AI in communicatie: vraagbaak of vakgereedschap?

Bijna iedereen in communicatie gebruikt inmiddels AI. Een tekst laten herschrijven, een briefing samenvatten, een eerste opzet voor een campagnetekst. Handig, snel, en het werkt. Maar ergens stopt het ook. De output klinkt goed, voelt generiek. Mist de toon van het merk, de kennis van de markt, het oordeel dat er echt toe doet. Dat is niet toevallig. Daar loopt de grens tussen AI als vraagbaak en AI als vakgereedschap.

Adoptie is breed, integratie is zeldzaam

Hier zit de spanning die de meeste AI-verhalen overslaan. Uit onderzoek van McKinsey (2025) blijkt dat 92 procent van de bedrijven van plan is de AI-investeringen te verhogen, maar slechts 1 procent van de leiders noemt zijn organisatie AI-volwassen, met AI volledig ingebed in werkprocessen die echt resultaat opleveren. Een vergelijkbaar beeld uit de bureauwereld: 87 procent van de marketeers gebruikt AI in minstens één workflow, maar slechts 39 procent van de bureaus heeft AI significant geïntegreerd in dagelijkse werkprocessen (StackAdapt/Ascend2, 2026).

De makkelijke conclusie is dat integratie een implementatieprobleem is. Meer training, betere toolkeuze, meer discipline. Dat mist de kern. Het verschil tussen tool-gebruik en domein-getrainde AI-tooling is niet technisch, het is strategisch. Wie zijn vakkennis in de AI-laag stopt, levert output die een generieke prompt structureel niet haalt. Wie dat niet doet, gebruikt een krachtige machine voor werk dat een medewerker ook kon doen.

Het ecosysteem is breder dan één chatbot

De meeste mensen denken bij AI aan ChatGPT. Begrijpelijk, want het was de eerste tool die het grote publiek bereikte. Maar het ecosysteem is inmiddels aanzienlijk breder. In 2023 werden 149 foundation-modellen uitgebracht, meer dan een verdubbeling ten opzichte van het jaar ervoor, waarvan 65,7 procent open-source was (Stanford AI Index, 2024). Die verdubbeling zet door.

Er ligt nu een veld waar je per vraag een ander gereedschap kiest. Voor lange, complexe redeneringen pak je Claude van Anthropic, die diep kan doordenken op een dossier. Voor integratie met zoek- en kantoorwerk werkt Gemini van Google. Voor productie van structurele content of merkanalyses zijn API's van die grote modellen het werkpaard. Daarnaast staan open-source varianten zoals Llama en Mistral, die je volledig op eigen infrastructuur kunt draaien, zodat klantdata het pand niet verlaat. Dat is geen marginaal verschil. Het is het verschil tussen "we gebruiken een AI-dienst" en "we hebben een model dat op onze vakkennis draait, in onze omgeving".

Daarnaast loopt een hele tak die specifiek is voor uitvoering. Claude Code en GitHub Copilot voor codeerwerk en agent-bouw. Midjourney en OpenArt voor stilstaand beeld, elk met een eigen stijl-grammatica. Runway, Sora en Veo voor bewegend beeld, waar je inmiddels uit een briefing een eerste videoschets kunt halen. Perplexity voor gestructureerd onderzoek met bronnen. Tools als n8n en Make voor het aan elkaar koppelen van die modellen in een werkproces dat zichzelf draait.

Het onderscheid dat ertoe doet, is niet welk merk je gebruikt. Het is of je een ad-hoc-tool inzet (open de browser, stel een vraag, plak het antwoord), of een ingebouwde laag (API in je website, eigen agent in je werkproces, model op eigen infrastructuur). En of je een algemeen model gebruikt of een variant die op jouw vakdomein is getraind. Vier assen die door elkaar lopen: chat versus API, open versus gesloten, algemeen versus gespecialiseerd, ad-hoc versus geïntegreerd. Elke combinatie levert ander werk op.

Vier domeinen waar AI dieper gaat dan zoeken

Er zijn vier gebieden waarop AI meer levert dan een snelle vraagbaak, mits de tooling op het juiste vakdomein is afgestemd.

Merkanalyse. Een agent gevoed met merkdoctrine, branchekennis en klanthistorie geeft diagnoses die een junior strateeg een dag kosten. Consistent, herhaalbaar, afgestemd op de specifieke organisatie. De waarde zit niet in de output, maar in de duiding erop. Het verschil tussen wat de data zegt en wat een ervaren strateeg eronder ziet. Schwungs AI-merkscan werkt op dit principe: de scan analyseert, de strateeg duidt.

Arbeidsmarktcommunicatie. EVP-formulering, vacatureteksten, onboarding-content. Tekstsoorten met een strakke logica en een herkenbare structuur. Een agent die op die logica is getraind, produceert een bruikbare eerste versie in minuten. De toets blijft menselijk. Herkent de medewerker zichzelf in de belofte? Klopt de toon met de cultuur?

Contentproductie. McKinsey (2023) berekende dat generatieve AI werk kan automatiseren dat 60 tot 70 procent van de werktijd van kenniswerkers in beslag neemt. In contentmarketing-teams levert AI gemiddeld 11,4 uur besparing per medewerker per week (BizIQ, 2026). Die tijdwinst is reëel, maar alleen waardevol als de output door een vakkundige wordt geselecteerd en aangescherpt. AI doet de eerste 70 procent. De mens kiest en scherpt.

Webontwikkeling en vindbaarheid. Hier speelt een extra laag. AI-zoekmachines zoals ChatGPT, Perplexity en Google AI Overviews selecteren bij een groeiend deel van de B2B-zoekvragen twee of drie bronnen die ze citeren in hun antwoord. Wie eenmaal geciteerd wordt, krijgt een sterk autoriteitssignaal. Wie niet geciteerd wordt, is onzichtbaar voor die hele groep zoekers, ongeacht hoe goed de pagina inhoudelijk is. Dat vraagt om een andere manier van content bouwen: gestructureerd, dateerbaar, citeerbaar.

Ad-hoc gebruik bouwt geen voorsprong

De meeste organisaties zitten in de ad-hoc-fase. Losse tools, geen koppeling aan werkprocessen, geen verbinding met merkidentiteit. Iemand gebruikt ChatGPT voor een tekst, iemand anders Midjourney voor een beeld, een derde Copilot voor een samenvatting. Nuttig, niet cumulatief.

De bureaus en bedrijven die nu structureel investeren in geïntegreerde AI-workflows, met API-koppelingen, eigen agents en merkgetrainde modellen, bouwen een voorsprong op die lastig in te halen is. Gartner verwacht dat het aandeel enterprise-applicaties met taakspecifieke AI-agents groeit van minder dan 5 procent nu naar 40 procent eind 2026. Wie nu integreert, heeft dan al een jaar ervaring, een getraind model en een werkend proces. Wie dan pas begint, start opnieuw.

De drempel voor domein-specifieke inzet is bovendien structureel gedaald, juist door de groei van open-source modellen. Je hoeft niet afhankelijk te zijn van één grote aanbieder om een model op jouw vakkennis te trainen.

AI vergroot de waarde van oordeel

Er is een logische angst in de communicatiebranche. Als AI teksten schrijft, daalt de vraag naar tekstschrijvers. Die angst is niet ongegrond. Uit onderzoek blijkt dat 23 procent van de bureaus in 2025 het aantal junior copywriters heeft gereduceerd, en 31 procent plant verdere inkrimping in 2026 (Digital Applied, op basis van Gartner CMO Spend Survey, 2026). De vraag naar senior strateeg-functies stijgt juist.

Dat patroon is geen toeval. AI compresseert uitvoeringstijd, maar vergroot de waarde van oordeel en vakkennis. Wie alleen uitvoering verkoopt, krijgt druk op het tarief. Wie analyse, strategie en domeinkennis levert, wordt relevanter, omdat AI de klant laat zien hoeveel generieke output er bestaat en hoe weinig het onderscheidt. Een goed getrainde agent produceert in seconden tien varianten van een tekst. De vraag die overblijft: welke is de juiste, en waarom?

Dat is geen vraag die een model beantwoordt. Dat is een vraag die een vakman beantwoordt.

Oordeel overtreft output

Terug naar de grens waarmee dit begon. AI als vraagbaak is de instapvariant. Nuttig, toegankelijk, snel aan zijn plafond. AI als vakgereedschap vraagt meer. Het vraagt dat je je vakkennis expliciet maakt, in de tooling stopt, en de output beoordeelt met dezelfde scherpte als altijd. En het vraagt dat je per taak het juiste gereedschap kiest uit een veld dat veel breder is dan één chatbot. Een API voor wat structureel terugkomt, een open-source model waar privacy telt, een gespecialiseerde tool voor beeld of code, een agent voor wat je vaker zult vragen.

Bij Schwung is dat de leidende gedachte achter de AI-merkscan en de huisstijlagent. Tooling die op Schwung-vakkennis is getraind, levert klanten iets dat een losse prompt nooit haalt. Niet omdat het model slimmer is, maar omdat het weet waar het over gaat. De meerwaarde zit in de laag erna. Het oordeel van de strateeg die de output leest, de duiding die het verschil maakt tussen een rapport dat goed klinkt en een rapport dat klopt.

Wie AI inzet als verlengstuk van vakkennis, bouwt iets cumulatiefs. Wie het inzet als snelle vraagbaak, heeft een handig hulpmiddel. Het verschil tussen die twee is niet de tool. Het is de vraag die je stelt voordat je begint.

---

Verder lezen

Online marketing: SEO, GEO & contentoptimalisatie Over Schwung | creatief merkbureau uit Tilburg