Google publiceerde een onderzoekspaper over een nieuw systeem dat AI-gegenereerde spam op grote schaal detecteert en verwijdert. Het onderzoek richt zich op videocontent, maar de technieken die Google beschrijft gelden ook voor tekstcontent. En dat is voor iedereen die zich bezighoudt met websites en SEO het waard om te begrijpen.
Waarom werken traditionele spamfilters niet altijd meer?
Het probleem dat Google beschrijft is niet nieuw, maar de schaal wel. Spammers gebruiken generatieve AI om enorme hoeveelheden content te produceren. Content die per stuk uniek lijkt, maar inhoudelijk identiek is. Google noemt dit “infinite, unique variations of functionally identical spam.”
Traditionele kwaliteitsfilters analyseren losse stukken content. Dat werkte goed toen spam schaars was en herkenbaar. Nu AI elke seconde nieuwe varianten kan genereren, is die aanpak te langzaam. De spammers produceren sneller dan de filters kunnen bijhouden, en ze passen hun content voortdurend aan om net onder de detectiedrempel te blijven, wat Google “adversarial adaptation” noemt.
Het nieuwe systeem? Clusters in plaats van losse content
De oplossing die Google ontwikkelde heet Scalable Cluster Termination System, afgekort S-CTS. In plaats van elke afzonderlijke video of tekst te beoordelen, kijkt het systeem naar patronen over grote groepen accounts heen. De redenering is vrij simpel. Als duizenden accounts dezelfde AI-sjablonen gebruiken, zijn ze waarschijnlijk verbonden. S-CTS groepeert die accounts in wat Google “Generation Clusters” noemt. Als genoeg accounts in zo’n cluster hetzelfde patroon vertonen, worden ze allemaal tegelijk verwijderd.
Het systeem werkt via twee componenten. De eerste analyseert de content zelf: herhaalde narratieve sjablonen, AI-gegenereerde tekst en publicatiegedrag dat niet menselijk is qua frequentie. De tweede analyseert de infrastructuur: welke accounts zijn waarschijnlijk afkomstig van dezelfde API, hetzelfde script of dezelfde operator?
Sentence-BERT
Een detail in het onderzoekspapier dat voor SEO interessant is: Google verwijst in het originele onderzoekspapier naar Sentence-BERT (SBERT) als methode om AI-gegenereerde tekst te identificeren. SBERT is een techniek die zinnen omzet in wiskundige vectoren waarmee je semantische overeenkomsten tussen teksten kunt meten.
Een AI-gegenereerde tekst laat een herkenbaar patroon achter in die wiskundige representatie. Teksten die door hetzelfde AI-model zijn gegenereerd, lijken op elkaar op een manier die voor een menselijke lezer misschien niet opvalt, maar voor een algoritmische analyse wel degelijk zichtbaar is.
Google gebruikt SBERT niet als enige filter, maar als onderdeel van een breder systeem. Toch is het opvallend dat een techniek die al zeven jaar bestaat nu expliciet wordt gekoppeld aan het detecteren van AI-gegenereerde spam. De SEO-industrie wist hier tot nu toe nauwelijks iets van, aldus Search Engine Journal in hun analyse van het Google-onderzoek.
Snel aanpassen aan nieuwe AI-modellen
Een van de sterkste kanten van het nieuwe systeem is hoe snel het zich kan aanpassen. Normaal gesproken vereist het trainen van een groot AI-model enorme hoeveelheden tijd en rekenkracht. Google gebruikt in dit systeem een techniek genaamd Low-Rank Adaptation (LoRA), waarmee ze hun detectiemodel snel kunnen bijwerken zonder het van de grond af opnieuw te trainen.
Als spammers overstappen op een nieuw AI-model om spam te genereren, kan Google zijn detectiesysteem relatief snel aanpassen. De race tussen spammers en filters gaat gewoon door, maar Google heeft nu een sneller wapen.
Wat betekent dit voor jouw website?
Het onderzoekspaper gaat over gecoördineerde AI-spam op grote schaal, denk aan netwerken van duizenden accounts die automatisch content plaatsen. Dat is een andere categorie dan een ondernemer die af en toe AI gebruikt om een blogtekst te schrijven. Toch zijn er wel lessen uit te trekken.
Ten eerste bevestigt Google hiermee dat ze actief werken aan het detecteren van AI-gegenereerde content die op grote schaal en op geautomatiseerde manier wordt ingezet. De technieken die ze beschrijven, zoals clusteranalyse en semantische patroonherkenning, zijn schaalbaar en kunnen ook ingezet worden buiten de context van georganiseerde spam.
Ten tweede maakt dit duidelijk waarom originele, menselijk geschreven of menselijk geredigeerde content steeds belangrijker wordt. Niet omdat AI per definitie slecht is, maar omdat geautomatiseerde AI-content herkenbare patronen achterlaat die Google steeds beter leert detecteren. Content die echt iets toevoegt, een eigen invalshoek heeft, gebaseerd is op eigen ervaring of data, laat die patronen veel minder sterk zien.
Ten derde onderstreept dit de richting die Google al jaren aangeeft: het gaat om de kwaliteit en originaliteit van content, niet om de herkomst. AI als schrijfhulp is iets anders dan AI als vervanger van inhoudelijke kennis. Als je meer wilt begrijpen over hoe AI en zoekmachines zich tot elkaar verhouden, is mijn blog over hoe AI verkeer naar websites groeit een goed aanknopingspunt. Wil je meer weten over hoe je jouw website optimaliseert voor AI-zoekmachines? Dan lees je hier meer over SEO voor AI.
De kern
Google bouwt actief aan systemen die AI-gegenereerde spam herkennen, niet door losse teksten te beoordelen, maar door patronen te zien over grote netwerken van accounts heen. De technieken zijn geavanceerd en passen zich snel aan. Voor wie serieus bezig is met online vindbaarheid, is de conclusie dezelfde als altijd. Content die echt iets toevoegt en niet fabrieksmatig is geproduceerd, staat steviger.
Heb je vragen over hoe jouw website en content er nu voor staan? Neem contact op.
Bron: Search Engine Journal – Google Research Shows How AI Spam Can Be Detected
