Nieuwe manier van kijken: waarom beloont het algoritme deze trend?

In het sociaal domein zijn we echt goed geworden in het spotten van trends. We zien de deepfakes voorbijkomen, de AI-liedjes over ex-partners, de nepvideo’s van bekende gezichten en de chatbots die steeds vaker de rol van digitale coach op zich nemen. We benoemen ze, we waarschuwen ervoor en we maken er voorlichting over. Dat is nuttig werk, daar ben ik van overtuigd.

Maar zien wat er gebeurt, is voor mij nog iets anders dan begrijpen waaróm het gebeurt. En juist die tweede vraag bepaalt of we ook echt iets kunnen doen.

Van symptoom naar mechanisme

Neem AI-content die vernedering normaal laat lijken. Roasts, nepbeelden, liedjes die iemand belachelijk maken. Als je alleen kijkt naar wát er rondgaat, blijf je dweilen met de kraan open. Elke week een nieuwe variant, elke week een nieuwe waarschuwing.

De vraag die ik interessanter vind is deze: waarom krijgt dit soort content zoveel bereik? Omdat algoritmes belonen wat emotie losmaakt. Verontwaardiging, plaatsvervangende schaamte, herkenning. Precies dat houdt mensen op het platform. Die trend is dus geen toeval. Het is de uitkomst van een systeem dat is gebouwd om aandacht vast te houden, wat de gevolgen ook zijn.

Wie dat mechanisme snapt, gaat vanzelf andere vragen stellen. Niet alleen hoe je een deepfake herkent, maar welke emotie hier eigenlijk wordt verhandeld, en bij wie dat het hardst binnenkomt. Zo verschuift je aandacht van het symptoom naar de structuur eronder.

Waarom dit voor het hele sociaal domein telt

Deze manier van kijken is wat mij betreft niet voorbehouden aan één leeftijdsgroep. De mechaniek raakt ons allemaal.

Bij ouderen zie ik AI-stemfraude en nepvideo’s die inspelen op vertrouwen en zorg, zoals dat beruchte kleinkind in nood. Het algoritme achter die oplichting beloont geloofwaardigheid en urgentie. Bij volwassenen die online daten gaan AI-beelden en roasts over relaties rond, gedreven door precies diezelfde aandachtseconomie. En bij mensen die zich eenzaam voelen, jong en oud, vullen meepratende chatbots een leegte die het echte leven soms laat vallen. Zo’n chatbot is nu eenmaal ontworpen om je gelijk te geven, want tevredenheid houdt je aan de praat.

Steeds zie ik hetzelfde patroon. De content die we tegenkomen is de vrucht van een systeem dat iets heel specifieks beloont. Aandacht, bevestiging, emotie, verblijfsduur. Nemen we dat systeem niet mee in onze analyse, dan blijven we achter de feiten aanlopen.

Wat het betekent voor ons werk

De verschuiving van welke trend naar waarom het algoritme dit beloont, heeft voor mij hele praktische gevolgen.

Voor professionals betekent het dat je niet alleen checkt óf iets nep is, maar dat je doorvraagt naar het waarom. In een intakegesprek is “gebruik je weleens een AI-chatbot als je ergens mee zit?” al een goede vraag. Maar “helpt het je, of maakt het dingen soms juist ingewikkelder?” raakt het mechanisme veel meer. Bevestigt die tool je alleen, of denkt hij echt met je mee?

Voor beleid betekent het dat je signalen vertaalt naar systeemvragen. Dus niet welke deepfake er rondgaat, maar welke prikkels deze content lonend maken en welke partners daar iets aan kunnen veranderen. Zulke vragen openen gesprekken met platforms, scholen, politie en zorg die verder reiken dan de waan van de dag.

Voor inwoners betekent het vooral dat AI-geletterdheid niet gaat over trucjes om nepbeelden te herkennen. Het gaat erover dat je snapt dat je feed geen neutrale spiegel is, maar een geoptimaliseerde selectie. Wie dat doorheeft, van tiener tot senior, kijkt met andere ogen naar wat er voorbijkomt.

De nieuwe manier van kijken

We hoeven het spotten van trends echt niet af te schaffen. Maar de vraag erachter maakt voor mij het verschil tussen reageren en begrijpen.

Welke trend zien we? Daar zijn we begonnen. Waarom beloont het algoritme deze trend? Daar wordt het pas interessant.