AI-assistenten zoals ChatGPT, Google Gemini en Microsoft Copilot raden vaker merken aan die veel in het nieuws zijn. Nieuwe tests laten een duidelijk verband zien tussen mediabelangstelling en aanbevelingen in gesprekken. Dat gebeurt bij vragen om productadvies, diensten en reizen in Nederland en Europa. Dit zet druk op transparantie, eerlijke concurrentie en regels uit de Europese AI-verordening (AI Act).
AI volgt mediabelangstelling
Uit recente praktijktests blijkt dat grote taalmodellen, de motor achter veel chatbots, bekende merken sneller noemen dan kleinere opties. Dat effect treedt op bij algemene vragen zoals “welke laptop is geschikt voor studenten?” of “welke zorgverzekeraar moet ik overwegen?”. De uitkomst oogt behulpzaam, maar is vaak een herhaling van namen die al veel in nieuwsartikelen en reviews voorkomen. Zo ontstaat een patroon dat meer over zichtbaarheid zegt dan over kwaliteit.
Gebruikers zien daardoor geregeld dezelfde merken terugkeren, ook als er vergelijkbare of goedkopere alternatieven zijn. Het advies oogt neutraal, maar de selectie kan scheef zijn door de manier waarop het systeem is getraind. Wie niet expliciet om criteria of alternatieven vraagt, krijgt vooral de “usual suspects”. Dat beperkt de keuze en kan verwachtingen onterecht sturen.
De bias is technisch verklaarbaar, maar maatschappelijk gevoelig. Chatbots klinken zeker van hun zaak, waardoor suggesties snel worden opgevolgd. In markten met veel vertrouwen, zoals zorg, onderwijs of financiële diensten, kan dat oneerlijke voordelen geven aan de meest zichtbare merken. Daarmee groeit het risico op marktconcentratie.
Bekende merken krijgen voorsprong
Voor MKB-bedrijven en lokale Europese merken betekent dit een concurrentienadeel. Ze hebben minder nieuwsbereik en komen daardoor minder vaak in het gesprek met de gebruiker. In Nederland speelt dit bijvoorbeeld bij energie, telecom en retail, waar veel keuze is maar zichtbaarheid ongelijk verdeeld. Een digitale assistent fungeert daar steeds vaker als eerste adviseur.
Er dreigt een feedbacklus: meer media-aandacht leidt tot meer AI-aanbevelingen, wat weer extra verkeer en nieuwe publiciteit oplevert. Zonder correctie versterkt het algoritme zo bestaande merkbekendheid. Dat is gunstig voor marktleiders, maar remt innovatie en toetreding. Uiteindelijk betalen consumenten mogelijk meer of missen ze beter passende opties.
Ook publieke instellingen kunnen geraakt worden wanneer burgers via AI advies zoeken over zorgloketten, opleidingen of mobiliteit. Als bekende namen voorrang krijgen, vallen lokale of niche-aanbieders uit beeld. Dat staat haaks op beleidsdoelen rond keuzevrijheid en toegankelijkheid. Het vraagt om duidelijke waarborgen in systemen die breed worden ingezet.
Oorzaak ligt in trainingsdata
Grote taalmodellen leren patronen uit enorme hoeveelheden webteksten, nieuws en fora. Hoe vaker een merk voorkomt, hoe groter de kans dat het in antwoordsuggesties belandt. Dit is geen bewuste voorkeur, maar een gevolg van datapatronen. Toch werkt het in de praktijk als een aanbevelingsvoordeel.
Veel assistenten combineren modeluitvoer met online zoekresultaten, een techniek die retrieval heet. Bronnen die actueel of autoritatief lijken, krijgen dan meer gewicht. Nieuws en populaire reviews scoren daarbij hoog, waardoor hetzelfde reputatie-effect terugkeert. Systemen als Google Gemini en Microsoft Copilot leunen hier zichtbaar op.
Zonder expliciete regels voor diversiteit en representatie stuurt het model vooral op herkenbaarheid. Dat maakt antwoorden vlot en overtuigend, maar niet altijd compleet. Extra instructies, zoals “noem ook minder bekende alternatieven”, helpen wel, maar zijn geen structurele oplossing. De kern zit in data, rangschikking en evaluatie.
Exposure bias: de neiging van een algoritme om opties te ondersteunen die het het vaakst in trainings- en zoekdata tegenkomt, los van werkelijke kwaliteit.
Juridische kaders in Europa
De Europese AI-verordening (AI Act) verplicht aanbieders van algemene AI-systemen, zoals GPT-4o en Gemini 1.5, tot documentatie over data en risico’s. Op het moment van schrijven wordt de wet gefaseerd ingevoerd tot en met 2026-2027. De regels schrijven geen merkgelijkheid voor, maar vragen wel om transparantie en zorgvuldige datagovernance. Dat biedt haakjes voor toezicht op scheve aanbevelingen.
Voor consumentenrechten geldt de Richtlijn oneerlijke handelspraktijken en in Nederland het toezicht van de ACM. Als antwoorden gesponsord of beïnvloed zijn, moet dat duidelijk worden vermeld. Ook misleidende weglatingen zijn verboden, zeker bij vergelijkingsadvies. Heldere labeling en uitleg over ranking worden daardoor essentieel.
De Digital Markets Act verbiedt gatekeepers, zoals Google en Microsoft, om eigen diensten voor te trekken in zoek- of winkelervaringen. Waar chatantwoorden feitelijk rangschikkingen vervangen, kan deze norm relevant zijn. Nationale toezichthouders en de Europese Commissie kunnen ingrijpen bij structurele vertekening. Dat zet druk op ontwerpkeuzes in AI-assistenten.
Nodig: transparantie en testen
Leveranciers zouden publieke “model cards” en data-verklaringen moeten publiceren, inclusief dekking in het Nederlands. Toon hoe merkverwijzingen tot stand komen en welke bronnen meetellen. Meet systematisch of antwoorden variëren per taal en vraagtype. En maak zichtbaar welke kwaliteitscriteria een aanbeveling sturen.
Onafhankelijke audits helpen, bijvoorbeeld onder ISO/IEC 42001 of gelijkwaardige beoordelingskaders. De AI Act voorziet in risicobeoordelingen en technische documentatie die auditors kunnen toetsen. Voor de overheid is dit extra belangrijk bij inkoop: stel eisen aan uitleg, diversiteit en “Europese AI-verordening gevolgen overheid”. Zo voorkomen instellingen onbedoelde bevoordeling in publieke dienstverlening.
Technisch zijn er opties: begrens herhaling van dezelfde merknaam, voeg bewuste variatie toe en vraag om objectieve criteria vóórdat een lijst verschijnt. Versterk bronnen met kwalitatieve, onafhankelijke vergelijkingen naast nieuws en marketing. En zorg dat kleinere Europese aanbieders in de gebruikte datasets en evaluaties zichtbaar zijn.
Praktische tips voor gebruikers
Vraag de assistent altijd om selectiecriteria en om minstens drie minder bekende alternatieven. Laat het systeem uitleggen waarom een merk past bij uw situatie, en controleer dat bij onafhankelijke sites. Denk aan de Consumentenbond, Thuiswinkel Waarborg of ACM ConsuWijzer. Zo houdt u grip op de keuze.
Voor bedrijven loont het om productdata helder en gestructureerd te publiceren, bijvoorbeeld met schema.org-markup. Maak pers- en uitlegpagina’s die feitelijk, actueel en niet overdreven zijn. Vermijd trucjes die als misleiding of SEO-spam kunnen gelden onder de AVG en consumentenwet. Vertrouwen weegt zwaarder dan kortstondige zichtbaarheid.
Beleidsmakers en sectororganisaties kunnen helpen met open, meertalige testsets waarin Nederlandse en Europese merken goed vertegenwoordigd zijn. Stimuleer gedeelde evaluaties en openbaar de resultaten. Zo wordt zichtbaar waar systemen scheef trekken en waar ze verbeteren. Dat maakt AI-advies eerlijker en nuttiger voor iedereen.