Bestraft Google AI-teksten? Wat er werkelijk telt
Het antwoord luidt: nee, niet vanwege het ontstaan. Google beoordeelt wat een tekst presteert, niet hoe hij tot stand kwam. Dat is geen vrijbrief, maar een verschuiving van de vraag – want de meeste AI-teksten lopen toch stuk, alleen om andere redenen.
Het belangrijkste kort
- Google beoordeelt niet het ontstaan van een tekst, maar zijn nut. Automatische productie is uitdrukkelijk geen uitsluitingsgrond.
- Wat wordt afgestraft is content die zonder eigen bijdrage in massa wordt geproduceerd – ongeacht of een mens of een model hem heeft geschreven.
- AI-herkenningsgereedschap is in beide richtingen onbetrouwbaar en deugt niet als grondslag voor beslissingen.
- Vijf eigenschappen zijn doorslaggevend: eigen bijdrage, nauwkeurigheid, structuur, verantwoordelijkheid en onderhoud.
De vraag ligt al jaren op tafel en wordt regelmatig verkeerd beantwoord – meestal door degenen die herkenningsgereedschap verkopen.
Googles richtlijnen zijn op dit punt eenduidig: beoordeeld worden de kwaliteit en het nut van het resultaat, niet de wijze waarop het is gemaakt. Automatisering is dan een probleem wanneer ze ertoe dient zoekresultaten te vullen met content zonder eigen waarde. Dat was vóór taalmodellen net zo – alleen heette het toen tekstspinner en contentfarm.
Waarop AI-teksten daadwerkelijk stuklopen
In de praktijk vallen automatisch gemaakte teksten vrijwel altijd om dezelfde vijf redenen af – en geen ervan heeft met herkenning te maken.
1. Geen eigen bijdrage
Een model kan samenvatten wat er al is geschreven. Het kan niet weten wat er bij jullie vorig jaar in drie projecten is misgegaan. Een tekst zonder die laag is een herformulering van bestaande content – en daarvoor bestaan al betere resultaten.
2. Onjuiste details die plausibel klinken
Verzonnen cijfers, niet-bestaande onderzoeken, wetsverwijzingen die zo niet bestaan. Dat is het gevaarlijkste punt, omdat het niet opvalt: de tekst leest soeverein. Wie hem ongecontroleerd publiceert, verliest vertrouwen – en in gereguleerde velden meer dan dat.
3. Structuur zonder inhoud
Zeven alinea's, elk drie paragrafen, elke paragraaf met dezelfde retorische beweging. Formeel onberispelijk, inhoudelijk inwisselbaar. Mensen merken dat na twee alinea's en haken af – en afhaakgedrag is meetbaar.
4. Niemand staat erachter
Geen auteur, geen rol, geen datum, geen bedrijf met adres. Bij onderwerpen die geld, gezondheid of recht raken, weegt dat zwaar – daar wil de zoekmachine weten wie voor de uitspraak instaat.
5. Hoeveelheid in plaats van onderhoud
Veertig artikelen in één maand, daarna niets. Dat patroon is van buitenaf zichtbaar en was altijd al een waarschuwingssignaal – ongeacht het gereedschap.
Wist je dat?
AI-herkenningsgereedschap produceert fouten in beide richtingen: het bestempelt zorgvuldig geschreven menselijke teksten als machinaal – vooral bij niet-moedertaalsprekers en bij sterk gestructureerde vakteksten – en herziene modelteksten als menselijk.
De reden is principieel van aard: dat gereedschap meet statistische opvallendheid in het taalgebruik, geen herkomst. Een tekst die bewust helder en gelijkmatig is geschreven, ziet er statistisch uit als een modeltekst. Als grondslag voor beslissingen – bijvoorbeeld voor het beoordelen van dienstverleners – zijn ze daarmee onbruikbaar.
Hoe je modellen inzet zonder in die vallen te lopen
De scheidslijn loopt niet tussen «met AI» en «zonder AI», maar tussen twee werkwijzen.
| Werkstap | Model neemt over | Mens neemt over |
|---|---|---|
| Onderwerpkeuze | voorstellen, bundeling | selectie op eigen kennis |
| Indeling | ontwerp | volgorde, accenten |
| Ruwe versie | volledig | – |
| Vakinhoudelijke substantie | – | eigen cijfers, gevallen, standpunt |
| Feitencontrole | – | elke controleerbare opgave |
| Eindversie | gladstrijken op instructie | vrijgave en verantwoordelijkheid |
Het doorslaggevende punt staat in regel vier en vijf. Wie die twee stappen overslaat, produceert precies de content die terecht niet rankt.
Een betrouwbare test vóór publicatie: schrap elke zin die ook op de website van een concurrent zou kunnen staan. Wat overblijft, is de eigenlijke waarde van het artikel.
Bij een onbewerkte modelversie blijven er doorgaans twee tot vier zinnen over. Bij een tekst waarin eigen ervaring is verwerkt, blijft ongeveer een derde staan. Precies dat derde is de reden waarom iemand op de pagina blijft in plaats van terug te gaan.
Wat daadwerkelijk riskant is
Programmatisch gemaakte paginamassa's. Hetzelfde sjabloon met een verwisselde plaats- of productnaam, honderdvoudig. Dat is het geval dat de richtlijnen uitdrukkelijk bedoelen.
Andermans content opnieuw geformuleerd. De tekst van de concurrent door een model gehaald en licht gewijzigd. Geen eigen bijdrage, wel een auteursrechtelijk risico.
Onderwerpen zonder eigen deskundigheid. Wie over belastingrecht schrijft zonder er iets van te begrijpen, kan de fouten van het model niet herkennen. Het probleem is niet de tekst, maar de ontbrekende toetsende instantie.
Toets het volgende concept kritisch voordat ik het publiceer. Wees streng; prijs niets. Concept: [tekst invoegen] Opdrachten: 1. Markeer elke zin die ook op de website van een willekeurige concurrent zou kunnen staan. Geef aan hoeveel procent van de tekst dat is. 2. Som elke controleerbare bewering op: cijfers, onderzoeken, wetten, jaartallen, productgegevens. Geef bij elk aan of je die kunt onderbouwen of dat ik ze zelf moet nagaan. Verzin geen bronvermeldingen. 3. Noem de plekken waar eigen ervaring, eigen cijfers of een helder standpunt ontbreken – en formuleer daarbij telkens een concrete vraag aan mij waarvan het antwoord het gat zou vullen. 4. Beoordeel of de tekst herkenbaar afkomstig is van iemand die de zaak daadwerkelijk heeft gedaan. Onderbouw dat aan de tekst. Herschrijf de tekst niet. Ik wil de gaten zien.
Moet je AI-gebruik vermelden?
Vanuit de zoekmachine gezien: nee. Google verlangt geen vermelding en waardeert die ook niet hoger.
Juridisch hangt het van het veld af. In redactionele verbanden, bij reclame en in gereguleerde branches gelden transparantieplichten die per land verschillen en momenteel in beweging zijn. Wie daar actief is, stemt dat af met een vakkundige – en niet met een taalmodel.
Praktisch zinvol is een andere vermelding: wie de tekst verantwoordt en wanneer hij voor het laatst is getoetst. Dat beantwoordt de vraag waar het eigenlijk om gaat.
Conclusie
De vraag «bestraft Google AI-teksten» leidt op een dwaalspoor, omdat ze het gereedschap centraal stelt. Beoordeeld wordt of een tekst iemand iets geeft dat er elders nog niet is.
Een model kan dat deel niet leveren – het kent jullie projecten niet. Het kan al het andere leveren: structuur, formulering, tempo. Wie het werk zo verdeelt, heeft geen probleem met zoekmachines. Wie de ruwe versie ongecontroleerd publiceert, heeft er wel een – en zou dat met een goedkoop ingekochte mensentekst evengoed hebben.
Veelgestelde vragen
Bestraft Google teksten die met AI zijn geschreven?
Nee, niet vanwege het ontstaan. Googles richtlijnen beoordelen nut en kwaliteit van het resultaat, niet de wijze van totstandkoming. Afgestraft wordt content zonder eigen waarde die in massa wordt geproduceerd – dat gold vóór taalmodellen net zo.
Kan Google herkennen of een tekst van een AI komt?
Een betrouwbare herkenning is naar de huidige stand niet mogelijk – ook niet voor commercieel herkenningsgereedschap, dat er in beide richtingen naast zit. Voor de beoordeling is dat echter niet van belang, omdat het ontstaan toch al niet het criterium is.
Is AI-herkenningsgereedschap betrouwbaar?
Nee. Het bestempelt zorgvuldig geschreven menselijke teksten vaak als machinaal – vooral bij niet-moedertaalsprekers en sterk gestructureerde vakteksten – en herziene modelteksten als menselijk. Het meet statistische opvallendheid in het taalgebruik, geen herkomst, en deugt daarom niet als grondslag voor beslissingen.
Waarop lopen AI-teksten in de zoekmachine daadwerkelijk stuk?
Op vijf punten: ontbrekende eigen bijdrage, plausibel klinkende onjuiste details, gelijkvormige structuur zonder inhoud, geen herkenbare verantwoordelijke persoon, en publicatie in massa zonder aansluitend onderhoud. Alle vijf zijn te verhelpen zonder van het gereedschap af te zien.
Moet je AI-gegenereerde content markeren?
Voor zoekmachines niet. Juridisch hangt het van het veld af – in redactionele, reclame- en gereguleerde verbanden bestaan afhankelijk van het land transparantieplichten die momenteel veranderen. Zinvol is in elk geval de vermelding wie de tekst verantwoordt en wanneer hij voor het laatst is getoetst.
Marketing die zichzelf opzet
De bèta van de Studio Engine is open. Reserveer je plek en denk vanaf het begin mee.
Deelnemen aan de bèta →