
Naïlé Titah
Claude is een van de beste schrijvers die je in een browsertabblad kunt zetten, en op LinkedIn in 2026 is dat precies het probleem. De standaarduitvoer is gepolijst, uitgebalanceerd en gestructureerd. Dat is exact het register dat de feed is gaan beschouwen als generiek en stilletjes aan minder mensen is gaan tonen.
Het gebruik van AI is prima. Het publiceren van onbewerkte Claude is het deel dat je geld kost.
Dit is geen "raak AI nooit aan"-stuk. LinkedIn zegt zelf dat het "oké is om AI te gebruiken om je te helpen schrijven." Het probleem is specifieker en praktischer.
Een chatbot voor algemeen gebruik heeft geen idee hoe bereik er op LinkedIn uitziet, schrijft niet in je stem en neigt naar dezelfde handvol vormen waarop elk ander AI-ontwerp belandt. Hieronder: wat er misgaat, de gegevens erachter en wat je in plaats daarvan kunt doen.
TL;DR: Claude is een uitstekende schrijver, en dat is precies waarom de onbewerkte output het tegenwoordig moeilijk heeft op LinkedIn. De standaardinstellingen (het liggende streepje, het contrast van "het is niet X, maar Y", de wrijvingsloze perfectie) zijn de sjabloonachtige vormen die de feed van 2026 devalueert, en elk model drijft af naar diezelfde gemiddelde stem (modelinstorting). Laat het een concept schrijven, verwijder vervolgens de patronen die ten koste gaan van je bereik en behoud je eigen stem, of gebruik een AI die speciaal voor LinkedIn is gebouwd.
Is Claude goed voor het schrijven van LinkedIn-posts?
Als schrijver, ja. Claude produceert duidelijke, zelfverzekerde, goed gestructureerde proza en dat is oprecht nuttig voor een eerste versie. Het probleem is dat "duidelijk, zelfverzekerd, goed gestructureerd" tegenwoordig een weggever is.
Begin 2026 kondigde LinkedIn aan dat het "generiek aanvoelende" posts aan minder mensen zou tonen. In een post getiteld "Keeping conversations real on LinkedIn" noemde Laura Lorenzetti (VP en Executive Editor, LinkedIn Global Editorial) het doelwit "AI-slop". Haar definitie: content "die aan de oppervlakte misschien gepolijst klinkt, maar een echt uniek perspectief of substantie mist." De belangrijkste regel, in LinkedIn's eigen woorden:
"Het is oké om AI te gebruiken om je te helpen schrijven, maar je posts en commentaren moeten je stem en je perspectieven vertegenwoordigen. De uiteindelijke waarde komt van de mens achter de tool."
De glans die Claude indrukwekkend maakt in een essay is dezelfde glans die LinkedIn nu degradeert in een post. De tool is niet de schurk. Het onbewerkt publiceren van de standaardstem is dat wel.
Waarom klinkt Claude als AI op LinkedIn?
Omdat zijn instinct direct wijst naar de patronen die de feed herkent als machinaal gemaakt. Drie daarvan in het bijzonder.
Het gedachtestreeepje (em dash). Claude grijpt voortdurend naar het gedachtestreeepje, op de manier waarop verzorgd gedrukt proza dat doet. Tegen 2026 is het gedachtestreeepje het eerste dat lezers controleren wanneer een post naar AI ruikt, een "duidelijke weggever" die in duizenden LinkedIn-threads wordt herhaald. We analyseren het echte signaal in is het gedachtestreeepje een teken van AI?.
De contrast- en onthullingsstructuren. "Het is niet X, het is Y." "Dit is wat niemand je vertelt." "Het resultaat?" Deze symmetrische, dramatische wendingen zijn Claude's comfortzone, en ze zijn precies de sjabloonvormen die lezers nu herkennen als AI.
Wrijvingloze balans. Claude kiest zelden voor een scherpe, eenzijdige, iets te persoonlijke mening. Het vlakt de scherpe kantjes af. Op LinkedIn is die afgeronde hoek juist wat ondergesneeuwd raakt, omdat het leest als de conceptversie van ieder ander.
Toen we onze eigen AI-detector lieten draaien op concepten van de belangrijkste modellen, leunde die van Claude het sterkst op precies deze structuren. Dat was een interne meting in plaats van een gepubliceerde studie, maar het komt overeen met wat schrijvers in het openbaar rapporteren: van de grote modellen is het proza van Claude een van de meest herkenbaar "door AI gepolijste."
Waarom drijven alle AI-modellen naar dezelfde stem toe?
Dit is geen eigenaardigheid van Claude waar je je met prompts uit kunt praten. Het is structureel, en het heeft een naam.
Modellen trainen steeds vaker op tekst die door eerdere modellen is geproduceerd. Generatie na generatie worden de zeldzame, eigenzinnige, typisch menselijke scherpe randjes van het schrijven weggefilterd, totdat de output convergeert naar een soepel, uniform midden.
Het team van Oxford en Cambridge dat dit formaliseerde, publiceerde in 2024 in Nature: trainen op recursief gegenereerde gegevens zorgt ervoor dat "staarten van de oorspronkelijke content-distributie verdwijnen" en het resultaat ineenstort tot één enkele, gemiddelde modus (Shumailov et al., Nature).
Een commentaar in Nature op het onderzoek schetst het traject: voed modellen te veel door AI gegenereerde gegevens en hun output vlakt eerst af tot eenvormigheid, en degradeert vervolgens, over voldoende generaties, tot wartaal (Wenger, Nature). LinkedIn bevindt zich in de beginfase van die curve, de afvlakking, niet de wartaal.

Die lus is al actief op LinkedIn, en je kunt hem voeden zonder dat je het doorhebt.
Je stopt bij een post die je bewondert, die mogelijk zelf door AI is geschreven. Je vraagt een model om "iets vergelijkbaars", en dat model is getraind op posts die al zijn gekalibreerd om als AI te klinken. Je publiceert, en je post wordt nog een voorbeeld dat de volgende lezer kopieert en waar het volgende model van leert. Elke passage voegt nog een laag van dezelfde glans toe.
Dat gemiddelde midden is in de praktijk wat LinkedIn slop noemt: gepolijst aan de oppervlakte, zonder echt perspectief eronder. Het is ook de reden waarom deze paar patronen nu overal tegelijk opduiken, het volledige verhaal van hoe AI-schrijven de LinkedIn-feed overnam en waar de patronen vandaan kwamen.
Het is ook de reden waarom zware prompt-engineering of aangeplakte "vaardigheden" je maar tot zover brengen. Je kunt Claude voor één concept uit zijn standaardinstellingen duwen. Maar de zwaartekracht trekt altijd terug naar het gemiddelde, want het gemiddelde is wat het is getraind om te produceren.
Er is een keerzijde die de moeite waard is om in het oog te houden. Hoe meer de feed zich vult met gemiddeld AI-proza, hoe zeldzamer een echt originele menselijke post wordt, en hoe meer deze opvalt. In 2026 is zorgvuldig lezen, zelf nadenken en schrijven met een stem die geen enkel model naar het midden zou kunnen middelen niet alleen beleefdheid. Het is je voorsprong.
Kost het publiceren van onbewerkte Claude je daadwerkelijk bereik?
Ja, en de kosten zijn nieuw. We hebben dit gemeten bij 287.120 LinkedIn-posts, waarbij we elke auteur alleen vergeleken met hun eigen andere posts, dus de grootte van het publiek kan het resultaat niet verklaren. Een handvol sjabloonachtige formuleringen sleept een post telkens onder het eigen gemiddelde van die auteur. Het zijn de formuleringen waar een universeel model standaard naar grijpt. Dit effect was statistisch gezien afwezig voor 2026.

Formulering | Klinkt als | Kosten voor bereik binnen dezelfde auteur |
Generiek advieskader | "Stop met jagen op likes, begin met het oplossen van problemen" | -6,7% |
"Dat is geen aannameprobleem, het is een procesprobleem" | -4,9% | |
De brug "Het resultaat?" | "...ze presteren onder de maat. Het resultaat? Ze verliezen de deal" | -4,8% |
"Hier is wat niemand je vertelt over aannemen" | -4,3% |
Geen van deze zijn verboden woorden. Het zijn patronen, en het zijn de standaarden van Claude. Dit is de valkuil van het gebruikelijke advies: de "AI-woorden" die iedereen je adviseert te vermijden (delve, tapestry, "in the realm of") vallen nauwelijks meer op, terwijl deze structurele wendingen zijn wat je daadwerkelijk bereik kost.
Het volledige bewijs binnen dezelfde auteur is te vinden in onze bereiksstudie, en het sluit aan bij LinkedIn's eigen stap begin 2026. Het platform meldt dat het "generieke content in 94% van de gevallen correct identificeert" en dat generieke posts "minder snel breed verspreid worden buiten het directe netwerk van een persoon."
Dit is een reëel, tweederangs effect, geen magische knop. Bereik wordt nog steeds grotendeels bepaald door je publiek en je onderwerp. Maar de richting is duidelijk: de onbewerkte Claude-vorm is de vorm die de feed is gaan inhouden.
Kun je Claude niet gewoon beter prompten, of een vaardigheid toevoegen?
Dat kan een beetje, maar het houdt geen stand. Om twee redenen.
Het drijft terug. De standaardinstelling van een model is de gemiddelde stem waarop het is getraind, dus een slimme prompt herstelt één concept, niet de volgende vijftig.
Het corrigeert overmatig. Een algemene instructie om "dit minder als AI te laten klinken" kan het onderscheid niet maken tussen de wendingen die bereik kosten en de menselijke gewoonten die het juist opleveren. In diezelfde gegevens van 2026 zijn drie acties die "LinkedIn-achtig klinken" juist positief voor het bereik:
Echte oprechtheid (een echte, ongepolijste bekentenis): +4,6%
Een P.S. of CTA-afsluiting: +7,5%
Een echte slotvraag: neutraal voor het bereik, en het trekt de reacties aan die het voeden
Een generieke de-AI-prompt vlakt deze samen met de rest af, waardoor je de onderdelen verwijdert die je juist hielpen. Het werk is chirurgisch: verwijder vier specifieke structuren, bescherm drie specifieke gewoonten, in je stem. Dat is niet waar een opgeslagen prompt goed in is.
Hoe zou je AI voor LinkedIn moeten gebruiken in 2026?
Op dezelfde manier als LinkedIn het formuleert: AI is een hulpmiddel, de waarde zit in de mens erachter. In de praktijk:
Laat Claude ontwerpen, beslis nooit zelf. Gebruik het om sneller woorden op de pagina te krijgen. De mening, het voorbeeld en de conclusie zijn van jou, anders heeft de post geen auteur.
Verankers elke post in één ding dat alleen jij zou kunnen zeggen. Een echt cijfer, een specifieke situatie van een klant met naam, een fout die je iets heeft gekost. Eén specifiek detail dat een model niet zou kunnen verzinnen, is de snelste manier om menselijk over te komen.
Schrap de vier bereik-killers, behoud de drie gewoonten. Herschrijf het contrast, de onthullende openingszin, de "Het resultaat?"-brug en de adviesformule als gewone beweringen. Laat de oprechtheid, de vraag en de afsluiting met rust.
Gebruik een AI die is gebouwd voor LinkedIn, niet een algemene chatbot. Dit is het echte verschil, en het is het verschil tussen Claude en een speciaal gebouwde tool:
Een algemene chatbot (Claude) | Een AI gebouwd voor LinkedIn (MagicPost) | |
Weet wat bereik kost op LinkedIn | Nee | Ja, uit het onderzoek van 287.120 posts |
Schrijft in je stem | Standaard generiek | Leert je stijl, drie intensiteitsniveaus |
Verwijdert de patronen die de feed degraderen | Nee, het produceert ze juist | Ja, structureel, bij elke generatie |
Behoudt de menselijke gewoonten die helpen | Vlakt ze af | Beschermt oprechtheid, vraag, afsluiting |

Dat is precies wat de Humanizer van MagicPost doet. Het draait binnen de post generator. Schakel het eenmaal in, en elke post wordt geleverd zonder de sjabloonachtige wendingen en met behoud van je eigen stem. Je krijgt nog steeds de snelheid van AI, zonder de generieke vorm die tegenwoordig bereik kost. Gratis te proberen, geen creditcard nodig.
Veelgestelde vragen
Is het erg om Claude te gebruiken om LinkedIn-posts te schrijven?
Claude gebruiken om een concept te schrijven is prima. Het ongewijzigd publiceren van de output is het probleem. De standaardstem van Claude is gepolijst en werkt met sjablonen, wat precies de "generieke" vorm is die LinkedIn in 2026 aan minder mensen begon te tonen. Bewerk het voor je stem, of haal het door een tool die speciaal voor LinkedIn is gebouwd, voordat je post.
Detecteert LinkedIn door AI geschreven posts?
Het detecteert generieke content, niet specifiek AI. Het redactieteam van LinkedIn meldde dat ze in vroege tests "in 94% van de gevallen generieke content correct identificeerden", en die posts worden minder breed verspreid. Door AI ondersteund schrijven dat leest als een echt persoon met een mening is expliciet prima.
Waarom klinkt Claude zo erg als AI?
Twee redenen. De standaardkenmerken (het gedachtestreepje, het contrast van "het is niet X, het is Y", de gepolijste balans) zijn de vormen die lezers inmiddels herkennen als machinaal gemaakt. Daarnaast drijven alle grote modellen af naar een gemiddelde, uniforme stem naarmate ze trainen op door AI gegenereerde tekst. Dat effect staat bekend als "model collapse" of modelinstorting (Shumailov et al., Nature, 2024).
Kan prompt-engineering ervoor zorgen dat Claude menselijke LinkedIn-posts schrijft?
Alleen in de marge. Een goede prompt herstelt één concept, maar het model valt al snel terug in zijn gemiddelde toon. En een algemene instructie als "klink minder als AI" schiet door, waardoor de oprechtheid en de afsluiting die juist helpen om bereik te genereren, verloren gaan. De betrouwbare oplossing is structureel en stemgevoelig, en dat is precies wat een LinkedIn-specifieke tool doet.
Wat moet ik gebruiken in plaats van Claude voor LinkedIn?
Een AI die is gebouwd voor LinkedIn in plaats van een algemene chatbot. MagicPost genereert posts in je eigen stem met de Humanizer ingeschakeld, waardoor de sjabloonachtige wendingen die bereik kosten worden verwijderd, terwijl de menselijke gewoonten die dit juist opleveren behouden blijven. Vervolgens kun je ze plannen en meten op één plek.
Een door AI geschreven LinkedIn-post herkennen: 11 patronen (we analyseerden 46.000 posts)
We analyseerden 46.000 LinkedIn-posts om de 11 patronen te vinden die een post in 2026 als AI laten klinken, met echte voorbeelden van topcreators en hoe je elk patroon oplost.
„It's not X, it's Y": de LinkedIn-formule die iedereen nu als AI leest
„"It's not X, it's Y"" is de meest als AI gemarkeerde formule op LinkedIn. Elke topcreator gebruikt hem, waarom het een tell werd, en het bereik dat het je in 2026 kost (around -9% in French).
Is het liggende streepje een teken van AI op LinkedIn? Ja, en het heeft een grotere broer
Is het kastlijntje een teken van AI op LinkedIn? Ja. Het gebruik sprong met ChatGPT van onder 2% van de posts naar boven 15%. De data, en wat je in plaats daarvan gebruikt.
"Here's How" en "Here's What": AI-openers die bereik kosten
„"Here's how"" is LinkedIns meest voorkomende AI-overgang. Hij ging met ChatGPT van minder dan 3 % van de posts naar meer dan 16 %. Waarom hij als AI overkomt, en hoe je hem varieert.
Te vermijden AI-woorden op LinkedIn: we hebben 129.000 Posts geanalyseerd (2026)
De beroemde te vermijden AI-woorden (delve, tapestry) zijn al dood op LinkedIn. We checkten 129.000 posts. Het echte signaal verschoof van woordkeuze naar structuur.
Bestraft LinkedIn AI-content? Wat de data zeggen (2026)
Bestraft LinkedIn AI? Niet echt. Het beperkt de verspreiding van generieke posts, niet AI. We scoorden 46.000 topposts: 97 % leest als menselijk. Lees hier meer.
AI-schrijven op LinkedIn in 2026: de patronen, en waar ze echt vandaan komen
AI heeft LinkedIn een huisstijl gegeven. Dit zijn de patronen die in 2026 inmiddels als AI lezen, en de ongemakkelijke waarheid over waar ze echt vandaan komen.
LinkedIn Post Humanizer: Wat echt werkt in 2026
De meeste AI-humanizers herstellen het verkeerde probleem. Op LinkedIn is vocabulaire dood; de weggever is de structuur. Wat een LinkedIn-posthumanizer echt zou moeten doen, met data.










