AI-content op je MKB-site — 2026.

De korte versie eerst

De vraag is in 2026 niet meer "mag ik AI gebruiken" maar "hoe gebruik ik AI verstandig". ChatGPT, Claude en Gemini schrijven gemiddeld betere alinea's dan een gemiddelde MKB'er. Maar ze missen drie dingen die je site sterk maken: eigen ervaring, concrete cijfers uit jouw praktijk, en jouw toon.

Wij gebruiken bij DesignCheck Mijdrecht AI als versneller, nooit als auteur. Een hovenier die "in onze tuinen in De Hoef werken we al 9 jaar met dezelfde kweker uit Aalsmeer" schrijft, wint van ChatGPT die het over "vakmanschap met liefde voor groen" heeft.

Wat Google officieel zegt (en wat ze écht doen)

Het officiële standpunt sinds februari 2024 (Google Search Central): "Onze focus is op de kwaliteit van content, niet hoe het tot stand kwam. Content die de gebruiker helpt — geproduceerd door mens, AI of een combinatie — kan goed scoren."

Wat ze in de praktijk doen: vanaf de Helpful Content Update (sinds 2022, doorgezet in 2024-2025) zijn sites met massa-geproduceerde, dunne content gestructureel gezakt. Daar zaten bovengemiddeld veel AI-content-sites tussen — niet omdat het AI was, maar omdat het slecht was.

Wat dit betekent voor jouw MKB-site: een goed-geredigeerde AI-tekst die echte waarde toevoegt rankt prima. Een ongelezen ChatGPT-output op 50 pagina's gaat je SEO kosten.

Wat klanten merken

In MKB-audits laten we klanten vaak twee versies van een homepage zien: één geschreven door de ondernemer (rauw, soms klunzig), één geschreven door ChatGPT (glad, generiek). Bezoekers kiezen vrijwel altijd de eerste — niet omdat hij "beter" is, maar omdat hij herkenbaar is. Een MKB'er kiest een MKB'er.

Drie verklikkers van pure AI-content die wij steeds zien:

• Openingen als "In de dynamische wereld van X..." of "Welkom in de fascinerende wereld van..."
• Triplets ("kwaliteit, betrouwbaarheid en innovatie", "professioneel, persoonlijk en betaalbaar")
• Vage superlatieven zonder cijfers ("toonaangevend", "innovatief", "marktleidend")

Klanten klikken weg op deze signalen — ook al kunnen ze niet uitleggen waarom.

Goede AI-gebruik voor MKB-sites (4 patronen)

1. Structuur en eerste draft

Geef AI je punten in chaos, vraag om een eerste structuur. Bewerk daarna zelf. Spaart 60-70% van je tijd zonder verlies van eigenheid.

2. Variaties op CTA en koppen

"Geef me 10 variaties van deze knop-tekst" levert vaak 1-2 winnaars die je zelf niet bedacht had. Mens kiest, AI brainstormt.

3. Vertalingen en lokalisaties

Nederlandstalige MKB-sites die ook Engelse content nodig hebben: AI is hier sterker dan een gemiddelde freelance-vertaler op snelheid en consistentie. Wél laten nalezen door een native speaker.

4. SEO-meta en alt-tekst

Voor 200 productfoto's alt-tekst schrijven is mensen-werk waar AI ideaal in is. Eén keer goede prompt + redactie = uren tijdsbesparing.

Slecht AI-gebruik (3 patronen om te vermijden)

• Pure AI-blogposts publiceren zonder eigen input. Google detecteert dit via patronen en helpful-content-signalen. Op termijn zak je.
• 200 productbeschrijvingen genereren in één prompt. Allemaal identiek qua structuur — slecht voor onderscheid én voor SEO (cannibalisatie).
• Klant-cases verzinnen. Wij hebben dit zien gebeuren. Naast etisch onverdedigbaar: bij toetsing val je door de mand en je merk lijdt blijvende schade.

De DC-aanpak bij rebuilds

Wat wij doen bij DesignCheck-rebuilds (vast bedrag, geen abo):

• Interview de ondernemer 45 minuten — opnemen, uittransscribt
• AI gebruiken om transcript te structureren naar pagina-secties
• Per sectie: eigen woorden van ondernemer eruit + waar nodig AI-aanvulling voor flow
• Cijfers en concrete voorbeelden expliciet uitvragen ("noem 3 projecten van laatste 6 maanden")
• Eindredactie door mens: schrappen van AI-triplets, vage zinnen, generieke openingen

Resultaat: copy die als ondernemer klinkt, maar 70% sneller is geproduceerd dan zonder AI.

Hoe Google in 2026 AI-content gaat behandelen (verwachting)

Met Google's AI Overviews (sinds 2024 live in NL voor sommige queries) gaat de helft van zoek-traffic naar antwoord-snippets zonder dat de site bezocht wordt. Voor MKB-sites betekent dit: content die Google direct kan citeren wint. Concrete cijfers, duidelijke FAQ-structuur, schema.org-markup. Generieke AI-content komt niet door deze drempel.

Zie ons artikel over SEO-titels die ranken en FAQ best practices voor concreet werk.

Tools die wij gebruiken

• Claude (Anthropic) — sterker in editing en stijl-matching dan ChatGPT in onze ervaring
• ChatGPT (OpenAI) — sterk in eerste drafts en variaties
• DeepL Write — voor herfraseren naar betere Nederlandse stijl
• Mens (jij) — niet vervangbaar voor eigenheid, cijfers, ervaring

Wat slechte (AI- of mens-)content je kost aan gemiste leads: verliescalculator.

FAQ — AI-content op MKB-sites

Wat AI in 2026 wel goed kan — en wat nog steeds niet

De grootste verschuiving sinds 2024 zit niet in de modellen, maar in hoe wij ze gebruiken. ChatGPT, Claude en Gemini produceren in 2026 grammaticaal correct Nederlands. Het probleem is niet meer de zinsbouw. Het probleem is dat AI patronen herkent en reproduceert. Als jouw branche 10.000 vergelijkbare websites heeft, krijg je gemiddelde branche-tekst terug. Die gemiddelde tekst is precies wat je niet wilt.

Een hovenier die concurreert met 40 andere hoveniers in dezelfde regio heeft niets aan een homepage die klinkt als de gemiddelde van die 40. AI produceert dat gemiddelde feilloos. Een mens die zegt "we plaatsen alleen Acer palmatum die we drie jaar zelf voortrekken" valt op — omdat dat detail nergens anders staat.

Praktisch waar AI in 2026 goed in is voor MKB-werk:

• Lange, droge teksten samenvatten tot scanbare blokken
• Een ruwe transcriptie van een interview omzetten naar pagina-secties
• 200 productbeschrijvingen herschrijven naar consistente stijl mits je 5 voorbeelden levert
• Meta-descriptions onder 155 tekens op basis van pagina-inhoud
• Vertalen tussen Nederlands en Engels op niveau B2-C1
• Detecteren van vage zinnen in je eigen tekst ("wat is hier eigenlijk concreet?")

Waar AI in 2026 nog steeds zwak in is voor MKB-werk:

• Cijfers verzinnen die toetsbaar zijn — als je geen input geeft, krijg je hallucinaties
• Een eigen toon ontwikkelen vanuit niets — je moet voorbeelden geven
• Beoordelen welke detail je klant écht zal raken — daarvoor moet je je klant kennen
• Een verhaal over een specifiek project schrijven dat geen pluis heeft
• Inschatten welke claims juridisch riskant zijn (energielabels, garantie-uitspraken, prijsindicaties)

De DC-werkwijze stap voor stap

Bij elke website die wij bouwen volgen we hetzelfde patroon. Niet omdat het regeltjes zijn, maar omdat de afwijkingen die we eerder maakten ons elke keer kostbaar werk hebben opgeleverd. Hieronder de volledige sequence.

Stap 1 — Intake-interview. Een gesprek van 30 tot 60 minuten, opname met toestemming. We stellen de open vragen die een klant van jou nooit stelt: "Wat is het laatste project waar je trots op was?", "Welk type klant wil je nooit meer?", "Wat zeggen klanten als ze je voor het eerst bellen?". Daar komen de cijfers, namen en details uit die je site uniek maken.

Stap 2 — Transcript naar bouwstenen. We laten AI het transcript omzetten naar geclusterde uitspraken per thema. Geen tekst nog — alleen losse zinnen onder kopjes als "Klanttype", "Werkproces", "Garantie", "Reviews". Dit is waar AI tijd bespaart zonder schade aan te richten.

Stap 3 — Bouwstenen naar drafts. Per pagina-sectie kiezen we welke uitspraken het anker zijn. We laten AI een eerste alinea schrijven met die uitspraken expliciet als input. Niet "schrijf iets over ons werk" maar "schrijf 80 woorden waarin deze drie zinnen letterlijk terugkomen". Dat dwingt het model om de eigenheid intact te laten.

Stap 4 — Redactie. Hier komt het mensen-werk. We schrappen elke triplet, elke superlatieve zin zonder cijfer, elke opening die ook bij een concurrent kan staan. Vuistregel: als ik de naam van het bedrijf weghaal en de tekst kan op een willekeurige andere site staan, dan moet hij weg.

Stap 5 — Lezen door de ondernemer. De klant leest de teksten hardop. Wat hij struikelt over is niet zijn taal. Dat verbeteren we ter plekke. Vaak schrappen we 20% en wordt het beter.

Stap 6 — SEO-laag erbovenop. Pas als de inhoud klopt, voegen we titels, meta-descriptions, alt-teksten en schema-markup toe. AI doet hier het zware werk omdat de bron al sterk is.

Veelgemaakte fouten die wij keer op keer tegenkomen

In de meeste audits zien we dezelfde patronen. Niet omdat MKB'ers slordig zijn — maar omdat de tools die ze gebruiken hen in deze valkuilen duwen.

Fout 1 — Prompts zonder context. "Schrijf een over-ons pagina voor een loodgieter" levert generieke loodgieter-tekst. Dezelfde prompt met "ik werk 14 jaar in Aalsmeer, doe alleen renovaties geen storingen, en mijn grootste klant is een woningcorporatie met 800 woningen" levert iets bruikbaars.

Fout 2 — Eén model voor alles. Verschillende modellen zijn sterk in verschillende taken. Een tekst eerst genereren met het ene model en dan herschrijven met een ander geeft vaak betere resultaten dan twee rondes met hetzelfde model.

Fout 3 — Klakkeloos publiceren. AI-output zonder lezen is roulette. Soms goed, soms onbruikbaar, soms juridisch riskant. Elke alinea minimaal één keer hardop lezen.

Fout 4 — Geen versie-controle. Wat de klant goedkeurt deze week kan AI volgende week op een ander deel van de site letterlijk reproduceren. Bewaar je definitieve teksten in een document, niet alleen in de site-CMS.

Fout 5 — Vergeten dat AI bias heeft. Modellen leunen naar Amerikaans-Engelse retoriek, zelfs in het Nederlands. Triplets, "passion-driven" frasering, overdreven enthousiasme. Dat past zelden bij een nuchtere MKB-klant.

Checklist — AI-content beoordelen voor publicatie

Loop deze lijst af voordat je een AI-geassisteerde tekst live zet. Eén punt dat faalt is geen ramp, maar drie of meer betekent: opnieuw.

• Staat er minstens één concreet cijfer of jaartal in de tekst
• Wordt minstens één klant, project of leverancier bij naam genoemd
• Bevat de openingszin géén frase als "in de wereld van" of "wanneer het gaat om"
• Zijn er géén triplets ("kwaliteit, service en betrouwbaarheid")
• Kan een lezer na 10 seconden zeggen waar dit bedrijf in zit en wat hen onderscheidt
• Staan superlatieven ("toonaangevend", "innovatief") alleen mét bewijs eronder
• Past de toon bij hoe de ondernemer aan de telefoon klinkt
• Is de tekst voor mensen leesbaar voordat we naar SEO kijken
• Zijn alle claims juridisch toetsbaar (geen verzonnen percentages, geen niet-bestaande certificaten)
• Bevat de tekst minstens één werkwoord dat specifiek bij dit vak hoort, geen generieke "leveren" of "verzorgen"
• Bevat geen Engelse leenwoorden waar Nederlands prima werkt
• Is de tekst korter dan de versie die je drie iteraties geleden had — schrappen is meestal winst
• Zijn er géén passages die ook letterlijk op een concurrent-site kunnen staan
• Kan de ondernemer de tekst hardop lezen zonder te struikelen
• Eindigt de tekst met een actie die concreet en uitvoerbaar is

Hoe wij AI inzetten voor onze eigen klanten

Bij Keurmeesters, het energielabel-bureau waar wij de site bouwden, gebruikten we AI voor drie taken: het samenvatten van technische BAG-API-documentatie tot bruikbare uitleg, het opstellen van consistente meta-descriptions voor 380 stadspagina's, en het structureren van een lange FAQ over EP-Online certificering. Geen alinea is letterlijk door AI geschreven — alle inhoudelijke uitspraken komen uit gesprekken met de eigenaar. Maar zonder AI-hulp had het project een week langer geduurd.

Het verschil zit in wat we wel en niet aan AI overlieten. AI mocht structureren, herschrijven, vertalen. AI mocht geen feiten introduceren, geen toon kiezen, geen klant-cases verzinnen. Die scheidslijn is bij elk MKB-project dezelfde.

Wat dit kost als je het zelf probeert

Een ondernemer die in zijn eentje met ChatGPT de homepage maakt is gemiddeld 4 tot 8 uur kwijt. Daar komt herschrijven na een paar weken nog overheen, want de eerste output voelt na een tijdje niet meer kloppen. Reken op 15 uur over een half jaar.

Daarnaast: elke generieke alinea kost je conversies. Op een homepage met 1.000 bezoekers per maand en een afwijzing-percentage dat 5% hoger ligt door zwakke copy, mis je over een jaar 600 potentiële contacten. Ook al converteert maar 2% daarvan, dat zijn 12 gemiste opdrachten. Bereken jouw situatie met de verliescalculator.

FAQ — verdiepende vragen

Wat doe je vandaag?

• Open je eigen homepage en lees de eerste alinea hardop — struikel je, dan klopt de toon niet
• Markeer elke triplet, elk superlatief zonder cijfer en elke generieke opening — schrap of vervang
• Schrijf drie concrete details over je laatste project op en zet ze ergens prominent op je site
• Beslis welke twee AI-tools jouw werkwijze gaan ondersteunen — niet meer, anders verlies je flow
• Vraag een gratis check aan en wij geven aan welke pagina's te AI-glad klinken

Hoe AI-tooling waarschijnlijk verder evolueert in 2026 en 2027

Voor wie content-werk doet voor MKB-sites, zijn een paar bewegingen relevant om te volgen. Niet om te speculeren, wel om de werkwijze tijdig aan te passen.

Eerste beweging: model-context wordt langer. Waar GPT-3.5 nog werkte met enkele duizenden tokens, draaien moderne modellen met honderdduizenden tokens context. Praktisch betekent dit dat je hele bedrijfsdocumentatie, klant-interviews, eerdere blogposts en stijlgids tegelijk aan het model kunt geven. De output wordt daardoor véél specifieker, mits je de juiste bron-materialen aanlevert.

Tweede beweging: multimodale input wordt standaard. Een foto van je werkplek, een video van een klant-interview, een audio-opname van een werkdag — allemaal bruikbaar als input voor content-generatie. Een ondernemer die een opname maakt van een typisch klantgesprek heeft binnen een uur bruikbare website-bouwstenen.

Derde beweging: kleine, gespecialiseerde modellen op eigen hardware. Voor ondernemers met privacy-zorgen of veel terugkerend werk worden lokale modellen op een eigen MacBook of NAS een serieuze optie. Geen data naar OpenAI, geen abonnementskosten, wel dezelfde redactionele werkwijze.

Vierde beweging: Google's detectie wordt scherper, maar ook genuanceerder. Pure AI-output zonder eigen ervaring zal nog moeilijker ranken. Maar AI-geredigeerde content met eigen ervaring zal juist worden beloond — omdat Google leert dat geassisteerde schrijfwerk vaker kwaliteit oplevert dan onassisteerd. De grens schuift, de richting blijft.

Wat dit voor jou betekent: leer een paar tools écht goed kennen in plaats van overal oppervlakkig mee te spelen. Diepe vaardigheid in één model met bekende prompts levert in de praktijk meer op dan oppervlakkig switchen tussen vijf tools per week.

Wat een goede AI-prompt voor MKB-content bevat

De kwaliteit van de output hangt zwaar samen met de kwaliteit van de prompt. Onze standaard-template voor MKB-content bevat zeven onderdelen.

Rol-aanduiding. "Je bent een redacteur die nuchter Nederlandse MKB-websites schrijft." Geen abstract "schrijfassistent" — concreet rol-vak.

Doelgroep-aanduiding. "De lezer is een klant van een lokaal MKB-bedrijf, zoekt een dienstverlener, twijfelt tussen twee opties." Hoe specifieker, hoe beter.

Stijl-instructies. "Korte zinnen, jij-vorm, geen triplets, geen 'welkom', geen 'passie', geen Engelse leenwoorden waar Nederlands werkt."

Bron-materiaal. Het eigenlijke transcript, project-cijfers, klant-quote, productinformatie. Hoe meer bron, hoe minder hallucinatie.

Output-formaat. "Schrijf 80 woorden voor de hero, 60 woorden per dienst-blok, 30-100 woorden per FAQ-antwoord." Vaste structuur in plaats van vrije vorm.

Verboden frasen-lijst. Drie tot vijf zinnen die in de output niet mogen voorkomen. "In de wereld van", "wanneer het gaat om", "professionele expertise."

Voorbeelden van gewenste output. Eén of twee korte voorbeelden die de gewenste stijl tonen. Het model leunt zwaar op voorbeelden, vaak meer dan op stijl-instructies.

Wie deze zeven elementen consequent in elke prompt verwerkt, ziet de output-kwaliteit binnen een week meetbaar verbeteren. Het is geen geheim, het is gewoon werk dat de meeste mensen overslaan.

Verder lezen

Door Theo Mendes — DesignCheck Mijdrecht. Laatst bijgewerkt 16 mei 2026.