De beste keuze is…

Inleiding

In de zomer van 2025 publiceerde het Amerikaanse Pew Research Center een nuchtere meting. Het analyseerde bijna 69.000 zoekopdrachten van zo'n negenhonderd Amerikanen. Wanneer Google bovenaan een door AI gegenereerde samenvatting toonde, klikte nog 8 procent van de gebruikers door naar een onderliggende website. Zonder die samenvatting was dat 15 procent. En op een link bínnen de samenvatting klikte één op de honderd.

Het is een klein cijfer met een grote implicatie. De website, decennialang het eindpunt van elke zoektocht, wordt overgeslagen. De vraag wordt beantwoord voordat iemand de bron bezoekt. Dat raakt eerst de marketeers, die zien hoe hun verkeer wegloopt. Maar het raakt daarna iedereen die iets te bieden heeft en daarvoor gekozen wil worden, want het verandert de plek waar die keuze valt.

Deze whitepaper gaat niet over AI. Of preciezer: AI is hier de aanleiding, niet het onderwerp. Het onderwerp is besluitvorming — hoe klanten, inkopers en organisaties kiezen, en wie ze vertrouwen. AI is de kracht die de context van die keuze verschuift. De technologie verandert niet alleen hoe mensen informatie vinden. Ze verandert de omgeving waarin mensen beslissen, en daarmee de verhouding tussen vraag en aanbod, tussen expertise en vertrouwen, tussen zichtbaar zijn en geloofwaardig zijn.

De centrale stelling is eenvoudig te formuleren en lastig waar te maken: de concurrentie verschuift van vindbaarheid naar aanbeveelbaarheid.

Niet de vraag wie wordt gevonden, maar wie wordt geselecteerd, vertrouwd en aanbevolen. Dat klinkt als een marketinginzicht. Het is er geen. Wie de stelling tot het einde doordenkt, komt uit bij een vraagstuk dat dieper in de organisatie zit dan de website of de campagne. Het komt uit bij de vraag of de waarde van een bedrijf wel ergens anders bestaat dan in de hoofden van een paar mensen.

Het betoog verloopt in vier stappen. Eerst de breuk: wat er feitelijk verandert in de manier waarop mensen zich oriënteren. Dan de stelling en het sterkste tegenargument, want de breuk is minder absoluut dan de hype suggereert. Vervolgens het vraagstuk dat het Nederlandse MKB kwetsbaar maakt, met een denkkader om de eigen positie te bepalen. En ten slotte de discipline die nodig is om expertise, vertrouwen en oordeel overdraagbaar te maken.

01De breuk

De trechter was al een fabel

Het klassieke beeld van de klantreis is een trechter. Bovenin een brede stroom belangstellenden, die zich stap voor stap versmalt: van behoefte naar zoeken, vergelijken, oriënteren, beslissen en kopen. Het is een ordelijk model, en het is grotendeels onjuist. Dat was het al voordat AI in beeld kwam.

Google liet dat zelf zien met een onderzoek dat het bedrijf samen met gedragswetenschappers van The Behavioural Architects uitvoerde, onder de naam Decoding Decisions. In een simulatie van honderdduizenden aankoopscenario's bleek de werkelijke klantreis geen rechte lijn maar een lus. Consumenten bewegen heen en weer tussen twee mentale toestanden: verkennen, waarin ze hun opties verbreden, en evalueren, waarin ze die weer versmallen. Dat herhaalt zich, soms tientallen keren, in wat de onderzoekers “the messy middle” noemden — het rommelige midden. Wie zich daarin als alternatief opdrong, kon een gevestigde voorkeur nog kantelen.

Dit is geen academisch detail. Het verklaart waarom het idee van “de klant door de trechter leiden” altijd al een vereenvoudiging was. In zakelijke markten is dat midden nog rommeliger, omdat er zelden één beslisser is. Maar de kern van het oude model klopte op één punt wel: de mens deed het zoekwerk zelf. Hij typte de vraag, woog de resultaten, koos welke bronnen hij vertrouwde. Precies dat punt is nu aan het verschuiven.

De antwoordeconomie

Waar de mens vroeger zelf zocht, schuift nu een AI-systeem tussen de mens en de informatie. Het systeem doet het verzamelen, het wegen en het samenvatten. De gebruiker krijgt geen lijst met blauwe links meer, maar een antwoord. Dit is de overgang die zich het best laat samenvatten als de antwoordeconomie: niet de informatie zelf is het eindproduct, maar de samenvatting ervan.

De cijfers achter die overgang zijn fors, al variëren ze sterk per definitie. Onderzoek van SparkToro, op clickstream-data van dataleverancier Datos, kwam over de periode september 2022 tot mei 2024 uit op een zogenoemd zero-click-percentage — zoekopdrachten die in nul kliks naar een externe site eindigen — van 58,5 procent in de Verenigde Staten en 59,7 procent in de Europese Unie. Dat cijfer telt alle zoekopdrachten mee. Kijkt men alleen naar zoekopdrachten waarbij Google een AI-samenvatting toont, dan loopt het op tot ruim 80 procent. En in Googles experimentele AI Mode, waarin het hele zoekresultaat een gesprek is geworden, eindigde volgens Semrush ongeveer 93 procent van de zoekopdrachten zonder enige klik naar buiten. Dat laatste cijfer berust op een afgebakende meetperiode in de zomer van 2025 en op een nog kleine groep gebruikers; het is een vroege indicatie, geen vast gegeven.

Twee punten zijn belangrijker dan de exacte percentages. Het eerste is de richting, en die is eenduidig: het aandeel zoekopdrachten waarbij iemand daadwerkelijk een website bezoekt, daalt. Het tweede is het effect op wie wél bovenaan staat. Analysebureau Ahrefs stelde begin 2026 vast, op basis van cijfers over december 2025, dat de aanwezigheid van een AI-samenvatting de doorklikkans van de hoogste organische zoekpositie met 58 procent verlaagde — waar datzelfde bureau in het voorjaar van 2025 nog op 34,5 procent uitkwam. De positie die ooit garant stond voor bezoek, levert er steeds minder van op.

Dat dit geen Amerikaans fenomeen is, blijkt uit Europese metingen. Het Duitse SISTRIX, dat meer dan honderd miljoen zoekwoorden volgt, rapporteerde begin 2026 dat de doorklikkans van de eerste zoekpositie daalde van 27 procent zonder AI-samenvatting naar 11 procent met. Volgens diezelfde analyse verloren Duitse websites samen honderden miljoenen bezoeken per maand. De infrastructuur van het oude web — vindbaar zijn, bovenaan staan, verkeer ontvangen — blijft bestaan, maar verliest haar opbrengst.

Zichtbaar zonder bezocht te worden

Hier ontstaat een breuk die dieper gaat dan verkeersverlies. Zichtbaarheid en bezoek raken ontkoppeld. Een bedrijf kan in een AI-samenvatting worden genoemd zonder dat iemand zijn website opent. Omgekeerd kan een prachtige website ongezien blijven omdat het AI-systeem hem niet kan lezen of niet de moeite waard vindt om te citeren.

De reviewplatforms laten dat scherp zien. Sites als G2 en Capterra duiken op in ruwweg een derde van de AI-samenvattingen bij commerciële zoekopdrachten — en verliezen tegelijk zelf bezoekers, omdat hun informatie nu in de samenvatting verschijnt in plaats van op hun eigen pagina. Het bekendste voorbeeld is Yelp, het Amerikaanse recensieplatform. In zijn jaarverslag over 2025 rapporteert Yelp zelf een daling op alle drie zijn kanalen tegenover 2024: app−2 procent, desktopweb −6 procent, mobiel web −7 procent. Geen ineenstorting, maar wel een gestage afname bij een platform dat vaker dan ooit wordt aangehaald. Geciteerd worden en bezocht worden zijn niet langer hetzelfde.

Voor wie gekozen wil worden, draait de logica daarmee om. De oude vraag was: hoe trek ik bezoekers naar mijn etalage? De nieuwe vraag is: word ik genoemd, en zo ja, op grond waarvan? Dat verlegt de aandacht van het binnenhalen van verkeer naar het verdienen van een vermelding. En een vermelding verdien je niet met meer pagina's, maar met iets wat een systeem — en daarna een mens — kan beoordelen als geloofwaardig.

Dat is geen pleidooi tegen volume. Massa is geen kennis, maar massa is wel grondstof: ruw materiaal dat pas waarde krijgt door selectie, toetsing en ordening. Het bedrijf dat honderd pagina's publiceert zonder die bewerking, heeft honderd pagina's ruis. Het bedrijf dat dezelfde massa terugbrengt tot wat het kan verantwoorden, houdt minder over — en juist dat mindere is beoordeelbaar.

Van wie zoekt naar wat kiest

Tot zover de oriëntatie van de consument. De wezenlijke vraag voor het bedrijfsleven is of dezelfde verschuiving optreedt in zakelijke aankopen, waar de bedragen hoger en de beslissingen gewogener zijn. Het antwoord, voorzichtig geformuleerd, is ja — in de eerste fase.

Reviewplatform G2 onderzocht begin 2026 ruim duizend zakelijke softwarekopers en noemde de uitkomst de antwoordeconomie. Bijna driekwart van hen gebruikte een AI-chatbot om software te onderzoeken, tegen zestig procent een halfjaar eerder. Ruim de helft begon zijn zoektocht vaker bij een AI-chatbot dan bij Google — een verschuiving die in minder dan een jaar van bijna dertig naar boven de vijftig procent ging. En, het meest veelzeggend: de AI-chatbot was inmiddels de belangrijkste bron voor het samenstellen van een shortlist, nog vóór de reviewsites. Bijna zeven op de tien kopers gaven aan dat ze op grond van een gesprek met een AI-systeem voor een andere leverancier hadden gekozen dan ze aanvankelijk overwogen.

De shortlist is het werk van de machine geworden. De keuze daarbinnen blijft mensenwerk.

Dat is het kantelpunt waar deze whitepaper om draait. AI bepaalt al voor een groot deel wíe op de shortlist verschijnt. Maar — en dit is de scheidslijn die het hele betoog draagt — het bepaalt nog zelden wie de opdracht krijgt. Wat dat betekent voor de manier waarop een organisatie zich moet organiseren, is het onderwerp van de volgende stap.

02De stelling en haar tegenkracht

Aanbeveelbaarheid is iets anders dan vindbaarheid

De gangbare conclusie uit het voorgaande luidt: zorg dat de AI je vindt. Optimaliseer je teksten voor het taalmodel, claim een plek in de samenvatting, word de bron die geciteerd wordt. Onder de noemer Generative Engine Optimization — het optimaliseren van teksten zodat een AI-systeem ze oppikt, de opvolger van het optimaliseren voor de zoekmachine — is daar inmiddels een hele dienstverlening omheen ontstaan. Die dienstverlening is niet zinloos. Maar wie erin blijft hangen, verwart een voorwaarde met het doel.

Het onderscheid is dit. Vindbaarheid gaat over de vraag of een systeem je opmerkt en noemt. Aanbeveelbaarheid gaat over de vraag of je het waard bent om aanbevolen te worden op het moment dat het systeem — en de mens erachter — alles al kan nazoeken. Het eerste is een kwestie van techniek en zichtbaarheid: ben je leesbaar, vermeld, geïndexeerd. Het tweede is een kwestie van bewijs, reputatie en overdraagbare expertise: klopt wat je beweert, is het door anderen bevestigd, en kun je het waarmaken.

Het verschil is geen woordenspel. Een systeem dat alles kan vinden, krijgt een nieuw probleem: het moet kiezen wat het aanbeveelt. En het kiest, voor zover de werking van de taalmodellen zich laat nagaan, niet op grond van wie het hardst roept, maar op grond van wat het meest consistent door onafhankelijke bronnen wordt bevestigd. Validatie door derden weegt zwaarder dan eigen beweringen. Expertise die aan herkenbare mensen is gekoppeld, levert sterkere geloofwaardigheidssignalen op dan anonieme claims. Consistentie over verschillende bronnen verhoogt het vertrouwen van het model in een antwoord. Dat zijn precies de eigenschappen die ook een mens overtuigen. Vindbaarheid laat zich kopen of bevechten; aanbeveelbaarheid moet verdiend worden.

Het sterkste tegenargument

Tot hier loopt het betoog soepel, en juist daarom is dit het moment om het tegen te spreken. Er is een serieus argument tegen de stelling dat aanbeveelbaarheid de nieuwe slag wordt, en dat argument verdient een eerlijke behandeling — niet als stroman, maar in zijn sterkste vorm.

Het luidt zo. Zakelijke beslissingen, zeker de grote, worden niet door machines genomen. Ze worden genomen door mensen, in groepen, op grond van vertrouwen dat over jaren is opgebouwd in persoonlijke relaties. AI mag de oriëntatie veranderen, de beslissing blijft een menselijke aangelegenheid waarin reputatie, relatie en onderbuik de doorslag geven. En de cijfers die autonome AI-inkoop suggereren, blijken bij nadere beschouwing vooral voorspellingen.

Dat laatste klopt, en het is belangrijk om er precies in te zijn. Adviesbureau Gartner voorspelde dat tegen 2028 90 procent van de zakelijke inkoop via AI-agenten zou verlopen, goed voor meer dan 15 biljoen dollar. Dat is een prognose, geen meting, en wordt in de markt te vaak als feit herhaald. De gemeten werkelijkheid is veel nuchterder. Onderzoek van The Hackett Group onder inkoopleiders liet in 2025 zien dat ongeveer de helft van de inkoopteams met generatieve AI experimenteerde, maar dat slechts 4 procent het op grote schaal had uitgerold. Consultancy EY kwam in zijn wereldwijde inkooponderzoek op iets ruimere cijfers — ruim een derde met betekenisvolle implementaties — maar ook daar is de toepassing geconcentreerd in ondersteunende taken, niet in beslissingen. En onderzoek van ISG toonde dat inkoop met 6 procent slechts een fractie uitmaakt van alle bedrijfsmatige AI-toepassingen — ver achter sales, productmanagement en operations.

Zelfs het meest aangehaalde voorbeeld van AI “op schaal” verdient een correctie. Het Deense Danfoss automatiseert tot 80 procent van zijn transactionele orderbeslissingen met AI-agenten, en zag de doorlooptijd van handmatige orders teruglopen van ruim veertig uur naar enkele minuten. Indrukwekkend — maar het betreft de verkoopzijde, de verwerking van inkomende orders, niet de inkoop of de leveranciersselectie. En voor uitzonderingen blijft een mens in de lus. Wie dit voorbeeld aanvoert als bewijs dat machines leveranciers kiezen, gebruikt het verkeerd.

Waarom de tegenkracht de stelling versterkt

Het tegenargument is dus grotendeels juist: AI beslist niet, en zal dat voorlopig op grote schaal ook niet doen. Maar hier draait de redenering, en dit is het intellectuele hart van deze whitepaper. Het tegenargument ontkracht de stelling niet. Het scherpt haar.

Het bewijs daarvoor komt uit het meest gezaghebbende koperonderzoek dat er is. Adviesbureau Forrester ondervroeg voor zijn jaarlijkse studie naar zakelijk koopgedrag zo'n achttienduizend kopers wereldwijd. Het aandeel dat AI inzet bij aankopen steeg van 89 procent in 2025 naar 94 procent in 2026. Vrijwel iedereen gebruikt het dus. Maar — en dit is de vondst — datzelfde onderzoek liet zien dat het gebruik van AI niet tot meer zekerheid leidt, maar tot meer wantrouwen. Ruim een derde van de kopers voelde zich zekerder dankzij generatieve AI; een vijfde voelde zich juist onzekerder, omdat ze op onbetrouwbare of onjuiste informatie waren gestuit.

Het gevolg is contra-intuïtief maar logisch. Naarmate kopers meer AI gebruiken, gaan ze de uitkomst ervan harder tegen het licht houden. Ze breiden hun koopgroepen uit — Forrester telde gemiddeld dertien interne betrokkenen en negen externe beïnvloeders per beslissing — en ze valideren wat de machine hun voorschotelt bij bronnen die ze wél vertrouwen: vakgenoten, analisten, experts. De analist die het onderzoek leidde, vatte de consequentie voor leveranciers bondig samen: hun beweringen moeten te bevestigen zijn via vertrouwde, onafhankelijke stemmen.

Daar staat de stelling, sterker dan voorheen. De machine maakt de eerste selectie. De mens valideert die selectie, met groeiende argwaan. En wie die validatie wil doorstaan, heeft niets aan vindbaarheid en alles aan aanbeveelbaarheid: aan bewijs dat klopt, aan reputatie die door anderen wordt gedragen, aan expertise die navolgbaar is. De relatie en het vertrouwen waar het tegenargument op wees, verdwijnen niet. Ze worden juist belangrijker — maar ze moeten nu een laag AI-bemiddelde oriëntatie overleven die er eerder niet was.

Dit verklaart ook waarom de slag zich niet aan de voorkant beslecht. Onderzoek van 6sense onder ruim 3.500 zakelijke kopers wees uit dat zij pas met verkopers spraken wanneer zij ongeveer 70 procent van hun aankooptraject hadden afgelegd — een aandeel dat 6sense in 2025 zelf naar beneden bijstelde, naar circa 60 procent. Hoe je het ook weegt: het grootste deel van het traject is voorbij voordat er contact is, en precies dat deel wordt nu door AI bemiddeld. Tegen de tijd dat het gesprek begint, is de keuze grotendeels gevormd — niet door een verkoper, maar door wat de machine vond en wat de koper daarvan geloofde.

De grens van het argument

Het zou misleidend zijn om hier te stoppen met een opgeruimde conclusie. De verschuiving is reëel, maar ongelijkmatig. In sterk relationele markten — McKinsey vond in 2024 dat 44 procent van de zakelijke kopers sterk hecht aan bestaande relaties en bij vertrouwde partners blijft, en kwam in 2026 zelfs op 53 procent — speelt AI in de oriëntatie een kleinere rol. Bij grote, risicovolle aankopen blijven menselijke proefperiodes en persoonlijke beoordeling dominant; Forrester zag dat het overgrote deel van de kopers bij aankopen van vele miljoenen een proefperiode eist. En emotie speelt mee tot in de hoogste bedragen: Gartner stelde vast dat de meeste zakelijke kopers erkennen dat gevoel meeweegt, ook bij de zwaarste beslissingen.

De eerlijke conclusie is daarom geen omwenteling maar een verschuiving van zwaartepunt. De oriëntatie en de eerste filtering worden bemiddeld door AI. De validatie en de uiteindelijke keuze blijven menselijk, en worden door het AI-gebruik zelfs kritischer. Tussen die twee in valt de nieuwe slag: niet om gevonden te worden, maar om de selectie te overleven. Dat is de slag om aanbeveelbaarheid. En wie hem wil winnen, ontdekt al snel dat het probleem niet aan de buitenkant zit, in de communicatie, maar aan de binnenkant — in de vraag of de waarde van de organisatie wel ergens is vastgelegd.

03De kwetsbaarheid van het MKB

Waarde die in mensen zit

Veel bedrijven in het Nederlandse midden- en kleinbedrijf beschikken over precies wat in een economie van aanbeveelbaarheid telt: diepe expertise, trouwe klanten, jarenlange ervaring, een onderscheidend vermogen dat concurrenten niet zomaar kopiëren. Het probleem is niet dat die waarde ontbreekt. Het probleem is waar ze zit. Ze zit in mensen — in hun ervaring, hun routines, hun relaties, hun oordeel — en zelden in systemen, processen of vastgelegde kennis.

De filosoof Michael Polanyi vatte dit een halve eeuw geleden samen in één zin: we weten meer dan we kunnen zeggen. Hij noemde het stilzwijgende kennis, tacit knowledge — het soort weten dat een ervaren vakman in zijn handen heeft maar niet in een handleiding kan gieten. Een monteur die aan het geluid hoort wat er mis is. Een adviseur die in een eerste gesprek aanvoelt waar het werkelijke probleem ligt. Een inkoper die weet welke leverancier belt voordat het misgaat. Die kennis is reëel en waardevol, en ze is buitengewoon moeilijk over te dragen.

In een wereld die op persoonlijk contact draaide, was dat geen acuut probleem. De waarde liep mee met de persoon, en zolang de persoon bleef, bleef de waarde. Maar twee ontwikkelingen maken die afhankelijkheid nu tot een risico. De eerste is demografisch en speelt al langer: de mensen in wie de kennis zit, gaan met pensioen. De tweede is nieuw: de systemen die de eerste selectie maken, kunnen kennis die nergens is vastgelegd, niet zien.

Twee keer kwetsbaar

Begin met de demografie, want die is in Nederland scherp gedocumenteerd. Het Centraal Bureau voor de Statistiek telt rond de driehonderdduizend familiebedrijven. Samen zijn ze goed voor meer dan 30 procent van de werkgelegenheid en ongeveer een derde van de toegevoegde waarde van het niet-financiële bedrijfsleven; opgeteld vertegenwoordigen ze meer dan de helft van het bruto binnenlands product. Het is geen niche. Het is de ruggengraat van de Nederlandse economie.

En die ruggengraat vergrijst. Onderzoek dat Ipsos I&O in 2025 uitvoerde in opdracht van ABN AMRO, onder ruim vijfhonderd eigenaren, schetst een ongemakkelijk beeld. Meer dan twee derde wil binnen tien jaar stoppen. Van hen is bijna een kwart nog niet met opvolging bezig, en een vijfde zoekt wel maar heeft geen opvolger gevonden. Het aandeel ondernemers van 65 jaar en ouder is sinds 2010 bijna verdubbeld. De cijfers uit specifieke sectoren zijn nog scherper: in de landbouw telde het CBS al in 2020 ruim zestienduizend bedrijven met een oudere ondernemer en zonder opvolger. Volgens cijfers van het Family Business Institute haalt circa 30 procent van de familiebedrijven de overgang naar de tweede generatie — zeven op de tien dus niet. Dat aandeel wordt breed aangehaald en even breed bekritiseerd als vuistregel. De Kamer van Koophandel rekent voor een zorgvuldige overdracht met vijf tot zeven jaar.

Dit is de eerste kwetsbaarheid: kennis die met een persoon vertrekt en niet is overgedragen. Het is een oud probleem, en het heeft een naam in de risicoleer — afhankelijkheid van sleutelpersonen, in het Engels key person risk. Brancheonderzoek schat dat de overgrote meerderheid van de bedrijven minstens één medewerker heeft wiens vertrek de bedrijfsvoering ernstig zou raken, en dat het overgrote deel van de kleine bedrijven leunt op één of twee zulke sleutelfiguren.

De tweede kwetsbaarheid is nieuw en versterkt de eerste. Een AI-systeem dat een eerste leveranciersselectie maakt, beoordeelt wat het kan lezen: gestructureerde informatie, controleerbare claims, door derden bevestigde expertise. Kennis die alleen in een hoofd zit, is voor zo'n systeem onzichtbaar. Het bedrijf dat zijn waarde nooit heeft vastgelegd, is dus dubbel kwetsbaar: het kan zijn kennis verliezen bij de overdracht, én het wordt niet gezien door de machine die de keuze voorbereidt. Wat ooit een continuïteitsrisico was, is nu ook een zichtbaarheidsrisico geworden.

Een denkkader: fragiliteit en beoordeelbaarheid

Om de eigen positie te bepalen, helpt het de twee kwetsbaarheden uit elkaar te trekken en als assen tegen elkaar te zetten. Niet als bewezen wetmatigheid, maar als denkkader — een manier om de juiste vraag te stellen.

De eerste as meet hoe overdraagbaar de waarde van een organisatie is. Aan de ene pool staat de fragiele organisatie, waar de waarde in personen zit en met hen kan verdwijnen. Aan de andere pool de georganiseerde, waar expertise, relaties en oordeel zijn vastgelegd in systemen, processen en gedeelde routines. Noem het de as van fragiliteit naar organisatievermogen.

De tweede as meet hoe beoordeelbaar de expertise van een organisatie is voor de buitenwereld — mens en machine. Aan de ene pool staat de onzichtbare organisatie, waarvan de kwaliteit reëel is maar nergens te controleren. Aan de andere pool de gevalideerde, waarvan de claims door onafhankelijke bronnen worden bevestigd en waarvan de expertise navolgbaar is. Noem het de as van onzichtbaar naar gevalideerd.

Samen leveren ze vier posities op. Een bedrijf kan hoge expertise hebben en toch op beide assen laag scoren — en dat is precies het stille drama van veel bedrijven in het MKB. De waarde is er. Ze is alleen niet georganiseerd en niet beoordeelbaar. In de oude economie was dat te overleven, omdat persoonlijk contact het gat dichtte. In een economie waarin de eerste selectie door een machine wordt gemaakt en de validatie door een argwanende koper, is het een structureel nadeel. Twee korte casussen maken het concreet.

Twee verschillende bedrijven, twee verschillende sectoren, hetzelfde onderliggende patroon. De waarde is er, de waarde is fragiel, en de waarde is onbeoordeelbaar voor de buitenwereld. Dat patroon is sectoroverstijgend, en het is precies wat in een economie van aanbeveelbaarheid het verschil maakt tussen gekozen worden en ongezien blijven. De vraag is dan ook niet hoe deze bedrijven beter moeten communiceren. De vraag is hoe ze hun waarde overdraagbaar en beoordeelbaar maken. En dat is geen communicatieopdracht. Het is een ontwerpopdracht.

04Van merk naar organisatie

Organisatievermogen als antwoord

Als fragiliteit het probleem is en aanbeveelbaarheid de inzet, dan luidt het antwoord: organisatievermogen. Daarmee wordt bedoeld het vermogen van een organisatie om expertise, vertrouwen en oordeel overdraagbaar te maken — los van de personen in wie ze toevallig zijn ontstaan. Het is de tegenpool van fragiliteit, en het is opgebouwd uit vier elementen.

Het eerste is codificatie: het vastleggen van wat impliciet is. Niet alles laat zich vastleggen — Polanyi's punt blijft staan — maar veel meer dan organisaties doorgaans proberen. De methoden, de afwegingen, de terugkerende patronen in het oordeel van de ervaren vakman kunnen voor een belangrijk deel worden geëxpliciteerd, gedeeld en aangeleerd. De organisatieleer kent dit als knowledge codification, en koppelt het aan wat economen dynamische vermogens noemen: het vermogen van een bedrijf om zich te vernieuwen door kennis te articuleren en opnieuw in te zetten. Een bedrijf dat zijn kennis codificeert, maakt zich minder afhankelijk van de mensen die haar dragen.

Codificatie is daarbij selectief, niet totaal. Een bruikbaar principe luidt: leg de kern vast, leen de context, en bewaar van dat lenen niet de inhoud maar de strategie. Wat een bedrijf werkelijk onderscheidt — de methode, het oordeel, de vaste manier van werken — hoort vastgelegd en onderhouden te worden. Wat daaromheen zweeft aan marktinformatie, actualiteit en kennis van anderen, kan beter tijdelijk worden geraadpleegd dan permanent opgeslagen. Wat je daarvan bewaart, is niet het materiaal zelf maar wat je erover leerde: welke bron deugt, welk type informatie helpt, welke vraag hij wel en niet beantwoordt. Het bedrijf dat alles wil vastleggen, bedelft zijn eigen kern onder een berg die niemand meer onderhoudt.

Het tweede is governance: het organiseren van vertrouwen en besluitvorming zodat ze niet aan één persoon hangen. Wie beslist waarover, op grond waarvan, en hoe wordt die beslissing navolgbaar gemaakt? Dit is wat een bedrijf overdraagbaar maakt bij opvolging, en tegelijk beoordeelbaar maakt voor de buitenwereld. Een beslissing die te reconstrueren is, is een beslissing die te vertrouwen is.

Daarbij hoort een scheiding die in de praktijk vaak ontbreekt: wie signaleert dat er iets niet klopt, is niet dezelfde als wie de vastgelegde kennis mag wijzigen. Signaleerrecht is geen schrijfrecht. Laat een organisatie die twee samenvallen, dan verschuift haar kennisbasis met elke losse waarneming en is er na een jaar niets meer wat als vast kan gelden.

Het derde is bewijs: het beoordeelbaar maken van de eigen expertise voor mens en machine. Dat is geen kwestie van meer marketing, maar van het in controleerbare, deelbare vorm brengen van wat het bedrijf werkelijk kan — bevestigd door onafhankelijke bronnen, gekoppeld aan herkenbare mensen, consistent over plaatsen waar het verschijnt. Dit is waar de slag om aanbeveelbaarheid en het vraagstuk van overdraagbaarheid samenvallen: dezelfde codificatie die een bedrijf minder fragiel maakt, maakt het ook zichtbaar voor het systeem dat de selectie voorbereidt.

Het vierde is correctie: het vermogen om vastgelegde kennis te herzien wanneer zij niet meer klopt. Dit element ontbreekt in de praktijk het vaakst, en het is juist het element dat de andere drie houdbaar maakt. Een kennisbasis die alleen groeit door toevoeging en nooit krimpt door correctie, veroudert ongemerkt — en in een omgeving waarin AI-systemen die kennis oppikken en doorgeven, verspreidt de veroudering zich sneller dan zij ontstaat. Wie codificeert zonder correctiemechanisme heeft zijn fragiliteit niet opgelost maar geconserveerd: de fout zit nu vast in het systeem in plaats van in iemands hoofd. Het mechanisme zelf hoeft niet ingewikkeld te zijn. Een signaal dat iets niet meer klopt, een toets of dat signaal terecht is, een mens die beslist, en een doorwerking van dat besluit naar alle plekken waar de kennis staat — meer is het niet. Maar zonder die lus is codificatie eenrichtingsverkeer, en eenrichtingsverkeer loopt vast.

Waarom dit een ontwerpvraag is

Deze vier elementen — codificatie, governance, bewijs, correctie — zijn geen marketingtaken. Ze raken aan hoe de organisatie zelf is ingericht. En precies daar verandert de rol van het vak dat van oudsher merken bouwt.

Concepting organiseerde traditioneel verhalen: het gaf een merk vorm, een positionering, een verhaal naar buiten. In een economie van aanbeveelbaarheid verschuift die taak naar binnen. De vraag is niet langer alleen hoe een bedrijf zich presenteert, maar hoe het zijn expertise, vertrouwen en besluitvorming zo organiseert dat ze overdraagbaar en beoordeelbaar worden. Dat is een ontwerpvraag, en ze sluit aan bij wat in de ontwerpwereld strategic design heet — het toepassen van ontwerpmethoden niet op producten of communicatie, maar op organisaties, strategieën en systemen. De ontwerper Richard Buchanan noemde dit niveau ooit de vierde orde van ontwerp: het ontwerpen van de systemen en omgevingen waarbinnen het overige werk plaatsvindt.

Concrete vorm krijgt dat in de casussen. Voor het technische familiebedrijf betekent het: de kennis van de oprichter expliciteren in methoden en specificaties voordat hij vertrekt; de productinformatie in een vorm brengen die zowel een opvolger als een selectiesysteem kan lezen; de bestaande klantrelaties vertalen in controleerbare referenties. Niet om het bedrijf te verkopen, maar om het bestaanbaar te maken zonder de oprichter. Voor het adviesbureau betekent het iets anders: de impliciete werkwijze van de partners vastleggen in een overdraagbare methode; de persoonsgebonden reputatie verankeren in deelbaar, controleerbaar bewijs van expertise; de kennis losweken van de twee hoofden waarin ze nu opgesloten zit. In beide gevallen verschuift het werk van het bouwen van een verhaal naar het organiseren van waarde.

De keerzijde: wanneer aanbeveelbaarheid je product opeet

De twee casussen delen een probleem: te weinig zichtbaar voor de machine. Maar er is een tegenovergestelde valkuil, en die legt een grens bloot aan de these van deze whitepaper. Neem een digitale kennispraktijk — een specialist die een betaald lidmaatschap aanbiedt rond persoonlijke duiding en begeleiding. De publieke kant van zo'n praktijk is rijk aan inhoud: uitleg, achtergrond, interpretaties. Precies het soort content dat een AI-systeem graag oogst en citeert.

Hier keert de logica zich om. Voor deze praktijk is citeerbaarheid geen zegen maar een risico. Als het AI-systeem de duiding rechtstreeks uitserveert, krijgt de zoeker zijn antwoord zonder ooit de praktijk te bezoeken, laat staan te betalen. De aanbeveling vervangt dan de aankoop. Wie in dit geval blind stuurt op maximale vindbaarheid — alles machine-leesbaar, alles gestructureerd, alles citeerbaar — bouwt met grote precisie aan het weggeven van het eigen product.

Het antwoord is geen muur maar een membraan: doorlaatbaar voor wat de praktijk wíl verspreiden, ondoorlaatbaar voor wat ze verkoopt.

Het generieke, autoriteit-bouwende deel — wat een onderwerp inhoudt, hoe het werkt, wie de expert is — wordt bewust vrijgegeven; het onderscheidende, persoonlijke deel — de duiding op maat, de live begeleiding — blijft achter de poort, niet als citeerbare tekst maar als interactie die pas ontstaat in contact. De AI mag de praktijk vinden, begrijpen en aanbevelen; ze mag het product niet reproduceren.

Dat membraan is een ontwerpkeuze, geen slot. Moderne AI-systemen lezen inmiddels ook wat een browser pas ter plekke opbouwt; wat op het scherm van een mens verschijnt, valt in beginsel te oogsten. De bescherming zit daarom niet in techniek die tekst afschermt, maar in de aard van het product zelf: wat pas ontstaat in interactie, bestaat niet als tekst en laat zich dus niet kopiëren. Wie zijn onderscheidend vermogen in publiceerbare woorden legt, kan er beter van uitgaan dat die woorden vroeg of laat elders opduiken.

Dit is dezelfde ontwerpdiscipline als bij de andere twee casussen, alleen met de knop de andere kant op. Waar het technische bedrijf en het adviesbureau hun waarde juist beoordeelbaar moeten máken, moet deze praktijk kiezen wélk deel van haar waarde beoordeelbaar wordt en welk deel bewust buiten bereik blijft. In beide richtingen is de kernvraag dezelfde: niet hoe word ik gevonden, maar wat laat ik zien, aan wie, en met welk doel. De knop staat niet op “meer” of “minder” zichtbaar — hij staat op “welke laag, voor wie”.

Wat dit niet is

Het zou te gemakkelijk zijn om hier een sluitende oplossing te beloven. Die is er niet, en de eerlijkheid gebiedt twee beperkingen te benoemen. De eerste: niet alle kennis laat zich codificeren. Een deel van het vakmanschap blijft stilzwijgend en verdwijnt onvermijdelijk met de persoon. Het doel is niet volledige overdracht — dat is een illusie — maar het verkleinen van de afhankelijkheid tot een aanvaardbaar niveau. De tweede: organisatievermogen is geen verzekering tegen de markt. Een bedrijf kan alles op orde hebben en alsnog verliezen van een betere concurrent. Wat het wint, is niet de garantie op de keuze, maar de mogelijkheid om gekozen te worden — het verschil tussen meedoen en ongezien blijven.

En er is een grens aan het tempo. De verschuiving die deze whitepaper beschrijft, is reëel maar ongelijkmatig. In relationele markten, bij grote en risicovolle aankopen, blijft de menselijke beslissing voorlopig dominant. Wie nu in paniek alles op AI-zichtbaarheid zet, lost een probleem op dat zich nog grotendeels aan de horizon bevindt, en verwaarloost het probleem dat al bestaat: de fragiliteit van de eigen kennis. De volgorde is daarom belangrijk. Eerst de waarde organiseren en overdraagbaar maken — dat loont sowieso, AI of niet. De beoordeelbaarheid voor machines volgt daar grotendeels vanzelf uit, omdat dezelfde codificatie beide dient.

Slot

De gemakkelijke conclusie luidt dat AI de marketing verandert. Dat is waar en het is onbelangrijk. De moeilijke conclusie ligt een laag dieper. AI verandert de manier waarop organisaties hun expertise, vertrouwen en onderscheidend vermogen zichtbaar, begrijpelijk en overdraagbaar moeten maken. Het verlegt de slag van vindbaarheid naar aanbeveelbaarheid, en daarmee van de buitenkant naar de binnenkant van de organisatie.

Voor het Nederlandse MKB, met zijn diepe maar persoonsgebonden waarde en zijn vergrijzende eigenaren, is dat geen marginale verschuiving. Het is de ontmoeting van een oud probleem — kennis die met mensen vertrekt — met een nieuwe urgentie: systemen die alleen zien wat is vastgelegd. Het bedrijf dat zijn waarde organiseert, lost beide tegelijk op. Het bedrijf dat blijft vertrouwen op de hoofden van een paar mensen, wordt twee keer kwetsbaar.

Dat is, ten slotte, geen marketingvraagstuk. Het is een organisatievraagstuk. En de vraag waarmee een ondernemer achterblijft is niet of de AI hem zal vinden, maar of er, op de dag dat de sleutelfiguren vertrekken, nog een organisatie overblijft die de beste keuze is.

Verantwoording: deze whitepaper steunt op openbaar onderzoek en op de hierboven genoemde organisatie- en kennistheorie. Waar de these vooruitloopt op de beschikbare data, is dat in de tekst expliciet benoemd; prognoses zijn als prognose aangemerkt en niet als meting gepresenteerd.