Trainingsdata: het geheugen van het model

Een taalmodel is getraind op een enorme hoeveelheid tekst met een afsluitdatum. Wat daarin over jouw merk, dienst of markt staat, vormt de basiskennis waarmee het antwoordt als het geen live bronnen ophaalt. Die kennis is statistisch: veel voorkomende, consistente formuleringen worden sterker vertegenwoordigd dan losse vermeldingen.

Bij een vraag met live zoekstap haalt het systeem actuele bronnen op en citeert die. Zonder die stap leunt het volledig op trainingsdata en verzint het ontbrekende details. Dat verklaart waarom hetzelfde model in ChatGPT met zoeken een correct antwoord geeft en zonder zoeken een verouderde prijs of oude bedrijfsnaam noemt.

Zorg dat dezelfde feiten op meerdere betrouwbare plekken staan: je eigen site, je bedrijfsprofielen, vakmedia, brancheorganisaties, kennisplatformen. Gebruik overal exact dezelfde bedrijfsnaam, dezelfde omschrijving en dezelfde specialisaties. Die herhaling is wat een model als betrouwbaar patroon oppikt.

Is je aanbod, naam of prijs veranderd, dan blijft de oude versie voorkomen. Publiceer een actuele bronpagina met datum, werk je profielen bij, vraag correcties aan bij grote vermeldingen en zorg dat je site voor AI-crawlers goed leesbaar is. Modellen die live ophalen corrigeren zichzelf dan; de rest volgt bij een nieuwe trainingsronde.

Stel een vaste set vragen zonder zoekfunctie en met zoekfunctie, en vergelijk de antwoorden. Verschillen wijzen precies aan waar je trainingsbeeld achterloopt op de werkelijkheid. Herhaal dat elk kwartaal en houd bij welke onjuistheden verdwijnen.