Zit jouw content al in een AI-trainingsset? Zo kun je het checken

Trainingsdata is iets anders dan live crawlen

Een taalmodel zoals ChatGPT of Claude wordt op een vast moment getraind op een grote hoeveelheid tekst van het web. Alles wat daarna verandert, zit niet in dat model zelf — tenzij het model ook live kan zoeken. Modellen met internettoegang, zoals ChatGPT met browsing, Perplexity of Google AI Overviews, combineren beide: kennis uit de training, aangevuld met wat ze op het moment van de vraag op het web vinden. Dat betekent dat een model kan weten dat jouw kantoor bestaat, zonder dat het je nieuwste artikel ooit heeft gezien. Andersom kan een model je laatste kennisbank-artikel live oppikken, terwijl het je kantoornaam uit de trainingsdata verkeerd onthoudt.

Veel kantoren verwachten dat een nieuw artikel of een vernieuwde website meteen zichtbaar wordt in een AI-antwoord. Dat klopt alleen voor modellen die live zoeken. Een model zonder internettoegang blijft bij wat het tijdens de training heeft gezien, ook al staat je site er inmiddels anders bij.

Zo check je wat een model al over je kantoor weet

De snelste test: stel een paar directe vragen aan ChatGPT, Claude en Gemini, zonder dat browsing aanstaat. Vraag wie je kantoor is, in welke plaats je zit en waar je in gespecialiseerd bent. Klopt het antwoord, is het verouderd, of verzint het model iets? Een tweede test: vraag naar een artikel dat je kort geleden hebt gepubliceerd. Kent het model de titel niet, dan ligt dat aan de trainingsdatum — niet aan de kwaliteit van je content. Een derde test, specifiek voor concurrentie-inzicht: vraag een model om drie hypotheekadviseurs in jouw regio te noemen en kijk of je eigen kantoor erbij staat. Herhaal deze testvragen elk kwartaal en leg de antwoorden vast, dan zie je ook of een model je na een volgende trainingsronde beter beschrijft.

Let bij elke test op het verschil tussen een feitelijke fout en verouderde informatie. Een model dat je oude adres noemt, heeft gewoon een oudere versie van je site gezien. Een model dat een compleet andere specialisatie verzint, heeft je kantoor waarschijnlijk nooit scherp in beeld gehad. Noteer de antwoorden met datum erbij, dan zie je na een paar maanden ook of een model is bijgewerkt of nog steeds dezelfde fout herhaalt. Kleine kantoren met weinig vermeldingen op het web merken dit het sterkst: hoe minder een model over je vindt, hoe groter de kans dat het de leemte zelf invult met een aanname.

Wat je wel en niet kunt bijsturen

Trainingsdata werk je niet handmatig bij. Een model leert pas opnieuw zodra de maker een volgende trainingsronde draait, en dat moment ligt buiten jouw invloed. Wat je wel kunt doen: zorgen dat er op het moment van die volgende training genoeg consistente, correcte informatie over je kantoor op het web staat om uit te putten. Dezelfde naam en hetzelfde adres op je website, je Google-profiel en externe vermeldingen helpt daarbij meer dan één mooi geschreven pagina. Tegenstrijdige gegevens op verschillende plekken maken het voor een model juist lastiger om te bepalen welke versie klopt, en dat werkt averechts.

Voor de kortere termijn heb je meer grip op live crawling dan op trainingsdata. Een actuele, goed gestructureerde site wordt door zoekende AI-modellen direct gevonden, ongeacht wanneer ze voor het laatst zijn getraind. Daar zit dus ook meteen de nuance: wachten op de volgende trainingsronde heeft geen zin als je vandaag al gevonden wilt worden. Beide sporen lopen naast elkaar, en allebei vragen om hetzelfde fundament: content die klopt en overal hetzelfde verhaal vertelt.

Consistente artikelen via Contaqt Basis of Premium werken voor beide sporen tegelijk. Ze geven een model vandaag iets om live te vinden, en bouwen tegelijk aan het soort herkenbare, correcte vermeldingen dat meetelt zodra een volgende trainingsronde plaatsvindt. Bekijk Contaqt Premium als je wilt dat die content exclusief voor jouw kantoor klinkt.