeuten | Fotografen |
|---|---|---|---|
| Antwoorden (API) | 375 | 375 | 375 |
| Naamratio (aanbevelingsvragen) | 95,6% | 95,2% | 96,0% |
| waarvan minstens één persoon | 33% | 51% | 92% |
| waarvan alleen een organisatie | 63% | 46% | 4% |
| Weigeringen (alle vragen) | 0% | 1% | 0% |
| Herkenning juiste persoon (type C) | 87% | 82% | 89% |
| Bron: eigen domein | 32% | 35% | 41% |
| Bron: gids of register | 5% | 17% | 11% |
| Bron: reviewsites | 0,1% | 2% | 1% |
| Platform | Architecten | Therapeuten | Fotografen |
|---|---|---|---|
| Perplexity | 46% | 46% | 43% |
| Grok | 29% | 31% | 36% |
| Gemini | 33% | 29% | 35% |
| Claude | 24% | 23% | 23% |
| ChatGPT | 21% | 18% | 21% |
1. AI noemt namen, overal. In alle drie de beroepen viel in 95 tot 96 procent van de aanbevelingsvragen minstens één concrete naam. De drempel is niet "noemt AI überhaupt iemand", maar "noemt AI jóu".
2. Maar wélke namen verschilt per beroep, en dat is structureel. Kijk je naar het type naam, dan loopt er een schoon spectrum door de drie beroepen: van 33 procent persoonsnamen bij architecten, via 51 procent bij therapeuten, naar 92 procent bij fotografen. Architectuur is een bureau-vak. Je huurt cepezed of MVRDV in, niet "een architect", en AI weerspiegelt dat. Fotografie is het tegenovergestelde: de fotograaf ís het merk. Dit herkadert een conclusie die snel te groot wordt gemaakt. "AI verbergt de individuele expert" klinkt als een eigenschap van AI. Dat is het niet. Het is een afspiegeling van hoe een markt is georganiseerd. Waar de persoon het merk is, is de persoon zichtbaar; waar het bureau het merk is, moet de persoon zélf een entiteit worden om gezien te worden.
3. Bekend zijn is niet hetzelfde als aanbevolen worden. Vraag rechtstreeks "Wie is X?", dan herkent AI met web search vrijwel iedereen met een eigen website: 82 tot 89 procent de juiste persoon. Maar er zit een duidelijke gradiënt in, en die loopt niet langs reputatie, hij loopt langs onderscheidbaarheid. Sterke, ondubbelzinnige entiteiten worden altijd herkend; wie zijn naam deelt met een bekendere naamgenoot, verdwijnt. En herkend worden opent de aanbeveling niet vanzelf: een expert kan 25 van de 25 keer correct beschreven worden en tegelijk vrijwel nooit spontaan worden aanbevolen.
4. De vijf AI's hebben stabiele persoonlijkheden. Wie genoemd wordt is grotendeels toeval, maar hóé toevallig verschilt per platform, en dat profiel is opvallend stabiel over de drie beroepen. Perplexity is overal het meest reproduceerbaar (43 tot 46 procent overlap), ChatGPT overal het meest grillig (18 tot 21 procent). Dat is geen ruis, het is karakter.
5. De bron ben je zelf. In alle drie de beroepen is het eigen domein van de expert de grootste herleidbare bron: 32 tot 41 procent van de aangehaalde links. Reviewsites: vrijwel nul. Nieuws- en vakmedia: marginaal. De enige noemenswaardige variatie zit in de gereguleerde zorgmarkt, waar AI zwaarder leunt op registers en gidsen (therapeuten 17 procent, tegen 5 procent bij architecten).
Eén observatie verdient het om apart te staan, omdat ze in alle drie de beroepen onafhankelijk opdook. In elk beroep viel precies één expert structureel weg bij de herkenningsvraag, en telkens om dezelfde reden: een veelvoorkomende naam, gedeeld met een bekendere naamgenoot.
Drie beroepen, drie verschillende markten, exact hetzelfde mechanisme. Niet de betere vakman wint, maar de ondubbelzinnig plaatsbare entiteit. Dit is, scherper dan welk gemiddelde ook, het bewijs van de wet: entiteitssterkte beslist, niet vakbekwaamheid.
Twee echte Nederlandse architecten, dezelfde vraag, vijf keer aan elk van de vijf assistenten. Thomas Rau, met een Wikipedia-pagina, een boek, prijzen en het platform Madaster, werd 25 van de 25 keer correct herkend. Door iedereen, elke keer. Bart Spee, óók een echte architect met eigen werk, werd 10 van de 25 keer als architect herkend; in de overige gevallen kreeg je de academicus met dezelfde naam. In de consumenten-apps was het beeld nog scherper: vrijwel elke app beschrijft de wetenschapper, niet de architect.
Het verschil zit niet in wie de betere architect is, maar in wie als sterke, onderscheidbare entiteit op het web staat. Een grensgeval bevestigt dat eerder dan het de regel tegenspreekt. Sander van Sambeek, die in een eerdere handmatige test door sommige apps niet werd herkend, bleek bij de bredere meting over vijf platforms juist wél vindbaar, 24 van de 25 keer. De scheidslijn loopt niet langs "echte expert ja of nee", maar langs "onderscheidbare entiteit ja of nee".
1. AI noemt namen, maar bijna alleen bureaus. In 239 van de 250 aanbevelingsvragen (95,6%) viel minstens één concrete naam. Maar in slechts 33 procent van de antwoorden valt een persoonsnaam; in 63 procent gaat het uitsluitend om organisaties. In de twintig meest genoemde entiteiten staan precies twee personen, Thomas Rau (22 vermeldingen) en Daan Bruggink (17), tegen achttien bureaus en instanties. Dit is het patroon van een bureau-gedreven vak: je vraagt om een bureau, dus je krijgt een bureau.
2. Herkend worden is niet hetzelfde als aanbevolen worden. Bij de herkenningsvragen (125 antwoorden) werd 87 procent van de keren de juiste persoon herkend. Vier van de vijf architecten werden bijna perfect herkend (24 tot 25 van de 25); de vijfde, Bart Spee, bleef op 10 steken. Daan Bruggink wordt 25 van de 25 keer correct herkend wanneer je naar hem vraagt, en tóch verschijnt in de aanbevelingen vooral zijn bureau, niet hij.
3. Wie genoemd wordt, is grotendeels toeval. De overlap tussen herhaalde, identieke runs is laag: ChatGPT 18,9%, Claude 24,2%, Grok 28,9%, Gemini 32,9%, Perplexity 45,9%. Alleen stevig verankerde entiteiten komen elke keer terug (Mei Architects, Superuse Studios, ZECC). Voor de rest is een vermelding in feite een dobbelsteenworp.
4. De bron is je eigen domein. Van de 3.103 aangehaalde bronlinks kwam 31,9 procent van het eigen domein van de genoemde partij. Reviewsites leverden 0,1 procent (3 links), nieuwsmedia 0,5 procent, Wikipedia 0,2 procent, LinkedIn 0,8 procent. De kanalen waarvan vaak wordt aangenomen dat ze bepalend zijn, recensies en pers, spelen nauwelijks een rol.
5. Geen regionale leegte. Tegen de vooraf geformuleerde verwachting in scoorden regionale vragen juist hoog: regionaal 98 procent naamratio, grootstedelijk 100 procent, en de landelijke vragen het laagst met 92 procent. Dat de meting de eigen verwachting tegenspreekt, is een teken dat de cijfers niet naar een gewenste uitkomst zijn toegeschreven.
Het scherpst zichtbaar bij ORGA architect, het bureau van Daan Bruggink. Het bureau werd 18 keer genoemd, de persoon Daan Bruggink 17 keer, maar die 17 kwamen alleen van Gemini en Grok. ChatGPT en Perplexity noemen het bureau, niet de mens. Dezelfde architect, dezelfde kwaliteit: of je als persoon of als logo verschijnt, hangt mede af van welk platform de gebruiker toevallig opent.
"Wie is Cora van Dijk?" Een echte, vrijgevestigde GZ- en klinisch psycholoog en traumabehandelaar met een eigen praktijk in Breda, en een veelvoorkomende naam. Vijf assistenten, vijf werkelijkheden:
Eén echte expert, vijf uitkomsten, van correct gevonden tot verzonnen. Ter vergelijking: vraag naar Carien Karsten, psycholoog en burn-outauteur met een sterke online aanwezigheid, en alle vijf herkennen haar foutloos, elke keer.
1. AI noemt namen, en hier vaker de persoon. In 238 van de 250 aanbevelingsvragen (95,2%) viel minstens één concrete naam, en in 51 procent ging het om een mens (46 procent uitsluitend een organisatie). Therapie zit in het midden van het spectrum. Tóch staan bovenaan de meest genoemde namen vooral registers en gidsen: Psyned, het VEN-register, NVRG, ZorgkaartNederland, PsyQ. In de top tien staat één individuele behandelaar (Kees van Kesteren). De zichtbare ingang naar zorg loopt nog grotendeels via platforms en registers.
2. Een gewone naam breekt de herkenning. Bij de herkenningsvragen werd 82 procent van de keren de juiste persoon herkend, maar de gradiënt is steil. Carien Karsten: 25 van de 25. Gerard Dikschei, laag-prominent maar met een unieke naam en een eigen website: óók 25 van de 25. Cora van Dijk, even weinig "beroemd" maar met een veelvoorkomende naam: 5 van de 25. Het verschil is niet reputatie, maar plaatsbaarheid.
3. Wie genoemd wordt, is grotendeels toeval. Overlap tussen herhaalruns: ChatGPT 18,3%, Claude 22,6%, Gemini 29,1%, Grok 30,6%, Perplexity 45,9%.
4. De bron is je eigen domein, met een dikke laag registers eroverheen. Van de 2.697 bronlinks kwam 35,3 procent van het eigen domein. Maar in de zorg komt daar een tweede laag bij die elders ontbreekt: 16,9 procent van de bronnen zijn gidsen en registers (Psyned, ZorgkaartNederland, beroepsregisters), tegen 5 procent bij architecten. Wie daar niet in staat, mist een tweede ingang.
5. Het zorgdomein maakt AI voorzichtiger. De duidelijkste afwijking ten opzichte van de andere beroepen. Bij brede vragen ("Wie is een goede traumatherapeut?") verwezen drie van de vijf platforms vrijwel zonder individuele namen naar kwaliteitsregisters. Claude ging het verst: het weigerde bij herhaling om personen aan te bevelen ("ik kan niet beoordelen wie goed of betrouwbaar is") en is ook het zwakst in herkenning (68%). Dat gedrag is geen storing maar zelf een meetuitkomst. Gezondheidsadvies roept andere terughoudendheid op dan een vraag om een architect.
De Claude-confabulatie raakt de kwaliteit van de informatie die de gebruiker krijgt. Gevraagd naar de laag-prominente Cora van Dijk beschreef Claude met stelligheid een niet-bestaande senator; voor een andere therapeut met een gewone naam verscheen een powerlifter. Zonder de handmatige disambiguatie waren beide als "herkend" geteld. Bij Perplexity ben je de psycholoog uit Breda; bij Claude, op datzelfde moment, besta je niet, of bestaat er iemand die niet bestaat onder jouw naam.
Vraag een AI om een architect en je krijgt een bureau. Vraag om een fotograaf en je krijgt een mens: Tom Tomeij, Denise Motz, Tessa Bruggink, Suzan Alberts. Van de tien meest genoemde entiteiten zijn er negen personen; alleen een trouwfotografie-platform (ThePerfectWedding.nl) breekt de rij. Een fotograaf draagt zijn eigen naam als merk. Je huurt geen "fotografiebureau" in, je huurt Tom Tomeij in, en AI weerspiegelt die structuur trouw.
Maar zichtbaar zijn als categorie is niet hetzelfde als gevonden worden als individu. Marie Cecile Thijs, fotograaf met een sterke online aanwezigheid, wordt door alle vijf de assistenten foutloos herkend (25 van de 25). Astrid Mitchell, newborn- en familiefotograaf met een eigen praktijk en website, wordt het in bijna de helft van de gevallen niet: vier van de vijf platforms twijfelen of noemen een Britse uitgeverij-directeur met dezelfde naam. Dezelfde kwaliteit, een andere uitkomst, om één reden: onderscheidbaarheid.
1. AI noemt de mens, niet de studio. In 240 van de 250 aanbevelingsvragen (96%) viel minstens één concrete naam, en in 92 procent was dat een persoon; slechts 4 procent bleef bij uitsluitend een bedrijfsnaam. Dit is het heldere andere uiteinde van het spectrum: architecten 33 procent persoon, therapeuten 51 procent, fotografen 92 procent.
2. Herkenning hangt aan je naam, niet aan je vak. Bij de herkenningsvragen werd 89 procent van de keren de juiste persoon herkend. Marie Cecile Thijs 25 van de 25, Carin Deben 25 van de 25, Denise Motz 24 van de 25, Anniek Snoeijs 23 van de 25, en Astrid Mitchell, met haar veelvoorkomende naam, 14 van de 25. Een eigen website is niet genoeg; een ondubbelzinnig te plaatsen naam wel.
3. Wie genoemd wordt, is grotendeels toeval. Overlap tussen herhaalruns: ChatGPT 19,4%, Claude 22,9%, Gemini 35,2%, Grok 35,9%, Perplexity 43,1%.
4. De bron ben je zelf, sterker dan in welk ander beroep ook. Van de 2.707 bronlinks kwam 41,2 procent van het eigen domein van de fotograaf, het hoogste aandeel van alle drie de beroepen. Gidsen en registers spelen een kleinere rol (10,8%), sociale kanalen tellen iets vaker mee (3,7%), logisch voor een beeldberoep dat deels op Instagram leeft. Waar de persoon het merk is, is de eigen website ook het meest bepalend.
5. Geen regionale leegte. Net als bij de andere beroepen leidden regionale vragen niet tot vagere antwoorden: regionaal 100 procent, grootstedelijk 100 procent, landelijk het laagst met 92 procent.
Astrid Mitchell is het bewijs dat een eigen website niet volstaat. Ze heeft er een, ze staat in het vakregister, ze is een echte fotograaf, en toch verschijnt in bijna de helft van de gevallen een naamgenoot. Datzelfde patroon zag ik in elk beroep: de enige expert die structureel werd gemist, deelde steeds zijn naam met een bekendere naamgenoot. Een onderscheidbare naam is geen ijdelheid, het is je toegangsbewijs.
De handmatige controle in de echte consumenten-apps bevestigde de API-meting en bracht een scherp extra inzicht: elk platform gedraagt zich anders, en dat profiel is stabiel over de drie beroepen. Dat bepaalt mede of je als mens of als logo verschijnt, en of je überhaupt verschijnt.
Welke AI je zichtbaarheid bepaalt, bepaalt zo mede welke informatie de gebruiker krijgt. Bij Perplexity ben je de specialist uit jouw stad; bij een ander platform sta je er niet, of staat er iemand anders onder jouw naam.
Eén lijn loopt door alles heen: AI beveelt geen vakmensen aan, het beveelt entiteiten aan. Of je wordt genoemd hangt niet af van hoe goed je bent, maar van hoe duidelijk je als herkenbare partij op het web staat, en van welk platform de gebruiker toevallig opent.
Eén woord vat samen waar het om draait: entiteitssterkte. Een entiteit is een persoon, bureau of merk dat het web ondubbelzinnig kan plaatsen en aan andere informatie kan knopen. Sterke entiteiten worden gevonden, herkend en aanbevolen; zwakke entiteiten verdwijnen in de ruis of in een naamgenoot. Wat een entiteit precies is, en hoe je er een opbouwt, lees je in dit verdiepende artikel.
Drie dingen gelden over de drie beroepen heen.
En dan, toegespitst op jouw markt:
Waar dit op uitkomt, een persoon neerzetten als een herkenbare entiteit die AI ondubbelzinnig kan plaatsen, is het werk dat Identity First Media doet. Eerlijk gescoped: niet voor iedereen even urgent. Een gevestigd bureau is al een entiteit; een fotograaf met een sterke eigen site heeft het fundament al liggen. De meting laat juist zien wáár het wél aangrijpt: bij wie als individu uit de schaduw van een merk wil stappen, en bij wie zijn naam ondubbelzinnig moet claimen om niet aan een naamgenoot verloren te gaan.
Geen enkele meting vertelt het hele verhaal. Hieronder de grenzen van deze, zo concreet mogelijk, zodat je weet wat de cijfers wel en niet zeggen.
| Platform | Architecten | Therapeuten | Fotografen |
|---|---|---|---|
| Gemini | 50/50 (100%) | 50/50 (100%) | 50/50 (100%) |
| Grok | 50/50 (100%) | 50/50 (100%) | 50/50 (100%) |
| Perplexity | 49/50 (98%) | 45/50 (90%) | 50/50 (100%) |
| Claude | 50/50 (100%) | 47/50 (94%) | 47/50 (94%) |
| ChatGPT | 40/50 (80%) | 46/50 (92%) | 43/50 (86%) |
| Regiolaag | Architecten | Fotografen |
|---|---|---|
| Landelijk | 115/125 (92%) | 115/125 (92%) |
| Grootstedelijk | 75/75 (100%) | 75/75 (100%) |
| Regionaal | 49/50 (98%) | 50/50 (100%) |
| Architecten | Therapeuten | Fotografen | |
|---|---|---|---|
| Minstens één persoon genoemd | 33% | 51% | 92% |
| Alleen een organisatie | 63% | 46% | 4% |
| Platform | Architecten | Therapeuten | Fotografen |
|---|---|---|---|
| Perplexity | 45,9% | 45,9% | 43,1% |
| Grok | 28,9% | 30,6% | 35,9% |
| Gemini | 32,9% | 29,1% | 35,2% |
| Claude | 24,2% | 22,6% | 22,9% |
| ChatGPT | 18,9% | 18,3% | 19,4% |
| Platform | Architecten | Therapeuten | Fotografen |
|---|---|---|---|
| ChatGPT | 96% | 80% | 84% |
| Gemini | 92% | 80% | 100% |
| Perplexity | 84% | 100% | 88% |
| Claude | 84% | 68% | 72% |
| Grok | 80% | 80% | 100% |
| Totaal | 87% | 82% | 89% |
Architecten
| Expert | Profiel | Herkend |
|---|---|---|
| Thomas Rau | Hoog-prominent (Wikipedia, boek, Madaster) | 25/25 |
| Daan Bruggink | Midden | 25/25 |
| Janneke Bierman | Midden | 25/25 |
| Sander van Sambeek | Laag-prominent | 24/25 |
| Bart Spee | Laag, deelt naam met academicus | 10/25 |
Therapeuten
| Expert | Profiel | Herkend |
|---|---|---|
| Carien Karsten | Hoog-prominent (burn-outauteur) | 25/25 |
| Gerard Dikschei | Laag-prominent, unieke naam | 25/25 |
| Anneke Notermans | Midden | 24/25 |
| Stefi van de Graaf | Midden | 23/25 |
| Cora van Dijk | Laag, veelvoorkomende naam | 5/25 |
Fotografen
| Expert | Profiel | Herkend |
|---|---|---|
| Marie Cecile Thijs | Hoog-prominent | 25/25 |
| Carin Deben | Midden | 25/25 |
| Denise Motz | Midden | 24/25 |
| Anniek Snoeijs | Laag-prominent | 23/25 |
| Astrid Mitchell | Laag, veelvoorkomende naam | 14/25 |
| Brontype | Architecten (3.103) | Therapeuten (2.697) | Fotografen (2.707) |
|---|---|---|---|
| Eigen domein | 31,9% | 35,3% | 41,2% |
| Overig | 50,5% | 37,9% | 38,7% |
| Gids of register | 4,6% | 16,9% | 10,8% |
| Vakmedia | 5,6% | 3,2% | 2,3% |
| Overheidsregister | 3,9% | 2,0% | n.v.t. |
| Social (overig) | 2,0% | 1,0% | 3,7% |
| Reviewsite | 0,1% | 2,2% | 1,2% |
| 0,8% | 0,6% | 0,8% | |
| Wikipedia | 0,2% | 0,6% | 0,7% |
| Nieuwsmedia | 0,5% | 0,3% | 0,6% |
Voor therapeuten zijn gids/register en overheidsregister apart geteld; bij fotografen vallen overheidsregisters onder gids of register.
Architecten (P = persoon)
| # | Entiteit | Vermeldingen | Platforms |
|---|---|---|---|
| 1 | Mei Architects and Planners | 53 | 5 |
| 2 | BOEi | 31 | 5 |
| 3 | Superuse Studios | 27 | 4 |
| 4 | JADE Architecten | 25 | 4 |
| 5 | ZECC Architecten | 24 | 5 |
| 6 | FD Architecten | 23 | 4 |
| 7 | Thomas Rau (P) | 22 | 5 |
| 8 | Rijksdienst voor het Cultureel Erfgoed | 22 | 5 |
| 9 | Klement Rentmeesters | 20 | 3 |
| 10 | ORGA architect | 18 | 5 |
Therapeuten (P = persoon)
| # | Entiteit | Vermeldingen | Platforms |
|---|---|---|---|
| 1 | Psyned | 42 | 5 |
| 2 | Praktijk de Liefde | 31 | 5 |
| 3 | Vereniging EMDR Nederland (VEN) | 30 | 5 |
| 4 | NVRG | 26 | 5 |
| 5 | ZorgkaartNederland | 24 | 2 |
| 6 | PsyQ Rotterdam | 24 | 4 |
| 7 | PSYTREC | 23 | 4 |
| 8 | Psyned.nl | 21 | 2 |
| 9 | Kees van Kesteren (P) | 20 | 5 |
| 10 | LVVP | 20 | 4 |
Fotografen (P = persoon)
| # | Entiteit | Vermeldingen | Platforms |
|---|---|---|---|
| 1 | Tom Tomeij (P) | 56 | 4 |
| 2 | Denise Motz (P) | 38 | 5 |
| 3 | ThePerfectWedding.nl | 33 | 3 |
| 4 | Tessa Bruggink (P) | 32 | 4 |
| 5 | Suzan Alberts (P) | 30 | 4 |
| 6 | Gabriël Scharis (P) | 26 | 4 |
| 7 | Arjan van der Plaat (P) | 25 | 5 |
| 8 | Rogier Bos (P) | 25 | 5 |
| 9 | Annemarije (P) | 25 | 4 |
| 10 | Daan Fortuin (P) | 23 | 4 |
Dit is de eerste editie van de AI-zichtbaarheidsbenchmark van Identity First Media. Ze legt een ijklijn vast: de stand van zaken op dit moment. Elk kwartaal herhaal ik de meting met dezelfde vragen, zodat de volgende editie laat zien wat er beweegt. De ruwe antwoorden zijn bewaard en op aanvraag te controleren.
Identity First Media. Onderzoek en tekst: Paul Veth.
Ja, volop. In 95 tot 96 procent van de aanbevelingsvragen viel minstens één concrete naam, gelijkmatig over architecten, therapeuten en fotografen. De vraag is niet óf AI namen noemt, maar of jouw naam erbij staat.
Omdat AI vakbekwaamheid niet meet. Het beveelt entiteiten aan: hoe sterk en hoe ondubbelzinnig je als herkenbare partij op het web staat. Een sterkere entiteit wint van een betere vakman die zwak vindbaar is.
Dat hangt af van je vak. Bij architecten was slechts 33 procent van de namen een persoon, de rest bureaus; bij therapeuten 51 procent; bij fotografen 92 procent. AI spiegelt of jouw markt om personen of om merken draait.
Perplexity, overal het meest reproduceerbaar met 43 tot 46 procent overlap tussen identieke herhaalruns. ChatGPT is overal het grilligst, 18 tot 21 procent. Wie genoemd wordt is grotendeels toeval, en hoe toevallig verschilt per platform.
Het eigen domein van de expert: 32 tot 41 procent van de aangehaalde links, in alle drie de beroepen de grootste bron. Reviewsites en pers spelen vrijwel geen rol.
Bouw een eigen domein als grondstof, maak je naam ondubbelzinnig zodat je niet samenvalt met een naamgenoot, en zorg dat AI je als één herkenbare entiteit kan plaatsen. In gereguleerde markten zoals de zorg telt registratie als tweede ingang: daar kwam 17 procent van de bronnen uit gidsen en registers, tegen 5 procent bij architecten.