AI voor public relations: waar het echt voordeel oplevert

Eenennegen procent van PR-professionals zet nu dagelijks AI voor public relations in. Dit is geen trend meer. Dit is de huidige werkelijkheid. De vraag die in 2026 echt telt, is niet of je AI voor public relations aanneemt, maar welke taken er werkelijk baat bij hebben en welke alleen sneller aanvoelen. Deze gids trekt die lijn scherp, met bijzondere aandacht voor het moment waarop een herschrijving beter werkt dan een beter prompt.

Adoptie en werkelijk voordeel zijn twee verschillende dingen. De meeste artikelen over AI in PR opsommen de tien beste tools. Wat veel zeldzamer is: helderheid over welke tool welk werk doet en waar de handoff tussen systemen hoort.

De meerderheid van PR-teams zijn gebruikers. Het verschil zit in hoe je het inzet.

Eenennegen procent adoptie betekent dat AI nu standaard infrastruktuur is voor PR-teams, geen competitief voordeel op zich. Het voordeel komt uit hoe je het gebruikt.

Onderzoeksgegevens uit 2026 tonen dat de meest gebruikte toepassing brainstorming is, bij 73% van PR-professionals. Schrijven of aanpassen van content volgt op 68%. Een kleiner deel zet AI in waar het echt goed in is: merkvermeldingen monitoren op schaal, grote hoeveelheden mediadekking samenvatten, en journalistenlijsten bouwen op basis van recente artikelen.

Teams met de sterkste plaatsingresultaten produceren niet meer persberichten sneller. Zij gebruiken AI voor onderzoek en dekkingananalyse, en investeren de gewonnen tijd in het pitch zelf. Volume blijft ruwweg gelijk. Gericht worden verbeterd.

Dat onderscheid telt voordat je tools toevoegt aan je stack. Een mediamonitoring-platform met AI-samenvatting dient een ander doel dan een algemeen language model dat je voor eerste drafts prompta's geeft. Beide zijn nuttig. Ze zijn niet nuttig voor dezelfde dingen.

Persberichten: het eerste-draft-probleem is opgelost. Het citatprobleem niet.

Persberichten hebben een structuur die weinig verschilt tussen sectoren: nieuwshaak, de claim, één of twee woordvoerdersgetuigenissen, ondersteunende gegevens, standaard tekst. Die structuur is volledig te templaten. AI gaat hier zonder moeite mee om.

De praktische test: plak een 200-woord productbrief in een capabel language model en vraag om een draft gericht op een technologie-journalisten. Het resultaat verschijnt in minder dan twee minuten. De datumregel staat er. De standaard tekst is op zijn plaats. De openingsparagraaf begint met het nieuws. De structuur klopt.

Wat de draft niet zal hebben, is een woordvoerdersgetuigenis die klinkt als een echt persoon.

Door AI gegenereerde citaten volgen een specifiek foutpatroon. Ze drukken enthousiasme uit zonder positie in te nemen. 'We zijn enthousiast om deze oplossing aan onze klanten te brengen' is een zin die geen journalisten nodig hebben in een artikel. Een citaat dat plaatsing verdient, noemt een spanning, geeft een specifiek getal of doet een voorspelling die fout kan uitpakken. Generatieve AI produceert de versie die niet ter discussie staat. Dat is precies het probleem.

Bij een tweede lezing klinkt de woordvoerder als een merk in plaats van een individu. Dat gat is het signaal om te herschrijven.

Het pitch-stem-probleem: waarom AI-generatie een tweede taak creëert, geen minder

Zwentwoordigprocent van journalisten maakt zich zorgen over feitelijke fouten in AI-gegenereerde PR-content. Zesenachttigprocent zal een pitch onmiddellijk afwijzen als het niet aansluit bij hun werkgebied. Maar er is een derde afwijzingspatroon dat onderzoeken niet vastleggen: de pitch die als machinaal gegenereerd leest.

Journalisten verwerken dagelijks grote volumes pitches. De pitches die als AI-gegenereerd voelen, hebben een herkenbare eigenheid. Vloeiende zinnen, correct Engels, geen claim specifiek genoeg om fout te zijn, geen opening die eerst zegt wat de journalist dekt voordat het product wordt genoemd. Ze zijn makkelijk om voorbij te gaan omdat ze niets bepaalds van de lezer vragen.

De fout is de pitch genereren en hem dan verzenden. De juiste workflow is de pitch genereren en dan een herschrijving doen die afgestemd is op het werkgebied en registratie van de journalist.

De concrete test: neem een gegenereerde pitch, open een herschrijvingstool, stel de toon in op direct en informeel, en vergelijk de twee versies. De herschreven versie begint met het werkgebied van de journalist in plaats van de productlanceringsdatum. Het verwijdert de paragraaf die uitlegt wat de productcategorie is. Die paragraaf verschijnt in bijna elke AI-gegenereerde pitch. Het is bijna nooit nodig wanneer je schrijft voor een journalist die dat vakgebied elke week bedekt.

Wat in de praktijk verandert, is de openingszin. De AI-draft begint met het product. De herschreven versie begint met het werkgebied van de journalist.

Wat AI niet aankan in PR (het loont dit direct te benoemen)

Dit is de lijst die je leest voordat je de PR-tech-stack uitbreidt.

Journalistenrelaties. AI kan een lijst journalisten samenstellen die een werkgebied dekken op basis van recente artikelen. Het kan je niet vertellen dat een bepaalde journalist drie weken bezig is met een onderzoek naar een bedrijf naast het jouwe en geen pitch wil tot dat artikel gepubliceerd is. Relatieverband leeft bij het accountteam.

Crisistoon. Een crisiskennisgeving vereist een registratie die is afgestemd op wie getroffen is, wat al openbaar bekend is, en wat de organisatie al heeft gezegd. Generatieve AI valt terug op kalm, bedrijfsmatig en aansprakelijkheid-bewust Engels. In veel crisiszituaties leest die registratie als ontwijking in plaats van verantwoording. De beoefenaar moet het opzettelijk overschrijven en de registratie herschrijven, niet alleen de woordkeus.

Echte stemmen van woordvoerders. AI produceert citaten die klinken als bedrijfscommunicatie in plaats van individuen. Een CFO die 'toegewijd blijft aan transparantie en aandeelhouderswaarde' klinkt inwisselbaar met de CFO van elk ander bedrijf. Dat is geen citaat dat een journalist in een artikel met een menselijke bron zal gebruiken.

Oordeel over timing. Een pitch ingediend de dag waarop een grote concurrent een reorganisatie aankondigt, is of een geschenk of een ramp, afhankelijk van het specifieke verhaal. AI weet niet wat die ochtend gebeurd is zonder expliciet ingelicht te worden. En zelfs met inlichting, hoort het besluit bij de beoefenaar.

Drie taken waar AI duidelijk helpt in PR: eerste drafts op schaal, samenvatting van mediamonitoring, en hoekgeneratie aan het begin van een campagne. Twee waar het stagneert zonder een mens in de lus: alles wat redactioneel oordeel vereist, en alles wat relatieverband vereist.

Wanneer een herschrijving beter presteert dan helemaal opnieuw beginnen

Er is een specifiek scenario waar een AI-herschrijvingtool consistent beter presteert dan een algemeen language model: wanneer de content al bestaat maar de registratie klopt niet voor de doellezer.

Scenario een: een technisch witboek moet een samenvatting van 300 woorden worden voor een journalisten die niet-specialist is, in plaats van specialist. Een algemeen language model zal de content comprimeren maar zal geneigd zijn de formele nuanceringen en overgangszinnen te bewaren die de opening vertragen. Een herschrijvingtool afgestemd op registratie zal die nuanceringen schrappen, de openingsclaim verscherpen, en in juiste toon landen in één pass.

Scenario twee: een persberichtjaarlijks in formeel bedrijfsengels moet uit naar een publiek van startupoprichters. Formeel bedrijfsengels is een afwijzingssignaal in die context. De content klopt. De registratie klopt niet. Een toon-specifieke herschrijvingspass sluit die kloof zonder volledig herwerken.

Scenario drie: een niet-native Engelssprekende medewerker in het team schreef de eerste versie. Het argument klopt, de feiten zijn juist, maar frasepatronen uit de taal van herkomst zijn zichtbaar in de zinsstructuur. Een herschrijvingspass afgestemd op natuurlijk bedrijfsengels verwijdert die patronen zonder de gebronsde claims of betekenis te veranderen.

In alle drie de gevallen zit de bottleneck niet in content genereren. Het gaat om registratie aanpassen nadat de draft al bestaat. Dat is het specifieke probleem waarvoor AI-herschrijftools gebouwd zijn, en waar algemeen-inzetbare language models, die voor generatie zijn geoptimaliseerd in plaats van toon-specifieke herziening, merkbaar minder precies zijn.

De echte vraag is niet of AI goed schrijft. Het is of het in juiste registratie schrijft voor juiste lezer op juiste dag. Dat is een smaller vraag, en een bruikbaarder.

De twee-laags-stack die stand houdt onder deadline-druk

PR-teams die in 2026 sterkste AI-gesteunde resultaten rapporteren, gebruiken niet één tool voor alles. Ze draaien twee afzonderlijke lagen met verschillende functies.

Laag een is generatief: ChatGPT, Claude, of een PR-specifiek platform zoals Muck Rack's PressPal.ai of Press Ranger, die gestructureerde workflows bouwen op een basismodel. Deze laag zorgt voor eerste drafts, medialijstonderzoek, briefing-samenvattingen en dekking-samenvatting. Het lost het blanco-pagina-probleem en het monitoringvolume-probleem op.

Laag twee is herziening-gericht: een herschrijvingtool die stem-kalibrering, toon-matching en registratie-aanpassing handelt. Deze laag draait nadat de draft bestaat en voordat iets een journalist of redacteur bereikt. Het is ook wat een technisch juiste woordvoerdersgetuigenis omzet in een zin die een journalist werkelijk zou kunnen gebruiken.

Wat de stack niet vervangt, is de ervaren beoefenaar die weet wanneer een pitch als toonaf voelt gegeven wat in het nieuwscyclus zit. AI voorspelt op basis van patronen. Beoefenaars oordelen op basis van context. Dat zijn niet dezelfde operaties. Ze verwarren is de meest voorkomende fout in AI-voor-PR-rollouts.

De vraag voordat je iets verstuurt, is niet of de AI-draft technisch juist is. Het is of het klinkt als iemand die de laatste drie artikelen van de journalist las voordat ze hem schreef. Dat oordeel, en de herschrijvingspass die volgt, behoort nog steeds bij de beoefenaar.

De AI handelt structuur en snelheid. De herschrijvingslaag handelt registratie en stem. De beoefenaar handelt alles dat oordeel vereist.

Dat scheiding houdt beter stand dan het alternatief, dat is content helemaal opnieuw genereren en hopen dat de eerste draft dichtbij genoeg is om te verzenden.