Een taalmodel schrijft in een paar seconden een artikel over bijna elk onderwerp. Voor een bedrijf dat al jaren wil bloggen maar er nooit aan toekomt, lijkt dat de oplossing. Wie het probeert, merkt vaak dat het resultaat er goed uitziet en toch niet bruikbaar is. De tekst klopt grammaticaal, maar zou net zo goed op de site van een concurrent kunnen staan. En soms staat er een detail in dat nergens op gebaseerd is.
De techniek is wel bruikbaar, zolang je weet welk deel van het werk een machine goed doet en welk deel een mens moet blijven doen.
Waar een machine goed in is
Tempo en volume. Een taalmodel zet in korte tijd een opzet neer, met een logische volgorde, tussenkoppen en een samenvatting. Het werk dat voor veel mensen het zwaarst voelt, beginnen aan een leeg document, valt daarmee weg. En een machine schrijft het twintigste artikel met dezelfde aandacht als het eerste. Voor een bedrijf dat gevonden wil worden, is dat belangrijk. Volgens onderzoek van Ahrefs krijgt 96,55% van alle webpagina's geen enkele bezoeker uit Google, en vooraf weet je niet welke artikelen wel gevonden worden. Wie meer specifieke vragen beantwoordt, geeft zichzelf meer kansen.
Controleerbare regels. Een machine kan bij elke tekst dezelfde controles uitvoeren: staat het antwoord bovenaan, is de titel een echte vraag, staan er geen verboden woorden in, klopt de spelling van je productnamen. Een mens slaat zo'n controle op een drukke dag weleens over. Een machine doet de controle elke keer.
Waar een mens onmisbaar blijft
Wat er over jouw bedrijf waar is. Een taalmodel weet niet welke merken je installeert, welk werkgebied je hebt of welke garantie je geeft. Weet het model iets niet, dan vult het model het soms in met iets dat aannemelijk klinkt. Bij een algemene uitleg is dat vervelend. Bij een bewering over jouw prijzen of diensten kan het je een klant kosten. Iemand moet controleren dat elke bewering over je bedrijf klopt met wat jij hebt goedgekeurd.
Vakkennis uit de praktijk. Een taalmodel kan uitleggen wat een warmtepomp is. Het model weet niet welke fout jouw monteurs bij oplevering het vaakst zien, of welke vraag klanten stellen vlak voordat ze tekenen. Die kennis zit in de hoofden van je mensen, en daar moet iemand naar vragen. Juist die kennis maakt een artikel het lezen waard, en zorgt dat het artikel niet op honderd andere lijkt.
De verantwoording. Een artikel op je site spreekt namens je bedrijf. Als er iets niet klopt, spreekt een klant jou erop aan. Het taalmodel draagt die verantwoording niet. Daarom hoort er altijd een mens te zijn die tekent voor wat er online gaat.
De verdeling die werkt
Het komt er dus op aan hoe je het werk verdeelt. Een werkbare regel is deze: laat de machine doen wat een machine goedkoper en beter kan, en laat mensen doen wat mensen beter kunnen. Voor schrijven betekent dat: de machine maakt opzetten, schrijft, controleert de vaste regels en houdt het ritme vast. Mensen halen de kennis op, beslissen wat er over het bedrijf gezegd mag worden en kijken mee op de momenten dat het ertoe doet.
Die verdeling kun je zelf inrichten, als je de tijd hebt om een taalmodel in te werken en elke tekst na te lopen. Je kunt het werk ook overlaten aan een uitbestede redactie voor het mkb die het proces zo heeft ingericht: eerst je bedrijf leren kennen, dan schrijven, en bij twijfel een vraag aan jou in plaats van een gok.
Begin klein
Wil je het zelf proberen, kies dan een onderwerp waar je veel van weet en laat een taalmodel een eerste versie schrijven. Lees die versie met een rode pen en markeer elke zin die je niet zelf zou durven zeggen tegen een klant. Die zinnen laten precies zien waar de machine ophoudt en jouw vakkennis begint.