De meetmethode van Jonkman Strategie
Goed werk alleen is niet genoeg
Je kunt een uitstekende reputatie hebben en toch nauwelijks door AI worden genoemd. Misschien is je positionering niet duidelijk genoeg. Misschien spreken bronnen elkaar tegen, ontbreekt onafhankelijke onderbouwing of begrijpt AI niet bij welke klantvragen jouw organisatie relevant is.
Je bent dan wel online aanwezig, maar nog niet het logische antwoord.
Het verschil tussen die twee is precies wat ik meet.
Wat is Agentability?
Agentability is de mate waarin een AI-model jouw organisatie kan vinden, begrijpen en gebruiken. • Vinden Kent het model je naam en weet het dat je organisatie bestaat? • Begrijpen Weet het model wat je doet, voor wie je werkt en bij welke vraagstukken je relevant bent? • Gebruiken Wordt je organisatie bij relevante vragen genoemd, vergeleken of meegenomen in een aanbeveling? Deze 3 stappen bouwen op elkaar voort. Een model dat niet weet wie je bent, kan je niet correct plaatsen. Wat het niet correct kan plaatsen, zal het ook minder snel gebruiken in een antwoord. Daarom is deze volgorde geen detail. Het is de kern van het Agentability Framework.
Geen techniek, maar een eigenschap
Hier gaat het vaak mis in gesprekken over AI-zichtbaarheid. SEO, GEO, content, publicaties, digitale PR en technische optimalisatie zijn werkwijzen. Het zijn middelen waarmee je jouw digitale positie kunt versterken. Agentability is niet zo’n middel. Het is de eigenschap waaraan je ziet wat al die inspanningen gezamenlijk opleveren. Vergelijk het met fitheid. Hardlopen en krachttraining zijn methodes. Fitheid is het resultaat. En dat resultaat kun je meten. Hetzelfde geldt voor Agentability. Wie direct technieken toepast zonder eerst te meten, weet niet waar het werkelijke probleem zit. Daardoor bestaat het risico dat je veel uitvoert, maar weinig verbetert.
De 5 lagen van Agentability
Het framework onderzoekt 5 samenhangende lagen. Ze wegen niet allemaal even zwaar, omdat niet ieder probleem even fundamenteel is. 1. Identiteit Weet AI wie je bent? Ik onderzoek of je organisatienaam, diensten en onderscheidende kenmerken correct worden herkend. Ook controleer ik of AI je niet verwart met een andere organisatie of naamgenoot. Identiteit is het fundament. Als dat fundament niet klopt, worden ook andere conclusies onbetrouwbaar. 2. Relaties Begrijpt AI waar je bij hoort? Ik kijk naar de verbindingen met markten, branches, klanten, partners, platforms, locaties en onderwerpen. Een organisatie die nergens duidelijk aan verbonden is, blijft voor AI moeilijk te plaatsen. 3. Context Weet AI wanneer je relevant bent? Hier gaat het om de koppeling tussen jouw expertise en de vragen, problemen en keuzes van je ideale klant. Context bepaalt bij welke commerciële vraagstukken jouw organisatie in beeld kan komen. 4. Autoriteit Wordt jouw expertise onafhankelijk bevestigd? Ik onderzoek of betrouwbare bronnen, aantoonbare ervaring, cases, publicaties en inhoudelijke bijdragen jouw positie ondersteunen. De scherpste test is een ongemerkte vraag: noemt AI jouw organisatie wanneer je naam nergens in de vraag voorkomt? 5. Actualiteit Kan AI vertrouwen op de informatie die het vindt? Je diensten, positionering, mensen en bedrijfsgegevens moeten actueel, consistent en controleerbaar zijn. Verouderde of tegenstrijdige informatie kan ervoor zorgen dat AI een achterhaald beeld van je organisatie gebruikt. Identiteit weegt binnen het framework het zwaarst. Actualiteit ondersteunt de andere lagen. Die verdeling is bewust: wie aan autoriteit bouwt terwijl de basis niet klopt, bouwt op zand.
Eén antwoord is nog geen complete meting
Stel dezelfde vraag meerdere keren aan een AI-model en je kunt verschillende antwoorden krijgen. De uitkomst kan veranderen per model, dag, formulering en beschikbare broninformatie. Daarom trek ik geen conclusie uit één losse ChatGPT-vraag. De volledige Agentability-meting binnen Blueprint en Complete bestaat uit: 6 vragen × 6 modellen × 3 meetdagen = 108 prompts De meetopzet is bedoeld om toevallige antwoorden minder bepalend te maken. Zes modellen voorkomen dat één systeem de volledige conclusie bepaalt. Drie meetdagen brengen dagelijkse variatie in beeld. Iedere prompt wordt in een nieuwe, schone sessie gesteld. Vijf vragen zijn ongemerkt: je organisatienaam komt niet in de vraag voor. Eén vraag is rechtstreeks en onderzoekt wat het model expliciet over je weet. Het verschil tussen ongemerkte en rechtstreekse vragen is vaak veelzeggend. Een model kan jouw organisatie goed omschrijven zodra je de naam noemt, maar je toch nooit uit zichzelf selecteren bij een relevante klantvraag. Dat is geen sterke aanbevelingspositie.
Vaste beoordeling, menselijk oordeel
Alle antwoorden worden gecontroleerd aan de hand van vaste checkpoints binnen de 5 lagen. Dat gebeurt bewust niet volledig automatisch. Het verschil tussen een losse vermelding, een inhoudelijke vergelijking en een daadwerkelijke aanbeveling hangt af van de context waarin een naam wordt gebruikt. De menselijke beoordeling vindt daarom plaats binnen een vast protocol. Zo ontstaat een nulmeting die later volgens dezelfde werkwijze kan worden herhaald. Pas wanneer de meetmethode gelijk blijft, kun je verantwoord beoordelen of je positie werkelijk is veranderd.
Van meten naar versterken
Niet iedere organisatie heeft direct een volledige diagnose of een meermaands traject nodig. Daarom bestaat de Agentability-reeks uit verschillende instapniveaus. • Snapshot Snapshot onderzoekt één belangrijke koopvraag in 3 AI-modellen. Binnen maximaal vijf werkdagen ontvang je een compact bewijsbeeld. Je ziet of je organisatie bij deze vraag in beeld komt en of er voldoende aanleiding is voor een uitgebreider traject. • Sprint Sprint onderzoekt en versterkt één commercieel waardevolle aanbevelingspositie. Je krijgt een gerichte analyse, een duidelijke classificatie, de belangrijkste verbeterpunten en de eerste uitvoering. Rond dag 90 volgt een herhaalmeting om te beoordelen wat er is veranderd. • Blueprint Blueprint bevat de volledige reproduceerbare nulmeting met 108 prompts. Alle vijf lagen worden onderzocht. Je ontvangt een diepgaande diagnose, een geprioriteerd strategisch plan en de eerste correcties aan het digitale fundament. • Growth Growth is het uitvoerende vervolg op Sprint of Blueprint. De gekozen strategie wordt structureel uitgevoerd. Tussentijdse metingen maken zichtbaar of de gewenste beweging daadwerkelijk ontstaat. Growth is daarom alleen beschikbaar wanneer eerder onderzoek voldoende richting heeft gegeven. • Complete Complete combineert de volledige meting, strategie, fundamentcorrecties, uitvoering en effectmeting in één programma. Je kiest Complete wanneer vooraf al duidelijk is dat je niet alleen wilt weten waar het probleem zit, maar ook wilt dat de noodzakelijke verbeteringen worden uitgevoerd.
Voor wie is Agentability relevant?
Agentability is vooral relevant voor organisaties waarbij expertise, reputatie en vertrouwen bepalend zijn voor de keuze van een klant. Denk aan: • Kennisgedreven mkb-organisaties; • Zakelijke dienstverleners; • Advies- en consultancybedrijven; • Gespecialiseerde bureaus; • Organisaties met complexe of onderscheidende expertise. Agentability is minder bepalend wanneer klanten bijna uitsluitend kiezen op basis van prijs, directe beschikbaarheid of een eenvoudige transactie. De centrale vraag blijft: 'Begrijpt AI waarom iemand juist bij jouw organisatie moet zijn?'
Wat dit framework niet belooft
Het Agentability Framework geeft geen garantie dat een onafhankelijk AI-model jouw organisatie zal aanbevelen. Niemand kan bepalen welk antwoord ChatGPT, Claude, Gemini of een ander model op ieder moment geeft. Wie een gegarandeerde positie belooft, doet een belofte die niet controleerbaar kan worden waargemaakt. Agentability vervangt ook geen SEO, goede positionering, sterke content of betrouwbare externe bronnen. Deze onderdelen kunnen juist bijdragen aan je Agentability. Het framework laat zien: • Waar je organisatie nu staat; • Waar AI een onjuist of onvolledig beeld heeft; • Welke problemen de meeste invloed hebben; • Welke verbeteringen prioriteit verdienen; • Of je positie na uitvoering aantoonbaar verandert. Geen garantie. Wel een beter onderbouwde beslissing.
Ook toegepast in onafhankelijk onderzoek
De methodologische principes achter het framework gebruik ik ook voor Northern Agentable 26: mijn onafhankelijke onderzoek naar de AI-zichtbaarheid van organisaties in Groningen en Drenthe. Daarbij werk ik eveneens met vaste vragen, meerdere AI-modellen, verschillende meetmomenten, schone sessies en een vaste beoordeling. De precieze onderzoeksopzet kan per toepassing verschillen. De onderliggende eis blijft hetzelfde: 'Een conclusie moet voortkomen uit een controleerbare methode, niet uit één opvallend AI-antwoord.'
Benieuwd naar jouw Agentability?
Je kunt niet sturen wat je niet meet, en je kunt niet meten wat je niet hebt gedefinieerd. Daarom ligt de definitie vast, ligt de meetopzet vast, en meet ik bij jou precies zoals ik bij je concurrent meet. Word het logische antwoord.