AI-zoekzichtbaarheid in de EU AI Act-markt: benchmark juli 2026

Deze benchmark van juli 2026 omvat 61 unieke EU AI Act-vragen, elk eenmaal getest op perplexity/sonar-pro en openai/gpt-4o-search-preview. Over alle 122 waarnemingen werd een domein van Responsible AI Platform, Embed AI of LearnWize 46 keer als bron geciteerd en werd ten minste één van deze merken 17 keer in de antwoordtekst genoemd. Dit is een momentopname, geen algemene zoekrangschikking.

Onderzoeksopzet en uitkomsten zijn gepubliceerd door Zahed Ashkara, jurist en AI-governancespecialist. Laatste inhoudelijke beoordeling: 21 juli 2026.

• Download de volledige veilige dataset als JSON
• Download de 122 waarnemingen als CSV

Kerncijfers

De meetlat maakt onderscheid tussen twee gebeurtenissen:

• Genoemd: ten minste één portfoliomerk staat in de antwoordtekst.
• Geciteerd: ten minste één portfoliodomein staat in de door het model opgegeven bronverwijzingen.

Een rij telt als genoemd of geciteerd zodra ten minste één van de drie merken of domeinen is gevonden. De merkaantallen hieronder kunnen daarom samen hoger zijn dan het aantal positieve rijen.

Welk merk werd genoemd

De aantallen geven aan in hoeveel antwoorden het merk voorkwam. Eén antwoord kan meerdere merken noemen.

Welk eigen domein werd geciteerd

Dit zijn aantallen antwoorden waarin het domein minstens eenmaal als bron stond. Ze zijn anders dan het totale aantal bron-URL's, omdat één antwoord meerdere pagina's van hetzelfde domein kan citeren.

Bronnen die het vaakst voorkwamen

De volgende tabel toont de vijf hoogste aantallen bronverwijzingen per meetrun. Een telling is één uitgehaalde bron-URL. Het is geen positie in een zoekresultaat en een domein kan meer dan eenmaal in één antwoord voorkomen.

Binnen deze steekproef had aiactblog.nl de meeste bronverwijzingen bij de koopgerichte Perplexity-run, met 15. Bij de Perplexity-kennisvragen stond het domein tweede met 44, achter artificialintelligenceact.eu met 51. In de GPT-4o-kennisrun deelde het domein de hoogste telling, 7, met de AI Act Service Desk van de Europese Commissie.

Wat deze resultaten laten zien

1. Geciteerd worden is niet hetzelfde als aanbevolen worden

Bij de Perplexity-kennisvragen werd een eigen domein in 57,8% van de antwoorden geciteerd, terwijl een eigen merk in 4,4% werd genoemd. Het materiaal wordt dus veel vaker als bron gebruikt dan dat de organisatie of aanbieder expliciet in de antwoordtekst verschijnt.

2. De uitkomst verschilt sterk per model

Op dezelfde 45 kennisvragen vond Perplexity 26 antwoorden met een eigen bron en GPT-4o Search Preview 7. Het omgekeerde beeld ontstond bij merkvermeldingen: 2 bij Perplexity en 7 bij GPT-4o. Een enkel gecombineerd zichtbaarheidscijfer verbergt die modelafhankelijkheid.

3. Koopgerichte vragen leiden vaker tot merknamen

Bij de koopgerichte set steeg het aandeel antwoorden met een portfoliomerk naar 31,3% op Perplexity en 18,8% op GPT-4o Search Preview. De set is klein en vooral Nederlandstalig, maar het verschil met de kennisvragen is duidelijk genoeg om beide vraagtypen afzonderlijk te blijven meten.

4. Eigen bronautoriteit is aantoonbaar, maar niet exclusief

Responsible AI Platform kwam vaak als bron terug, naast officiële EU-bronnen, onafhankelijke AI Act-publicaties, adviespartijen en trainingsaanbieders. De meting ondersteunt dus een autoriteitsclaim binnen deze specifieke vraagset, maar niet de claim dat één bron overal nummer één is.

Methodologie

Steekproef en uitvoerdatums

• De kennisvraagset bevat 45 unieke prompts. De set is gedateerd op 28 juni 2026 en beide modelruns zijn uitgevoerd op 30 juni 2026.
• De koopgerichte set bevat 16 unieke prompts. Beide modelruns zijn uitgevoerd op 6 juli 2026.
• Elke prompt is eenmaal per model uitgevoerd. De totale dataset bevat daarom 61 unieke prompts en 122 prompt-modelwaarnemingen.
• Dezelfde prompts zijn per vraagset in dezelfde volgorde aan beide modellen aangeboden.
• Elke aanvraag gebruikte maximaal 600 outputtokens.

Technische meetregels

De aanvragen liepen via de OpenRouter Chat Completions API. De meettool:

1. stuurde iedere prompt als één gebruikersbericht;
2. las de antwoordtekst uit voor vooraf vastgelegde merkpatronen;
3. haalde bron-URL's uit het citations-veld of de URL-annotaties van het model;
4. normaliseerde brondomeinen door www. te verwijderen;
5. markeerde een rij als geciteerd wanneer ten minste één bron-URL naar aiactblog.nl, embedai.nl of learnwize.ai verwees;
6. telde concurrentnamen alleen wanneer een vooraf vastgelegd tekstpatroon in het antwoord voorkwam.

Een oude technische merknaam in de koopgerichte configuratie is in de openbare dataset genormaliseerd naar Responsible AI Platform. Drie Nederlandstalige prompts hadden in de bronconfiguratie ten onrechte het label EN. Hun publieke taalveld is gecorrigeerd naar nl-NL; het oorspronkelijke label blijft apart beschikbaar voor controle.

Dataminimalisatie

De openbare dataset bevat prompts, modelnamen, afgeleide ja/nee-velden, gevonden merk- en domeinnamen, bron-aantallen en veilige bronvelden. Volledige modelantwoorden en antwoordfragmenten zijn niet gepubliceerd. Querystrings en fragmenten zijn uit eigen geciteerde URL's verwijderd.

Beperkingen

• Dit is een momentopname van twee modelconfiguraties, geen representatieve marktmeting.
• Iedere prompt is eenmaal per model uitgevoerd. Er zijn geen herhalingen of betrouwbaarheidsintervallen.
• Modelindexen, retrieval en antwoordformulering kunnen zonder aankondiging wijzigen.
• De koopgerichte set bestaat na taalcorrectie uit 13 Nederlandse en 3 Engelse prompts en legt dus extra gewicht op de Nederlandse markt.
• Antwoorden zonder bron-URL's blijven in de noemer staan. Dat gebeurde vooral in de GPT-4o Search Preview-run.
• Merkmatches meten aanwezigheid in tekst, niet sentiment, volgorde of de sterkte van een aanbeveling.
• Brontellingen meten URL-verwijzingen. Ze zijn geen Google-rangschikking, marktaandeel of uniek bezoekersaantal.

De volgende editie kan dezelfde vaste prompts herhalen. Pas dan ontstaat een echte tijdreeks waarin verandering per model, vraagtype, merk en domein zichtbaar wordt.