De 31 vragen die niemand beantwoordde

Op 28 juli 2026 publiceerde David McSweeney een lijst met 31 vragen, gericht aan de bedrijven die AI-zichtbaarheidsscores verkopen. Geen afrekening, geen ranglijst, geen vergelijkingstabel. Een lijst met vragen over methode, van het soort dat u elke koper zou zien stellen en elke aanbieder paraat zou moeten hebben.

Een dag later hadden, voor zover wij konden nagaan, twee bedrijven publiek geantwoord: Ternith en Spyglasses.

Dat is het verhaal. Een hele productcategorie werd gevraagd uit te leggen hoe haar cijfers tot stand komen, en de overgrote meerderheid zweeg.

Waarom het zwijgen het interessante deel is

Het is verleidelijk om een uitblijvend antwoord te lezen als een bekentenis. Dat is het meestal niet. Het zwijgen heeft doorgaans alledaagse redenen: intern is niemand eigenaar van de vraag, de juridische afdeling wil eerst meelezen, degene die het antwoord kent is met iets anders bezig, en een openbaar methodedocument is een toezegging waarop niet stilletjes kan worden teruggekomen.

Maar dat is precies het punt. Een score is een uitspraak over de werkelijkheid. Als een bedrijf zich niet kan veroorloven uit te leggen hoe een cijfer tot stand komt, doet dat cijfer niet wat de koper denkt dat het doet. Het doet aan marketing.

Er is ook een commerciële reden waarom de vragen hard aankomen. Een zichtbaarheidsscore wordt juist gekocht omdat de koper hem zelf niet kan controleren. Niemand koopt een thermometer die hij met zijn hand kan natrekken. De volledige waarde van het product berust dus op vertrouwen in de methode, en die methode is nu net het ene onderdeel dat de categorie liever niet beschrijft.

Waarom de vragen terecht zijn

Een terechte vraag onderscheidt zich van een vijandige vraag doordat er een goed antwoord op bestaat.

Elke vraag op die lijst heeft er een. Sommige goede antwoorden zijn weinig flatteus — “dat weten wij niet”, “onze steekproef is te klein om daar iets over te zeggen”, “dat cijfer beweegt vanzelf meer dan ons lief is” — maar ze bestaan en ze zijn uit te spreken. Geen enkele vraag verlangt een bedrijfsgeheim. Ze vragen wat er gemeten wordt, vanaf welke plek, hoe vaak, met welke spreiding, en wat zou gelden als bewijs dat het cijfer niet klopt.

Dat is de norm die geldt voor elk ander meetproduct dat een onderneming koopt:

• Een analytics-aanbieder vertelt u wat een sessie is en wanneer die verloopt.
• Een onderzoeksbureau vertelt u de steekproef, de veldwerkperiode en de foutmarge.
• Een rank tracker vertelt u de locatie, het apparaat en de personalisatie-instellingen achter het cijfer.
• Een accountant vertelt u volgens welke standaard de jaarrekening is opgesteld.

AI-zichtbaarheid is de enige meetmarkt die wij kennen waar “wij hebben een eigen algoritme” nog altijd als volledig antwoord wordt aangeboden. Dat is geen antwoord. Het is een weigering met betere manieren.

De drie die volgens ons het scherpst zijn

De volledige lijst is het waard om in het origineel te lezen. Deze drie bepalen of al het andere op die lijst er nog toe doet. Wij parafraseren in plaats van te citeren, omdat de formulering van de auteur is.

1. Wie kiest de prompts, en bepaalt die keuze de uitkomst?

Een AI-zichtbaarheidsscore is een meting van antwoorden op vragen. Welke vragen? Wie ze kiest, heeft de uitkomst in hoge mate al gekozen.

Stel een assistent een smalle, op het merk toegesneden vraag en de meeste merken ogen zichtbaar. Stel een brede, op de categorie toegesneden vraag en de meeste merken verdwijnen. Beide zijn echte metingen. Het zijn metingen van verschillende dingen, en slechts één ervan lijkt op wat een klant werkelijk intypt.

De eerlijke openheid bestaat hier dus uit: wie de promptset heeft geschreven, of de klant die mag inzien, of die tussen meetronden verandert, en of dezelfde promptset wordt gebruikt voor de concurrent waarmee een klant wordt vergeleken. Een score die is gebouwd op een promptset die de koper nooit te zien krijgt, is geen meting waarop hij kan handelen. Het is een cijfer dat hij moet geloven.

2. Is de metriek gevalideerd tegen iets werkelijk externs?

Dit is de vraag waar de hele categorie mee worstelt, en het is geen strikvraag.

Validatie betekent dat u uw cijfer vergelijkt met bewijs dat is voortgebracht door iets anders dan uzelf. Uw eigen systeem twee keer draaien en vaststellen dat het met zichzelf overeenstemt, is betrouwbaarheid, geen validiteit. Het zegt dat het instrument stabiel is. Het zegt niets over de vraag of het meet wat er op het etiket staat.

Het externe bewijs dat zou meetellen is weinig spectaculair en moeilijk te krijgen: serverlogs die verkeer vanuit assistenten laten zien, conversies die zijn toe te schrijven aan een aanbeveling van een assistent, merkonderzoek, de eigen registratie van binnenkomende aanvragen bij een klant. Elk daarvan kan een zichtbaarheidsscore tegenspreken, en juist daarom is het de moeite waard om eraan te toetsen.

Als niemand die vergelijking ooit heeft geprobeerd, is de score een intern consistent bijproduct van het systeem dat hem heeft voortgebracht.

3. Welke uitkomst zou u de metriek doen intrekken?

De falsificatievraag, en de vraag die een meting scheidt van een verhaal.

Elke echte metriek heeft een faalconditie die de eigenaar vooraf kan beschrijven. Als verkeer vanuit assistenten zich over een voldoende groot klantenbestand en een voldoende lange periode tegengesteld aan de score zou bewegen, zou dat een probleem zijn. Als de score bij herhaalde meetronden wezenlijk zou veranderen zonder dat er aan de onderliggende onderneming iets veranderde, zou dat een probleem zijn. Als twee klanten van dezelfde aanbieder in dezelfde categorie met dezelfde zichtbaarheid volstrekt uiteenlopende commerciële resultaten zouden boeken, zou dat een probleem zijn.

Een aanbieder die zo’n voorwaarde niet kan noemen, heeft u iets belangrijks verteld: er bestaat in beginsel geen waarneming die tegen zijn cijfer pleit. Dat is geen kracht. Het is de definitie van een onfalsifieerbare bewering, en het betekent dat de score nooit fout kan zijn — wat ook betekent dat hij nooit juist kan zijn.

Wat wij daaraan doen

Wij verkopen zelf een AI-zichtbaarheidsscore, dus de vragen zijn net zozeer aan ons gericht als aan wie dan ook.

Wij publiceren onze antwoorden op alle 31, op onze eigen site, onder onze eigen naam, inclusief de antwoorden waarbij het eerlijke antwoord luidt dat wij het nog niet weten, en de antwoorden waarbij het eerlijke antwoord ons product minder indrukwekkend maakt dan de marketingpagina doet vermoeden.

Wij vinden dat het minimum. Een cijfer dat wordt verkocht aan een onderneming die het niet zelfstandig kan controleren, hoort te komen met de methode erbij, met de beperkingen benoemd en met een beschrijving van wat ons het cijfer zou doen intrekken.

Als onze antwoorden niet kloppen, horen wij dat liever. Dat is het andere wat een gepubliceerde methode oplevert.

Wat te doen als u de koper bent

U hoeft niet alle 31 te lezen om uzelf te beschermen. Drie vragen, gesteld voordat u tekent, vertellen u het meeste van wat u moet weten:

• Laat mij de exacte prompts achter mijn score zien, en vertel mij wie ze heeft geschreven.
• Noem mij één geval waarin u deze score hebt vergeleken met bewijs van buiten uw eigen systeem.
• Vertel mij welke uitkomst u het cijfer zou doen intrekken.

Een aanbieder die alle drie opgewekt beantwoordt, is het gesprek waard, wat zijn score ook zegt. Een aanbieder die er geen enkele kan beantwoorden, verkoopt u een gevoel.