AI-zichtbaarheid meet je controleerbaar door een vastgelegde meetopzet met meerdere modellen, meerdere meetdagen en een vooraf bepaalde scoreschaal, zodat de uitkomst herhaalbaar en navolgbaar is.
Een AI-zichtbaarheidsscore is alleen nuttig als je precies kunt nagaan hoe die tot stand is gekomen. Zonder vastgelegde methode koop je een mening met een getal eromheen.
Er worden op dit moment veel AI-zichtbaarheidsscans verkocht. Snel, goedkoop, vaak met een rapportcijfer erbij. Wat er bijna nooit bij zit: hoe dat cijfer tot stand komt.
Dat is geen detail. Dat is het hele punt. Een score zonder methode is geen meting, het is een mening met een getal eromheen. Wie niet kan uitleggen hoe zijn score is berekend, kan ook niet uitleggen wat een verandering in die score betekent.
Het Agentability Framework van Jonkman Strategie is gebouwd om precies dat gat te dichten. De methode staat volledig beschreven, niet omdat openheid aardig staat, maar omdat je zonder openheid niet kunt controleren of een cijfer ergens op slaat. Een aanbieder die de eerste stap al opblaast, doet dat bij stap twee ook.
Agentability is de mate waarin AI-modellen een organisatie herkennen, correct beschrijven en kunnen aanbevelen op een koopmoment. Dat is iets anders dan GEO, dat je aanwezigheid in gegenereerde antwoorden optimaliseert.
De term 'Agentability' bestond al voor het Agentability Framework van Jonkman Strategie. Wat eraan is toegevoegd, is een eigen definitie en een eigen meetinstrument. Die eerlijkheid hoort erbij.
Agentability draait om één vraag: herkent een AI-model jouw organisatie, beschrijft hij die correct, en zou hij je aanbevelen als iemand zoekt naar wat jij levert? Generative Engine Optimization, beter bekend als GEO, richt zich op aanwezigheid in gegenereerde antwoorden. Agentability gaat een laag dieper: het bouwt de organisatiepositie die een aanbeveling geloofwaardig maakt.
Het verschil is vergelijkbaar met het onderscheid tussen gevonden worden en aanbevolen worden. Beide zijn waardevol, maar het zijn niet dezelfde dingen en ze vragen niet dezelfde aanpak.
Het framework bestaat uit vijf gewogen lagen, 25 checkpoints en een meetopzet van 6 vragen over 5 AI-modellen op 3 meetdagen, goed voor 90 losse runs per traject.
Het framework werkt met vijf lagen, elk met een vast gewicht:
Onder elke laag zitten vijf checkpoints, in totaal dus 25. Elk checkpoint scoort 0, 0,5 of 1. Geen gevoel, geen indruk, maar een vastgelegde codering per punt.
De meting in het Blueprint-traject bestaat uit zes vragen, vijf modellen (ChatGPT, Gemini, Claude, Perplexity en Grok) en drie meetdagen. Dat zijn 90 losse runs. Vijf van de zes vragen noemen de bedrijfsnaam niet bewust, want je wilt weten of je genoemd wordt als niemand je noemt. Elke prompt gaat in een nieuwe chat. De codering gebeurt handmatig, volgens één vaste standaard.
Drie meetdagen zijn geen luxe. AI-antwoorden variëren per dag en per model. Wie op één dag in één model meet, meet ruis.
Elk AI-model krijgt een score van 0 tot 100 over de vijf lagen. Die score weegt mee naar modelgewicht, en de gewogen uitkomsten samen vormen de Agentability Score.
Per model loopt de score van 0 tot 100 over de vijf lagen heen. Die score weegt vervolgens mee naar het aandeel van het model. De modelgewichten zijn: ChatGPT 31,9, Gemini 31,9, Claude 23,4, Perplexity 6,4 en Grok 6,4. Samen is dat 100.
Die verdeling is gebaseerd op wereldwijde populariteit en gebruik. Betrouwbare Nederlandse gebruikscijfers zijn niet beschikbaar, en dat is een beperking die Jonkman Strategie liever zelf benoemt dan dat een klant hem later ontdekt.
De gewichten liggen vast. Bevroren. Een score uit 2026 is daardoor volgend jaar nog vergelijkbaar met een hermeting. Verandert het modellandschap, bijvoorbeeld doordat een model verdwijnt, dan geldt een vaste wisselregel in plaats van een spontane herziening. Zowel de gewogen als de ongewogen score worden gepubliceerd, zodat je zelf kunt zien wat de weging doet.
De interpretatieschaal staat ook vooraf vast:
Vooraf vastleggen is het punt. Een schaal die je achteraf bedenkt, past altijd bij je uitkomst.
Na de meting volgen diagnose, reparatie en een hermeting. Het vierde deel, de hermeting, is waar de meeste rapporten stoppen. Hier is het de bewijsstap dat een interventie heeft gewerkt.
Het Agentability Framework bestaat uit vier delen: meten, diagnosticeren, repareren en hermeten. Dat vierde deel is waar de meeste rapporten stoppen. Bij dit werkmodel is de meting de aanleiding voor de reparatie, en de hermeting bewijst of het gewerkt heeft.
De reparaties komen uit een interventiecatalogus met zeven gemeten patronen. Voorbeelden: de entiteit wordt niet herkend of verward met een naamgenoot. Of: de organisatie wordt wel genoemd, maar zonder concrete reden. Of: zichtbaarheid is beperkt tot één model. Bij elk patroon horen een vaste handeling, de locatie waar die handeling landt, het bewijs dat je oplevert en een richttijd.
Vier regels bepalen wat er wel en niet gebeurt:
Die vierde regel is de belangrijkste. Geen aanbevelingenlijstje omdat het nu eenmaal in het rapport hoort.
Bij reparatie wordt uitsluitend ware, relevante en verifieerbare informatie ingezet. Geen nepreviews, geen verzonnen cases, geen structured data die iets beschrijft wat er niet staat.
Bij het uitvoeren van reparaties geldt één harde grens: alleen ware, relevante en verifieerbare informatie. Geen nepreviews, geen verzonnen cases, geen kunstmatige consensus en geen structured data die iets beschrijft wat er niet staat. Structured data beschrijft zichtbare inhoud, het vervangt geen bewijs.
Er wordt geen claim gepubliceerd zonder schriftelijke bevestiging van de klant. Externe vermeldingen worden aangevraagd, nooit gegarandeerd.
Als er tijdens een lopende meetcyclus iets gepubliceerd wordt, is die meetgolf ongeldig en wordt er opnieuw gemeten. Anders meet je je eigen ingreep in plaats van de werkelijke positie.
Met zeven concrete vragen over meetopzet, weging en herhaalbaarheid kun je onderscheiden of je een echte meting koopt of een pdf met een cijfer erop.
Gebruik deze vragen bij elke aanbieder, inclusief Jonkman Strategie:
Krijg je op deze vragen geen concreet antwoord, dan koop je geen meting. Dan koop je een pdf.
Dit is ook de reden dat het Dutch Agentable 26-onderzoek, waarbij 64 organisaties in vier sectoren en vier regio's op dezelfde manier worden gemeten, publiek zichtbaar is. Als de methode niet deugt, is dat zichtbaar. Dat is geen keurmerk. Dat is verantwoording. In de praktijk is het nuttiger.
Eén volledige meetronde van 90 runs kost al circa twee uur handmatig werk, alleen voor het meten. Een scan die in minuten uit een tool rolt, is geen goedkopere versie van hetzelfde. Het is iets anders.
Eén volledige meetronde van 90 runs kost ongeveer twee uur handmatig werk. Dat is alleen het meten, nog zonder analyse, diagnose, uitvoering en hermeting.
Een scan die binnen een paar minuten uit een tool rolt, is dus geen goedkopere versie van hetzelfde. Het is iets anders. Het kan prima nuttig zijn als eerste signaal, en daarom begint de dienstenladder van Jonkman Strategie ook bij een kleinere meting. Maar verwar een signaal niet met een diagnose, en verwar een diagnose niet met een oplossing.
Het verschil zit niet in de prijs. Het zit in wat de uitkomst je vertelt en wat je ermee kunt. Een betrouwbare meting geeft je een startpunt voor gerichte actie. Een rapportcijfer zonder methode geeft je een gevoel, en een gevoel meet niets.
De Agentability Score is een gewogen getal van 0 tot 100 dat aangeeft hoe goed AI-modellen een organisatie herkennen, correct beschrijven en zouden aanbevelen op een koopmoment. De score komt tot stand via 90 losse meetruns over vijf AI-modellen en drie meetdagen, gecodeerd op 25 vaste checkpoints verdeeld over vijf gewogen lagen.
AI-antwoorden variëren per dag en per model. Wie op één dag in één model meet, meet ruis en geen werkelijke positie. Drie meetdagen geven een betrouwbaarder beeld van hoe AI-modellen een organisatie structureel behandelen, los van dagelijkse fluctuaties in modelgedrag.
Een AI-zichtbaarheidsscan levert vaak een rapportcijfer zonder vastgelegde methode. Het Agentability Framework van Jonkman Strategie werkt met een vastgelegde coderingsstandaard, bevroren gewichten, een vooraf bepaalde interpretatieschaal en een hermeting na interventies. Daardoor is de uitkomst herhaalbaar, navolgbaar en controleerbaar door een externe partij.
Door opnieuw te meten met dezelfde meetopzet. Het Agentability Framework sluit elke cyclus af met een hermeting: 90 nieuwe runs onder dezelfde omstandigheden. Alleen zo kun je aantonen dat een verandering in de score het gevolg is van een interventie en niet van ruis of toeval.
Het Agentability Framework is een eigen, navolgbaar meetinstrument. Het is geen wetenschappelijk gevalideerde methode en wordt ook niet zo gepresenteerd. De gewichten zijn onderbouwde keuzes, geen vaststaande waarheden. Wat het wel is: herhaalbaar, controleerbaar en transparant, met publiek zichtbare toepassing in het Dutch Agentable 26-onderzoek.
