Wat is volatiliteit van AI-antwoorden?
Volatiliteit van AI-antwoorden is de mate waarin het antwoord van een AI-assistent op dezelfde prompt verandert tussen runs, dagen of modelversies. Een volatiel antwoord noemt steeds andere merken, zet ze in een andere volgorde of citeert andere bronnen, elke keer dat de vraag wordt gesteld.
Daar zijn meerdere oorzaken voor. Een groot taalmodel (LLM) genereert tekst token voor token met een zekere mate van willekeur, waardoor identieke prompts verschillende formuleringen en aanbevelingen kunnen opleveren. Assistenten die via retrieval-augmented generation het web doorzoeken, halen bronnen op die dagelijks veranderen. Modelupdates, personalisatie, locatie en taal zorgen voor nog meer variatie.
Volatiliteit is normaal en geen storing. Het betekent simpelweg dat elk los antwoord een steekproef is en geen eindoordeel.
Waarom volatiliteit van AI-antwoorden belangrijk is
Volatiliteit is de belangrijkste reden dat eenmalige checks misleiden. Een marketeer die een prompt één keer test, ziet het merk misschien als eerste staan en concludeert dat alles goed zit, terwijl het merk in de meeste andere runs ontbreekt. Beslissingen op basis van screenshots zijn beslissingen op basis van geluk.
Het bepaalt ook hoe je rapporteert over metrics zoals je AI Visibility Score. Schommelingen op één dag zijn meestal ruis, terwijl een verandering die een week of langer aanhoudt een signaal is. En volatiliteit zelf is nuttige informatie: een prompt waarbij de aanbevolen merken steeds wisselen, kan erop wijzen dat nog geen enkel merk het antwoord echt bezit. Zo'n prompt is het waard om op in te zetten.
Zo meet je volatiliteit van AI-antwoorden
Er bestaat geen standaardformule, maar twee eenvoudige maatstaven werken goed:
Consistentie: runs waarin je merk verschijnt ÷ totaal aantal runs × 100. Een merk dat in 18 van de 30 dagelijkse runs wordt genoemd, heeft een consistentie van 60 procent.
Wijzigingsgraad: dagen waarop de genoemde merken afwijken van de vorige dag ÷ aantal gevolgde dagen × 100.
Volg beide per prompt en per model, over weken in plaats van dagen, en draai prompts uitgelogd met dezelfde instellingen, zodat personalisatie geen kunstmatige variatie toevoegt. Prompt Tracking van Trackbase draait elke prompt dagelijks in 11 AI-modellen, zodat trends op een reeks rusten in plaats van op een momentopname. Praktische tips vind je in zo monitor je veranderingen in AI-antwoorden.
Voorbeelden van volatiliteit van AI-antwoorden
Een B2B-leverancier van salarissoftware wordt in 18 van de 30 dagelijkse ChatGPT-runs genoemd voor zijn belangrijkste categorieprompt en rapporteert daarom een consistentie van 60 procent in plaats van een simpel ja of nee.
Een Nederlandse fietsenwebshop ziet dat Perplexity voor "beste e-bike onder de 2.000 euro" bijna dagelijks andere bronnen citeert, terwijl het antwoord van Gemini nauwelijks verandert.
De zichtbaarheid van een softwarebedrijf zakt na een modelupdate een week lang flink weg en herstelt zich daarna gedeeltelijk; dankzij wekelijkse rapportage volgt er geen paniekreactie.
Een bureau spot prompts waarbij de eerste aanbeveling om de paar dagen wisselt en pakt die als eerste aan, omdat geen enkele concurrent het antwoord stevig in handen heeft.
Veelgestelde vragen
Waarom geeft ChatGPT een ander antwoord op dezelfde vraag?
Taalmodellen genereren antwoorden met een zekere mate van willekeur, dus dezelfde prompt kan andere formuleringen, merken en volgordes opleveren. Als er via het web wordt gezocht, kunnen de gevonden bronnen van dag tot dag verschillen. Modelupdates, geheugen, personalisatie en locatie zorgen voor nog meer verschillen. Daarom meet je AI-zichtbaarheid met herhaalde runs en niet met één test.
Hoeveel volatiliteit is normaal?
Dat verschilt per model, onderwerp en type prompt. Brede vragen met veel mogelijke antwoorden, zoals algemene aanbevelingen, variëren doorgaans meer dan smalle feitelijke vragen. Streef dus niet naar nul volatiliteit, maar meet je consistentie door de tijd heen en vergelijk die met concurrenten op dezelfde prompts. Een stabiele, stijgende consistentie is het doel.
Kun je de volatiliteit voor je merk verminderen?
Je hebt geen invloed op hoe een model zijn antwoorden samenstelt, maar je kunt je merk wel een vaster onderdeel van die antwoorden maken. Heldere, consistente informatie op je eigen site, op reviewplatforms en bij betrouwbare externe bronnen geeft modellen vanuit veel richtingen hetzelfde signaal. Hoe sterker dat signaal, hoe vaker je merk verschijnt, ondanks kleine verschillen tussen runs.