Social media content maken met AI zonder eenheidsworst

Social media content maken met AI kost je tegenwoordig dertig seconden. Je opent ChatGPT, typt "schrijf een post over onze dienst", en er rolt iets uit dat prima leest. Het probleem is dat het bij iedereen prima leest. Dezelfde openingszin, dezelfde drie bullets, dezelfde afsluitende vraag.

Je klanten scrollen er langs zonder te stoppen. Niet omdat het slecht is, maar omdat het nergens over gaat.

Dat komt niet doordat AI slecht schrijft. Dat komt doordat je AI niks te vertellen hebt gegeven. En dat is precies waar de meeste bedrijven een kans laten liggen: in je eigen systemen ligt elke dag nieuwe, echte informatie klaar waar een post van te maken is.

Waarom de meeste AI-posts op elkaar lijken

Volgens het CBS gebruikte in 2025 een op de zes Nederlandse bedrijven AI, en van die bedrijven zet 35 procent het in voor marketing of verkoop. Het is daarmee veruit de populairste toepassing. Bij microbedrijven is dat niet anders.

Dat betekent ook iets anders: je concurrent gebruikt hetzelfde model, met ongeveer dezelfde prompt, over ongeveer hetzelfde onderwerp.

Een taalmodel weet niks van jouw bedrijf. Het weet wat er gemiddeld op internet staat over jouw branche. Vraag je om een post over "onderhoud aan installaties", dan krijg je het gemiddelde van alle onderhoudsbedrijven ter wereld. Netjes, correct, en volstrekt inwisselbaar.

De input bepaalt alles. Geef je het model niets specifieks, dan krijg je niets specifieks terug. Dat is geen tekortkoming van de tool, dat is hoe het werkt.

En er zit een tweede kant aan. Meta plakt inmiddels een "AI info"-label op content die het herkent als AI-gegenereerd, en verwacht dat je het zelf aangeeft bij realistisch beeld of geluid. Lees hun eigen uitleg over het labelen van AI-content. Puur AI-beeld zonder eigen inbreng wordt dus steeds zichtbaarder als precies dat.

Social media content maken met AI uit je eigen bedrijfsdata

Hier wordt het interessant. Want jij hebt wel iets wat je concurrent niet heeft: je eigen data.

In je voorraadsysteem staat welke twaalf artikelen deze week binnenkwamen. In je projectadministratie staat welke klus vorige week is opgeleverd. In je planning staat dat er volgende maand nog drie plekken vrij zijn. In je urenregistratie staat dat je dit jaar de honderdste installatie hebt gedaan.

Dat zijn geen abstracte marketingideeën. Dat zijn concrete feiten die vandaag al in een systeem staan en die niemand anders heeft.

Een AI die daar toegang toe heeft, schrijft geen gemiddelde post meer. Die schrijft: "Deze week binnengekomen: [specifiek artikel], [aantal] stuks, direct leverbaar." Met de juiste maten, de juiste prijs, en de juiste foto erbij.

Wij bouwen precies dat soort koppelingen. Geen los tooltje dat wat teksten uitspuugt, maar een verbinding tussen het systeem waar je data in staat en het kanaal waar je klanten zitten. We schreven eerder al uitgebreid over hoe je voorraaddata omzet in advertenties, en het principe achter social posts is hetzelfde.

Het belangrijkste bij zo'n koppeling: het model mag niks verzinnen. Het schrijft alleen over wat er daadwerkelijk in de data staat. Prijzen, aantallen en specificaties komen letterlijk uit het systeem, niet uit het taalmodel. Dat is het verschil tussen een tool die je kunt vertrouwen en een tool waar je elke post van moet nacontroleren. Waarom dat onderscheid zo belangrijk is, lees je in ons stuk over AI-hallucinaties.

Welke data in jouw bedrijf al klaarligt voor content

Dit is de oefening die we met klanten doen voordat we ook maar iets bouwen. Loop je eigen systemen langs en vraag je af: welke gebeurtenis hierin zou een klant interessant vinden?

Een paar patronen die bij veel bedrijven werken:

Nieuwe voorraad of nieuw assortiment. Elk artikel dat binnenkomt is een potentiële post. Bij handelsbedrijven en webshops is dit vaak de rijkste bron, simpelweg omdat er dagelijks iets nieuws is.

Opgeleverde projecten. Een klus die op "afgerond" gaat in je projectsysteem, met locatie, type werk en doorlooptijd. Daar maak je een before-and-after post van, mits je klant akkoord is.

Mijlpalen die vanzelf ontstaan. De duizendste order, het vijfde jaar met dezelfde klant, de honderdste installatie. Die getallen staan al in je systeem, je ziet ze alleen nooit voorbijkomen.

Beschikbaarheid en planning. Nog plek volgende maand, of juist vol tot november. Beide zijn een post waard, en beide zijn hard onderbouwd.

Vragen die vaak binnenkomen. Als in je ticketsysteem of mailbox dezelfde vraag vijftien keer per maand langskomt, dan is dat een post. Of een hele reeks posts.

Niet alles hoeft geautomatiseerd. Begin met de bron die het vaakst nieuwe informatie oplevert, want daar zit de meeste tijdwinst.

Zo werkt de koppeling van systeem naar post

De techniek is minder ingewikkeld dan het klinkt. Grofweg zijn er drie stappen.

Stap 1: uitlezen. Er komt een verbinding met het systeem waar de data in staat. Dat kan je voorraadpakket zijn, je CRM, je boekhouding of je projectadministratie. Steeds meer software biedt hier een standaardkoppeling voor aan. We schreven op hoe je AI koppelt aan Exact, AFAS of HubSpot, en die routes gelden hier net zo goed.

Stap 2: filteren en beoordelen. Niet elke regel in je systeem is een post waard. Hier zit de logica: welke artikelen zijn interessant genoeg, welke projecten mogen naar buiten, wat is er al eens gepost. Dit is het stuk dat je bedrijf echt kent en waar het maatwerk zit.

Stap 3: schrijven en klaarzetten. Pas nu komt het taalmodel eraan te pas. Het krijgt de feiten aangeleverd en schrijft daar een post omheen in jouw toon, voor het juiste kanaal. Beeld erbij: een echte productfoto uit je systeem als die er is, of een gegenereerde afbeelding als die er niet is.

Wat je daarna doet is een keuze. Sommige klanten laten de posts automatisch de deur uit gaan. Anderen willen ze eerst in een lijstje zien en met één klik goedkeuren. Dat tweede raden we bijna altijd aan om mee te beginnen. Na een paar weken weet je precies waar het model betrouwbaar in is en waar niet, en dan kun je stap voor stap loslaten.

Wat het kost en wanneer het loont

Eerlijk zijn: dit is niet gratis en het is niet voor iedereen.

Een koppeling bouwen kost tijd, en er zitten maandelijkse kosten aan (hosting, modelgebruik, onderhoud). In ons overzicht van wat maatwerk AI kost staan de prijsniveaus met concrete voorbeelden.

De rekensom is simpel. Hoeveel tijd kost social media je nu per week, en wat is dat uur waard? Als iemand bij jou drie uur per week bezig is met bedenken, schrijven en inplannen, dan praat je over ongeveer 150 uur per jaar. Halveer dat en de businesscase staat er meestal.

Zit je op één post per maand en vind je dat prima, dan is een koppeling bouwen zonde van je geld. Doe dat dan gewoon met de hand.

Het kantelpunt ligt bij twee dingen: je post regelmatig (meerdere keren per week), en je hebt een systeem waar continu nieuwe informatie in komt. Voldoe je aan allebei, dan verdient het zichzelf terug. Voldoe je aan geen van beide, dan is een standaardtool een prima keuze en zeggen we dat gewoon tegen je.

De regels: labels, AVG en wat je niet moet doen

Drie dingen om te regelen voordat je live gaat.

Label wat gelabeld moet worden. Gebruik je AI-beeld dat er fotorealistisch uitziet, geef dat dan aan. Meta doet het inmiddels deels zelf, maar je bent er zelf verantwoordelijk voor. Voor abstract of duidelijk gemaakt beeld speelt dit minder.

Geen persoonsgegevens de deur uit. Klantnamen, adressen en contactgegevens horen niet in een automatisch gegenereerde post. Bouw dat er hard uit, vertrouw er niet op dat het model het wel snapt. En vraag altijd toestemming voordat je een klantproject naar buiten brengt.

Houd een mens in de lus, zeker in het begin. Een post die de plank misslaat kost je meer dan de tijd die je bespaarde. Een goedkeuringsstap van twee minuten per dag is die zekerheid waard.

En de belangrijkste regel: automatiseer het schrijven, niet het denken. De keuze wat je vertelt en waarom blijft van jou. AI neemt het typwerk over, niet je positionering.

Veelgestelde vragen

Kan ik social media content maken met AI zonder dat het nep overkomt?

Ja, mits je het voedt met echte informatie. Een post over een concreet product dat vandaag binnenkwam, met de echte specificaties erbij, leest niet als AI. Een post over "het belang van kwaliteit in onze branche" wel, ongeacht wie het schrijft.

Welke systemen kun je koppelen?

In principe elk systeem met een API of een exportmogelijkheid. Denk aan voorraadsoftware, webshops, CRM's, boekhoudpakketten, projectadministraties en planningstools. Heeft je systeem geen koppeling, dan is er vaak nog een route via export of database. Dat kijken we per geval na.

Moet ik dan alle social media uit handen geven?

Nee, en dat raden we ook niet aan. De meeste bedrijven doen er goed aan om de terugkerende, feitelijke posts te automatiseren en de persoonlijke verhalen zelf te blijven schrijven. Dat mengsel werkt beter dan één van beide alleen.

Hoe lang duurt het voordat zoiets draait?

Een eerste werkende versie is meestal een kwestie van weken, niet maanden. Dat hangt vooral af van hoe toegankelijk je systeem is. Zit de data in een moderne cloudapplicatie, dan gaat het snel. Zit het in een pakket uit 2009 op een server onder het bureau, dan duurt het langer.

Werkt dit ook voor Facebook en Instagram?

Ja. De koppeling en de logica zijn hetzelfde, alleen de vorm van de post verschilt per kanaal. Kortere tekst en meer beeld voor Instagram, iets meer ruimte op Facebook en LinkedIn.

Begin bij je data, niet bij de tool

De meeste bedrijven beginnen met de vraag "welke AI-tool moet ik gebruiken". Dat is de verkeerde volgorde. Begin met de vraag welke informatie er in je bedrijf ontstaat die een klant zou willen weten. Als je die vraag kunt beantwoorden, is de rest bouwwerk.

Wil je weten of dit bij jouw systemen kan? Vertel ons welk pakket je gebruikt en hoe vaak je post, dan zeggen we eerlijk of het loont. Ook als het antwoord nee is.

Neem contact op en we kijken er samen naar.