Van generieke AI-tool naar collega die jullie merk snapt.

Je hebt AI geprobeerd. De tekst komt er in seconden uit, hij is grammaticaal in orde, en toch klopt hij net niet. Te glad, te algemeen, en het klinkt niet als jullie.

Dat is geen kwestie van een betere prompt. Een AI-omgeving die niets weet van jouw positionering, jouw verhaal en jouw manier van praten, produceert tekst die naar niemand klinkt. En dat voelt een lezer feilloos aan.

Het verschil zit dus niet in de techniek, maar in hoe je die laat aansluiten op wie je bent. Aan de hand van twee organisaties laten we zien wat er gebeurt als je het zo aanpakt.

In beide gevallen zijn we niet begonnen bij de tool. We begonnen bij het verhaal.

Wat wil deze organisatie vertellen, en waar zit haar kracht? Welke woorden gebruikt ze wel, en welke juist niet? Pas als de positionering en de tone of voice scherp staan, heeft een AI-omgeving iets om op te sturen. Doe je dat niet, dan train je een tool op ruis.

Daarna volgt het inrichten, trainen en testen. En dat testen stopt niet bij de oplevering.

Jugo is een data-expertisebureau in hartje Den Bosch, met veel specifieke kennis in huis die ze graag deelt. Daar zat ook meteen de uitdaging. Hoe vertaal je die diepe vakkennis naar communicatie die iedereen begrijpt, en die toch onmiskenbaar Jugo blijft?

Vanuit een nieuwe positionering ontwikkelden we een herkenbare tone of voice. Op die basis richtten we een AI-omgeving in die het team zelf beheert en verder uitbouwt. Geen black box, maar een omgeving waar ze direct mee aan de slag kunnen.

Jugo produceert er nu teksten mee, waar dat eerder ingewikkeld was. Helder genoeg voor iedereen, en toch van henzelf.

En daar stopt het niet. We blijven aangehaakt als collega: we checken regelmatig of de omgeving nog doet wat hij moet doen en nog past bij waar Jugo naartoe groeit, en we sturen bij waar nodig.

Jugo heeft nu een AI-omgeving die schrijft zoals Jugo praat: helder genoeg voor iedereen, en toch van henzelf.

En daar stopt het niet. Wij leveren geen oplossing om vervolgens te verdwijnen. We blijven aangehaakt als collega: we checken regelmatig of de omgeving nog doet wat het moet doen, en nog past bij waar Jugo naartoe groeit, en we sturen bij waar nodig. Zo blijft hun AI-omgeving relevant, terwijl Jugo zich er zelf geen zorgen over hoeft te maken.

Deze klant deelt zijn aanpak liever niet met de concurrentie, vandaar dat we geen naam noemen.

Het aanbod verandert continu, de landingspagina's blijven achter, en AI van de plank klinkt generiek. Zeker in e-commerce is dat een probleem, want daar moet je snel pagina's maken die overtuigen, en blijven ze maar kort actueel.

Dus trainden we een bot in de tone of voice en positionering van de organisatie. Hij schrijft headlines, bouwt de voordelen op en formuleert CTA's, levert teksten die scoren in zoekmachines (SEO) én in generatieve AI-zoeksystemen (GEO), verwerkt automatisch relevante interne links en zet diverse varianten klaar om te testen. Periodiek kijkt hij de pagina's opnieuw na, zodat ze actueel blijven.

Waar de organisatie eerst zelf veel landingspagina's per maand maakte, is dat nu heel beperkt. Na een half jaar merkte de klant op dat ze geen feedback meer gaf en niets meer aanpaste. De output zat op een niveau waarop ze de teksten met vertrouwen automatisch publiceerde. Op haar verzoek haalden we de human-in-the-loop-stap eruit. De bot draait er nu volledig geautomatiseerd.

Die autonomie ontstaat niet vanzelf. Ze komt voort uit het werk vooraf. Juist omdat mensen het fundament scherp neerzetten, kan de bot zelfstandig draaien.

In beide gevallen doet AI het zware, repeterende werk. De analyse, de keuzes en de richting komen uit onze eigen ervaring en vakkennis.

Daarom sturen we ook nooit output naar buiten zonder dat het fundament klopt. Want als iets duidelijk door AI is geschreven, hoor je dat meteen. De waarde van ons werk zit in het oordeel, niet in de snelheid. AI helpt ons sneller bij dat oordeel te komen.