Eén op de 13 AI-antwoorden die het merk noemden, had een feit over het merk fout

167 antwoorden die als vermelding telden, zeiden iets onjuists over het merk

Een vermeldingspercentage stelt elk antwoord één vraag: werd het merk genoemd? Het vraagt niet wat het antwoord zei toen het eenmaal zover was. We wilden weten hoe vaak die twee uit elkaar lopen.

De steekproef: antwoorden uit Proofsource-werkruimtes tussen 4 en 16 oktober 2026, op ChatGPT, Perplexity, Claude en Google AI Overviews. Voor elk antwoord dat een gevolgd merk noemde, vergeleek een controleur elke bewering over het merk met feiten die het merk had bevestigd of die we op de eigen site hadden gelezen. 2.137 antwoorden, verdeeld over 80 merken in 63 werkruimtes, bevatten minstens één bewering die tegen een vastgelegd feit kon worden gecontroleerd.

167 daarvan, 7,8%, bevatten minstens één bewering die in strijd was met de eigen feiten van het merk (95%-interval 6,8% tot 9,0%). Per bewering waren 200 van de 4.761 controleerbare beweringen onjuist, 4,2%. Verdeeld over merken hadden 36 van de 80 binnen twee weken minstens één onjuist antwoord.

Elk van die 167 antwoorden telde mee voor een vermeldingspercentage. In het dashboard zagen ze er precies zo uit als de antwoorden die alles goed hadden.

De meeste onjuiste beweringen waren getallen: aantallen, prijzen en wat het product is

We sorteerden de 200 onjuiste beweringen met een eenvoudige tekstregel op onderwerp, dus zie de verdeling als ruw.

• Aantallen en andere cijfers, 92: integraties, vestigingen, bediende klanten, een plaatsingspercentage dat één punt afweek.
• Wat het product is of doet, 50: een calculatietool beschreven als projectmanagementsoftware, een beveiligingsbedrijf beschreven als blockchainproject.
• Prijzen en abonnementen, 48: een startprijs die lager werd genoemd dan de echte, credits per abonnement verkeerd weergegeven.
• Datums, 10 volgens de regel, al waren maar 6 echt oprichtingsjaren, de meeste één jaar ernaast.

Claude had in 12% van de antwoorden een feit fout, Perplexity in 5%

Per engine was het aandeel gecontroleerde antwoorden met minstens één onjuiste bewering 12,3% bij Claude (58 van 470), 8,7% bij Google AI Overviews (45 van 516), 6,0% bij ChatGPT (37 van 612) en 5,0% bij Perplexity (27 van 539).

Lees dat niet als ranglijst. Elke engine beantwoordde in onze steekproef een andere mix van vragen, en een extern onderzoek met een andere methode rangschikte ze anders (daarover hieronder meer). Wat voor alle vier geldt, is dat geen enkele foutloos was.

Antwoorden die de eigen site van het merk citeerden, hadden half zo vaak iets fout

Bij vragen die het merk noemden, zoals “wat doet dit bedrijf” of “wat kost het”, citeerde het antwoord 1.353 keer de eigen site van het merk. 7,1% daarvan had een feit fout (96). Als de site van het merk niet tussen de bronnen stond, was dat 15,3% (47 van 307, interval 11,7% tot 19,8%).

Bij koopvragen die het merk niet noemden, was er geen duidelijk verschil: 4,8% tegenover 5,7%, bij veel kleinere aantallen. Dit is een correlatie, geen test. Maar het wijst naar de goedkoopste verbetering die er is: als een engine je beschrijft, heeft hij het vaker goed als hij jou leest.

176 onjuiste feiten, waarvan 162 maar één keer gezien

Groepeer de onjuiste beweringen op merk, feit en waarde, en de 200 slinken tot 176 verschillende onjuiste feiten. 162 daarvan kwamen in één antwoord voor. Maar 14 kwamen terug, en maar 8 verschenen op meer dan één engine.

Dat verandert hoe je handelt. Een onjuiste prijs die één engine één keer noemde, is een trekking die je misschien nooit meer ziet. Een die steeds terugkomt, of op twee engines verschijnt, komt ergens vandaan, en dat ergens is meestal een pagina. We vonden ook 65 onjuiste feiten over 17 merken op pagina’s die de engines citeerden: pagina’s van derden die de fout al bevatten.

Wat je achter je eigen vermeldingspercentage opent

Een tool die alleen het percentage toont, kan je hier niets over vertellen. Vraag naar de antwoorden.

• Lees de volledige antwoordtekst bij elke vraag waarbij je werd genoemd, te beginnen met de vragen die je het vaakst noemen.
• Controleer elke bewering over jou tegen je prijs-, product- en over-onspagina’s. Prijzen, aantallen en oprichtingsdatums verouderen het eerst.
• Controleer of het antwoord over jou gaat. Een bedrijf met een vergelijkbare naam kan als jouw vermelding worden geteld.
• Open de geciteerde pagina’s. Staat je eigen site er niet tussen, dan beschrijft de engine je vanaf de pagina van iemand anders.
• Tel herhalingen voordat je handelt. Verbeter eerst de bewering die over dagen of engines terugkomt, en zoek de pagina waar die vandaan komt.

Hoe Proofsource dit aanpakt

Proofsource bewaart de volledige tekst en de geciteerde pagina’s van elk antwoord. Voor elk antwoord dat je merk noemt, controleert het de beweringen over jou tegen de feiten die je bevestigde en de feiten die op je eigen site zijn gelezen, en houdt het een oordeel ‘onjuist’ alleen aan als de geciteerde bewering en de juiste waarde beide letterlijk voorkomen. Dezelfde onjuiste waarde die opnieuw wordt gezien, telt op bij één melding in plaats van een nieuwe te maken, en antwoorden over een ander bedrijf met een vergelijkbare naam worden gemarkeerd in plaats van als die van jou geteld.

Waar dit mis kan zitten

De controleur is een taalmodel dat tegen vastgelegde feiten leest. We lazen 25 van de 200 onjuiste beweringen met de hand: 21 waren duidelijke tegenstrijdigheden en 4 waren zwak (een ontbrekend detail dat als fout werd gelezen, een bandbreedte, een feitenlijst die zichzelf tegensprak en een bewering over een ander product). Hij beoordeelt ook alleen beweringen die bij een opgeslagen feit passen. Nog 5.330 beweringen hadden geen passend feit en werden niet beoordeeld, dus fouten over iets wat een merk nooit opschreef, worden gemist.

De eigen feiten van een merk kunnen ook verouderd zijn, waardoor een juist antwoord als vals ‘onjuist’ wordt aangemerkt. De 80 merken zijn vooral kleine bedrijven die zich voor Proofsource aanmeldden, geen willekeurige steekproef, en twaalf dagen is een kort venster, wat ook beperkt hoe vaak een onjuist feit de kans had terug te komen.

Een externe vergelijking: Searchable vroeg medewerkers van 1.704 merken 32.556 feiten te beoordelen die AI-engines over hen noemden, en zij markeerden 9,2% als onjuist, met prijzen als slechtste categorie met 13,5%. Hun beoordelaars konden alles markeren waarvan ze wisten dat het fout was, ook verouderde details, wat breder is dan onze controle tegen vastgelegde feiten en waarschijnlijk verklaart waarom hun percentage hoger is. Zij vonden Perplexity ook de minst nauwkeurige van de drie engines die ze vergeleken, het omgekeerde van onze volgorde.