Techbedrijven zetten steeds vaker kunstmatige intelligentie in om smaak te sturen. Systemen van Spotify, TikTok, Meta en Adobe kiezen muziek, video’s en beeldstijlen voor miljoenen gebruikers. Dat roept de vraag op of algoritmen soms ‘betere smaak’ tonen dan mensen, en wat dat betekent voor cultuur en keuzevrijheid. Het raakt ook aan transparantie-eisen in Europa, de Europese AI-verordening en de gevolgen voor overheid en media.
AI-curatie valt vaak in smaak
Platforms laten software kiezen wat we zien en horen. TikTok’s aanbevelingssysteem, de For You-feed van Meta’s Instagram en Facebook, en Netflix’ rijen zijn allemaal datamodellen die voorkeuren voorspellen. Spotify test met AI DJ, een virtuele presentator die muziek selecteert en toelicht op basis van luistergedrag. Zulke functies geven gebruikers het gevoel dat het systeem ‘smaak’ heeft.
Die systemen werken met patronen in enorme hoeveelheden data. Ze vergelijken jouw gedrag met dat van anderen en koppelen dat aan contentkenmerken, zoals genre, tempo of kleur. Zo ontstaat een consistent stijlprofiel, zonder dat er een mens aan te pas komt. Het effect is vaak prettig: minder zoeken en vaker raak.
Tegelijk is de regie verschoven van redacties naar modellen. De volgorde van aanbevelingen bepaalt hoeveel aandacht iets krijgt. Kleine verschillen in rangschikking maken groot verschil voor makers en uitgevers. Dat is een machtsverschuiving waar Europese toezichthouders scherp op zijn.
Smaak als patroonherkenning
Smaak in algoritmen is geen gevoel, maar statistiek. Generatieve systemen als OpenAI’s GPT-4o, Google’s Gemini 1.5 en Anthropic’s Claude 3 maken stijlkeuzes door patronen na te bootsen uit trainingsdata. Beeldmodellen zoals Midjourney en Adobe Firefly kunnen een ‘style reference’ volgen en zo een herkenbare signatuur nabouwen. Voor de gebruiker oogt dat als smaak, maar technisch is het patroonherkenning.
Dat verklaart waarom AI vaak consistent is, maar soms veilig of saai. Het model kiest de optie met de hoogste kans op waardering, niet per se de meest verrassende. Serendipiteit — toevallig iets onverwachts vinden — is lastiger te berekenen. Veel platforms bouwen daarom ‘explore’-mechanismen in om toch nieuwe paden te tonen.
In de creatieve praktijk schuift AI op richting co-curator. Tekstmodellen stellen koppen en invalshoeken voor, beeldmodellen houden stijldiscipline in campagnes, en muziekdiensten maken startlijsten. De mens stelt de kaders en corrigeert, het systeem vult snel en consequent aan.
“In AI is ‘smaak’ de naam die we geven aan statistische voorkeuren die consistent lijken voor een gebruiker, merk of stijl.”
Gevaren van eenheidsworst
Als dezelfde modellen dezelfde data volgen, dreigt eenheidsworst. Populaire stijlen worden nóg populairder, terwijl niche en lokale cultuur minder zichtbaar worden. Makers in kleinere talen, zoals het Nederlands of Fries, lopen het risico weg te vallen in mondiale datasets. Dat is zorgelijk voor mediapluriformiteit en cultuurbeleid.
Bias is een tweede risico. Als trainingsdata scheef zijn, reflecteert de uitkomst die scheefheid. Dat kan stereotypes versterken in beeld en tekst. Voor Europese media en overheden betekent dit: toets op diversiteit en blijf eisen stellen aan brondata en evaluatie.
Ook auteursrecht speelt mee. Generatieve modellen leren van bestaand werk, maar hergebruik kan botsen met rechten van makers. In Europa wordt gewerkt aan transparantie over trainingsdata en duidelijke labeling van AI-gegenereerde content, zodat publiek weet wat echt en wat synthetisch is.
Europese AI-verordening gevolgen overheid
De Europese AI-verordening (AI Act) legt op het moment van schrijven nieuwe plichten op voor aanbieders en gebruikers van AI. Generatieve systemen moeten onder meer duidelijk maken dat output synthetisch is en technische maatregelen nemen tegen misleiding. Algoritmen die mensen manipuleren of onredelijke risico’s creëren, worden aan banden gelegd. Overheden moeten letten op risicoklassen als AI invloed heeft op toegang tot diensten, onderwijs of werk.
Daarnaast verplicht de Digital Services Act (DSA) grote platforms in de EU om hun aanbevelingssystemen uit te leggen. Gebruikers moeten kunnen kiezen voor een feed zonder profilering. Dat is bedoeld om autonomie te vergroten en filterbubbels te beperken. Voor Nederlandse uitgevers en omroepen betekent dit: transparant zijn over waarom iets wordt aanbevolen.
De AVG blijft de basis voor personalisatie. Persoonsgegevens voor aanbevelingen vragen een rechtmatige grondslag, vaak toestemming. Dataminimalisatie en beveiliging zijn verplicht, net als rechten op inzage en bezwaar. Publieke instellingen moeten extra zorgvuldig zijn als AI de toegang tot informatie of diensten ordent.
Mens blijft eindredacteur
AI kan selecteren, maar kent geen context, waarden of maatschappelijke doelen. Redacties, marketeers en beleidsmakers bepalen nog steeds wat belangrijk is, wat divers is en wat past bij missie en publiek. Heldere kwaliteitscriteria helpen om het model te sturen. Denk aan variatie, lokale relevantie en verantwoording.
Praktisch werkt een hybride aanpak het best. Laat het systeem voorstellen doen en patronen signaleren. Laat mensen kiezen, afwijken en uitleg geven. Zo blijft er ruimte voor verrassing en vernieuwing, zonder de efficiëntie van algoritmen te verliezen.
Voor Nederlandse organisaties is documentatie cruciaal. Leg vast welke modellen worden gebruikt, met welk doel en welke controles gelden. Evalueer regelmatig op bias, diversiteit en publieksimpact. Zo blijft ‘smaak’ een bewuste keuze, niet alleen een statistisch gevolg.
Zo houd je regie
Begin met duidelijke kaders: wat mag het systeem wel en niet selecteren, en waarom. Kies tooling die transparantie biedt, zoals instelbare recommenders en modellen met uitlegbaarheid. Test met gebruikers uit verschillende doelgroepen, ook buiten de grootste profielen. Meet niet alleen klikratio, maar ook tevredenheid, diversiteit en vertrouwen.
Gebruik AI-functies die verrassingen inbouwen. Bij contentaanbevelingen: meng bewezen publiekstrekkers met nieuw talent. Bij beeld en tekst: varieer stijlen en bronnen en voorkom overmatige ‘style locking’. Dit verkleint de kans op eenheidsworst.
Tot slot: leg uit hoe selectie werkt. Korte toelichting verhoogt begrip en acceptatie, zeker bij publieke diensten. Dat sluit aan bij de Europese eisen voor transparantie en helpt het publiek bewust te kiezen. Zo wordt AI een hulpmiddel, geen smaakpolitie.