Waar zit de waardevolste content van je bedrijf?
Waarschijnlijk denk je aan je website. Aan zorgvuldig geschreven blogs, whitepapers, cases en landingspagina’s. Content waar je organisatie eigenaar van is en waarmee je via Google bezoekers probeert binnen te halen.
Maar misschien zit je beste content helemaal niet op je website.
Misschien zit die kennis in het hoofd van die developer die precies weet waarom een migratie naar Kubernetes telkens vastloopt. Bij de securityspecialist die dagelijks fouten tegenkomt waar geen enkele leverancier over schrijft. Of bij de consultant die na twintig implementaties inmiddels feilloos ziet waarom sommige projecten wel slagen en andere niet.
Tot voor kort was dat vooral een gemiste kans voor je contentmarketing. De opkomst van AI-search maakt het interessanter. Want systemen als ChatGPT, Gemini, Copilot en Google AI Overviews halen hun informatie niet alleen van bedrijfswebsites. Ze gebruiken allerlei openbare bronnen om antwoorden samen te stellen.
Zoals ik eerder schreef in Hoe search verandert door AI, verschuift online vindbaarheid daardoor langzaam: van alleen hoog scoren in een lijst met zoekresultaten naar aanwezig zijn in het antwoord zelf. En opvallend vaak zijn de bronnen voor die antwoorden geen bedrijven, maar mensen.
Drie op de vier LinkedIn-citaties komen van individuele leden
Meltwater onderzocht samen met LinkedIn 9,5 miljoen citaties in antwoorden van zes grote AI-platforms, waaronder ChatGPT, Google AI Mode, Google AI Overviews, Gemini, Copilot en Claude. De onderzoekers keken naar vragen binnen zestien B2B-categorieën.
Een van de opvallendste resultaten: LinkedIn was in dit onderzoek de op één na meest geciteerde bron, na YouTube.
Maar interessanter is wie op LinkedIn voor die zichtbaarheid zorgt.
Ongeveer 75 procent van de LinkedIn-citaties kwam volgens het onderzoek van individuele leden. Slechts 25 procent kwam van bedrijfspagina’s.
Dat is een opmerkelijke verhouding. Zeker als je bedenkt hoe de gemiddelde contentmarketingafdeling is ingericht. Het bedrijf heeft een contentkalender, een corporate LinkedIn-pagina en een website vol zorgvuldig geredigeerde content. Medewerkers hebben ondertussen vooral… een LinkedIn-account.
Toch blijken juist die individuele stemmen een flinke rol te spelen in de informatie die AI-systemen gebruiken.
Het volledige onderzoek is te vinden bij Meltwater: How LinkedIn Content Wins in AI Search.
Je hoeft geen LinkedIn-influencer te zijn
Nu kun je hieruit de conclusie trekken dat iedere medewerker voortaan drie keer per week een inspirerend verhaal over leiderschap moet plaatsen. Gelukkig niet. Het Meltwater-onderzoek wijst juist op iets anders.
Een groot bereik lijkt niet noodzakelijk om door AI te worden geciteerd. Volgens het onderzoek was 51 procent van de geciteerde LinkedIn-leden afkomstig van accounts met minder dan 10.000 volgers.
Dat maakt het onderwerp voor B2B-bedrijven interessant. Een technisch specialist met 1.800 volgers kan inhoudelijk veel relevanter zijn dan iemand met 80.000 volgers die over twintig verschillende onderwerpen schrijft.
Voor een AI-systeem dat antwoord probeert te geven op een specifieke technische vraag is niet alleen populariteit interessant. Het zoekt bruikbare informatie over precies dat onderwerp. En daar hebben bedrijven vaak verrassend veel van in huis.
Je medewerkers weten dingen die niet op je website staan
Kijk voor de grap eens naar de laatste tien blogs van een gemiddeld IT-bedrijf.
Grote kans dat je titels tegenkomt als Vijf voordelen van de cloud, Waarom cybersecurity belangrijker is dan ooit en Zo bereid je je organisatie voor op AI.
Kijk vervolgens naar de gesprekken die de technische medewerkers van datzelfde bedrijf met klanten voeren.
Dan gaat het ineens over de problemen die ontstaan bij een specifieke Azure-migratie. Over een securitymaatregel die op papier verstandig klinkt, maar in een bepaalde omgeving averechts werkt. Over de reden waarom een koppeling na een software-update ineens foutmeldingen geeft. Of over de keuze tussen twee oplossingen die voor een buitenstaander vrijwel hetzelfde lijken.
Dáár zit expertise. En die specifieke kennis is interessant als iemand een gedetailleerde vraag aan een AI-assistent stelt.
Dat betekent dat contentmarketing er een nieuwe taak bij krijgt. Niet nóg meer algemene onderwerpen bedenken, maar ontdekken welke kennis er al binnen de organisatie aanwezig is.
Van medewerker als distributiekanaal naar medewerker als bron
Veel bedrijven betrekken medewerkers al bij hun contentmarketing. Alleen gebeurt dat vaak op een nogal merkwaardige manier. Marketing schrijft een blog, publiceert die op de website en stuurt daarna intern een bericht:
“Onze nieuwe blog staat online. Willen jullie hem delen op LinkedIn?”
De medewerker fungeert dan eigenlijk als distributiekanaal voor de content van het bedrijf. Je kunt het natuurlijk ook gewoon omdraaien.
Vraag de medewerker wat hij of zij deze week heeft meegemaakt. Welke vraag stelde een klant? Waar ging een implementatie mis? Welke misvatting komt telkens terug? Welke technische keuze moest worden gemaakt? Waar waren twee specialisten het hartgrondig over oneens?
Dan wordt de medewerker niet het doorgeefluik van de content, maar de bron ervan. En ineens heb je veel interessantere verhalen te vertellen.
LinkedIn wordt belangrijker voor je online vindbaarheid
Het onderzoek van Meltwater staat bovendien niet op zichzelf.
OtterlyAI analyseerde tussen januari en juni 2026 ruim 1,3 miljoen LinkedIn-citaties in AI-search. Daaruit kwam een interessant verschil tussen personen en bedrijven naar voren: 87,8 procent van de onderzochte content-URL’s met een herleidbare auteur was afkomstig van een individu. Die individuele auteurs waren goed voor 91,7 procent van de citaties.
Nog opvallender is het verschil tussen soorten content. LinkedIn Articles waren in het onderzoek goed voor 72,2 procent van de citaties naar LinkedIn-content. Gewone posts kwamen uit op 26,1 procent.
Je kunt de resultaten bekijken in het LinkedIn AI Search Citations Study 2026 van OtterlyAI.
Ook Knowatoa onderzocht welke LinkedIn-pagina’s in AI-antwoorden worden geciteerd. In hun dataset bestond 56,8 procent van de geciteerde LinkedIn-URL’s uit artikelen. Feedposts waren goed voor 15,6 procent.
De percentages verschillen dus per onderzoek. Dat is niet zo vreemd: de onderzoekers gebruiken andere datasets, perioden en methodes. Maar ze wijzen wel in dezelfde interessante richting. LinkedIn-content is niet alleen vluchtige social content meer.
Wat je daar publiceert, kan buiten de LinkedIn-feed opnieuw opduiken als bron voor een antwoord van een AI-systeem. De cijfers en methodiek van dat onderzoek zijn terug te vinden in The State of LinkedIn in AI Search van Knowatoa.
En die ontwikkeling lijkt door te zetten
Interessant is dat Meltwater het brongebruik van AI-systemen inmiddels maandelijks volgt.
In augustus 2026 telde het bedrijf 100.200 LinkedIn-citaties in zijn dataset. Dat was 24,8 procent meer dan een maand eerder. LinkedIn schoof daarmee in deze meting op van de vijfde naar de derde plaats onder de meest geciteerde bronnen.
Dat wil niet zeggen dat LinkedIn nu ineens de plek is waar ieder bedrijf zijn content moet publiceren. Verschillende AI-systemen gebruiken bronnen op verschillende manieren en dat gedrag kan veranderen. Het laat wel zien dat het oorspronkelijke onderzoek uit mei geen eenmalige uitschieter lijkt te zijn.
Dat verandert de vraag waar je content publiceert
Bedrijven hebben lang een vrij overzichtelijke contentstrategie gehad.
Je belangrijkste kennis publiceer je op je eigen website. Vervolgens gebruik je social media, nieuwsbrieven en andere kanalen om mensen naar die website te krijgen.
Dat blijft een logische aanpak. Je website is tenslotte een platform waarover je zelf controle hebt. Een LinkedIn-profiel is dat niet.
Maar de keuze hoeft niet langer website óf LinkedIn te zijn: je kunt dezelfde expertise op verschillende manieren ontsluiten.
Een uitgebreide uitleg of onderzoeksartikel kan op je eigen website staan. Een specialist kan op LinkedIn vanuit zijn persoonlijke ervaring een specifiek onderdeel behandelen. Een andere collega kan een praktijkvoorbeeld bespreken. Een expert kan in een podcast of video uitleggen waarom het team voor een bepaalde aanpak heeft gekozen.
Zo bouw je rondom één onderwerp meerdere openbare bronnen op die allemaal iets toevoegen.
Niet door overal hetzelfde artikel te kopiëren, maar door dezelfde expertise vanuit verschillende perspectieven beschikbaar te maken. Dat sluit aan op wat ik eerder beschreef in GEO: zo zorg je ervoor dat je content gevonden wordt in LLM’s. Alleen ligt de nadruk hier niet op het optimaliseren van één tekst voor AI, maar op iets breders: waar is de kennis van je organisatie überhaupt te vinden?
Laat experts vooral expert blijven
Daarbij ligt wel een gevaar op de loer. Want zodra marketing ontdekt dat medewerkers interessant zijn voor de zichtbaarheid van het bedrijf, ontstaat al snel de neiging om hun LinkedIn-profielen over te nemen.
Dan krijgt de developer iedere dinsdagochtend een kant-en-klare post aangeleverd over “de drie belangrijkste trends die mij momenteel bezighouden”. Inclusief raketemoji.
En daar schiet je dus niets mee op.
De waarde zit juist in de kennis en ervaring van die medewerker. Als alle experts vervolgens dezelfde gladgestreken marketingteksten publiceren, haal je precies datgene weg wat hun bijdrage interessant maakt.
Dat betekent niet dat iedereen zelf uren achter een leeg Word-document moet zitten, hoor. Want schrijven is nog steeds een vak apart: een contentspecialist kan een expert interviewen, doorvragen, structuur aanbrengen en jargon begrijpelijk maken. Marketing kan onderwerpen plannen, verbanden leggen en zorgen dat kennis niet na één LinkedIn-post weer verdwijnt. Maar de inhoud moet aantoonbaar van de expert komen.
Ghostwriting hoeft dus niet te betekenen dat je iemand een mening in de mond legt. Goede ghostwriting haalt naar boven wat iemand al weet en helpt om dat helder op papier te krijgen.
Begin niet bij de contentkalender, maar bij gesprekken
Hoe pak je dat praktisch aan?
Begin eens niet met de vraag: waar zullen we volgende maand over bloggen?
Vraag je specialisten in plaats daarvan welke vragen ze de afgelopen maand van klanten hebben gekregen.Vraag een developer welke technische discussie binnen het team de meeste tijd kostte. Vraag een consultant welk advies hij de afgelopen weken drie keer heeft moeten geven. Vraag support welke misverstanden steeds opnieuw tickets opleveren. Vraag sales welke inhoudelijke bezwaren prospects hebben voordat ze een beslissing nemen.
Daar komen vaak veel specifiekere onderwerpen uit dan uit een brainstormsessie van de marketingafdeling. En je krijgt er iets bij wat generatieve AI zelf niet heeft: eerstehands ervaring.
Iedereen kan ChatGPT vragen om tien trends in cybersecurity. Niet iedereen kan uitleggen wat er vorige maand bij drie Nederlandse organisaties misging toen ze een bepaalde beveiligingsmaatregel invoerden, welke oplossing uiteindelijk werkte en waarom. Zeker nu het internet in rap tempo voller raakt met generieke AI-content kun je zó het verschil maken.
Geef medewerkers een eigen kennisgebied
Je hoeft daarbij niet van iedere medewerker een allesweter te maken. Sterker nog: een duidelijk afgebakend kennisgebied kan veel interessanter zijn.
Laat de ene specialist regelmatig schrijven over identity & access management. Laat een andere medewerker zich richten op cloudkosten. Een derde weet alles van softwaremigraties en een vierde van AI-governance. Zo ontstaat er na verloop van tijd een herkenbare koppeling tussen een persoon en een onderwerp.
Dat is nuttig voor lezers, voor het netwerk van die medewerker én mogelijk voor systemen die proberen te bepalen welke bron relevante informatie over een onderwerp bevat.
Het Meltwater-onderzoek biedt geen garantie dat medewerker X na tien goede posts ineens door ChatGPT wordt geciteerd. Zo werkt het niet. Ook weten we niet precies hoe zwaar individuele signalen in verschillende AI-systemen wegen en dat kan bovendien voortdurend veranderen. Maar het onderzoek maakt wel duidelijk dat persoonlijke expertise inmiddels onderdeel is van het speelveld.
Je bedrijfswebsite verdwijnt dus niet
Betekent dit dat je voortaan alle blogs van de website kunt verwijderen en iedereen lekker op LinkedIn moet laten schrijven? Nee dus.
Je eigen website blijft de plek waar je volledige controle hebt over je content, structuur, actualisering en conversie. Bovendien gebruiken AI-systemen veel meer bronnen dan LinkedIn alleen.
Het interessante is juist dat de grens tussen bedrijfscontent en persoonlijke content minder duidelijk wordt. Een inhoudelijke LinkedIn-post van een cloudarchitect kan bijdragen aan de zichtbaarheid van zijn werkgever. Een presentatie van een securityspecialist kan maanden later nog worden gevonden. Een interview met de CTO op een externe website kan informatie bevatten die nergens op de bedrijfswebsite staat.
Je online aanwezigheid bestaat daardoor steeds minder alleen uit de pagina’s op je eigen domein. Het is het totaal aan openbare kennis dat rond je bedrijf en je mensen te vinden is.
De contentafdeling wordt een kennisredactie
De contentmarketeer van de komende jaren hoeft niet alleen goed te kunnen schrijven of een contentkalender te beheren. Hij of zij moet weten waar in de organisatie kennis zit. De vraag is dan niet meer alleen: wat gaan we publiceren? Maar eerst: wat weten we eigenlijk?
Wie weet veel over onderwerp X? Welke klantvragen horen we steeds opnieuw? Welke collega heeft een afwijkende maar goed onderbouwde visie? Welke lessen hebben we geleerd uit projecten? Welke kennis zit alleen in presentaties, Teams-gesprekken en de hoofden van medewerkers?
Vervolgens moet je die kennis ontsluiten.
Soms wordt dat een blog. Soms een LinkedIn Article. Soms een gewone LinkedIn-post. Soms een whitepaper, video, webinar, podcast of bijdrage aan een vakmedium. De publicatievorm komt pas daarna. De expertise komt eerst.
En ook bij het schrijven zelf verandert er iets. In Effectief schrijven voor AI lees je meer over hoe je informatie zo opschrijft dat die niet alleen voor mensen, maar ook voor AI-systemen duidelijk en bruikbaar is.
Je beste content werkt misschien al bij je
Dat maakt het onderzoek van Meltwater en LinkedIn wat mij betreft interessanter dan alleen de constatering dat LinkedIn vaak door AI wordt geciteerd. Het laat zien dat online vindbaarheid niet uitsluitend het domein is van websites, SEO-specialisten en corporate communicatie.
De mensen binnen een organisatie worden zelf onderdeel van de informatie waarop anderen – en AI-systemen – hun beeld van een onderwerp, product of bedrijf baseren.
Vooral voor technische B2B-bedrijven biedt dat kansen. Daar zit tenslotte vaak veel meer kennis in de organisatie dan er ooit op de website terechtkomt. Misschien hoef je daarom niet te beginnen met de vraag welke content je nog moet maken.
Begin eens met een andere vraag:
Wie binnen ons bedrijf weet iets wat de moeite waard is om te publiceren?
De kans is groot dat je volgende tien onderwerpen dan een stuk sneller gevonden zijn.