70% van de marketing draait nu op AI. Het verschil zit niet meer in de tool.

Duiding van de actualiteit

Het nieuws over AI gaat snel, en in geen enkele hoek zo snel als in de marketing. Wij volgen de ontwikkelingen op de voet en vertalen ze naar de praktijk van het bureau. Vandaag een onderzoek dat een streep zet onder een tijdperk, en dat we vanuit eigen ervaring herkennen, want we runnen zelf een marketingbureau volledig op deze manier.

In het kort. Uit het Data Driven Marketing Onderzoek 2026 blijkt dat 70 procent van de marketing AI structureel inzet. De experimentele fase is voorbij, AI is een basisvoorziening geworden. En precies daarom levert het bezit van de tool geen voorsprong meer op. Het onderscheid verschuift naar iets anders: hoe goed je de AI voedt met je eigen kennis en merk, en hoe scherp de mens de eindredactie voert.

Wat is er gebeurd?

Het jaarlijkse Data Driven Marketing Onderzoek, uitgevoerd door DDMA, laat weinig ruimte voor twijfel. Zeventig procent van de branche gebruikt AI inmiddels structureel, bijna driekwart verwacht dat gebruik het komende jaar verder uit te breiden, en er wordt fors geïnvesteerd in AI-beleid en in het opbouwen van vaardigheden. De onderzoekers trekken een heldere conclusie. De vraag is niet langer wat AI kan, maar hoe je de juiste condities schept om er echt waarde uit te halen.

Dat is een stille maar ingrijpende omslag. Toegang tot AI was twee jaar geleden een streepje voor. Nu is het een hygiënefactor, iets waar je klant klakkeloos van uitgaat. Het werk verschuift van het bedienen van de tool naar de kwaliteit van de data, de governance en de inbedding in je manier van werken.

Wat maken bureaus er concreet mee?

Om te snappen waar de winst en het risico zitten, helpt het om te zien wat er in de praktijk uitrolt. Bureaus zetten AI in voor een brede stroom aan concreet werk. Blogposts en social content, complete contentkalenders, advertentieteksten en een handvol campagneconcepten om uit te kiezen, persberichten en snelle statements bij een crisis, doelgroeppersona’s en briefings voor het creatieve team, en de maandelijkse rapportages naar de opdrachtgever.

Dat is echt werk, en de tijdwinst is fors. Vooroplopende bureaus leveren twee tot drie keer zoveel bij hetzelfde tarief. Maar al dat werk moet in hoog tempo de deur uit, terwijl het tegelijk moet kloppen met de strikte richtlijnen en de stem van de klant. En daar wringt het.

Waarom generieke AI de eenheidsworst wordt

De meeste bureaus werken ad hoc, met losse consumentenaccounts en een snelle prompt. Dat is makkelijk, en precies daar zit het probleem. Een open chatbot kent jouw klant niet, dus het antwoord is een gemiddelde. De markt herkent die gemiddelde toon inmiddels feilloos, en straft het af. De eigenaar van een bureau vreest niet voor niets voor blandness, de voorspelbaarheid waardoor de eigen creatieve identiteit verwatert.

Er is ook een hardere kant. Op pure AI-output rust geen auteursrecht, en een bureau is aansprakelijk als een medewerker via AI ongemerkt inbreuk maakt op het werk van een ander. En een model dat de context niet kent, kan met stelligheid een claim over een product verzinnen die niet klopt. In reclame heet dat misleiding.

Hoe de voorlopers het wél doen

De bureaus die dit goed doen, hebben één ding gemeen. Ze laten de AI het werk versnellen, maar de mens is de kwaliteitslaag die beslist wat klopt, wat strategisch is, en wat de deur uit mag. De AI schrijft een eerste versie, een mens tekent voor het resultaat.

Bij ons gaat daar nog een stap aan vooraf, en dat is waar het echte verschil zit. Wij laten de AI niet uit het niets genereren, maar voeden hem eerst met de eigen bronnen van de klant. Het merkhandboek, de stijlgids, de goedgekeurde eerdere uitingen. Zo controleert het systeem een concept automatisch tegen de unieke toon van dat merk in plaats van een gemiddelde te produceren. Bij een crisis put het uitsluitend uit eerder goedgekeurde statements, niet uit het open internet. En voordat een stuk naar de klant gaat, toetst het aan een checklist van merk- en wettelijke eisen, bijvoorbeeld of een duurzaamheidsclaim wel is onderbouwd met bewijs uit het dossier. De mens houdt de regie en beslist over publicatie.

Het onderwerp data komt daarbij altijd op tafel, en we zijn er eerlijk over. Je werkt op je eigen zakelijke Claude-omgeving, onder voorwaarden waarbij je gegevens niet worden gebruikt om modellen te trainen. Geen belofte van een kluis, wel de nuchtere uitleg zodat je per opdracht je eigen afweging maakt.

Wat dit betekent voor jouw bureau

Er komt bovendien een concrete deadline aan. Vanaf 2 augustus 2026 verplicht de Europese AI-wet je om AI-gegenereerde beelden, video en audio in publieke uitingen te labelen. Wie zijn AI-werk niet gecontroleerd door een vaste workflow haalt, loopt hier een risico.

De grap is dat veel bureaus denken dat ze dit zelf wel regelen, juist omdat ze al veel met AI werken. En een losse prompt schrijven is ook makkelijk. Maar de context van tientallen verschillende klantmerken consistent en zonder verlies beheren, dat is een vak. Het is het verschil tussen sneller hetzelfde gemiddelde maken, en werk leveren dat onmiskenbaar van jouw bureau is.

Zelf aan de slag of laat ons helpen

Wil je dit zelf verkennen? Onze methode staat open op GitHub, zodat je er meteen mee aan de slag kunt met Claude Code.

Wil je het in één keer goed ingericht hebben op je eigen omgeving, met je merkrichtlijnen erin bewaakt? Plan dan een kennismaking, dan kijken we samen waar het de moeite waard is.

• De open methode: github.com/mennovdmm/canoniek
• De begeleide route: plan een kennismaking