AI Splitst Web Zoekopdrachten in Drie Verschillende Realiteiten

Nieuw onderzoek toont aan dat Google nu drie verschillende informatiesystemen gebruikt binnen zijn eigen zoekimperium, met reguliere Search, AI-overzichten en Gemini die allemaal verschillende bronnen, rankings en inhoud bevorchten.

Reductivismus heerst. In de afgelopen twaalf maanden is de ‘Laat me dat voor je opzoeken’ meme overgenomen door een nieuwe ‘Laat me die Google-zoekopdracht voor je samenvatten’ trend, waarin AI-overzichten in zoekresultaten steeds vaker lezers de moeite besparen om op zoeklinks te klikken (waardoor ze de bronwebsites mogelijk minder geld geven), door hele zoekresultaten samen te vatten in een paar gegenereerde alinea’s.

Een zou denken dat de centrale kennis die naar boven komt, en de keuze van sites waaruit die kennis wordt gehaald, relatief gelijk zou zijn over alle drie de meest populaire methoden van zoeken naar informatie op internet: in traditionele webzoek; in de AI-overzichten (AIO’s) die nu de meeste webzoekresultaten aan het begin tonen; en door het steeds vaker gebruiken van LLM’s zoals ChatGPT als web-orakels (met of zonder externe RAG-aanroepen).

Maar recent onderzoek uit de VS toont aan dat dit, verrassend genoeg, verre van het geval is; en dat zelfs binnen Google’s eigen drie-eenheid van orakels – SERPS*, AI-samenvattingen en directe interactie met de Gemini LLM-serie – er significante en interessante verschillen lijken te zijn, voor elke route.

Drie-Splitsing

In een helder en uitgebreid nieuw artikel, getiteld Hoe Generatieve AI Zoekopdrachten Verstoort: Een Empirisch Onderzoek van Google Search, Gemini en AI-Overzichten, schetsen zes onderzoekers van het New Jersey Institute of Technology de manieren waarop de drie zoekmethoden uiteenlopen, en bieden enkele mogelijke theorieën voor deze breuken in aanpak.

Het artikel zegt:

‘[Ten eerste] vinden we dat voor 51,5% van de representatieve, echte gebruikersvragen, AIO’s worden gegenereerd en boven de organische zoekresultaten worden weergegeven. Omstreden vragen resulteren vaak in een AIO.

‘Ten tweede laten we zien dat de opgehaalde bronnen aanzienlijk verschillen voor elke zoekmachine (<0,2 gemiddelde Jaccard-overeenkomst). Traditionele Google-zoekopdrachten halen informatie vaker op van populaire of institutionele websites in de overheid of onderwijs, terwijl generatieve zoekmachines vaker inhoud van Google-eigendom ophalen.

‘Ten derde observeren we dat websites die Google’s AI-crawler blokkeren, aanzienlijk minder waarschijnlijk zijn om door AIO’s te worden opgehaald, ondanks toegang tot de inhoud.’

Aangezien het artikel een smörgåsbord van fascinerende inzichten is, in plaats van te voldoen aan de gebruikelijke lineaire en methodische workflow, zullen we een nadere blik werpen op deze, en enkele andere van zijn meest verrassende en verhelderende inzichten.

Het Oude ‘Twee-Een’

Een van de vele interessante bevindingen in de studie geeft aan dat Google’s AI-overzichten de neiging hebben om te worden onderdrukt voor plotseling nieuws, aangezien de vroegste en meest beschikbare bronnen mogelijk niet de meest accurate zijn.

Dit systeem werkt niet altijd: in het onderstaande voorbeeld, opgemerkt door de onderzoekers, wijt een Google AI-overzicht met betrekking tot het resultaat van een bokswedstrijd de overwinning toe aan de verkeerde bokser, zelfs als de enige bron die dit (onjuiste) resultaat vermeldt een satirische sportfeed op Facebook is:

Een van de redenen dat Google’s AI-overzichten tijdgevoelige samenvattingen vermijden, is dat vroege informatie onvolledig of volledig onjuist kan zijn. In dit geval verloor bokser Jake Paul de wedstrijd werkelijk. Bron

De auteurs merken op dat AIO’s de neiging hebben om te verschijnen wanneer een gebeurtenis minstens vijf dagen oud is, wat dit als een anomalie kwalificeert – maar niettemin, een die de onderzoekers gemakkelijk konden oproepen.

AIO’s werden vaker gegenereerd wanneer de zoekopdracht met een vraagteken werd afgesloten, en dat zoekopdrachtintentie een factor was in de vraag of een AIO zou worden weergegeven:

Percentage van incidenten waarin een AI-zoeksamenvatting werd gegenereerd in een van de onderzoekers’ ronde van tests. Hier geeft ‘informatief’ directe vragen aan, die AIO’s meer produceren dan enig ander type interactie.

Bovendien beweert het artikel, langere zoekopdrachten hebben de neiging om vaker een AI-samenvatting te produceren in plaats van alleen rechtstreekse zoekresultaten, hoewel de auteurs nog geen theorie aanbieden om dit te verklaren.

Een Koninkrijk Verdeeld

Misschien is het meest verrassende algemene resultaat uit het nieuwe onderzoek de relatief kleine overlap in resultaatkwaliteit/type tussen Google’s (eerdergenoemde) drie zoekplatformen.

Het artikel toont herhaaldelijk aan dat reguliere Google-zoekopdrachten, AI-overzichten en Gemini (LLM) opvallend verschillende bronnen ophalen voor dezelfde zoekopdracht, met overlap-scores laag genoeg om drie concurrerende opvragingslogica’s binnen één bedrijf te impliceren, terwijl gebruikers zouden aannemen dat Google één autoritatieve index en één rangschikkingsfilosofie heeft:

Zelfs binnen Google’s eigen ecosysteem bleek de overlap tussen traditionele Search, AI-overzichten en Gemini verrassend klein, met dezelfde zoekopdracht die vaak aanzienlijk verschillende bronlijsten produceerde, afhankelijk van welk Google-systeem de aanvraag afhandelde. In deze vergelijking zien we hoe goed de drie systemen elkaar matchten over duizenden zoekopdrachten, van winkelen en debatonderwerpen tot lokale zoekopdrachten en algemene kennisvragen, met lagere scores die minder overeenstemming tussen de geselecteerde bronnen aangeven.

Met betrekking tot deze sectie van hun analyse, zeggen de auteurs^†:

‘[De tabel hierboven] toont de gemiddelde overeenkomst tussen de lijst van bronnen die door de AIO, Gemini en traditionele SERP worden geretourneerd voor elke zoekopdracht in de benchmark-dataset.

‘De belangrijkste conclusie is dat ongeacht de zoekopdrachtsubset en welk paar zoekmachines wordt vergeleken, de opgehaalde lijsten ongelijk zijn, ondanks dat alle drie door Google zijn ontwikkeld.’

De onderzoekers stellen verder dat geen enkele zoekmethode die werd getest, een rang-georiënteerde overlap (RBO) boven 0,27 had, wat een zeer lage score is. Zij merken op dat Amazon Retail en gelokaliseerde zoekopdrachten (d.w.z. ‘winkels in de buurt’) de laagste overeenkomst tussen de zoekmethoden hadden.

Zij wijten de lage overeenkomst aan fundamentele ‘inconsistentie tussen zoekmachines’, waarbij zij opmerken dat noch toeval noch enige andere voor de hand liggende factor kan worden gemaakt om deze dis-syncopatie te verklaren.

Een intuïtieve verklaring, mogelijk, is dat trainingsgegevenspunten een rangtoekenning krijgen op een heel andere manier dan de methoden die Google heeft ontwikkeld voor PageRank en zijn opvolgers in de afgelopen twee decennia. Bovendien, als Google’s zoekalgoritme een geheime agenda heeft, is dat soort interferentie of ‘gaming’ veel moeilijker consistent te implementeren in diffusie-gebaseerde AI’s zoals Gemini (zelfs via filtering, systeemprompten en de verschillende andere methoden van corralling die op commerciële modellen worden opgelegd).

Zelfbediening..?

Bepaalde websites, of categorieën van websites, lijken te zijn getroffen door de komst van AI-samenvattingen en de opkomst van LLM-gebaseerde zoekopdrachten in de traditionele zoekruimte – zowel positief als negatief, afhankelijk van het geval:

In vergelijking met traditionele Google-zoekopdrachten, verminderden AI-overzichten en Gemini de citaten van veel grote websites, terwijl ze de zichtbaarheid voor een kleinere groep favoriete domeinen verhoogden. YouTube bleek een van de grootste begunstigden te zijn in beide systemen, terwijl Reddit, Wikipedia, Facebook en veel institutionele bronnen minder vaak in AI-gegenereerde opvraging verschenen.

De auteurs merken op dat enkele onverwachte voorkeuren ontstaan tussen de drie methoden, tijdens het testen:

‘We hebben drie belangrijke conclusies uit [de grafieken hierboven]. Ten eerste zijn grote en bekende websites het meest getroffen (zowel positief als negatief). Dit is logisch, aangezien grote websites de reputatie en diversiteit in inhoud hebben om relevant te zijn voor veel verschillende zoekopdrachten.

‘Ten tweede kregen de meeste van deze websites minder overall- en minder top-drie-citaten met generatieve zoekmachines (aangegeven door rode balken en negatieve nummers in [grafieken hierboven]). Dit suggereert dat generatieve zoekmachines de neiging hebben om informatie te halen uit meer niche-bronnen dan traditionele zoekmachines.

‘Ten derde geven Google’s AIO’s de voorkeur aan Google-websites (d.w.z. google.com- en youtube.com-domeinen).

‘Gemini geeft ook de voorkeur aan YouTube in vergelijking met traditionele Google-zoekopdrachten, maar het absolute verschil is kleiner.’

Enige ‘Blokkers’..?

De studie vond ook dat uitgevers die Google’s AI-webcrawler blokkeren – de geautomatiseerde web-bot die gegevens van uw site scrapet, tenzij u het niet doet met een robots.txt-bestand – de neiging hebben om niet in AI-samenvattingen te verschijnen.

Dit lijkt misschien op een voor de hand liggende, zelf opgelegde wond, maar in feite heeft Google openlijk verklaard dat inhoud van platforms die AI-crawlers blokkeren niet zal worden voorkomen om in AI-samenvattingen te verschijnen; in plaats daarvan zullen de uitgevers alleen geen gegevens laten scrapen, cureren in een collectie en door de volgende ronde van AI-training voor Gemini en andere Google AI-projecten laten lopen.

Maar dat was niet de conclusie die de onderzoekers van het nieuwe artikel trokken, die vonden dat populaire AI-bannende uitgevers heel zelden door Gemini werden genoemd, noch in de LLM, noch in de gestripte en meer agile zoekresultaten-variant. De ‘effectief geblokkeerde’ uitgevers werden door het artikel gemeld als NYTimes, CNN, BBC, ScienceDirect, Reuters, Wiley, Nature, ESPN, Business Insider, CNBC, NPR, WIRED, USA Today, NBC News, Genius, National Geographic, The Conversation, U.S. News & World Report, Scientific American, Consumer Reports en STAT.

Enkele van de robots.txt AI-scraping-blokkades die door de hierboven genoemde uitgevers zijn geëffectueerd. Maar heeft dit geleid tot een bredere censuur door Google?

De auteurs zeggen:

‘In onze analyses van de meest getroffen domeinen, vonden we dat 21 populaire [uitgevers] (die voor minstens 20 unieke zoekopdrachten door zowel Google Search als AIO’s worden opgehaald) nooit door Gemini werden genoemd.

‘Verschillende populaire sociale media (Facebook, Instagram, Tiktok) en review-websites (IMDb, Yelp, Tripadvisor) kregen ook geen enkele citaat van Gemini. Bij verdere onderzoek vonden we dat al deze websites de Google-Extended-bot in hun robots.txt-bestanden blokkeren.’

Als deze bevinding elders wordt bevestigd en persistent blijkt te zijn, kan men speculeren dat deze bedrijven mogelijk onder druk worden gezet door Google om mee te werken aan hun AI-bewerkingen door gedeeltelijke de-listing. Op het eerste gezicht lijken de resultaten strafrechtelijk – maar de bevindingen van het nieuwe onderzoek zijn meer indicatief voor chaos dan vooropgezette bedoelingen; daarom is de enige redelijke opmerking die men kan maken, dat deze resultaten oppervlakkig ‘wraakzuchtig’ lijken, wat de werkelijke oorzaak ook is.

Conclusie

Mening Dit is een helder zip-bom van een artikel, waarvan de tien primaire pagina’s zich ontvouwen in een bijna overweldigende cascade van aanvullende bevindingen. Aangezien we alleen een klein deel van deze hebben kunnen behandelen, beveel ik de bron-PDF aan, zelfs aan de gemiddelde lezer (een zeldzame gebeurtenis).

Hoewel een ‘gele’ houding veel negatieve interpretaties van de auteurs’ ontdekkingen kan suggereren, is het werk misschien het beste te behandelen als een indicatie van een wereldwijde technologie-leider die probeert een wereldwijde leidende positie te behalen in AI-gebaseerde zoekopdrachten, met behulp van sterk contrastende platforms die in zeer verschillende omstandigheden en over zeer verschillende periodes zijn ontwikkeld.

Terwijl drie zoekmethoden in het artikel worden onderzocht, is de echte twist tussen traditionele zoekresultaten, gerangschikt door eigendomsmethoden, en de scherp contrasterende distributie-gebaseerde selectiemethoden die de gegevenscuratie en AI-training domineren.

AI Zoals Het Was in 1999

Voordat Google opkwam, was het mogelijk om zoekresultaten te ‘gamen’ door louter volume, en op die manier kon men vaak een plaatsing op de voorpagina van SERPS bereiken met minimale (vaak geautomatiseerde) inspanning. Dit ‘nummer-spel’ werd effectief beëindigd rond 2002 door Google’s meer geavanceerde en geheime zoekopdracht-algoritme. Maar aangezien de inzet hoog was, is lage-kwaliteit inhoud nooit echt weggegaan in enige zin.

Daarom, tegen de tijd dat hyperschaalcollecties zoals Common Crawl de fundamenten legden voor de moderne AI-revolutie, was gegevensprominentie gedoemd om te worden gedomineerd door de mate waarin geautomatiseerde processen filteren en de kwaliteit van inkomende gegevens rangschikken, en (veel minder waarschijnlijk), de mate waarin geld beschikbaar was om mensen te betalen om die gegevens te rangschikken.

Er was veel slechte of lage-kwaliteit gegevens in die enorme en ondiscriminerende collecties; gegevens die mogelijk geen naaktheid, vloeken, racistische tropen of enige andere dingen bevatten die relatief gemakkelijk uit trainingsdatasets kunnen worden gefilterd – maar die niettemin zelfbedienend en omvangrijk waren, net als resultaten uit internetzoek circa 1999-2001.

Omdat die gegevensinductieprocessen nog steeds niet geweldig zijn, is het zelfs voor Google moeilijk om AI te laten handelen op een zakelijke manier, aangezien Gemini’s PageRank-achtige beslissingen worden bepaald door een onvolmaakte kennis van hoe hyperschaalgegevens worden omgezet in gegevensdistributies en latent-embeddings tijdens de training van een AI-model.

* Zoekresultaatpagina’s.

^† Auteursbenadrukking, niet de mijne. Ik heb echter vetgedrukt in plaats van cursief gebruikt, omdat cursief benadrukking niet goed werkt in quotes die al grotendeels cursief zijn.

Eerst gepubliceerd op woensdag 13 mei 2026