Kort antwoord
Generatieve AI schrijft productteksten snel en consistent, mits u drie dingen regelt: de tekst wordt alleen gevoed met gecontroleerde attributen, een mens reviewt en keurt goed in een vaste workflow, en stijlregels en voorbeelden leggen de merkstem vast. Het grootste risico zijn verzonnen specificaties. Met menselijke review en redactionele verantwoordelijkheid sluit u ook aan bij de EU AI Act.
Generatieve AI is in 2026 een normaal onderdeel van het schrijven van productteksten. Vrijwel elke PIM-leverancier biedt het aan. De kwaliteit hangt af van drie voorwaarden: het model krijgt alleen gecontroleerde attributen als invoer, een mens keurt goed in een vaste reviewstap, en stijlregels met voorbeelden leggen de merkstem vast. Zonder die voorwaarden produceert AI vooral sneller fouten.
Generatieve AI is software die op basis van een taalmodel nieuwe tekst, beelden of andere content maakt. Voor productcontent gaat het meestal om titels, beschrijvingen, opsommingen van kenmerken, SEO-metadata, alt-teksten en vertalingen.
Wat gaat er mis met AI-productteksten?
De risico's zijn voorspelbaar en daardoor goed te beheersen. De tabel zet ze naast de beheersmaatregel.
| Risico | Voorbeeld | Beheersmaatregel |
|---|---|---|
| Verzonnen specificaties (hallucinaties) | "Waterdicht tot 50 meter" terwijl het attribuut "spatwaterdicht" zegt | Alleen attributen als invoer, automatische vergelijking van getallen en termen |
| Verkeerde variant | Kleur of maat van een andere variant in de tekst | Genereren per variant met variantattributen |
| Generieke toon | Elke tekst klinkt hetzelfde en lijkt op die van concurrenten | Stijlgids, voorbeelden en verboden woorden |
| Misleidende claims | "Duurzaam" of "klimaatneutraal" zonder onderbouwing | Lijst met claims die alleen met bewijs mogen |
| Vertaalfouten in vaktermen | Verkeerde term voor een technisch onderdeel | Glossarium per taal, review door vakkundige |
| Inconsistentie tussen kanalen | Webshop, bol en printcatalogus spreken elkaar tegen | Eén bron in het PIM-systeem, kanaalvarianten afgeleid |
Hallucinaties zijn het grootste risico voor productdata. Onderzoekers van Amazon beschreven in 2024 (Jiang e.a., ECNLP-workshop) een methode om hallucinaties in met taalmodellen verrijkte productlistings te detecteren. Hun bevinding: bij gestructureerde attributen zijn fouten goed automatisch te vinden, bij ongestructureerde tekst is het onderscheid tussen een redelijke afleiding en een verzinsel lastiger. Praktisch betekent dat: controleer feiten tegen attributen, en houd vrije tekst kort en dicht bij de data.
Hoe richt u een reviewworkflow in?
Review werkt alleen als het een vaste stap in de workflow is, met een eigenaar en criteria. Een bruikbare opzet:
- Invoercontrole: genereer alleen als de verplichte attributen compleet zijn en de validatieregels slagen.
- Generatie met vaste prompt: gebruik een centraal beheerde prompt per productgroep en kanaal.
- Automatische controle: vergelijk getallen, eenheden, materialen en merknamen in de tekst met de attributen; controleer op verboden woorden en claims; controleer lengte per kanaal.
- Menselijke review volgens risicoklasse: technische en veiligheidsinformatie volledig, marketingtekst voor laag-risicoproducten steekproefsgewijs.
- Goedkeuring en markering: leg vast wie goedkeurde en dat de tekst met AI is gemaakt, zodat u achteraf kunt herleiden wat er gebeurde.
- Terugkoppeling: verzamel afgewezen teksten en pas prompts of brondata aan.
Leveranciers bouwen dit model in. Stibo Systems koppelt ProductGen AI aan goedkeuringsworkflows; Sales Layer biedt een Review Mode; Syndigo noemt menselijke checkpoints in Synapse; AtroCore beschrijft een reviewstap voor publicatie in zijn AI-module. ATAMYA stuurt onzekere mappings van zijn importagent naar handmatige review. Vraag in een demo hoe die stap technisch wordt afgedwongen. Meer over de leveranciers leest u in AI en PIM.
Hoe houdt u de merkstem consistent?
Een merkstem in AI-teksten ontstaat uit expliciete regels en goede voorbeelden. Leg vast:
- Toon en aanspreekvorm: formeel of informeel, u of je, per markt.
- Structuur per kanaal: bijvoorbeeld een titel volgens een vaste formule, drie tot vijf kenmerken, een beschrijving van een bepaalde lengte. Zie producttitels en beschrijvingen.
- Woordenlijst: voorkeurstermen, verboden woorden en vaktermen per taal.
- Claimbeleid: welke beweringen alleen mogen met bewijs in de attributen.
- Voorbeelden: goedgekeurde teksten per productgroep als referentie in de prompt.
Sla dit op in het PIM-systeem of de AI-module, zodat het centraal wordt beheerd. Stibo Systems noemt promptbibliotheken en merkregels; Plytix voegde in juli 2026 merkrichtlijnen toe aan zijn AI-functies.
Wat zegt de EU AI Act over AI-productteksten?
De EU AI Act (Verordening (EU) 2024/1689) bevat in artikel 50 transparantieverplichtingen die sinds 2 augustus 2026 gelden. Voor productcontentteams zijn drie onderdelen relevant:
- Lid 1: wie een chatbot of assistent inzet die direct met consumenten praat, moet duidelijk maken dat het om AI gaat, tenzij dat vanzelf spreekt. Dat raakt productadviseurs en chatfuncties op uw site.
- Lid 2: aanbieders van systemen die synthetische tekst, beelden of video maken, moeten de output machineleesbaar markeren. Dit is een plicht voor de leverancier van het AI-systeem. Volgens de Digital Omnibus on AI (Verordening (EU) 2026/1744, in werking sinds 27 juli 2026) krijgen systemen die vóór 2 augustus 2026 op de markt waren tot 2 december 2026 de tijd.
- Lid 4: wie AI-tekst publiceert om het publiek te informeren over zaken van algemeen belang, moet dat vermelden, tenzij de tekst menselijke review of redactionele controle heeft gehad en iemand redactionele verantwoordelijkheid draagt.
Gewone productbeschrijvingen vallen doorgaans buiten lid 4. De uitzondering laat wel zien wat de wetgever verwacht: review en een verantwoordelijke. Daarnaast blijft het consumentenrecht gelden; misleidende productinformatie is verboden, ongeacht wie of wat de tekst schreef. Voor AI-gegenereerde productbeelden is extra voorzichtigheid nodig, omdat lid 2 en de regels rond deepfakes op beeld zien. Het juridische overzicht staat in de EU AI Act voor productcontentteams.
Hoe meet u of AI-teksten goed genoeg zijn?
Meet op uw eigen data, per productgroep en kanaal:
- Acceptatiegraad: het aandeel teksten dat ongewijzigd wordt goedgekeurd.
- Correctiesoort: feitelijke fout, toon, lengte of vertaling.
- Doorlooptijd: van compleet attribuut tot gepubliceerde tekst.
- Kanaalfouten: afwijzingen door marktplaatsen of feedvalidatie. De productfeedspecificatie van OpenAI noemt bijvoorbeeld 150 tekens als richtlijn voor titels en 5.000 voor beschrijvingen.
Teksten die voor AI-zoekmachines bedoeld zijn, vragen dezelfde discipline: feiten die met de attributen kloppen, worden eerder vertrouwd. Zie GEO voor productcontent.
Belangrijkste punten
- Generatieve AI levert goede productteksten als het alleen gecontroleerde attributen als invoer krijgt.
- Verzonnen specificaties zijn het grootste risico; vergelijk getallen en termen automatisch met de attributen.
- Richt review in als workflowstap met risicoklassen, een eigenaar en markering van AI-teksten.
- Leg de merkstem vast in stijlregels, woordenlijsten, claimbeleid en goedgekeurde voorbeelden.
- De EU AI Act vraagt bij publieksgerichte tekst om review en redactionele verantwoordelijkheid; het consumentenrecht geldt altijd.
Veelgestelde vragen
Mag ik AI-gegenereerde productteksten publiceren zonder dat te vermelden?
Voor gewone productteksten op een webshop geldt in de EU AI Act geen algemene meldplicht. Artikel 50 lid 4 verplicht vermelding bij AI-tekst die het publiek informeert over zaken van algemeen belang, tenzij de tekst menselijke review of redactionele controle heeft gehad en iemand redactionele verantwoordelijkheid draagt. Productteksten moeten daarnaast altijd voldoen aan het consumentenrecht: misleiding blijft verboden.
Hoe voorkom ik dat AI verkeerde specificaties in productteksten zet?
Geef het model alleen gecontroleerde attributen als invoer en verbied in de instructie het toevoegen van feiten die niet in die invoer staan. Controleer daarna automatisch of alle getallen, eenheden en materialen in de tekst overeenkomen met de attributen. Laat afwijkingen markeren voor review en publiceer technische en veiligheidsinformatie nooit zonder menselijke controle.
Hoe leg ik de merkstem vast voor AI-teksten?
Schrijf een stijlgids met toon, aanspreekvorm, verboden woorden, lengte per kanaal en vaste opbouw, en voeg vijf tot tien goedgekeurde voorbeeldteksten per productgroep toe. Sla prompts centraal op in het PIM-systeem zodat iedereen dezelfde instructies gebruikt. Leveranciers als Stibo Systems en Plytix bieden hiervoor promptbibliotheken of merkrichtlijnen in het systeem.
Moet elke AI-tekst door een mens worden gelezen?
Niet elke tekst even grondig. Werk met risicoklassen: technische, juridische en veiligheidsinformatie altijd volledig reviewen; marketingteksten voor laag-risicoproducten steekproefsgewijs, zolang de acceptatiegraad hoog blijft. Leg in de workflow vast wie goedkeurt en bewaar of een tekst door AI of door een mens is geschreven.