De helft van je klanten straft AI-merkcontent af. Wij bouwden een manier om het tóch te gebruiken.

Een chief marketing officer schoof vorig jaar een presentatie over de tafel naar me toe. Het was een opdrachtomschrijving van haar bureau, en één regel luidde "AI-augmented production". Het getal ernaast was hetzelfde getal dat bureaus altijd al voor productie hebben gerekend — het volledige traditionele tarief. Diezelfde week had haar team een consumentenpanel laten testen op het werk dat die regel had opgeleverd. De resultaten kwamen vijandig terug. Mensen vonden de advertenties, in hun eigen woorden, irritant en een beetje zielloos. Ze was niet boos over de AI. Ze was boos dat ze topprijzen betaalde om content te fabriceren die haar klanten stilletjes afwezen, en dat niemand in de keten het haar had verteld.

Die vergadering is waarom we bouwden wat we bouwden. Het kernprobleem met AI-merkcontent in 2026 is niet of de technologie goed genoeg is — dat is ze, en ze wordt maandelijks beter. Het probleem is dat je AI agressief kunt inzetten om content sneller en goedkoper te maken, en dat een aanzienlijk deel van je klanten je zal straffen zodra ze het aanvoelen. Dus het doel waar we op uitkwamen, en wat we nu voor merkteams bouwen, is bijna paradoxaal: gebruik AI meedogenloos in het proces, en houd het onzichtbaar in de output. Hybride productiepijplijnen, brand-fidelity-scoring, en een governancelaag die de vragen van een toezichthouder overleeft.

Laat me toelichten hoe ik daar kwam, inclusief de versie die we uitbrachten en die het begaf.

Wat directieleden geloven versus wat consumenten werkelijk doen

Begin bij de kloof die elke marketingleider zou moeten verontrusten. De IAB stelde in 2026 vast dat 82% van de reclamedirecteuren denkt dat Gen Z- en millennialconsumenten positief staan tegenover AI in reclame. Slechts 45% van die consumenten doet dat daadwerkelijk. Dat is een perceptiekloof van 37 punten, en het is de afstand tussen de strategiepresentatie en de klant.

Het wordt erger naarmate je langer kijkt. De consumentenvoorkeur voor AI-content is gedaald van 60% in 2023 naar 26% in 2026. Uit Gartners onderzoek van maart 2026 onder meer dan 1.500 Amerikaanse consumenten bleek dat de helft nu verkiest merken die generatieve AI in consumentgerichte content vermijden. En een derde van de consumenten stopt volgens Adobe's Digital Trends-rapport 2026 volledig met interactie met een merk zodra ze ontdekken dat de content door AI is gegenereerd.

De helft van je klanten heeft geen hekel aan AI-content. Ze hebben een hekel aan het feit dat ze het kunnen herkennen.

Het nuttigste cijfer dat ik ooit aan een sceptische CMO heb laten zien, komt van Smartly.io: het consumentenvertrouwen daalt van 48% naar 13% wanneer een advertentie volledig door AI is gemaakt in plaats van samen met mensen. Dat is een vertrouwensinstorting van 73% door één enkele productiebeslissing. Geen enkele besparing op contentkosten in welke spreadsheet ik ook heb gezien, compenseert een daling van 73% in vertrouwen. De rekensom klopt alleen als de AI onzichtbaar is.

Wat dit echt moeilijk maakt in plaats van slechts een brandingslogan, is dat de weerstand niet alleen mening is — ze is fysiologisch. Het neurowetenschappelijke werk van NielsenIQ mat een zwakkere geheugenactivatie in het brein voor AI-advertenties, zelfs de gepolijste. Consumenten beoordeelden ze als irritanter, saaier en verwarrender dan traditionele advertenties. Het brein doet de detectie voordat de bewuste geest een mening vormt.

Het Coca-Cola-moment dat elke CMO probeert te vermijden

Elke marketingleider met wie ik spreek, is in stilte doodsbang voor één specifieke gebeurtenis, ook al benoemen ze die niet. Coca-Cola genereerde zoiets als 70.000 clips voor een feestdagenspot in 2025 en kreeg een tegenreactie die de hele onderneming herkaderde van "innovatief" naar "goedkoop" en "dystopisch". Toys "R" Us zette een door AI gegenereerde kindacteur in een met Sora gemaakte film en riep iets op dat dicht bij een oergevoelige afwijzing kwam. McDonald's trok een feestdagenadvertentie terug na verontwaardiging van kijkers. Dit zijn geen kleine merken die aan de randen experimenteren. Dit zijn de meest geavanceerde marketingorganisaties ter wereld, en de content viel toch verkeerd.

Degene die leiders aan bureauzijde 's nachts wakker zou moeten houden, is anders, omdat het niet over smaak ging. In juni 2025 won het Braziliaanse bureau DM9 — onderdeel van het Omnicom-netwerk — de Creative Data Grand Prix bij Cannes Lions. Onderzoekers ontdekten later dat de casefilm door AI gegenereerd beeldmateriaal gebruikte om te simuleren campagneresultaten, inclusief gewijzigde CNN Brasil-berichtgeving die zonder toestemming was gemaakt. De chief creative officer nam ontslag. Twaalf prijzen werden ingetrokken. Cannes voerde verplichte AI-openbaarmaking en detectietools in voor elke toekomstige inzending.

Dat was geen malafide freelancer die een hoekje afsneed. Het was een groot netwerkbureau dat bewijs fabriceerde voor de hoogste onderscheiding van de sector, onder de gewone druk om AI-gedreven resultaten te tonen. En het wijst regelrecht op een vraag die de meeste merken hun bureaus niet hardop hebben gesteld:

Als je bureau AI gebruikt op manieren die je nooit hebt goedgekeurd, wie draagt dan het reputatierisico wanneer het aan het licht komt? Jij.

Ik denk voortdurend terug aan die SOW-presentatie. Het merk betaalde traditionele tarieven, het bureau stak de AI-efficiëntie in eigen zak, en de openbaarmakingsverplichting — juridisch en reputationeel — lag volledig bij het merk. De asymmetrie ís het businessmodel. Een deel van wat we nu doen, is simpelweg controleren wat bureaus daadwerkelijk gebruiken, en of het openbaar wordt gemaakt, voordat het in het openbaar het probleem van het merk wordt.

Waarom faalde onze eerste brand-fidelity-scorer?

Hier is het deel waar ik minder trots op ben, en het deel dat ons daadwerkelijk het ding leerde dat de moeite waard is om te verkopen.

Toen we begonnen te meten of door AI gegenereerde content merkgetrouw bleef, steunde ik de voor de hand liggende aanpak. Je neemt de referentiebeelden van het merk, je embedt ze, je embedt de nieuwe asset, en je scoort de gelijkenis — CLIP-scores, de standaardtechniek voor beeld-tekstmatching die de meeste leveranciers stilletjes gebruiken. We bouwden het, het leverde een net getal tussen nul en één op, en het deed het prachtig in de demo. Ik was overtuigd.

Toen draaiden we het op de echte output van een pilotmerk. De scorer keurde vrolijk een beeld goed dat de regel voor de vrije ruimte rond het logo van het merk schond — de minimale lege marge die het merkteken moet omringen — omdat het beeld leek statistisch vergelijkbaar met de referentieset. Ondertussen markeerde het een perfect conforme asset als niet-merkgetrouw omdat de kleurgradatie ongebruikelijk was. Ik herinner me dat ik naar het rapport staarde en dacht dat het getal tegelijkertijd zelfverzekerd én verkeerd was.

Dat was de mislukking die alles daarna terugbetaalde. CLIP-achtige gelijkenis meet "lijkt dit op dat". Het heeft geen idee wat je merkrichtlijn daadwerkelijk zegt. "Ziet er merkgetrouw uit" en "gehoorzaamt de regel voor de vrije ruimte rond het logo" zijn twee volledig verschillende vragen, en een gelijkenisscore kan ze niet uit elkaar houden.

Dus we bouwden het opnieuw op vision-language-modellen — systemen die een beeld kunnen lezen en je geschreven merkrichtlijn kunnen lezen en het ene tegen het andere kunnen controleren. Niet "lijkt dit op eerder werk", maar "heeft het logo zijn vereiste vrije ruimte, is het lettertype uit de goedgekeurde familie, komt de toon overeen met de gedocumenteerde merkstem". Het is trager en vervelender om te bouwen dan een gelijkenisscore. Het is ook de enige versie die een creatief directeur genoeg zal vertrouwen om toe te laten in de goedkeuringsworkflow.

Een brand-fidelity-score die de regel die hij handhaaft niet kan citeren, is slechts een gevoel met een cijfer achter de komma.

De echte variabele is niet AI versus mens. Het is afwerkingsarbeid.

In de nacht die het hele project voor mij herkaderde, las ik NielsenIQ's paneldata opnieuw door. Diep erin verscholen zat een detail dat ik de eerste keer had overgeslagen: de enige advertentie in het onderzoek die consumenten niet onmiddellijk als AI konden identificeren, was er een die een professional had gemaakt door aanzienlijke iteratieve bewerking. Niet gegenereerd en verzonden — gegenereerd en vervolgens lang door een mens bewerkt.

Dat deed me stilstaan. Het hele publieke gesprek wordt geframed als "AI of mens", alsof dat de twee hokjes zijn. Maar de data vertelde me dat de voorspellende variabele niet de oorsprong van de pixels is. Het is de afwerkingsarbeid — de menselijke iteratie die de griezelige randjes wegschuurt die machines nog steeds achterlaten. AI kan bijna al het werk onzichtbaar dragen. Het is de laatste menselijke ronde — het deel dat geen enkele spreadsheet de moeite neemt te beprijzen — die bepaalt of het brein van je klant het resultaat markeert.

Dat is het ontwerpprincipe waar de hele pijplijn nu op rust. Zet AI stevig in waar het de perceptie van de klant niet raakt — ideevorming, variantgeneratie, ruwe montages, lokalisatie, assetvolume. Reserveer menselijk vakmanschap voor de afwerkingsronde van alles wat wordt uitgebracht. "Menselijk waar het ertoe doet, AI waar het helpt", afgestemd op elk merk in plaats van verkocht als een sjabloon.

En de efficiëntie is echt wanneer je het op deze manier ontwerpt. AI-ondersteunde productie komt dichter bij $100 per asset tegenover $500 tot $2.000 traditioneel, met arbeidsreducties van rond de 75% per asset. Bij lokalisatie is het bijna gênant: traditionele lokalisatie kost $50 tot $200 per minuut, en AI-lokalisatie levert output van menselijke kwaliteit tegen ongeveer de helft van de kosten wanneer een mens het beoordeelt — wat van belang is wanneer het gemiddelde bedrijf 1,5 nieuwe markten per jaar betreedt en slechte lokalisatie stilletjes zo'n 20% van de potentiële omzet doet weglekken. De besparingen zijn echt. Ze moeten alleen worden geïncasseerd in de delen van het proces die de klant nooit ziet.

De tooling om dit te doen bestaat, en we zijn er bewust leveranciersneutraal over. Adobe's GenStudio codeert merkregels in Firefly-generatie via wat het StyleIDs noemt, en het is uitstekend binnen de wereld van Creative Cloud — maar het klinkt je vast aan Firefly voor generatie, en zijn video loopt een jaar of meer achter op de koplopers. Typeface, opgericht door een voormalige Adobe-CTO en gebruikt door namen als PepsiCo, Disney en Estée Lauder, heeft een werkelijk sterke governancelaag — maar alleen over content die via Typeface zelf is geproduceerd. Bria traint aangepaste merkmodellen op tot 5.000 van je eigen beelden, wat krachtig is voor beeldwerk en nutteloos voor video. Runway's Gen-4.5 produceert de beste AI-video die beschikbaar is, met echte fysicasimulatie — en nul merkgovernance; je krijgt ruwe output. Kling 3.0 doet multi-shotconsistentie tegen ongeveer 40% van de kosten van Runway. Geen van alle lost het hele probleem op, en ik heb meer dan één merkcontentinitiatief zien vastlopen in precies die gaten — een team dat Typeface kocht voor governance en vervolgens ontdekte dat hun videopijplijn er volledig buiten viel. De gaten tussen de tools zijn waar het werk daadwerkelijk zit.

Compliance leeft in je metadata, niet in je creatieve review

De fout die ik merken zie maken aan de juridische kant, is AI-openbaarmaking behandelen als een vinkje in de creatieve review. Dat is het niet. Het is een data-architectuurprobleem, en de deadline is al verstreken voor de regel met de scherpste tanden.

Artikel 50 van de EU AI Act, van kracht sinds augustus 2026, vereist dat door AI gegenereerde content wordt gemarkeerd in een machineleesbaar formaat en detecteerbaar is als kunstmatig gegenereerd. Lees dat twee keer. Machineleesbaar. Die verplichting leeft niet in het oog van je creatief directeur of je goedkeuringsvergadering — ze leeft in je digital-asset-managementsysteem en je CMS, in de vraag of elk assetrecord daadwerkelijk de AI-herkomstmetadata bevat. Ik heb te veel DAM-records geopend met een leeg "AI-gegenereerd: ja/nee"-veld om te geloven dat dit is geregeld. De boetes zijn evenmin theoretisch: tot €15 miljoen of 3% van de wereldwijde omzet voor transparantieschendingen.

En het is niet één regel, het is een versnipperend lappendeken. De bijgewerkte endorsementrichtlijnen van de FTC vereisen een duidelijke en opvallende openbaarmaking van synthetische AI-getuigenissen. New Yorks SB-8420A, van kracht sinds juni 2026, verplicht een opvallende openbaarmaking van door AI gegenereerde synthetische acteurs in commerciële advertenties. Californië's AB 853 voert gefaseerd zijn eigen vereisten in. Elke jurisdictie, elke tijdlijn, elke definitie net iets anders. Een premiummerk dat in al deze rechtsgebieden verkoopt, heeft één governancekader nodig dat aan het strengste voldoet, niet vier creatieve reviews die elk gokken.

Je AI-openbaarmakingsverplichting leeft niet in de goedkeuringsvergadering. Ze leeft in je assetmetadata — en de metadata van de meeste merken is leeg.

Dit is de minst glamoureuze capaciteit die we bouwen en degene die, in mijn ervaring, de deal daadwerkelijk beklinkt, omdat het het deel is dat verandert in een boete.

Maar governance is niet alleen verzekering. De merken die ik vroeg volwassen AI-governance heb zien opbouwen, vermijden niet alleen de boete — ze brengen sneller uit, omdat hun teams ophouden bij elk project opnieuw te bekvechten over wat is toegestaan. Het onderzoek bevestigt het: organisaties met volwassen AI-governance innoveren ongeveer 2,5x sneller en dragen zo'n 40% lager compliancerisico. Het kader dat je uit de rechtszaal houdt, is hetzelfde kader dat je in beweging laat komen.

Kun je hier niet gewoon een platform voor kopen?

Mensen stellen me vaak een variant van dezelfde vraag: kunnen we hier niet gewoon een platform voor kopen? En ik moet eerlijk zijn over waar gekochte software ophoudt.

De grote systeemintegrators ontwerpen graag een AI-contentstrategie voor je — de opdrachten lopen van $500.000 tot $5 miljoen en hoger, en ze leveren slidedecks en kaders, geen werkende pijplijnen. Ze besteden de daadwerkelijke bouw toch meestal uit aan bureaus zoals wij. Interne teams geven je volledige controle en directe toegang tot merkkennis, maar AI-native creatieve producenten zijn op dit moment beestachtig moeilijk aan te nemen, en governance vanaf nul opbouwen kost de meeste teams zes tot twaalf maanden. Servicebureaus zoals Superside geven je AI-ondersteund menselijk vakmanschap op schaal, maar je koopt arbeid, niet een systeem dat je bezit en houdt.

Er is een hardere grens die ik heb leren benoemen in de eerste vergadering. Geen enkele externe partij — niet de platforms, niet de integrators, niet wij — kan jouw probleem van organisatorische steun oplossen. Ik zat ooit tegenover een creatief directeur die me zonder aarzeling vertelde dat hij zijn naam niet aan AI-werk zou verbinden. Het was niet verkeerd van hem om zo te voelen, en geen enkele governance-architectuur zet dat opzij. Als de mensen die je merk maken de workflow fundamenteel afwijzen, blijft de beste technologie ter wereld ongebruikt. Verandermanagement binnen je eigen gebouw is aan jou. Ik zeg dat liever vroeg dan te doen alsof een tool het oplost.

Wat we kunnen bezitten is de architectuur: het rechtsgebiedoverschrijdende governancekader, de leveranciersneutrale mix van tools afgestemd op je werkelijke behoeften in plaats van op de roadmap van één platform, de VLM-gebaseerde brand-fidelity-scoring die je echte richtlijnen leest, de capaciteit voor bureau-audits, de hybride pijplijn afgestemd op waar je klanten machinewerk wel en niet zullen tolereren, en de review voor culturele aanpassing bij lokalisatie. Dat is het systeem dat we voor merkcontentteams bouwen, en we bouwen het om te integreren met de platforms en bureaus die je al gebruikt, niet om ze te vervangen.

De merken die de komende jaren winnen, zijn niet degene die de meeste of de minste AI gebruikten. Het zijn degene die begrepen dat hun klanten voortdurend een detector in hun eigen hoofd draaien, en die een productiesysteem bouwden dat dit respecteert — agressief waar de machine helpt, onzichtbaar waar het hen zou verraden. De CMO met dat vijandige consumentenpanel had geen technologieprobleem. Ze had een systeem dat efficiëntie liet weglekken naar de ene plek waar haar klanten keken. Dicht dat lek, en AI houdt op een reputatierisico te zijn en wordt weer wat het altijd al had moeten zijn: een snellere manier om werk te maken dat mensen daadwerkelijk vertrouwen.