"Over twee jaar heb je geen Google Ads-specialist meer nodig, dan doet AI het." Die zin hoor ik nu al een paar jaar.
Ondertussen zie ik het tegenovergestelde gebeuren: accounts die volledig op automatische piloot draaien, presteren gemiddeld slechter dan accounts waar iemand met verstand van zaken aan de knoppen zit. Niet omdat de AI dom is, maar omdat de AI niet weet wat jouw bedrijf nodig heeft.
Tegelijk gebruik ik zelf elke dag AI. Intensief. Het heeft mijn werk echt veranderd, alleen niet op de manier die de LinkedIn-hype je verkoopt. Dit is hoe het er in de praktijk uitziet.
Google Ads draait al jaren op AI, dat is niet het nieuws
Eerst iets rechtzetten: AI in Google Ads is niet nieuw. Smart Bidding, Performance Max, brede zoekwoorden met betekenisherkenning, automatisch gegenereerde assets. Dat is allemaal machine learning, en dat is inmiddels de ondergrond waar élk account op staat.
Het punt is: die AI werkt vóór Google. Hij optimaliseert naar het signaal dat jij hem geeft. Geef je hem een slecht signaal — een conversie die eigenlijk geen conversie is, een doel-ROAS die nergens op gebaseerd is, een productfeed vol ruis — dan wordt hij daar heel efficiënt slecht in. Met jouw budget.
De vraag is dus nooit "AI of een specialist". De vraag is: wie stuurt die AI aan, en op basis waarvan?
Waar ik AI wél voor gebruik
Ik beheer een portfolio klantaccounts vanuit één werkomgeving, waarin AI direct kan meelezen met de live accountdata. Dat levert vier dingen op.
1. Analyse die vroeger uren kostte, kost nu minuten
Zoektermenanalyse is het klassieke voorbeeld. Vroeger: exporteren, filteren in Excel, patronen zoeken, uitsluitingslijsten bouwen. Een halve dag per account als je het serieus deed. En dus deed je het niet elke week.
Nu haal ik de zoektermen rechtstreeks op en laat ik de patronen groeperen: welke thema's kosten geld zonder te converteren, waar zit koopintentie die nog geen eigen campagne heeft, welke termen wijzen op een verkeerde productmatch. Wat ik terugkrijg is geen kant-en-klaar antwoord, maar een gesorteerde stapel. Het wegen en beslissen doe ik nog steeds zelf. Alleen begin ik niet meer bij nul.
Hetzelfde geldt voor budgetverdeling, assetprestaties binnen Performance Max en campagnevergelijkingen over langere periodes. Dingen die je zou moeten doen maar in de praktijk overslaat omdat het te veel tijd kost, doe ik nu wél.
2. Audits volgens een vaste methodiek, niet volgens mijn dagvorm
Iedere specialist heeft blinde vlekken. Je kijkt naar wat je gewend bent te bekijken. Ik werk daarom met een vastgelegde auditmethodiek waar AI het account stap voor stap langsloopt: structuur, biedingen, conversietracking, feed, zoektermen, creatives, budgetten.
Het verschil met "AI die even naar je account kijkt" is dat de methodiek van tevoren vaststaat. De AI verzint niet zelf wat belangrijk is, hij loopt een checklist af die op ervaring is gebouwd en levert bevindingen aan die ik verifieer. Wat overblijft is consistentie: klant nummer twaalf krijgt dezelfde grondigheid als klant nummer één, ook op een vrijdagmiddag.
3. Rapportage die de klant daadwerkelijk leest
Rapportage is het stuk werk waar iedereen in dit vak een hekel aan heeft, en dat je klant tegelijk het meeste ziet. AI genereert bij mij de rapportages in mijn eigen huisstijl: de cijfers uit het account, de context erbij, in gewone taal.
Wat ik zelf schrijf is de conclusie. "De CPC steeg met 14%" is data. "De CPC steeg met 14% omdat een concurrent in maart is ingestapt op onze belangrijkste term, we hebben budget verschoven naar een segment waar we wél goedkoop staan" is een rapport. Dat tweede deel weet geen AI, want dat weet je alleen als je de markt volgt.
4. Sparringpartner om mezelf tegen te spreken
Dit is misschien wel de meest onderschatte toepassing. Als ik denk te weten waarom een campagne inzakt, leg ik mijn redenering voor en vraag ik expliciet: welke verklaringen mis ik? Wat zou dit nog meer kunnen zijn?
Dat is geen antwoordmachine, dat is een tegenwicht tegen mijn eigen tunnelvisie. Vaak zit mijn eerste hypothese ernaast en kom ik via zo'n rondje op de juiste. Vroeger had ik daar een collega voor nodig die net tijd had.
Hoe een maandagochtend eruitziet
Abstract praten over AI is makkelijk. Dit is wat het concreet betekent.
08:45 — Scan. Ik open mijn werkomgeving en laat over alle accounts heen één ding checken: waar is de afgelopen zeven dagen iets veranderd dat ik niet verwacht had? Geen dashboard dat ik moet interpreteren, maar een lijst afwijkingen: een campagne die 40% meer uitgeeft, een CPA die wegloopt, een productgroep die stilvalt. Vroeger opende ik vijftien accounts één voor één en keek ik rond. Nu krijg ik de uitzonderingen, en de rest laat ik met rust.
09:00 — Analyse. Eén account springt eruit: kosten omhoog, conversies gelijk. Ik haal de zoektermen van de laatste twee weken op en laat ze thematisch groeperen. Er komt een cluster naar boven rond een term die op het eerste gezicht relevant lijkt, maar bij navraag bij de klant om een dienst blijkt te gaan die ze vorig jaar hebben afgestoten. Dat verband legt geen AI. Hij levert het patroon, ik weet de geschiedenis van de klant.
09:30 — Ingrijpen. Uitsluitingen doorgevoerd, en meteen de vraag gesteld die ik anders was vergeten: staat die term ook in de andere accounts in dezelfde branche? Dat kost me nu een halve minuut in plaats van een middag, dus stel ik hem wél.
10:00 — Rapportage. Rapportage voor een klant die morgen belt. De cijfers en de opbouw komen automatisch, in mijn eigen huisstijl. Ik lees het na, gooi er twee alinea's uit die technisch kloppen maar niemand interesseren, en schrijf de conclusie er zelf onder: wat ik zie, wat ik ga doen, en wat ik van hen nodig heb.
10:30 — Klaar. Klaar met wat vroeger tot ver na de lunch duurde. De rest van de dag gaat naar het werk waar ik daadwerkelijk voor betaald word: nadenken over aanbod, structuur en waar de volgende groei vandaan moet komen.
AI haalt het uitzoekwerk weg. Het oordeel blijft precies waar het was.
Waar ik de grens hard trek
Nu het deel dat vaak wordt overgeslagen.
AI weet niet wat een conversie waard is. Hij ziet dat een lead binnenkomt. Hij weet niet dat 70% van die leads uit dat ene kanaal nooit klant wordt, dat de marge op product A het dubbele is van product B, of dat de verkoopafdeling deze maand al vol zit. Die kennis zit bij de klant en bij mij. En juist daar zit het verschil tussen "veel conversies" en "meer winst".
AI kent de context van het bedrijf niet. Voorraad die opraakt. Een leverancier die uitvalt. Een prijsverhoging volgende maand. Een seizoen dat dit jaar drie weken later begint. Een merkstrategie waarin je bewust níét op prijs wil concurreren. Elke serieuze Google Ads-beslissing hangt aan dat soort context, en die staat in geen enkele dataset.
AI is met grote zekerheid fout. Dit is de belangrijkste. Een taalmodel presenteert een verzonnen getal met precies evenveel overtuiging als een kloppend getal. Ik controleer daarom élk cijfer dat naar een klant gaat terug in de bron. Wie dat niet doet, stuurt vroeg of laat een rapport de deur uit dat niet klopt. En dan ben je in één keer al je geloofwaardigheid kwijt.
Niemand kan de verantwoordelijkheid overnemen. Als er 10.000 euro per maand doorheen gaat, is er iemand nodig die dat kan uitleggen, verdedigen en bijsturen. Dat is geen technische beperking, dat is gewoon hoe het werkt.
Het echte risico van AI in advertising
Niet dat AI het werk overneemt. Wel dat het middelmatig werk enorm versnelt.
Je kunt nu in tien minuten een compleet campagnevoorstel genereren dat er professioneel uitziet en volledig langs de kern van het bedrijf heen gaat. Je kunt 200 advertentieteksten laten schrijven die allemaal net iets te generiek zijn. Je kunt een account herstructureren op basis van een aanbeveling die je niet hebt gecontroleerd.
AI is een versterker. Zit er oordeel achter, dan wordt goed werk sneller en grondiger. Zit er geen oordeel achter, dan wordt zwak werk alleen maar sneller zwak, en op grotere schaal.
Wat dit voor jou als adverteerder betekent
Concreet: je krijgt meer aandacht voor hetzelfde geld.
De uren die vroeger in exporteren, sorteren en rapporten opmaken gingen, gaan nu naar de dingen die er echt toe doen: je aanbod scherper zetten, testen wat werkt, en de gesprekken voeren over wat een klant je eigenlijk oplevert. De analyse is dieper, gebeurt vaker, en is minder afhankelijk van hoeveel tijd er die week toevallig was.
Wat je níét krijgt is een account dat zichzelf beheert. Dat bestaat niet, en wie het je verkoopt heeft ofwel een demo gezien ofwel nog nooit een account overgenomen waar het misging.
Lees ook hoe AI het vak van Google Ads specialist verandert en wanneer je de AI van Google moet overrulen.
De betere vraag om te stellen
De beste vraag die je een Google Ads-specialist nu kunt stellen is niet "gebruik je AI?". Dat doet inmiddels iedereen, al is het alleen maar omdat Google het je oplegt.
De betere vraag is: waarvoor gebruik je het, en waarvoor bewust niet?
Wie daar een concreet antwoord op heeft, denkt na over zijn vak. Wie alleen "we zetten AI in voor optimalisatie" zegt, waarschijnlijk niet.
Benieuwd hoe dit uitpakt voor jouw Google Ads-beheer? Plan een kennismaking en ik loop je account met je door.
