Een sollicitant die twijfelt tussen twee werkgevers, googelt niet meer. Hij opent ChatGPT, Perplexity of Copilot en stelt de vraag rechtstreeks: welk bedrijf is de betere keuze? Het antwoord dat die kandidaat krijgt, bepaalt of jouw organisatie überhaupt in beeld komt. Word je niet genoemd, dan besta je voor die persoon niet.
Dat is de kern van Generative Engine Optimization (GEO): niet langer sturen op een positie in de zoekresultaten, maar op de vraag of een taalmodel jouw organisatie noemt, en dat op een gunstige manier doet. Tijdens meerdere recente bijeenkomsten over dit onderwerp, waaronder een seminar en een webinar, werd duidelijk hoe snel dit onderwerp beweegt en wat werkgevers er concreet mee kunnen.
Dit is al geen toekomstmuziek meer
Onderzoek van Intelligence Group laat zien dat meer dan de helft van de werkzoekenden AI inmiddels ergens in hun oriëntatie gebruikt. Onder kandidaten jonger dan 30 jaar geldt voor ruim een derde dat AI zelfs het allereerste aanknopingspunt is. In technische sectoren als ICT en engineering ligt dat aandeel nu al boven de 20 procent, met een verwachte doorbraak richting hét belangrijkste oriëntatiekanaal binnen twee à drie jaar.
Dat verandert ook de klassieke wervingsfunnel. Waar een kandidaat vroeger via bewustwording en interesse naar een overweging toewerkte, verloopt het proces nu vaker in drie stappen: een vraag stellen, een antwoord van AI krijgen, en op basis daarvan een shortlist maken. Niet de recruiter bepaalt meer waar iemand instapt, dat kan een vacaturetekst zijn, maar net zo goed een oud forumbericht of een arbeidsvoorwaardenpagina. Het algoritme kiest de ingang, niet de organisatie.
Hoe een taalmodel jouw bedrijf leert kennen
Een AI-systeem doorloopt grofweg vier stappen voordat het een werkgever noemt. Eerst zet het de vraag van de kandidaat om in meerdere zoekopdrachten. Vervolgens haalt het relevante pagina’s op, kiest het de best citeerbare fragmenten (vooral concrete, cijfermatige beweringen) en smeedt het dat materiaal samen tot één antwoord, inclusief bronvermelding.
Wat dit in de praktijk betekent: een zin als ‘wij geloven in mensen’ heeft voor een taalmodel geen waarde. Een zin als ’73 procent van onze recruiters werkt hier langer dan vijf jaar’ juist wél. Die is specifiek, verifieerbaar en dus bruikbaar als citaat. Vage kwalificaties zoals ‘dynamische organisatie’ of ‘marktconform salaris’ worden simpelweg genegeerd; harde feiten over aantallen, sector en takenpakket worden juist snel overgenomen.
De technische basis die vaak over het hoofd wordt gezien
Voordat content überhaupt de kans krijgt om geciteerd te worden, moet de toegang op orde zijn. Veel werkenbij-sites blokkeren onbedoeld AI-crawlers via robots.txt met als resultaat geen enkele zichtbaarheid, ongeacht hoe goed de tekst zelf is. Ook vacatureteksten die pas na het laden van JavaScript verschijnen, blijven voor die crawlers vaak onzichtbaar; server-side rendering is dan de oplossing.
Daarnaast telt structuur: het JobPosting-schema geeft functietitel, locatie en salaris expliciet door aan zoekmachines en taalmodellen. En op contentniveau werkt het goed om antwoorden direct onder een vragende kop te zetten, bij voorkeur aangevuld met een eigen FAQ-pagina.
Opvallend detail uit de recente bijeenkomsten: wat er over een werkgever wordt gezegd, hoeft niet per se waar te zijn om toch als citaat te worden gebruikt. Een taalmodel bouwt zijn antwoord op uit tientallen bronnen tegelijk, zoals de eigen site, reviews, LinkedIn, forums. Vertel je daar geen consistent verhaal, dan wordt de organisatie door het model gewoon lager gewaardeerd.
Wat een taalmodel wél serieus neemt
Taalmodellen leunen zwaar op wat in de contentwereld bekendstaat als E-E-A-T: Experience, Expertise, Authoritativeness en Trustworthiness. Concreet werkt het als auteurs bij naam en functie genoemd worden, medewerkers zelf over hun werk vertellen, en een directeur die actief is op LinkedIn meebouwt aan de geloofwaardigheid van het hele merk. Projectverhalen zijn daarbij goud waard: hoe meer echte, specifieke verhalen, hoe meer citeerbaar materiaal.
Ook FAQ-pagina’s per doelgroep, beleidsdocumenten en jaarverslagen worden veel aangehaald, een gewone link werkt daarbij beter dan een ingesloten pdf. Voeg transcripties toe aan video’s en beschrijvingen aan afbeeldingen. En let op: elk model heeft eigen voorkeuren. Waar Gemini juist korte, staccato zinnen beloont, waardeert ChatGPT eerder onderbouwde, bijna academische formuleringen. De vuistregel die overal terugkomt: schrijf zoals je een vraag aan de keukentafel zou beantwoorden. Sfeer en cultuur mogen, maar als aanvulling, niet als hoofdmoot.
Meten voorkomt dat een oud verhaal blijft hangen
ProRail deelde tijdens een van de bijeenkomsten de resultaten van 47 dagen monitoring: bijna 10.000 AI-antwoorden geanalyseerd over vijf platforms, met een zichtbaarheidsscore van 72 procent. Maar de casus toonde ook een valkuil. Een vier jaar oud jaarverslag van vakbond FNV bleef structureel als negatief punt naar voren komen, en in Gemini verloor ProRail stelselmatig terrein van NS, niet omdat de organisatie feitelijk zwakker presteerde, maar omdat het model ‘het spoor’ nu eenmaal eerder met NS associeert. Zulke verouderde of scheve beelden verdwijnen niet vanzelf; alleen actief bijsturen helpt.
De meest gemaakte fouten
De grootste en makkelijkst te herstellen misser blijft die geblokkeerde robots.txt. Daarna volgen vacatures die volledig op JavaScript draaien, een ontbrekend JobPosting schema, en het weglaten van salaris en locatie, vaak juist de eerste vraag die een kandidaat aan AI stelt. Ook wollige teksten, tegenstrijdige bedrijfsgegevens tussen kanalen, en een eenmalige check zonder vervolg staan hoog op het lijstje. AI-antwoorden veranderen continu, dus wie maar één keer optimaliseert, zakt ongemerkt weer weg.
GEO is een gewoonte, geen project
Het toevoegen van een extra zin aan een vacaturetekst is niet genoeg. GEO vraagt om technische én redactionele keuzes door de hele werving heen, en werkt het best als terugkerend ritueel: minimaal tien prompts opstellen die de eigen doelgroep waarschijnlijk zou gebruiken, en maandelijks controleren wat een taalmodel daadwerkelijk over de organisatie beweert.
Het speelveld ligt nog open, anders dan bij Google Ads is dit voorlopig geen pay-to-win-model. Maar wie wacht, loopt het risico dat een concurrent de plek inneemt, simpelweg omdat diens site beter leesbaar is voor een taalmodel.
Zelf aan de slag
Binnenkort vindt de volgende editie van het Seminar GEO: maak je klaar voor de AI-baanzoeker plaats. In een halve middag ga je van theorie naar praktijk, inclusief een uitgewerkte checklist, lunch, borrel en een live blik op wat AI vandaag al over jouw organisatie zegt.
