Wat de AI-in-Marketing data ons werkelijk vertelt in 2026

Marketing is de afgelopen achttien maanden veranderd. Ik heb het zien gebeuren in mijn eigen werk en bij elk team waarmee ik spreek. AI ging van een experiment waar mensen tussen vergaderingen door aan prutsten, naar iets dat verweven is in hoe campagnes worden opgebouwd en gelanceerd. De data loopt eindelijk in op die verschuiving, al onthult ze ook een rommeligere waarheid: de meeste teams gebruiken deze tools zonder ooit echt opnieuw na te denken over hoe ze werken.

Dit is wat het laatste onderzoek zegt, en waar ik denk dat het naartoe gaat.

Adoptie is een feit. Integratie is de echte vraag.

De eerste golf AI-berichtgeving was geobsedeerd door wie het gebruikte. Die vraag is in feite beantwoord. Microsoft’s Work Trend Index zette het gebruik van generatieve AI onder wereldwijde kenniswerkers in 2024 al op 75%, waarbij het gebruik in zes maanden bijna verdubbelde (Microsoft Work Trend Index). De curve is sindsdien alleen maar steiler geworden.

Marketing-specifieke cijfers vertellen een vergelijkbaar verhaal, met een nuttige twist. Onderzoek van Knak laat zien dat 95% van de marketeers die generatieve AI gebruiken voor e-mailcontent zegt dat het effectief is, en wijst er tegelijk op dat adoptie en integratie heel verschillende dingen zijn (Knak). De meeste teams gebruiken AI in fragmenten. Een onderwerpregel. Een eerste opzet. Een snelle herschrijving om 16.55 uur vlak voor verzending. Vrijwel niemand heeft zijn daadwerkelijke workflow rond AI heropgebouwd, en daar zullen de interessante gevechten van de komende twee jaar worden uitgevochten.

Hoe marketeers AI echt gebruiken (als niemand kijkt)

Praat met iedereen die een contentkalender beheert en je hoort dezelfde boog. Het saaie werk ging als eerste: bijschriften, rapportsamenvattingen, beeldvarianten, het opschonen van vergadernotities. Dat zijn echte winstpunten, maar oppervlakkige; het type dat minuten bespaart zonder de strategie te veranderen.

De eerste keer dat de meeste marketeers een campagne door een model halen, leest de output competent maar op de een of andere manier net niet goed. De tools zijn goed in het produceren van tekst. Ze zijn een stuk slechter in het produceren van tekst die past bij een specifiek publiek, een specifiek moment, een specifieke fase in de klantrelatie. De marketeers die ik echt resultaten zie boeken, behandelen het model zoals je een junior copywriter zonder context zou behandelen: nuttig, snel, en behoeftig aan veel redactie.

Ik ga iets zeggen dat me op conferenties in de problemen brengt: de meeste “AI-promptbibliotheken” die nu worden verkocht zijn waardeloos. De waarde zit niet in de prompt. Ze zit bij de marketeer die kan zien wanneer de output afdwaalt naar onzin en kan bijsturen. Haal dat oordeelsvermogen weg en je krijgt de LinkedIn-slop waar iedereen over blijft klagen.

Wat de data van McKinsey werkelijk onthult

Het meest interessante signaal uit McKinsey’s State of AI-werk gaat helemaal niet over tools. Het gaat over hoe bedrijven zichzelf reorganiseren. McKinsey ontdekte dat bedrijven die AI opschalen zich eromheen herstructureren, en een betekenisvol aandeel meldt dat ze juist meer mensen in bepaalde functies aannemen in plaats van te snijden (McKinsey State of AI).

Dat past niet in de kop van AI-als-baan-vernietiger. In marketing ziet het patroon dat ik zie er ongeveer zo uit: teams die AI goed adopteren hebben uiteindelijk meer mensen nodig die hoogwaardiger werk doen — strategie, merkbewaking, klantonderzoek — omdat productie ineens goedkoop is en het knelpunt stroomopwaarts schuift. Yale’s Budget Lab-analyse van de AI-arbeidsmarkt maakt een vergelijkbaar punt en merkt op dat verschuivingen in het personeelsbestand zich eerder als rolevolutie dan als directe vervanging tonen (Yale Budget Lab).

Marketingfuncties op LinkedIn zullen er over twee jaar ongeveer hetzelfde uitzien. Het dagelijks werk zal er bijna niets meer op lijken van nu.

De consumentenzijde: vertrouwen is de stille variabele

Marketeers praten graag over AI-productiviteit. We praten veel minder over hoe het publiek zich voelt aan de ontvangende kant van al deze door machines gegenereerde communicatie. Enquêtes van het Pew Research Center over hoe Amerikanen AI zien laten een publiek zien dat breed sceptisch is, met een meerderheid die meer bezorgdheid dan enthousiasme uitspreekt over AI in het dagelijks leven (Pew Research).

Dit doet er concreet toe. Als je publiek elke e-mail en productbeschrijving begint te verdenken van machinaal te zijn gegenereerd, stijgt de premie op communicatie die menselijk aanvoelt. De merken die deze periode winnen zullen niet die zijn die de meeste AI gebruiken. Het zullen die zijn die het gebruiken op manieren die niemand opmerkt.

Denk aan de stem van Duolingo’s e-mails en pushnotificaties — die ontspoorde uil die inmiddels zo’n beetje een merkactief is. Geen standaardmodel produceert dat zonder veel menselijke sturing. Ze gebruiken misschien wel ergens AI in de pijplijn, maar de stem is onmiskenbaar de hunne. Vergelijk dat met de muur van “Hopelijk gaat het goed met je, ik wilde even terugkomen op…” cold outreach die op dit moment elke B2B-inbox overstroomt, en je voelt aan welke kant van de vertrouwensgrens elk zit.

Waar marketing daadwerkelijk heen gaat

Een paar richtingen zien er behoorlijk duidelijk uit, zowel uit de data als uit wat ik zie in klantwerk:

Workflow-herontwerp doet er meer toe dan toolkeuze. De teams die voorop lopen hebben niet de fancyste stack. Ze hebben hun briefingsjablonen, hun contentproductieproces en hun reviewcycli herontworpen rond AI-ondersteunde concepten. Welk model je vorig kwartaal koos, is al een commodity. Het is de workflow eromheen die echt rendeert.

Personalisatie wordt goedkoper, terwijl relevantie moeilijker wordt. 10.000 landingspaginavarianten uitspugen is nu triviaal. Weten welke variant naar welk segment moet, en waarom, is nog steeds echt moeilijk werk. Klantonderzoek en first-party data worden waardevoller, niet minder waardevol.

Merkstem wordt een verdedigbaar bezit. Wanneer iedereen toegang heeft tot dezelfde modellen, produceren merken met een duidelijke, goed gedocumenteerde stem AI-output die nog steeds als hen klinkt. Merken zonder zo’n stem klinken uiteindelijk als elke andere AI-opgestelde nieuwsbrief — wat op dit moment een soort opgewekte consultantstaal betekent die eigenlijk niemand wil lezen.

E-mail blijft de use case bewijzen. De Knak-data over e-maileffectiviteit is niet verrassend. E-mail is gestructureerd, meetbaar, omvangrijk werk — precies de omstandigheden waarin generatieve tools schitteren. Verwacht vergelijkbare volwassenheidscurves bij betaalde zoekteksten, productbeschrijvingen en lifecycle-berichten in het komende jaar.

Praktische volgende stappen voor marketingteams

Als je wilt overstappen van versnipperd AI-gebruik naar echte integratie, werken een paar dingen meestal goed:

• Audit waar AI al informeel wordt gebruikt. De meeste leidinggevenden onderschatten dit met de helft. Je team gebruikt ChatGPT in browsertabbladen waarvan je het bestaan niet kent.
• Pak één workflow (e-mail, advertentietekst, briefings) en herontwerp die end-to-end met AI in de loop, in plaats van AI op het oude proces te plakken.
• Documenteer merkstem op een manier die een model daadwerkelijk kan gebruiken. “Zelfverzekerd maar warm” zegt een taalmodel niets. Laat het tien e-mails zien die je mooi vindt en tien die je zou afwijzen, en leg per stuk uit waarom.
• Investeer in de menselijke vaardigheden die de technologie niet kan repliceren. Oordeel over wat goed is. Een echt standpunt over de klant. De smaak om te weten wanneer iets bijna goed is, maar net niet helemaal.

AI in marketing is eigenlijk geen adoptievraag meer. Het is een vraag of je de spieren hebt opgebouwd om deze tools goed te gebruiken, en of je team is opgesteld om die spieren te blijven opbouwen terwijl de tools volgend jaar opnieuw onder je voeten verschuiven.