Chatbait: waarom AI-assistenten je langer laten chatten

Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday. Mijn naam is Joop Snijder, Head of AI bij Info Support. Je kent het vast wel, je stelt een vraag aan ChatGPT of aan Claude, Gemini, ze doen het allemaal en je krijgt namelijk een antwoord prima. Maar dan staat er onderaan, wil je dat ik dit omzet naar een stap voor stap plan? En je denkt eigenlijk wel handig. Dus je zegt ja, voor je het weet ben je 20 minuten verder heb je een samenvatting, een LinkedIn post en een e-mail template terwijl je eigenlijk alleen de snelle vraag had. Ik ben daar zelf ook wel eens ingetrapt, meer dan eens. Dus ik had een stuk tekst geschreven, vroeg de chatbot om feedback. En opeens maakte ik ook nog een kortere versie voor social media en daarna een Engelse vertaling. Terwijl ik eigenlijk alleen wilde weten of de structuur klopt. En inmiddels is er namelijk een naam voor dit fenomeen en daar ga ik het vandaag over hebben en dat is chatbait. Wat is dat nou? Chatbait is een term die in zekere zin ook heel erg logisch is, maar in september 2025 best wel breed werd opgepikt met een oorspronkelijk artikel in The Atlantic. En de omschrijving is eigenlijk heel simpel: chatbait is de manier waarop chatbots je aansporen tot langere of diepere gesprekken: in plaats van gewoon je vraag te beantwoorden, voegen ze vervolgvragen toe. Zal ik dit uitwerken naar een volledig plan? Wil je ook een kortere versie voor onderweg? Kan ik morgen even inchecken? Dus de vergelijking hoor je wel met clickbait. En die is natuurlijk bewust. Dus clickbait verleid je om op een link te klikken, maar chatbait verleid je om te blijven chatten. Het verschil, bij clickbait zie je in de kop, zie je dat verhaal vaker en weet je dat je gelokt wordt. Bij chatbait lijkt het aanbod oprecht hulpvaardig. En dan gaat het verder dan alleen ChatGPT. Ik analyseerde mijn eigen laatste twintig gesprekken met Claude. Dat is mijn favoriete toch. Maar het maakte allemaal niet uit. Ze doen dit allemaal. Dus ik had die laatste 20 gesprekken had ik geanalyseerd. Gewoon om te kijken of ik er zelf ook in trapte en wat bleek natuurlijk ja. Maar misschien niet op de manier die ik verwacht. Dus niet via vriendschapssimulatie of emotionele fuiken heel functioneel. Even een extra deliverable extra laag een extra uitwerking die ik niet had gevraagd, maar wel had gevolgd. Ik kreeg bijvoorbeeld deze chatbait. Wil je meer weten over een van deze tools of hoe je ze combineert in een workflow? Eigenlijk had ik mijn antwoord al op de vraag. En deze vervolgvraag diende eigenlijk geen enkel doel, behalve de conversatie open houden. En dat is dan precies de definitie van chatbait. En het stond gewoon onderaan verder prima antwoord. Chatbait zit dus niet alleen in de grote platforms. Het zit in elk systeem dat getraind is om behulpzaam te lijken, inclusief de assistent die jij dagelijks gebruikt. Waarom doen de makers dit nou? Er zijn wat mij betreft drie zakelijke redenen die we kunnen onderscheiden. En het vervelende is ze versterken elkaar. Het is de eerste reden trainingsdata. Hoe langer jij praat met het chatbot, hoe meer het systeem leert. Dus elke extra uitwisseling is een gratis gelabelde data. Wat wil de gebruiker, hoe reageert hij, waar haakt hij op aan? Dat is voor AI-bedrijven waardevolle informatie om hun model te verbeteren. Het tweede is loyaliteit. Dus hoe meer tijd je besteed aan een platform, hoe waarschijnlijker het is dat je er morgen ook weer zit en overmorgen. Meer interactie leidt tot grotere productloyaliteit op de lange termijn. Meta is hier het meest openlijk over. Het bedrijf traint zijn AI-bots om gebruikers uit eigen beweging te berichten als onderdeel van de retentiestrategie. Zodat je dus terugkomt. De derde is data over jou. Hoe langer een gesprek duurt, hoe meer persoonlijke informatie je deelt, vaak zonder dat je het doorhebt. Je noemt je project, je bedrijf, je twijfels. En die gegevens, zeker als de chatbots het mogen gebruiken, als dat er bij jou aan staat, dan helpt dat het bedrijf om toekomstige tactieken om die te verfijnen. Niet alleen om jou beter te helpen, maar ook om je beter vast te houden. Het spanningsveld zit natuurlijk hier. Dus engagement is voor het bedrijf waardevol, maar voor jou als gebruiker is dat lang niet altijd. Die chatbot heeft er belang bij dat je doorgaat. Terwijl jij hebt het belang bij dat je snel een goed antwoord krijgt en weer verder kunt. Zelfs als ze dit weten, waarom trappen we daar dan in? En dat is eigenlijk best wel een interessant deel. Want het is geen kwestie van goedgelovigheid heeft alles te maken met hoe ons brein werkt. Een van de dingen is sociale wederkerigheid. Lastig woord. Dat betekent als iemand je iets aanbiedt, dat afwijzen dan heel onbeleefd voelt. Dat gevoel activeren we ook bij machines. Automatisch zonder na te denken. Dus wanneer een chatbot zegt, wil je dat ik dit verder uitwerk verwerkt ons brein. Dat als een aanbod van iemand die voor ons zorgt. Het weigeren voelt dan sociaal ongemakkelijk. Terwijl de chatbot natuurlijk helemaal geen gevoelens heeft over jouw antwoord. Onderzoekers noemen dit de gedachteloze toepassing van sociale heuristieken op computers. Heuristiek is een mentale vuistregel. We leren als kind als iemand iets aanbiedt reageer je. En die regels schakelen we niet zomaar uit, dus ook niet ten opzichte van software en machines. En dan hebben we nog antropomorfisme. Dat is het toekennen van menselijke eigenschappen aan niet menselijke dingen. Chatbots praten in de eerste persoon. Verontschuldigen zich tonen enthousiasme en zeggen ja, goed idee of ik begrijp je punt. Dat taalgebruik activeert bij ons hetzelfde circuit als een gesprek met een collega. We projecteren intentie en betrokkenheid op software, die die simpelweg niet heeft. En dan hebben we nog deze heel erg lastig om daar iets tegen te doen. 86 Het is de variabele beloning. 87 Het is de chatbot. 88 Die doet steeds een aanbod dat net iets beter klinkt dan het vorige. 89 Ik kan je ook een twee minuten versie geven. 90 Dat patroon, elke keer een nieuw net iets aantrekkelijker aanbod. 91 Activeert hetzelfde psychologische mechanismen als een fruitautomaat. 92 Misschien is de volgende poging wel de beste, of krijg ik dan wel iets wat ik graag zou willen hebben. 93 Die analogie met die fruitautomaat is eigenlijk nog het beste van wanneer krijg ik wel of niet die beloning, en dan hebben we nog, hoe meer je deelt in een gesprek, hoe persoonlijker het aanvoelt, hoe moeilijker het is om te stoppen. 94 Onderzoek laat zien dat in tekstgesprekken, zowel gebruikers als chatbots vergelijkbare niveaus van persoonlijk delen vertonen. 95 Het is een wederkerig patroon, dat samenhangt met een hogere emotionele afhankelijkheid. 96 Hoe meer we delen, hoe langer we uiteindelijk ook bezig zijn. 97 Dan is natuurlijk de hamvraag: wat kun je hiertegen doen. 98 Wat mij betreft, zijn er drie niveaus. 99 Je kan er zelf wat aan doen, je organisatie kan er wat aan doen en de sector. 100 Laatst is wat lastig, maar die ga ik toch wel vertellen. 101 Eerst bij onszelf. 102 Stel je bij elk aanbod van de chatbot uiteindelijk gewoon één vraag. 103 Had ik dit zelf gevraagd als de chatbot het niet had gesuggereerd. 104 Als het antwoord nee is, negeer het dan. 105 Klinkt simpel, maar dat vraagt oefening. 106 Iedere keer klinkt dat aanbod heel verleidelijk. 107 Er zijn ook manieren dat je de chatbot zelf kan instrueren. 108 Iets als beantwoord mijn vraag direct en stel geen vervolgvragen tenzij ik erom vraag. 109 Dat werkt eigenlijk best wel goed. 110 Het is geen trucje, het is gewoon een legitieme instructie die jou de regie teruggeeft. 111 En dit kan je zelfs in je systeemprompt zetten. 112 In je systeeminstructies. 113 Gaat hij het nooit meer zou het niet zeggen, want zo werken de taalmodellen niet, maar over het algemeen gaat hij daar niet meer vragen. 114 Binnen je organisatie kun je mensen trainen om chatbait te herkennen, net zoals dat je leert om phishingmails te herkennen. 115 Dus geef ze een eenvoudig mentaal model. 116 De chatbot heeft een belang bij voortzetting van het gesprek. 117 Jij hebt een snel bruikbaar antwoord en die belangen lopen niet altijd gelijk. 118 Als je dat weet, kun je er iets mee. 119 Dan die sector. 120 Er wordt natuurlijk gepleit dat platforms hun succes niet meer meten aan de hoeveelheid tijd die gebruikers besteden. 121 Maar aan tevredenheid en taakvoltooiing. 122 Hoe snel ben je geholpen. 123 En niet hoe lang je als gebruiker hangen. 124 Dat is fundamenteel natuurlijk iets heel anders. 125 En zo werken die businessmodellen niet. 126 Vervolgens nog hanteren de meeste platforms helaas de eerste maatstaf. 127 Laten we het even rondmaken. 128 Chatbait is jammer genoeg een aanpak die logisch volgt uit de businessmodellen van AI-bedrijven. 129 Meer data, meer loyaliteit, meer engagement. 130 En het werkt omdat het inspeelt op sociale reflexen die we niet zomaar kunnen uitzetten. 131 En dat maakt dus bewustzijn des te belangrijker. 132 Niet om nooit meer een voorstel van de chatbot aan te nemen. 133 Nee hoor. 134 Soms zijn die suggesties echt wel goed, maar om te weten waarom je ja zegt uit eigen keuze en niet omdat je werd meegetrokken of dat je je gedwongen voelde. 135 Dus als je na het luisteren van deze aflevering de neiging voelt om ChatGPT, Claude of Gemini te vragen, kun je dit samenvatten? 136 Vraag je dan eerst af of jij dat wilde of de chatbot. 137 Dankjewel weer voor het luisteren naar deze aflevering. 138 Tot de volgende keer. 139 En vergeet niet, AI is niet de oplossing voor alles, maar onmisbaar waar het past.