AI-contentspam of niet? Dit is het verschil
Twintig artikelen in vijf weken klinkt als precies het soort AI-contentspam waar Google op jaagt. Toch staan ze live en worden ze gelezen. Het verschil zit niet in het tempo, maar in de controle die je inbouwt vóórdat je publiceert.
In dit artikel:
De angst voor AI-contentspam is begrijpelijk. Zoekresultaten zijn de afgelopen jaren vol geraakt met dunne, generieke teksten die puur bestaan om een keyword te scoren. Google heeft daar actief op ingegrepen: de Helpful Content Updates van 2022 tot en met 2024 waren expliciet bedoeld om content die “voor zoekmachines is geschreven” te degraderen. Maar dat geldt voor alle slechte content, of die nu door een mens of een taalmodel is geproduceerd. De vraag is dus niet of AI erbij betrokken was, maar of het resultaat de lezer echt verder helpt.
Wat maakt content spam, en wat niet?
Contentspam heeft drie herkenbare kenmerken. Eén: het bestaat puur om volume te maken, niet om een vraag te beantwoorden. Twee: er zit geen aantoonbare expertise achter, geen ervaring, geen standpunt. Drie: de artikelen zijn onderling inwisselbaar, ze hadden net zo goed over elk ander onderwerp kunnen gaan.
Google’s eigen definitie sluit hierbij aan. In de Search Central-documentatie staat dat content moet zijn geschreven “for people, not for search engines” en dat E-E-A-T, de afkorting voor Experience, Expertise, Authoritativeness en Trustworthiness, het belangrijkste kwaliteitssignaal is. Vertrouwen weegt daarbinnen het zwaarst.
Twintig artikelen in vijf weken klinkt als een spamtempo, maar dat is een aanname over snelheid. Het gaat erom of elk artikel een echte vraag beantwoordt, of er aantoonbare kennis achter zit, en of de tekst inhoudelijk controleerbaar is. Is dat het geval, dan is het geen spam, ook al is een taalmodel er bij betrokken.
Hoe beoordeelt Google AI-gegenereerde content?
Google beoordeelt AI-content niet anders dan door mensen geschreven tekst. Dat staat expliciet in de richtlijnen: het gaat om de kwaliteit en het nut van de content, niet om hoe die tot stand is gekomen. Wat Google wél afstraft, is content die bedoeld is om rankings te manipuleren, ongeacht de methode.
Uit onderzoek naar generative engine optimization (GEO) blijkt dat AI-zoekmachines zoals Perplexity, ChatGPT en Google AI Overviews content vaker citeren als er concrete statistieken, heldere definities en bronvermeldingen in staan. Dat verhoogt de zichtbaarheid in AI-antwoorden met 30 tot 40% ten opzichte van artikelen zonder die elementen, zo blijkt uit peer-reviewed onderzoek gepubliceerd door de Search Engine Optimization-onderzoeksgroep aan Princeton University (2023). Dezelfde eigenschappen die Google waardeert, zijn dus ook de eigenschappen die AI-engines herkennen als gezaghebbend.
Kernpunt: de grens tussen AI-contentspam en waardevol AI-ondersteund kennisbeheer ligt niet bij het tempo of het gereedschap, maar bij de kwaliteitscontrole die je inbouwt vóórdat je op “publiceer” drukt.
Welke kwaliteitscontrole maakt het verschil?
In de aanpak die hier beschreven wordt, doorloopt elk artikel vóór publicatie een ingebouwde SEO- en GEO-controle. Scoort een concept slecht op relevantie, structuur of citeerbaarheid, dan is dat meteen zichtbaar. Het artikel gaat pas live als het door die controle heen is.
Die controle richt zich op een paar concrete vragen:
- Beantwoordt het artikel een echte zoekintentie, of omcirkelt het een keyword zonder het te raken?
- Staan er concrete cijfers, definities of bronnen in die een AI-engine kan citeren?
- Is de structuur helder genoeg voor een zoekresultaat met een featured snippet?
- Staat het kernantwoord vroeg, niet na een lange opwarmer?
- Is er een duidelijke entiteit, wie schrijft dit, waarover en voor wie?
Pas als de antwoorden kloppen, gaat de tekst door. Dat is geen garantie dat elk artikel ook scoort, want Google’s algoritme is onvoorspelbaar en afhankelijk van domeinautoriteit, concurrentie en honderden andere factoren. Maar het is wel de voorwaarde om überhaupt kans te maken.
Wat een controleerbaar proces er in de praktijk uitziet
Een concrete workflow kan er zo uitzien: een contentbrief met zoekintentie en kernvragen, een conceptcheck op E-E-A-T-criteria (is er echte expertise zichtbaar?), een taalkundige controle op anglicismen en M-streepjes, een factcheck op alle statistieken en citaten, en tot slot een structuurcheck op de antwoord-eerst-volgorde. Vijf stappen, elk artikel. Bij Divtag doen we iets vergelijkbaars als we kenniscontent bouwen voor klanten: de waarde zit in de structuur die je om het schrijfproces heen bouwt, niet alleen in de output zelf.
De AI als sparringpartner, niet als tekstgenerator
De meest productieve manier om een taalmodel in te zetten voor content is niet als vervanger van een schrijver, maar als sparringpartner voor een schrijver of strateeg met vakkennis. Het model stelt de structuur voor, de mens beoordeelt of de inhoud klopt. Het model draftet een alinea, de mens beslist of er een echte bron bij hoort of dat de claim te ruim is. Het model scoort op citeerbaarheid, de mens weegt of de score het artikel ook echt beter maakt.
Die wisselwerking vereist wel dat de mens aan het stuur blijft. Een taalmodel heeft geen reputatie te verliezen. De SEO-adviseur of het bedrijf dat zijn naam onder het artikel zet, wel. Dat eigenaarschap is precies wat AI-contentspam onderscheidt van AI-ondersteunde kenniscommunicatie: iemand staat er met zijn of haar naam onder en is aanspreekbaar op de inhoud.
Bij Divtag bouwen we AI-tools die werk automatiseren, maar we beginnen altijd bij het bedrijfsproces en het echte probleem. Datzelfde geldt hier: de tool is nuttig, maar de vakkennis en het oordeel blijven bij de mens.
De eerlijke kanttekening: wat je niet zomaar kunt doorvertalen
De aanpak die hierboven beschreven staat, is gebouwd door één gebruiker, voor één gebruiker. De kwaliteitsscore die bepaalt of een artikel door de controle heen gaat, is geen branchestandaard. Het is een eigengemaakt systeem, afgestemd op één werkwijze en één type content.
Dat maakt het waardevol als persoonlijk instrument, maar het is niet zomaar schaalbaar naar een redactie van tien mensen of naar een klant met andere doelgroepen en andere kwaliteitscriteria. Voor een klant zou je zo’n systeem heel anders inrichten: gebaseerd op gezamenlijk vastgestelde criteria, getest op de specifieke doelgroep, met validatie door meer dan één persoon.
De les die wél breed toepasbaar is: snel publiceren kan, mits de controle structureel is ingebouwd en niet achteraf wordt toegevoegd als alibi. Volume zonder proces is spam. Volume met process is kennisbeheer.
Veelgestelde vragen over AI-contentspam (FAQ)
Straft Google AI-gegenereerde content automatisch af?
Hoeveel artikelen per week is te veel?
Wat is het verschil tussen E-E-A-T en gewone SEO?
Hoe maak ik AI-content citeerbaar voor AI-zoekmachines?
Kan ik als MKB-bedrijf zelf een contentproces met AI opzetten?
Plan een vrijblijvend kennismakingsgesprek