AI & Marketing: het lijkt eenvoudig, maar jij denkt verkeerd

Steeds meer marketeers raken teleurgesteld in AI. De belofte was groot: sneller werken, betere teksten, betere campagnes, slimmere strategie. De praktijk voelt vaak anders. Veel output is generiek, vlak en voorspelbaar. Het lijkt alsof AI vooral middelmaat produceert.

Maar dat is niet wat er gebeurt.

Het probleem is niet dat AI middelmatig is. Het probleem is dat wij AI gebruiken alsof het een mens is. En daarmee beperken we de kwaliteit van de output tot onze eigen beperkingen.

Wij mensen zijn namelijk gebouwd om complexiteit te reduceren. Geef ons te veel criteria en ons brein doet precies wat Kahneman beschrijft in zijn werk over Systeem 1 en Systeem 2: we vallen terug op intuïtie, versimpeling en snelle conclusies. Dat is niet dom, dat is efficiënt. Systeem 1 is het automatische deel van ons denken: snel, moeiteloos en gericht op overleven en handelen. Maar het heeft één grote zwakte: het kan slecht omgaan met veel variabelen tegelijk.

Dat zie je in marketing voortdurend terug. Hoeveel frameworks kan een marketeer écht actief combineren tijdens het maken van een campagne? Twee? Drie? Misschien vier als je ervaren bent en de modellen volledig beheerst. Maar zodra je Cialdini, Kahneman, Fogg, COM-B en nog wat segmentatieprincipes tegelijk probeert toe te passen, ontstaat er geen briljant plan, maar cognitieve ruis. Je verliest overzicht en je besluit onbewust om het simpel te houden.

En precies dat is waarom we AI vaak verkeerd gebruiken.

We prompten AI zoals we zelf denken: lineair, beperkt en gefocust op één model tegelijk. AI krijgt vervolgens een taak die al is uitgekleed tot iets dat ons brein aankan. Het resultaat is voorspelbaar: AI levert een gemiddeld antwoord, omdat jij het systeem niet de ruimte geeft om te doen waar het extreem goed in is.

Want AI werkt fundamenteel anders dan wij.

AI heeft geen last van mentale bandbreedte. Het kan op hetzelfde moment tientallen variabelen meenemen, verbanden leggen en combinaties maken die voor een mens simpelweg niet haalbaar zijn. Waar wij nadenken in stappen, kan AI in één berekening meerdere perspectieven tegelijk integreren. En dat is precies waarom AI zo krachtig is: niet omdat het creatiever is dan mensen, maar omdat het complexiteit kan verwerken zonder te versimpelen.

Daar komt nog iets bij: ons geheugen.

Als mens werken we continu met twee soorten kennis. Een deel is actief: dat zijn de dingen die we bewust kunnen oproepen en waar we mee kunnen redeneren. Maar een veel groter deel is passief. Dat zijn ervaringen, aannames, intuïtie, context en vooroordelen die meespelen in onze beslissingen zonder dat we ze direct kunnen benoemen. Vraag een marketeer waarom hij denkt dat een bepaalde campagne werkt, en vaak komt er geen strak modelmatig antwoord, maar een gevoel. “Dit past bij de doelgroep.” “Dit voelt logisch.” “Ik heb dit eerder gezien.” Dat is passief geheugen aan het werk.

AI heeft dat niet.

AI kent jouw onderbuik niet, jouw ervaring niet, jouw eerdere klantcases niet, jouw nuance over de organisatiecultuur of je merkgeschiedenis. Als je AI prompt zonder die achtergrond, vraag je het systeem in feite om te presteren zonder het fundament waarop jij als marketeer leunt. Dan krijg je dus output die klopt in de basis, maar nergens echt onderscheidend is. Middelmaat is dan geen fout van AI, maar een gevolg van ontbrekende context.

Dit wordt extra duidelijk als je kijkt naar hoe marketeers frameworks gebruiken. De meeste professionals werken met een paar vaste modellen: een beetje Cialdini voor beïnvloeding, Kahneman voor gedrag, misschien BJ Fogg’s B=MAP voor activatie. Dat is al meer dan genoeg om een drukke werkdag mee te vullen. Voeg daar nog COM-B aan toe en het wordt lastig om alles consistent te houden. En dan heb ik het nog niet eens over meer geavanceerde gedragspsychologische structuren zoals Perceptual Control Theory of sociale motivatieprincipes zoals SCARF.

We combineren deze modellen meestal niet volledig, niet omdat we niet willen, maar omdat het menselijk gezien onhandig is. Het kost tijd. Het vraagt concentratie. Het vraagt Systeem 2. En daar hebben we in marketing zelden genoeg van.

AI heeft dat probleem niet.

AI kan juist wél op knopdruk Cialdini combineren met SCARF, Kahneman, COM-B en Fogg. Niet als losse trucjes, maar als geïntegreerde analyse. Dat is precies het punt: waar wij modellen vaak naast elkaar gebruiken, kan AI ze over elkaar heen leggen en er een consistent antwoord van maken. Voor mensen is dat te complex. Voor AI is dat letterlijk waar het voor gebouwd is.

Een concreet voorbeeld maakt dit duidelijk. Veel marketeers schrijven teksten volgens StoryBrand. Dat werkt goed, omdat het framework overzichtelijk is: zeven elementen die je verhaal structureren. Dat is behapbaar. Je kunt het snappen, toepassen en beoordelen.

Maar stel dat je een adaptief storiesysteem hebt met negentien elementen en meerdere psychologische profielen die bepalen wat je wel en niet moet zeggen. Als mens ben je dan uren bezig om überhaupt een goed profiel te maken, laat staan om het consistent toe te passen in campagne-uitingen. Het wordt te veel. Je raakt verstrikt in details, of je haakt af en gaat terug naar eenvoud.

AI doet dat in één minuut, mits je de juiste context geeft.

En daar zit de essentie: AI is geen tool om je bestaande denkkader sneller uit te voeren. AI is een tool die je in staat stelt om complexiteit te gebruiken die voor jou als mens onpraktisch was. Het is dus niet “sneller schrijven”, het is “beter denken”.

Dat is ook de reden waarom veel marketeers nu tegen een muur aanlopen. Ze gebruiken AI als copygenerator, krijgen middelmatige output, en concluderen vervolgens dat AI overschat wordt. Maar dat is alsof je een Ferrari koopt en hem alleen in de eerste versnelling rijdt. De motor is niet het probleem, jouw rijstijl is het probleem.

De echte omslag die marketeers moeten maken is daarom niet technisch, maar cognitief. Je moet stoppen met AI te gebruiken binnen jouw eigen beperkingen. Je moet leren denken vanuit de mogelijkheden van AI. Dat betekent: meer context geven, meer variabelen toevoegen, meerdere modellen tegelijk laten toepassen, en het systeem laten redeneren op een niveau dat jij zelf niet zou kunnen volhouden.

Want ja, jij neemt misschien zes elementen mee in je koopargumentatie. En zelfs dat is vaak al een mix van ratio, ervaring en intuïtie. AI doet ook een voorspelling, maar als je AI voedt met twintig of dertig relevante datapunten in plaats van zes, stijgt de kans op een beter antwoord enorm. Niet omdat AI magisch is, maar omdat de voorspelling statistisch en gedragsmatig robuuster wordt.

AI is dus niet beperkt door middelmaat. De middelmaat ontstaat door de manier waarop wij AI benaderen.

Wie AI blijft gebruiken alsof het een mens is, blijft hangen in gemiddelde kwaliteit. Wie AI leert gebruiken als een systeem dat complexiteit kan verwerken waar mensen op vastlopen, gaat een andere categorie marketing bedrijven. Alleen die omslag kost tijd. En misschien is dat precies waarom veel professionals nog blijven hangen in de oude manier van werken.

Niet omdat AI niet goed genoeg is.

Maar omdat wij nog niet anders durven denken.