AI vertelt klanten vooral verouderde informatie over merken [onderzoek]

Stel, je klant vraagt aan ChatGPT wat je energietarief is. Of aan Perplexity hoe het met je retourbeleid zit. Wat krijgt die klant dan eigenlijk te horen?

Om daarachter te komen, legde ik 185 feitelijke klantvragen over 37 Nederlandse merken voor aan drie populaire AI-assistenten: ChatGPT, Gemini en Perplexity. Elk model kreeg iedere vraag drie keer. Dat leverde 1917 antwoorden op, die ik stuk voor stuk naast de geverifieerde feiten heb gelegd.

De belangrijkste uitkomst is misschien niet wat je verwacht. Het grootste probleem bleek namelijk niet dat AI zomaar dingen verzint. Van alle foute antwoorden was slechts 11% volledig verzonnen. Maar liefst 62% bevatte verouderde informatie. Denk aan een oude prijs, een afgelopen actie of een gewijzigde voorwaarde die met volle overtuiging als actueel feit wordt gepresenteerd.

En juist dat is interessant voor marketeers en contentprofessionals, omdat je daar zelf invloed op hebt. 

De blinde vlek in GEO

Steeds meer mensen stellen hun vragen niet meer alleen aan Google, maar ook aan een AI-assistent. Een zoekpagina geeft je tien links waaruit je zelf kunt kiezen, terwijl een AI-assistent je meestal gewoon één antwoord geeft, aangevuld met een paar bronnen.

Organisaties spelen daarop in met GEO, oftewel Generative Engine Optimization. Ze maken content beter citeerbaar, passen titels aan en zorgen voor een duidelijke structuur. Daar is op zichzelf niets mis mee, maar dit onderzoek laat zien dat er nog iets anders belangrijk is.

Je kunt namelijk nog zo goed citeerbaar schrijven, maar als de feiten die online over je merk staan verouderd zijn, wordt alsnog het verkeerde verhaal geciteerd. AI vertelt iedere dag iets over jouw prijzen, voorwaarden en aanbod, zonder dat iemand binnen jouw organisatie dat antwoord ooit heeft gezien of goedgekeurd.

Wat mij betreft hoort de actualiteit van je informatie daarom net zo goed bij GEO als structuur en citeerbaarheid.

Hoe groot het probleem is, verschilt bovendien behoorlijk per model.

Het scheelt een factor 8 welk model je klant gebruikt

Perplexity gaf op 9,2% van de klantvragen een overwegend fout antwoord. ChatGPT zat op 2,7% en Gemini op 1,1%. Tussen het slechtst en best presterende model zit dus een factor 8. Dat verschil lijkt bovendien niet op toeval te berusten.

Waar komt dat verschil vandaan? Dat kan ik met dit onderzoek niet bewijzen, maar de data geeft wel een aanwijzing. Perplexity leunde van de drie modellen veruit het zwaarst op live opgehaalde bronnen van derden, zoals sociale media, fora, vergelijkingssites en kortingssites.

Als je vooral herhaalt wat er online staat, ben je natuurlijk ook zo actueel als de pagina’s die je tegenkomt.

ChatGPT en Gemini lijken zoekresultaten sterker te combineren met hun eigen kennis en kritischer te wegen welke bronnen ze gebruiken. Opvallend genoeg kwamen alle negen volledig verzonnen antwoorden in het onderzoek van Perplexity. ChatGPT en Gemini verzonnen niets.

Voor jou als merk betekent dat iets ongemakkelijks: je bepaalt namelijk niet welke chatbot je klant opent. Je hebt echter wel invloed op de informatie die dat model onderweg tegenkomt.

Aandeel klantvragen waarop het model in meerderheid van drie runs een fout antwoord gaf.

Drie keer mis in de praktijk

Een paar voorbeelden maken duidelijker wat er dan precies fout gaat:

Rechtstreex: failliet, maar volgens AI gewoon open

Perplexity beantwoordde vragen over de kosten alsof Rechtstreex nog gewoon actief was. In werkelijkheid is het bedrijf sinds oktober 2025 failliet.

Dat laat goed zien hoelang informatie online kan blijven rondzingen. Een bedrijf kan gestopt zijn, terwijl oude pagina’s en vermeldingen nog jarenlang blijven bestaan. Zolang die bronnen online staan, kan AI ze blijven vinden en citeren.

Picnic: een studentenkorting die nooit heeft bestaan

De app van Perplexity bevestigde dat Picnic een studentenkorting van 20% aanbood. Die korting bestaat helemaal niet; de claim kwam van kortingssites.

Dat is interessant, omdat zo’n kortingssite waarschijnlijk niet de eerste bron is waar Picnic zelf aan denkt als het gaat om de informatie die online over het merk staat.

Toch bepaalt zulke affiliatecontent mede wat AI aan klanten vertelt. In dit geval leidde dat zelfs tot een korting die het bedrijf nooit heeft aangeboden.

MediaMarkt: het antwoord komt overal vandaan, behalve van MediaMarkt

Bij vragen over MediaMarkt verwezen de modellen bijna nooit naar mediamarkt.nl zelf. Ze gebruikten vooral bronnen zoals de Consumentenbond, Tweakers en Reddit. De juiste informatie stond wel op de eigen website, maar was daar minder makkelijk te vinden.

De les is vrij simpel. Als je jouw eigen feiten niet duidelijk en vindbaar publiceert, gaan andere websites het verhaal over je merk vertellen.

De drie voorbeelden hebben daarmee dezelfde kern: AI fantaseert meestal niet zomaar iets bij elkaar. Het herhaalt informatie die ergens online staat, ook als die informatie niet meer klopt.

Grip op wat AI over je vertelt begint daarom niet alleen bij het model, maar vooral bij de bronnen die het model leest.

Wie vult het gat als jij zwijgt?

De bronanalyse laat hetzelfde patroon zien. Bij foute antwoorden werd duidelijk vaker verwezen naar vergelijkingssites en affiliatesites dan bij juiste antwoorden. Tegelijkertijd kwam het eigen merkdomein bij foute antwoorden juist minder vaak terug.

Met andere woorden: als AI ernaast zit, leunt het vaker op een prijsvergelijker of kortingssite en minder op de website van het merk zelf.

Daar zit nog een opvallend detail in. Geciteerd worden is op zichzelf namelijk geen garantie dat het antwoord klopt. Bij alle negen verzonnen antwoorden stond het eigen merkdomein gewoon tussen de gebruikte bronnen. De juiste bron kan dus aanwezig zijn, terwijl het model alsnog de verkeerde conclusie trekt.

Toch blijft het belangrijk om zelf duidelijk aanwezig te zijn. Als je eigen informatie helemaal niet wordt gebruikt, wordt de kans vanzelf groter dat AI terugvalt op verouderde of onjuiste informatie van anderen.

Categorieverdeling van de bronnen die in juiste versus foute antwoorden worden aangehaald, per model.

Wat jouw organisatie hier concreet mee kan

De resultaten wijzen eigenlijk steeds dezelfde kant op: zorg ervoor dat de meest actuele versie van jouw feiten ook de duidelijkste en best vindbare versie is. Als ik de acties op volgorde van prioriteit zet, kom ik hierop uit.

1. Publiceer je actuele feiten zelf op een goed crawlbare pagina

Dit is wat mij betreft de belangrijkste stap, omdat verouderde informatie met 62% veruit de grootste foutenbron in het onderzoek was. Prijzen, voorwaarden en aanbod horen actueel op je eigen website te staan, in gewone tekst die een AI-model kan lezen. Dus niet alleen in een afbeelding, pdf of ingewikkelde keuzehulp.

2. Geef duidelijk aan wanneer iets is gestopt

Het voorbeeld van Rechtstreex laat goed zien waarom. Iets stilletjes verwijderen is niet altijd genoeg, omdat oude vermeldingen online blijven bestaan. Geef daarom aan dat een product, actie of dienst is gestopt en vermeld sinds wanneer.

3. Werk externe bronnen actief bij

In de foute antwoorden kwamen opvallend vaak vergelijkers, kortingssites en oude berichten op social media terug. Controleer daarom ook daar of prijzen, voorwaarden en acties nog kloppen.

Je eigen website op orde brengen is stap één. De bronnen bijwerken waar AI daadwerkelijk informatie vandaan haalt, is stap twee.

4. Controleer wat AI over je zegt, vooral bij informatie die vaak verandert

In het onderzoek gingen tijdgevoelige feiten, zoals prijzen, bijna drie keer zo vaak fout als stabiele feiten, zoals een adres. Stel daarom zelf regelmatig vragen aan ChatGPT, Gemini en Perplexity over prijzen, voorwaarden en aanbod. Kijk daarbij ook naar de bronnen die worden gebruikt.

Hoe dit onderzoek is opgezet

Voor het onderzoek gebruikte ik 185 feitelijke klantvragen, aangevuld met 14 strikvragen en 14 controlevragen. De vragen gingen over 37 merken: 22 grote merken, acht uitdagers en zeven mkb-merken uit sectoren waarin veel tijdgevoelige klantvragen worden gesteld.

De vragen werden op 5 en 6 juli 2026 via de API voorgelegd aan ChatGPT 5.5, Gemini 3.5 Flash en Perplexity Sonar. Elk model beantwoordde iedere vraag drie keer. Een vraag telde pas als fout wanneer minstens twee van de drie antwoorden fout waren.

De beoordeling is door mensen uitgevoerd, ondersteund door een dubbele blinde beoordelingspipeline. Iedere foutieve claim is daarna nog handmatig gecontroleerd. Het onderzoek is vooraf geregistreerd met zes hypotheses.

Daar hoort wel een belangrijke kanttekening bij. Dit blijft een momentopname met specifieke modelversies en een geselecteerde groep merken. Het is dus geen doorsnede van het hele Nederlandse bedrijfsleven en ook geen voorspelling van hoe dezelfde modellen over een paar maanden presteren.

De volledige onderzoeksverantwoording, alle grafieken en de open data staan op de onderzoekspagina van Timmermans Media.

De les voor morgen

Er komt nog een vervolgonderzoek met dezelfde merken en dezelfde meetopzet, maar dan met de zoekfunctie uit. Tot die tijd is er wat mij betreft al één duidelijke les die je morgen kunt toepassen.

Organisaties die bezig zijn met zichtbaarheid in AI richten zich nu vooral op citeerbare content en het voorkomen van verzinsels. Maar juist die verzinsels blijken relatief zeldzaam te zijn.

Het grotere risico is een stuk minder spectaculair: een prijs van vorig jaar, een gewijzigde voorwaarde of een dienst die al maanden niet meer bestaat, maar nog ergens op een vergelijkingssite of in een oude post staat.

Behandel je feitenpagina’s daarom zoals je ook je etalage zou behandelen. Loop je prijzen, voorwaarden en gestopte diensten regelmatig na. Niet alleen op je eigen website, maar ook bij de externe bronnen die over je schrijven.

AI verzint niet zo vaak iets. Maar het herhaalt maar al te graag de prijzen van gisteren. En juist daar kun je zelf iets aan doen.