Jouw nieuwsarchief is het bezit. Stop met het gratis aan Google te verhuren.

Een regionaal dagblad waarmee ik afgelopen winter om tafel zat, had vier miljoen maandelijkse lezers en een archief van tweeëndertig jaar, en het bestuurspakket van februari was het slechtste document dat iemand in de kamer in tien jaar had gelezen. Verwijzingen vanuit organische zoekresultaten daalden met 41% jaar op jaar. Programmatische advertentietarieven daalden met nog eens 18%. De affiliate-inkomsten die de zaak in 2023 stilletjes draaiende hielden, waren ineengestort tot een derde van hun piek. De CFO zette de slide op, keek me aan en stelde de enige vraag die ertoe deed: wat is Google ons precies verschuldigd, en hoe zorgen we dat het loont?

Ik moest haar de waarheid vertellen: Google is hun contractueel niets verschuldigd. De ongeschreven deal die het web bouwde — jullie laten ons jullie crawlen, wij sturen jullie verkeer — werd herschreven op het moment dat AI Overviews begonnen te verschijnen op 48% van alle Google-zoekopdrachten vanaf maart 2026 (theStacc / Search Engine Land). Wanneer een AI-samenvatting boven de organische link staat, scrolt de lezer zelden; de desktop-doorklikratio van de Daily Mail op die zoekopdrachten daalde met 89%, van 25,23% naar 2,79%. De content wordt nog steeds gelezen. De uitgever wordt er alleen niet langer voor betaald. De weg terug, daar ben ik van overtuigd, is conversationele AI die gebouwd is op het eigen archief van de uitgever.

Dat gesprek is waarom mijn team bij Veriprajna nu bouwt aan conversationele AI voor uitgevers — retrieval-augmented generation-engines die draaien over het eigen nieuwsarchief van een uitgever, met de citatiehandhaving en licentiestrategie die ze veilig maken om onder je merknaam te plaatsen. Retrieval-augmented generation, oftewel RAG, betekent gewoon dat de AI alleen antwoordt vanuit jouw documenten in plaats van vanuit wat het ook maar opgeslorpt heeft van het open internet. Dat onderscheid blijkt het hele spel te zijn. Maar ik wil doornemen hoe we daar kwamen, want we hadden de eerste versie er lelijk naast, en de manier waarop we het mis hadden is precies de manier waarop de meeste uitgevers het straks mis gaan hebben.

De verwijzingseconomie is voorbij. De licentie-economie is nog niet gebouwd.

Begin met hoe erg de bloeding is, want de schaal is het argument. Google-zoekverkeer naar uitgevers daalde met ruwweg 33% wereldwijd in het jaar tot november 2025, en de nieuwsdirecteuren die het Reuters Institute ondervroeg verwachten een verdere daling van 43% over de komende drie jaar — een vijfde van hen bereidt zich voor op verliezen boven de 75% (Reuters Institute Journalism Trends 2026). De individuele gevallen lopen slechter uit, en een ervan werd een rechtszaak: Penske Media, wiens affiliate-inkomsten met meer dan een derde daalden vanaf hun piek, klaagde Google aan in september 2025 — de eerste grote antitrustzaak die stelt dat het bedrijf uitgevers dwingt tot AI-training.

De zoekmachine die jouw distributie bouwde, is nu je grootste concurrent, en het vroeg geen toestemming om van kant te wisselen.

Dus het instinct in elke bestuurskamer is identiek: als Google ons geen lezers stuurt, bouwen we onze eigen AI en houden we ze op onze site. Juist instinct. De uitvoering is waar mensen gewond raken.

We bouwden eerst het voor de hand liggende ding. Het hallucineerde over een gemeenteraadslid.

Ik zal eerlijk zijn over ons eigen littekenweefsel, want ik heb het verdiend. De eerste engine die we neerzetten was de versie waar elke SaaS-leverancier je 60.000 tot 120.000 dollar voor rekent en die in een paar weken uitrolt: neem het archief, hak elk artikel in stukken, zet de stukken om in vector-embeddings en laat een chatbot de dichtstbijzijnde overeenkomsten ophalen. Het demonstreert prachtig. Je vraagt het over een recent verhaal, het haalt het juiste artikel op, het klinkt geweldig.

Toen, in een pilotsessie, stelde een redacteur het de soort vraag die elke lezer zou stellen: wat is de geschiedenis tussen dit gemeenteraadslid en de projectontwikkelaar achter het binnenstadsproject? Dat is een multi-hop-vraag — het betekent één persoon verbinden over een dozijn artikelen die zich over jaren uitstrekken, waar hij afwisselend opduikt als de volledige naam met titel, dan alleen als achternaam, en één keer, in een oud fotobijschrift, enkel als "de wijkvertegenwoordiger", nog voordat hij de zetel überhaupt bezette. De vectorzoekopdracht haalde een paar stukken op die tekstueel vergelijkbaar waren, naaide ze samen tot een vloeiende paragraaf en beweerde een relatie die het archief eigenlijk niet ondersteunde. Het verzon het bindweefsel.

Ik keek naar het gezicht van de redacteur toen ze het opmerkte. Die blik — een journalist die beseft dat de machine zojuist een feit heeft gefabriceerd onder de naam van haar krant — is het ding dat ik nu alles bouw om te voorkomen. We hadden een zelfverzekerde leugenaar uitgeleverd.

Die mislukking is de hele reden waarom ik niet langer geloof dat een chatwidget een product is. Het heeft geen idee dat die verspreide namen één persoon zijn. Het heeft geen model van tijd — dat de man jarenlang een privéburger was voordat hij ooit de zetel won. En het heeft geen mechanisme om te controleren of de zin die het zojuist genereerde daadwerkelijk gegrond is in een bron. Bij de zoekopdrachten die er niet toe doen, is het prima. Bij de zoekopdrachten waar lezers echt om geven, de longitudinale, die over mensen en geld in de loop van de tijd, breekt het precies waar het het meest moet standhouden.

Waarom loste RAG dit niet gewoon op?

Omdat "RAG" een categorie beschrijft, geen competentie, en de moeilijke 60% van het werk is het deel dat niemand verkoopt.

Het eerste wat ik onderschatte — flink — was ingestie. Ik kwam binnen in de veronderstelling dat een dertigjarig archief een schoon corpus was dat klaarlag om ingebed te worden. Dat was het niet. Het waren twee decennia verminkte HTML uit drie CMS-migraties, dode interne links die nergens naartoe wezen, en een laag van vóór 2005 die alleen bestond als gescande microfilm. Toen we gewone OCR over die scans lieten lopen, kwamen koppen, tekstkolommen en fotobijschriften samengesmolten terug als één blok onzin, omdat de OCR de pagina-opmaak niet kon zien. We moesten opmaakbewuste optische tekenherkenning inzetten — het soort dat kolommen detecteert en een kop scheidt van een bijschrift van de lopende tekst — met behulp van tools zoals Amazon Textract en Azure Document Intelligence. Dat is het roemloze werk dat bepaalt of het hele ding functioneert, en het is de post die elke chatbotleverancier van de offerte weglaat.

Het tweede ding was het gemeenteraadslid-probleem, dat een naam heeft: entiteitsresolutie. Om de AI over een persoon te laten redeneren, moet elke vermelding van die persoon — elke bylinevariant, elke eretitel, elke schuine verwijzing — samenvloeien tot één knooppunt. We losten het op zoals de serieuze bedrijven dat doen, met een kennisgraaf: Microsofts open-source GraphRAG gelaagd op Neo4j, met de graph data science-bibliotheek die de disambiguatie doet zodat "Mr. Musk", "Elon Musk" en "de Tesla-CEO" één entiteit worden, niet drie. Eén implementatie in dit domein bereikte 12 miljoen knooppunten. Uit de doos weet GraphRAG niets van jouw lokale politieke beat of je vijftig terugkerende bronnen. GraphRAG de specifieke mensen van jouw archief leren is maatwerk, en het is het werk dat "tekstueel vergelijkbare stukken" verandert in "de daadwerkelijke geschiedenis van een persoon".

Een vectorzoekopdracht vindt passages die op elkaar lijken. Een kennisgraaf weet dat twee passages over hetzelfde menselijke wezen gaan. Lezers vragen naar mensen.

De derde was tijd. Nieuws is inherent temporeel — hetzelfde ambt bekleed door verschillende mensen, hetzelfde wetsvoorstel geamendeerd over sessies heen, hetzelfde bedrijf voor en na een fusie. We geven graafranden geldig-begin- en geldig-eind-tijdstempels en ontleden een vraag als "wie zat de commissie voor toen het wetsvoorstel werd aangenomen" in temporele deelvragen, voortbouwend op het temporele-RAG-onderzoek dat het afgelopen jaar is opgekomen (de T-GRAG- en VersionRAG-onderzoekslijnen). Zonder dat plat de engine de geschiedenis tot één verward heden, wat precies de manier is waarop je beweert dat een privéburger jarenlang een ambt bekleedde voordat hij ooit verkozen werd.

De zin die in elke RFP van een uitgever zou moeten staan: wie is aansprakelijk voor het gefabriceerde citaat?

Hier is het moment dat me ertoe bracht een Slack-lek voor te lezen aan mijn eigen team als waarschuwend voorbeeld.

In november 2024 lanceerde de Washington Post Ask The Post AI. Tegen eind 2025 hadden ze het uitgebreid tot een AI-gegenereerde podcast, en in december lekten de interne berichten van de standaardenredacteur uit: het ding verzon citaten, wees bronnen verkeerd toe en voegde commentaar in alsof het de eigen redactionele standpunt van de krant was. "Het is werkelijk verbijsterend dat dit überhaupt is toegestaan om door te gaan," schreef één redacteur (Semafor, 11 dec 2025). Het technische defect was klein en specifiek — een ontbrekende citatieverificatiestap. De reputatieschade was wereldwijd, en het overkwam een van de best voorziene redacties op aarde.

Ik houd dat gelekte bericht dichtbij omdat het de goedkoopste les is die in dit hele veld beschikbaar is. De Post had de engineers. Wat ze niet hadden, in die workflow, was een handhavingslaag die weigert een zin uit te sturen tenzij elke bewering erin te herleiden is tot een opgehaalde bron, plus een betrouwbaarheidsdrempel die wankele antwoorden naar een menselijke beoordelingswachtrij routeert voordat ze live gaan, plus een duidelijk antwoord op de vraag op bestuursniveau: wanneer de machine een citaat fabriceert, wie is dan aansprakelijk? Die governance is geen kant-en-klare software. Het is het verschil tussen een tool die je onder je merknaam kunt plaatsen en een wereldwijde blamage.

Zet het af tegen Ask FT, dat de Financial Times bouwde op Claude van Anthropic, strikt gegrond in FT-journalistiek met verplichte citaten die terugverwijzen naar bronartikelen. Opmerkelijk genoeg leverde het een verhoogde retentie op, niet de abonnementskannibalisatie die iedereen vreesde. Het verschil tussen de twee uitkomsten is niet de modelkwaliteit. Het is of citatiehandhaving werd behandeld als het product of als een functie die je later toevoegt.

Waarom het niet gewoon kopen, of het bouwen zoals de FT deed?

Mensen vragen me dit voortdurend, dus laat me het landschap eerlijk uiteenzetten, want ik heb uitgevers hun financiële speelruimte zien verliezen aan elk van de verkeerde antwoorden.

De SaaS-chatbotleveranciers droppen een widget op je site voor 60.000 tot 120.000 dollar. Ik heb je verteld wat dat oplevert: vector-embeddings, geen entiteitsresolutie, geen temporele redenering, geen citatieverificatie, en je archief dat in de cloud van iemand anders leeft. Het hallucineert precies bij de zoekopdrachten die ertoe doen.

De in-house builds van de Grote Vijf — de FT, de Times, Bloomberg, de Post, de Guardian — zijn echt en indrukwekkend, en ze werden gebouwd door ML-teams van zes tot twintig engineers over twaalf tot vierentwintig maanden, oplopend tot zeven cijfers. Een regionaal dagblad met een engineeringteam van één tot drie personen kan die personeelsomvang niet repliceren. Punt uit. Een middenklasse-uitgever vertellen om "het te bouwen zoals de FT" is hun vertellen een orgaan te laten groeien dat ze niet hebben.

De grote consultancybureaus — Accenture, Deloitte, IBM — bouwen het zeker, met opdrachten die 1,5 miljoen tot 5 miljoen dollar of meer bedragen en een verkenningsfase die langer duurt dan je financiële speelruimte toelaat. Ze grijpen naar dezelfde Microsoft GraphRAG- en Neo4j-stack als wij, rekenen er dan partner-tarieven bovenop, en ze hebben niet vijf uitgeversarchieven achter elkaar gebouwd om te weten waar de lijken begraven liggen.

Die kloof — tussen de widget die niet werkt en het team van zeven cijfers dat je niet kunt bemannen — is de hele reden waarom middenklasse-uitgevers een bouwpartner nodig hebben die het onsexy werk van ingestie, entiteitsresolutie en citatiehandhaving al heeft gedaan. Geen SaaS-abonnement, en geen verkenningsdeck. Het is het specifieke ding waarvoor we onze uitgeverspraktijk hebben opgebouwd, en het staat volledig uiteengezet op onze oplossingspagina voor conversationele AI over nieuwsarchieven.

Het deel dat de meeste consultancybureaus fout doen: je hebt twee inkomstenspelen nodig, niet één.

Hier is de strategische fout die ik zelfs slimme uitgevers zie maken. Ze behandelen "onze eigen AI bouwen" en "onze content licentiëren aan de AI-bedrijven" als een of-of. Het is allebei, en ze veroveren verschillend geld.

Je eigen conversationele engine is de retentie-speler — het houdt lezers op je site die je archief vragen stellen in plaats van weg te stuiteren naar Perplexity. Maar het doet niets aan de lekkage die nu gebeurt, waar AI-crawlers je content gratis inslikken. Daarvoor heb je de capture-speler nodig, en de infrastructuur daarvoor is net gebouwd.

Cloudflare lanceerde Pay Per Crawl in januari 2026, dat standaard AI-crawlers blokkeert over ruwweg 20% van al het webverkeer en uitgevers laat instellen op Allow, Charge of Block per crawler tegen een prijs per verzoek — de eerste bot-belasting op infrastructuurniveau. Tollbit doet iets soortgelijks bot-voor-bot; de Boston Globe, Vox en Future hebben ermee geëxperimenteerd. En in maart 2026 tekende de News/Media Alliance een deal met ProRata waardoor 2.200 kleine en middelgrote uitgevers kunnen deelnemen aan een collectieve licentiepool met een 50/50-inkomstenverdeling op attributie-getraceerde AI-antwoorden, met een parallelle Bria-deal voor enterprise RAG-gebruik. De NMA regelt het papierwerk dat een regionaal dagblad nooit alleen zou kunnen bemannen.

Crawler-tolgelden veroveren crawl-inkomsten. Ze doen niets voor query-inkomsten. Het eerlijke antwoord is om zowel een tol als een retentie-engine te draaien — iedereen die je vertelt om er één te kiezen, verkoopt je de helft die ze toevallig bouwen.

Een kanttekening die ik altijd geef: geen van de capture-tools weerhoudt AI Overviews ervan je samen te vatten, want die halen op tijdens de query, niet tijdens de crawl. De lekkage en de samenvatting zijn afzonderlijke problemen. Maar een uitgever die Tollbit of Cloudflare aan de crawlkant draait, aan de licentiekant deelneemt aan ProRata, en aan de retentiekant zijn eigen engine draait, heeft eindelijk een bedrijfsmodel heropgebouwd uit drie gedeeltelijke antwoorden. Dat is de hele strategie, en het aan elkaar naaien van die vier systemen — ProRata, Bria, Tollbit, Cloudflare — tot één coherent inkomstenplan naast de engine is het grootste deel van wat we daadwerkelijk doen.

En er is een derde speler die ik het hardst aanmoedig bij vak- en B2B-specialismeuitgevers, want het is degene met het meeste opwaartse potentieel: de engine is niet alleen een retentiegracht, het is een product waar je voor kunt rekenen. Een citatie-gegronde query-interface over een diep verticaal archief — dertig jaar aan gerechtelijke stukken, medicijngoedkeuringen of dealgegevens over jouw specifieke beat, het soort corpus waar een compliance officer of analist een seat voor gaat declareren om te bevragen — is een betaalde intelligence-laag, en uiteindelijk een API, die een concurrent letterlijk niet kan genereren omdat ze jouw corpus niet bezitten. Dat is de zet die de FT maakte aan de bovenkant met zijn professionele laag van duizend dollar of meer, en Bloomberg met een systeem dat gewoon Engels omzet in zijn eigen query-taal over earnings calls en onderzoek. De vakpers zit op dezelfde opening over een smaller, dieper archief, en het merendeel ervan heeft het nog niet gemerkt.

Hoe dit eruitziet wanneer het werkt

De engine die onze gemeenteraadslid-ramp overleefde, lijkt totaal niet op de eerste. Het ingesteert het archief met opmaakbewuste OCR die de pagina respecteert. Het resolveert entiteiten in een kennisgraaf zodat een persoon één knooppunt is, niet een dozijn verspreide vermeldingen. Het redeneert over tijd zodat de geschiedenis niet wordt afgeplat tot het heden. Het draait hybride retrieval — spaarse keyword-matching (BM25) naast dichte semantische zoekopdrachten, omdat een query voor "Bill 402" een exacte match nodig heeft die geen embedding betrouwbaar naar boven haalt — en het herrangschikt de kandidaten voordat ze het model bereiken, waarbij een Cohere- of BGE-reranker 15-30% aan retrievalkwaliteit oplevert voor 50-200 milliseconden latentie, een afweging die ik elke keer maak op een query die ertoe doet. En het weigert, structureel, een bewering uit te sturen die het niet kan citeren, waarbij het de onzekere naar een redacteur routeert in plaats van naar een lezer.

Het klikt ook vast op welk CMS de uitgever ook al draait, en die integratie is nooit generiek. Arc XP stelt een content-API beschikbaar maar geen embedding-hooks, dus je bouwt ernaast. WordPress VIP laat je aangepaste endpoints registreren. Brightspot is flexibeler. Atypon, gebruikt door wetenschappelijke uitgevers, heeft zijn eigen zoekfunctie waar je naast moet gaan zitten. Een bouwer die alle vijf heeft gezien, weet waar elke je tegenwerkt.

De redacties die het snelst verschuiven, voelen de richting al — ze snijden in generiek algemeen nieuws, dat met 38% is gedaald in hun output, en steken moeite in origineel onderzoek, met 91% gestegen, en contextuele analyse, met 82% gestegen (Reuters Institute). Hun archief van dat onderscheidende werk is het ene bezit dat een AI-bedrijf niet kan genereren en een concurrent niet kan repliceren. De fout is het op een server te laten staan, gratis geïndexeerd, terwijl de samenvatters het te gelde maken.

De CFO van dat regionale dagblad vroeg wat Google haar verschuldigd was. De betere vraag, degene waarvan ik wou dat meer uitgevers hem eerst stelden, is wat hun eigen archief waard is wanneer zij de engine beheersen die het leest. Tweeëndertig jaar verslaggeving is een exclusief corpus waarop geen enkel model ter wereld getraind is — en de enige mensen die het kunnen omzetten in een gesprek waarvoor een lezer wil blijven betalen, zijn de mensen die het bezitten. Je kunt vinden hoe wij dat bouwen, van begin tot eind, hier. Het archief was altijd al het bezit. Wat veranderde, is dat je er eindelijk mee moet stoppen het weg te geven.