AI blijft verkeerde dingen zeggen over ons bedrijf. Is het iemand gelukt om desinformatie in ChatGPT- of Perplexity-antwoorden te corrigeren?

Ik ben gespecialiseerd in precies dit probleem. Het is op te lossen, maar vereist systematisch werk.

Waarom AI het fout doet:

De trainingsdata van ChatGPT heeft een afkapdatum. Als je oude CEO in 100 artikelen wordt genoemd en je nieuwe CEO in 20, “onthoudt” het model de oude sterker. Het is niet kwaadaardig, gewoon patroonherkenning op onvolledige data.

Het correctiekader dat werkt:

1. Bron-audit Maak een lijst van elke plek waar je bedrijfsinformatie online verschijnt:

• Wikipedia (meest belangrijk voor AI)
• LinkedIn-bedrijfspagina
• Crunchbase
• Officiële website Over ons-pagina
• Persberichten
• Grote nieuwsartikelen

2. Gezaghebbende bronnen bijwerken Dit zijn de bronnen die AI het meest vertrouwt:

• Wikipedia - Als je geen pagina hebt, kijk of je voldoende relevant bent. Als je wel een pagina hebt, zorg dat deze actueel is met correcte citaties
• Wikidata - Gestructureerde data die veel AI-systemen voedt
• Je website - Schema markup voor Organization, inclusief foundingDate, CEO, adres
• LinkedIn - Bedrijfspagina met geverifieerde info
• Crunchbase - Wordt vaak door AI geciteerd

3. Nieuwe contentstrategie Publiceer nieuwe content die correcte informatie expliciet vermeldt:

• “Over ons”-pagina met duidelijke feiten
• Persberichten over leiderschap (zelfs als het niet “nieuw” is)
• Blogposts die op natuurlijke wijze huidig leiderschap, locatie, producten noemen

4. Rapporteren en documenteren

• Perplexity: Gebruik hun feedbackknop op elk antwoord
• ChatGPT: Via feedback rapporteren (ja, voelt zinloos, maar wordt gelogd)
• Documenteer alles voor eventuele escalatie

Verwachting qua tijdlijn: 2-6 maanden voor betekenisvolle verandering. Dit is geen snelle oplossing.

Wij hebben dit meegemaakt toen ChatGPT bleef zeggen dat we een “e-commerce platform” waren, terwijl we eigenlijk een B2B SaaS-tool zijn. Compleet ander businessmodel.

Wat uiteindelijk werkte:

De sleutel was consistentie over meerdere gezaghebbende bronnen.

Wij hebben geüpdatet:

1. Website schema markup met juiste branche, beschrijving, producten
2. LinkedIn-bedrijfspagina met gedetailleerde beschrijving
3. Crunchbase met correcte categorisering
4. 3 blogposts gepubliceerd waarin expliciet wordt beschreven wat we doen
5. Een TechCrunch-vermelding gekregen die ons bedrijf correct omschreef

Binnen 8 weken begon ChatGPT ons correct te omschrijven. Het TechCrunch-artikel leek het meeste effect te hebben - gezaghebbende techpublicatie + recent + correcte informatie.

De les: AI vertrouwt gezaghebbende bronnen. Zorg dat juiste info op hooggewaardeerde sites staat, niet alleen op je eigen website.

Technisch aspect dat vaak wordt gemist:

Schema markup is hoe je AI-systemen de juiste informatie “vertelt”.

Implementeer op je Over ons-pagina Organization schema met:

{
  "@type": "Organization",
  "name": "Your Company",
  "foundingDate": "2015-03-15",
  "address": {
    "addressLocality": "Austin",
    "addressRegion": "TX"
  },
  "employee": {
    "@type": "Person",
    "name": "Current CEO Name",
    "jobTitle": "CEO"
  }
}

AI-systemen lezen steeds vaker schema markup om entiteiten te begrijpen. Het is geen magische oplossing, maar wel één van de duidelijkste signalen die je kunt afgeven over correcte informatie.

Hetzelfde geldt voor je producten - gebruik Product schema alleen voor huidige producten. Stopgezette producten moeten volledig uit je sitemap verwijderd worden.

Belangrijk: Je hebt doorlopende monitoring nodig, niet alleen een eenmalige oplossing.

AI-antwoorden kunnen veranderen. We hebben desinformatie voor een klant gecorrigeerd, en 4 maanden later begon ChatGPT weer verkeerde dingen te zeggen doordat er een nieuw artikel met oude informatie werd geïndexeerd.

Stel in:

1. Wekelijks handmatige checks van belangrijke prompts over je bedrijf
2. Am I Cited of vergelijkbaar hulpmiddel voor automatische monitoring
3. Alerts voor nieuwe webcontent waarin je bedrijf genoemd wordt (Google Alerts, Mention, enz.)

Als je nieuwe desinformatie spot, herleid die dan naar de bron. Vaak is het een oud artikel dat opnieuw gepubliceerd is, of een nieuw artikel dat verouderde info citeert.

Dit is een doorlopende reputatiemanagementtaak, geen project met een einddatum.

Wat voor ons werkte bij het corrigeren van productdesinformatie:

Maak een “Bedrijfsfeiten”-pagina op je website.

We hebben een simpele pagina gemaakt met:

• Opgericht: [datum]
• Hoofdkantoor: [stad]
• Leiding: [huidige namen en titels]
• Producten: [alleen huidige producten]
• Medewerkers: [geschat aantal]

Opgezet als een tabel met duidelijke opmaak. Schema markup voor alles.

Deze ene pagina werd een referentie die AI-systemen zijn gaan citeren. Wanneer je één gezaghebbende bron van waarheid hebt die duidelijk gestructureerd is, citeert AI die liever dan informatie uit meerdere artikelen samen te voegen.

Juridisch perspectief dat kan helpen:

Als desinformatie daadwerkelijk zakelijke schade veroorzaakt, documenteer dan alles.

Ik heb bedrijven begeleid bij formele klachtenprocedures bij AI-leveranciers. De sleutel is aantonen:

1. De informatie is feitelijk onjuist (bewijs van juiste feiten)
2. Het veroorzaakt meetbare zakelijke schade (verloren deals, verwarde partners)
3. Je hebt normale correctiekanalen geprobeerd (rapporten ingediend)

Voor EU-bedrijven geeft de AVG bepaalde rechten rondom juistheid van data over identificeerbare entiteiten. Het is complex, maar is succesvol ingezet.

Bij ernstige, aanhoudende desinformatie die via normale kanalen niet wordt opgelost, hebben sommige bedrijven succes gehad met formele juridische brieven aan AI-leveranciers. Dit escaleert naar een ander team dan de feedbackformulieren.

Maar: Voorkomen is makkelijker dan genezen. De bron-aanpak die anderen noemen is betrouwbaarder dan proberen AI-bedrijven tot correctie te dwingen.

Onverwacht iets wat ons hielp:

Laat je citeren in recente nieuwsartikelen met correcte informatie.

AI-systemen (vooral Perplexity) hechten veel waarde aan recente content. Wij zouden niet in TechCrunch komen, maar konden wel:

• Indienen bij lokale zakenbladen
• Interview in branchepodcasts (transcripten worden geïndexeerd)
• Gastblogs schrijven voor brancheplatforms
• Persberichten verspreiden via PR Newswire

Elk van deze leverde recente content op met correcte informatie die AI-systemen vonden en gingen citeren.

Het kostte ons misschien €2.000 aan PR-distributie over 3 maanden. AI-antwoorden begonnen binnen 6 weken te verbeteren.

Laat me de technische realiteit uitleggen waarom dit lastig op te lossen is:

Hoe LLM’s “feiten” leren:

ChatGPT heeft geen database met bedrijfsfeiten die het opzoekt. Het leerde patronen uit trainingsdata. Als je oude CEO vaker voorkomt in trainingsdocumenten dan de nieuwe, “gelooft” het model sterker in de oude info.

Wat dit praktisch betekent:

1. Je kunt de kennis van ChatGPT niet direct “updaten”
2. Je KUNT de webcontent updaten waar toekomstige training op plaatsvindt
3. Je KUNT real-time retrieval beïnvloeden (ChatGPT’s browsen, Perplexity’s zoeken)

Voor real-time retrieval (het deel dat je sneller kunt oplossen):

Perplexity doorzoekt live het web. Als gezaghebbende pagina’s juiste info tonen, moet Perplexity correct citeren. Focus op het meest prominente resultaat maken bij je bedrijfsnaam.

Voor modelkennis (langzamere oplossing):

Dit verandert pas als modellen opnieuw getraind worden op nieuwe data. OpenAI maakt updates in trainingsdata niet bekend, maar ze gebeuren wel. Door nu juiste info op gezaghebbende sites te zetten, hebben toekomstige modellen betere informatie.

Bottom line: Zie dit als SEO voor AI-trainingsdata. Je repareert het model niet direct - je verbetert waar toekomstige modellen van leren.

Deze thread is ontzettend waardevol geweest. Hier is mijn actieplan:

Direct (deze week):

1. Wikidata-entry aanmaken met correcte gestructureerde data
2. Website schema markup updaten met Organization, CEO, producten
3. LinkedIn- en Crunchbase-profielen controleren en bijwerken
4. Am I Cited instellen voor doorlopende monitoring

Korte termijn (volgende 30 dagen): 5. “Bedrijfsfeiten”-pagina maken met duidelijk gestructureerde informatie 6. Persbericht uitbrengen met actuele bedrijfsinformatie 7. Lokale businesspublicaties benaderen voor coverage 8. Desinformatie bij Perplexity melden (met bronnen)

Doorlopend: 9. Wekelijkse monitoring van AI-antwoorden 10. Verbeteringen in de tijd bijhouden 11. Nieuwe content maken die natuurlijk juiste feiten bevat 12. Juridische opties overwegen als significante desinformatie aanhoudt

Belangrijkste inzicht: Het gaat niet om het direct veranderen van AI - het gaat om het veranderen waar AI van leert. Repareer de bronnen, en AI volgt uiteindelijk.

Ik zal deze thread over een paar maanden updaten met resultaten.