Generatieve AI dendert in rap tempo onze creatieve industrie binnen. Waar we AI-tools eerst vooral als handige ondersteuning zagen, laten recente wetenschappelijke inzichten zien dat ze snel volwassen zijn geworden. Ze bereiken inmiddels een niveau dat menselijke creativiteit op specifieke dimensies evenaart — en soms zelfs overtreft.
Een studie van Hartmann en collega’s (2025) vergelijkt een groot aantal GenAI-gegenereerde marketingbeelden met menselijke creaties. De conclusie is zowel verbluffend als confronterend: GenAI produceert beelden vaak sneller en goedkoper, en scoort op bepaalde marketingcriteria zelfs beter dan werk van professionele designers.
Het betreft weliswaar één onderzoek met specifieke beperkingen, maar de bevindingen zijn niettemin opvallend. Dat klinkt voor creatieve professionals zorgwekkend. Toch biedt het onderzoek kansen voor marketeers, merken en makers die bereid zijn GenAI strategisch en kritisch te omarmen.
Waar gaat deze blog over?
Deze blog laat zien:
- Waarom mensen GenAI-gegenereerde marketingbeelden soms aantrekkelijker beoordelen dan door professionals gemaakte ontwerpen
- Hoe GenAI-tekst-to-image modellen als DALL·E 3 en Midjourney v6 hogere click-through rates kunnen behalen dan een professionele stockfoto in een specifieke campagne-context
- Hoe je als marketeer deze inzichten verantwoord en effectief kunt benutten.
‘Creativiteit met turbo’: GenAI werkt sneller dan wij
GenAI heeft inmiddels een creatieve productiesnelheid waar geen mens tegenop kan. Hartmann en collega’s maakten meer dan 10.000 marketingbeelden met zeven toonaangevende GenAI-modellen. Meer dan 250.000 door mensen gegeven beoordelingen lieten zien hoe AI-beelden zich verhouden tot ongeveer 2.400 professioneel gemaakte foto’s en advertenties.
Wat bleek?
- GenAI-beelden scoorden gemiddeld hoger op esthetiek
- Sommige modellen produceerden beelden die door mensen als meer fotorealistisch werden beoordeeld dan echte foto’s
- De output van GenAI is opvallend consistent, zeker vergeleken met menselijke freelancers
GenAI die instructies soms beter volgt dan mensen
Een opvallende bevinding: GenAI volgt creatieve briefings in veel gevallen nauwkeuriger op dan menselijke freelancers. Waar mensen soms interpreteren, variëren of bewust afwijken, wat natuurlijk ook voordelen kan hebben, blijven modellen zoals DALL·E 3 zeer precies. Kanttekening: Het gebrek aan iteratie in het onderzoek wijkt af van de realiteit, waarin freelancers hun werk kunnen finetunen na feedback.
GenAI blinkt uit in:
- Het herkennen van stijlelementen
- Het naleven van detailinstructies
- Het produceren van een consistent merkbeeld, mits de prompts goed zijn opgesteld
De ‘GenAI vs. mens’-strijd: verrassende uitkomsten
Mensen geven GenAI-beelden vaak hogere scores dan menselijke beelden op:
- Esthetiek
- Kwaliteit
- Een in sommige gevallen ook op creativiteit, gemeten via gevalideerde marketing-schalen.
GenAI-beelden leverden in een grootschalige veldstudie tot 50% hogere click-through rates op dan professioneel gemaakte stockfoto’s.
Kortom, GenAI presteert op visueel vlak bij marketingcontent niet enkel ‘goed genoeg’, maar kan, onder gunstige omstandigheden, niveaus bereiken die voorheen alleen door professionals werden gerealiseerd.
Waarom werkt GenAI dan zo goed?
Het onderzoek laat zien dat GenAI vaak beelden maakt met:
- Sterke symmetrie – een uitgebalanceerde beeldopbouw die direct rust en orde geeft;
- Heldere compositie – duidelijke hoofd- en nevenelementen waardoor het oog vanzelf de juiste route volgt;
- Vloeiende details – overgangen, texturen en vormen die naadloos in elkaar overlopen, zonder storende breuken;
- Interpretatie-uitnodigende perspectieven – standpunten of kadreringen die nét afwijken van het alledaagse, waardoor je even moet nadenken wat er precies gebeurt of hoe je jezelf in de scène zou plaatsen.
Deze visuele eigenschappen sluiten nauw aan bij hoe mensen betekenis en aantrekkingskracht in beelden construeren. Vooral dat laatste is effectief: doordat het beeld ‘openingen’ biedt voor interpretatie, kunnen kijkers zich sneller inleven of er een eigen verhaal in zien.
Wat betekent dit voor creatieve professionals?
Dit onderzoek roept logische vragen op:
- Gaat GenAI bepaalde vormen van creatief werk vervangen?
- Wat is menselijke creativiteit nog waard in een context van automatische contentproductie?
- Wat betekent dit voor fotografen, designers en Art directors?
De studie voorspelt dat GenAI het vakgebied structureel zal veranderen, vooral in kostenstructuren en workflows. Dat betekent niet het einde van menselijke creativiteit, maar wel het einde van creativiteit zoals we die gewend waren.
Dat kan bedreigend aanvoelen, maar het is slechts één kant van het verhaal. Het onderzoek kent beperkingen: de vergelijking was met freelancers, niet met gevestigde bureaus of senior creatieven, en langetermijneffecten op merkwaarde en authenticiteit zijn buiten beschouwing gelaten. De resultaten zijn daarmee vooral relevant in afgebakende situaties — niet automatisch voor complexe creatieve vraagstukken waarin merkidentiteit en vertrouwen centraal staan.
De positieve draai: waarom dit juist een kans is:
- Creatieven blijven de regisseurs.
GenAI maakt beelden, maar mensen bepalen richting, context en merkwaarden.
- Meer ruimte voor experiment.
GenAI maakt het mogelijk om snel en goedkoop veel meer creatieve varianten te testen dan voorheen haalbaar was.
- GenAI verlaagt creatieve drempels
Meer mensen kunnen ideeën visualiseren zonder technische barrières — maar kwaliteit blijft afhankelijk van menselijk oordeel en selectie.
- GenAI is een superkracht — geen automatische vervanger.
Niet elk GenAI-model presteert even goed, en niet elke output is bruikbaar. Expertise in conceptontwikkeling, prompting, selectie en fine-tuning blijft cruciaal.
Kortom
Generatieve AI betekent een sprong voorwaarts in de wereld van marketing en merken. GenAI is geen bedreiging die ons verlamt—het is een kracht die we kunnen inzetten als turbo op onze creativiteit mits zij wordt ingezet met inzicht, nuance en menselijke regie. Want de mens bepaalt uiteindelijk wat past bij merken en doelgroepen. Wie dat omarmt, verandert zorgen in kansen.
Quote:
“Once the technology is invented, it will be very hard
to ‘uninvent it’ and not use it.”
McLuhan, 1964
Meer weten? Dit artikel is gebaseerd op onderstaand onderzoek:
Hartmann, J., Exner, Y., & Domdey, S. (2025). The power of generative marketing: Can generative AI create superhuman visual marketing content? International Journal of Research in Marketing, 42, 13–31. https://doi.org/10.1016/j.ijresmar.2024.09.002
Wat GenAI nooit zal kunnen
Hoewel GenAI indrukwekkende stappen zet, is het net zo belangrijk te begrijpen waar de grens ligt. Er zijn zaken die generatieve AI principieel nooit zal kunnen — al is daar zeker discussie over:
- GenAI initieert nooit zelf. Een model begint niet met denken of handelen; het wacht altijd op een menselijke prompt, richting of beslissing.
- Het heeft geen eigen intentie of wereldbeeld. Geen visie, geen moreel kompas, geen culturele bagage en geen emotionele ervaring.
- Het begrijpt niet werkelijk. Het voorspelt patronen. Daarom kan het geen authentieke creativiteit voortbrengen, geen verantwoordelijkheid dragen en geen betekenis genereren buiten de data waarop het is getraind.
… en wat het in de toekomst waarschijnlijk wél kan
Tegelijkertijd zijn er gebieden waar GenAI vandaag nog tekortschiet, maar die de komende jaren waarschijnlijk sterk zullen verbeteren:
- Dieper merkbegrip: modellen die merken en merkwaarden beter kunnen interpreteren en consequenter kunnen toepassen.
- Langdurige creatieve consistentie: visuele en conceptuele samenhang behouden over langere projecten en meerdere formats.
- Nauwkeurige detailcontrole: fijner kunnen sturen op stijl, compositie, perspectief en specifieke visuele elementen.
- Koppeling aan strategie: visuele output genereren die direct verbonden is aan strategische merk- en communicatiedoelen.
- Grootschalige personalisatie: content creëren die gepersonaliseerd, contextueel relevant en toch coherent blijft.
- Beter itereren en integreren: modellen die eerdere versies onthouden, feedback verwerken en stabieler merkidentiteiten kunnen volgen.
Naarmate modellen beter leren itereren, context meenemen en consistente identiteiten vasthouden, zullen ze steeds vaker een volwaardige partner worden in creatieve workflows — zonder de menselijke regisseur te vervangen.