Je zet een streamingdienst aan en binnen tien seconden verschijnt er een rij aanbevelingen die precies lijkt te weten wat je vanavond wil zien. Toeval? Zeker niet. Achter dat scherm draait een systeem dat jouw kijkgedrag al maanden analyseert, vergelijkt en bijstuurt. De vraag is niet meer óf kunstmatige intelligentie media vormt, maar hoe diep dat al gaat.
Algoritmes als onzichtbare redacteuren
Lang geleden zat er ergens een redacteur die besliste wat er op de voorpagina stond. Die persoon had smaak, had een mening, en maakte soms een fout. Tegenwoordig heeft die rol grotendeels een andere gedaante aangenomen: het algoritme.
Een algoritme is in de kern gewoon een reeks instructies. Doe dit als dat, kies dat als dit. Maar in media zijn die instructies inmiddels zo complex geworden dat zelfs de makers ze niet altijd volledig doorgronden. Een nieuwsapp die bepaalt welk artikel jij als eerste ziet, doet dat op basis van honderden variabelen: hoe lang je gisteren las, welke onderwerpen je overslaat, op welk moment van de dag je de app opent.
Het grappige, of eigenlijk het verontrustende, is dat dit systeem geen journalistieke waarden kent. Het optimaliseert voor klikken, voor kijktijd, voor betrokkenheid. En dat levert soms prachtige ontdekkingen op, maar net zo goed een eindeloze stroom van dezelfde soort content die je al kende.
Personalisatie in streaming: comfort of koker?
Neem een willekeurige vrijdagavond. Je opent een streamingplatform en je ziet een selectie die voelt als maatwerk. En dat is het ook, want personalisatie in streaming is inmiddels een van de meest verfijnde toepassingen van AI die er bestaat.
Platforms als Netflix en Spotify gebruiken systemen die niet alleen kijken naar wat je hebt bekeken, maar ook naar hoe je dat deed. Heb je een serie na twee afleveringen gestopt? Dat telt mee. Heb je een documentaire op 1,5x snelheid gekeken? Ook dat signaal wordt verwerkt. Het model bouwt een profiel op dat steeds nauwkeuriger wordt, als een spiegel die elke week iets scherper wordt.
Maar die spiegel heeft een keerzijde. Wanneer je alleen nog maar te zien krijgt wat past bij wat je al leuk vond, wordt je mediadieet smaller. Mediawetenschappers noemen dit de filterbubbel: een omgeving waarin jouw wereld steeds meer overeenkomt met jouw bestaande voorkeuren. Of dat erg is, hangt er een beetje van af hoe bewust je ermee omgaat.
Social media en de strijd om aandacht
Op social media is de inzet nog groter. Hier gaat het niet alleen om wat je leuk vindt, maar om hoelang je blijft scrollen. Platforms zoals TikTok, Instagram en YouTube hebben algoritmes die zijn geoptimaliseerd voor één ding: aandacht vasthouden.
TikTok is daarin misschien wel het meest radicale voorbeeld. Het systeem begint zonder enige voorkennis over jou en leert binnen enkele minuten al wat je doet. Kijk je drie seconden langer naar een video over koken? Dan krijg je er meer van. Swipe je snel weg bij politieke content? Die verdwijnt uit je feed. Het model past zich in realtime aan, sneller dan enige menselijke redacteur dat ooit zou kunnen.
Dat maakt social media tegelijk fascinerend en zorgwekkend. De techniek is indrukwekkend, maar de doelstelling is smal. Aandacht vasthouden is niet hetzelfde als informeren, inspireren of verbinden. En in een medialandschap waar steeds meer mensen hun nieuws via social feeds binnenkrijgen, heeft dat gevolgen die verder reiken dan een avondje scrollen.
Gegenereerde content: wie schrijft er eigenlijk?
Een ontwikkeling die de afgelopen jaren snel is gegaan, is het gebruik van AI om content te genereren. Niet alleen aanbevelingen doen, maar zelf teksten, samenvattingen, nieuwsberichten of zelfs video’s produceren. De grens tussen menselijk en machinaal gemaakt materiaal wordt vager.
Grote nieuwsorganisaties experimenteren al jaren met automatische tekstgeneratie voor standaardberichten: beurskoersen, sportscores, weerberichten. Dat zijn vormen waarbij de structuur vaststaat en de data simpelweg worden ingevuld. Maar inmiddels gaat het verder. Tools op basis van grote taalmodellen kunnen opiniestukken schrijven, interviews samenvatten en zelfs creatieve formats nabootsen.
Daarbij speelt een bredere verschuiving in hoe organisaties omgaan met hun data. Wie werkt met grote hoeveelheden mediainhoud, merkt dat Data-ai als begrip steeds vaker opduikt in gesprekken over hoe je die informatie zinvol kunt ontsluiten en analyseren. De vraag is dan niet alleen wat de techniek kan, maar ook wat je er als redactie of mediabedrijf mee wilt.
Voor de lezer is het onderscheid intussen nauwelijks te zien. En dat roept echte vragen op over transparantie en vertrouwen.
Wat AI nog niet kan: context en gevoel
Er is iets wat algoritmes en taalmodellen nog altijd moeite mee hebben, en dat is context. Niet de oppervlakkige context van ‘dit bericht gaat over politiek’, maar de diepere laag van wat iets betekent in een specifiek moment, voor een specifieke gemeenschap.
Ik zat ooit in een redactievergadering waar een automatisch gegenereerde samenvatting van een gevoelig nieuwsbericht werd besproken. De tekst was feitelijk correct, de toon was neutraal, maar er ontbrak iets. Er was geen gevoel voor wat het bericht zou doen bij de mensen die het lazen. Geen afweging van toon, geen bewustzijn van timing. De machine wist wat er was gebeurd, maar niet wat het betekende.
Dat is de ruimte die menselijke makers nog altijd innemen. Niet als tegenstander van de techniek, maar als aanvulling. De beste mediaproducties van dit moment combineren de schaalbaarheid van AI met het oordeelsvermogen van mensen die weten wat ze doen. Dat is geen romantisch ideaal, dat is gewoon hoe het in de praktijk werkt.
Onderwijs en media: wat leer je eigenlijk nog?
Als AI steeds meer taken overneemt in media, verschuift ook wat je moet kunnen als je in die sector werkt. Vroeger leerde een journalist schrijven, structureren en bronnen checken. Dat moet nog steeds, maar er komt iets bij: AI-geletterdheid.
Dat betekent niet dat je moet weten hoe je een neuraal netwerk bouwt. Maar je moet wel begrijpen hoe aanbevelingssystemen werken, wat de beperkingen zijn van gegenereerde tekst, en hoe je als professional omgaat met tools die sneller produceren dan jij ooit zou kunnen.
Mediaopleiding staat daarmee voor een interessante uitdaging. Studenten die nu beginnen, gaan werken in een omgeving die over vijf jaar er anders uitziet dan vandaag. Dat vraagt om curricula die niet alleen vaardigheden aanleren, maar ook een kritische houding ten opzichte van de technologie zelf. Niet bang, niet blind enthousiast, maar bewust.
- Begrijpen hoe algoritmes content selecteren en waarom dat ertoe doet
- Kritisch omgaan met AI-gegenereerde tekst, ook als die er overtuigend uitziet
- Filterbubbels herkennen in je eigen mediagedrag en dat van anderen
- De waarde van menselijk oordeel kennen naast automatische systemen
- Ethische vragen stellen over data, privacy en transparantie in media
- Samenwerken met AI-tools zonder de regie te verliezen over het eindproduct
Dat klinkt als een flinke lijst, maar de meeste van deze punten zijn eigenlijk gewoon een moderne versie van wat goede mediamakers altijd al moesten kunnen: nadenken over hoe informatie tot stand komt en wat het doet met mensen.
Veelgestelde vragen over AI in media en inhoud
Hoe bepaalt een streamingdienst wat ik te zien krijg?
Een streamingdienst gebruikt een combinatie van jouw kijkgeschiedenis, het gedrag van gebruikers die op jou lijken, en signalen zoals hoe lang je een video hebt bekeken of wanneer je bent afgehaakt. Dit systeem heet collaboratief filteren: het vergelijkt jouw profiel met miljoenen anderen en zoekt patronen. Hoe meer je kijkt, hoe nauwkeuriger het model wordt. Dat klinkt handig, en dat is het ook, maar het betekent wel dat het systeem je steeds meer van hetzelfde aanbiedt tenzij je actief andere keuzes maakt.
Is AI-gegenereerde content betrouwbaar in nieuwsmedia?
Dat hangt sterk af van het type content en de redactionele controle eromheen. Voor feitelijke berichten met een vaste structuur, zoals beursberichten of wedstrijduitslagen, werkt automatische generatie al jaren redelijk goed. Maar voor complexere onderwerpen waarbij nuance, toon en context belangrijk zijn, schiet AI nog regelmatig tekort. Veel nieuwsorganisaties gebruiken gegenereerde teksten daarom als startpunt, niet als eindproduct. De menselijke redacteur blijft in die gevallen onmisbaar als eindverantwoordelijke.
Wat is een filterbubbel en hoe kom je eruit?
Een filterbubbel ontstaat wanneer een algoritme je steeds content aanbiedt die aansluit bij wat je al leuk vindt of gelooft. Je wereld wordt smaller zonder dat je het doorhebt. Eruit komen vraagt bewuste actie: andere bronnen opzoeken, feeds resetten, of platforms gebruiken die minder sterk personaliseren. In mediaonderwijs wordt dit steeds vaker behandeld als een basisvaardigheid, vergelijkbaar met bronkritiek. Wie begrijpt hoe de feed werkt, kan er bewuster mee omgaan.