Waar vragen mensen AI naar? Analyse van 10.000 echte gesprekken

Amerikaanse studies van grote AI-bedrijven hebben al laten zien waarvoor mensen chatbots in het Engels gebruiken. Europa in 22 talen is echter een ander verhaal — en dat kunnen wij vertellen op basis van onze eigen data. Naast onze AI-chat draaien we in 22 talen ook een gratis chat GPT-alternatief — en juist daarmee hebben we 10.000 gesprekken verdeeld over 15 thematische categorieën en ontdekt wat Europeanen werkelijk van kunstmatige intelligentie willen. Spoiler: veel meer zakelijke e-mails dan filosofische debatten.

Eerst over privacy: we werkten uitsluitend met geaggregeerde, geanonimiseerde data — zonder IP-adressen en zonder publicatie van de inhoud van welk gesprek dan ook (alle voorbeelden in het artikel zijn parafrases). Data van betalende klanten komen nooit in onze studies terecht. Details in de methodologie aan het einde van het artikel.

De belangrijkste bevindingen in het kort

Het totaalbeeld: e-mails, tekstcorrecties en huiswerk

De winnaar is eenduidig: een zakelijke of officiële tekst schrijven — een e-mail aan de leidinggevende, een klacht aan een leverancier, een aanvraag bij een instantie, een cv. Een zesde van alle gesprekken. Tellen we daar de correctie van eigen teksten (11,6 %), persoonlijke berichten en wensen (3,0 %) en vertalingen (2,2 %) bij op, dan komen we uit bij de hoofdstelling van deze studie:

Een derde van alle gesprekken met AI (33,1 %) is tekstwerk. Meer dan algemene kennis, school en praktische handleidingen samen. Kunstmatige intelligentie is in Europa geen orakel en geen vriend — het is een kantoorassistent. Dat sluit mooi aan bij onze tijdstudie: de piekdrukte valt op dinsdag om 11 uur ‘s ochtends, en in het weekend halveert het verkeer.

De uitschieters zijn Portugezen en Nederlanders: een derde van hun gesprekken is pure correctie — “hier is mijn tekst, verbeter hem” (32,7 %, respectievelijk 28,6 % alleen al voor correctie). Esten en Grieken werken daarentegen nauwelijks met tekst — voor hen is AI eerder een zoekmachine en adviseur.

Nationale profielen: wat elk land anders aanpakt

De totaalcijfers verhullen het interessantste deel — elke markt gebruikt AI op zijn eigen manier. Hier zijn de onderwerpen waarin de afzonderlijke talen het meest afwijken; het getal tussen haakjes geeft aan hoeveel keer vaker het onderwerp voorkomt dan gemiddeld in Europa:

Een paar profielen zijn het vermelden waard:

Duitsers gebruiken AI als encyclopedie. Algemene kennis en weetjes vormen 25,5 % van de Duitse gesprekken — 2,6 keer het gemiddelde en het hoogste percentage van alle talen. Samen met de bevinding uit de tijdstudie (79,6 % van de Duitse gesprekken bestaat uit één lang bericht) ontstaat een consistent beeld: een precieze vraag, een precies antwoord, klaar.

Engels is de taal van het huiswerk. School en studie vormen 18,6 % van de Engelse gesprekken — het dubbele van het gemiddelde. Naar de Engelse taalversie stroomt een wereldwijd publiek van studenten: essays, examenvragen, uitleg van lesstof.

Gezondheid: Baltisch en Balkan domein

Litouwers vragen AI het vaakst van Europa naar gezondheid — een op de zeven gesprekken. En het gaat niet om algemene vuistregels: een typische vraag is de interpretatie van eigen laboratoriumresultaten of de bijwerkingen van een specifiek medicijn. De hele Baltische regio en de Balkan behandelen gezondheid met AI twee tot tweeënhalf keer vaker dan West-Europa — een patroon dat evengoed iets kan zeggen over de beschikbaarheid van artsen als over vertrouwen in technologie. Fransen en Polen bespreken gezondheid met AI vrijwel nooit.

Bureaucratie: AI als ambtenaar voor Midden- en Zuid-Europa

Opzegtermijnen, aanspraken op ontslagvergoeding, uitkeringen, erfenissen. Slovenen en Grieken vragen AI in 15-17 % van de gesprekken naar recht en overheid — en ook het Tsjechisch (10,5 %, 4e plaats) en het Slowaaks scoren hoog. Aan het andere uiterste staan Engels en Nederlands (onder 2 %). Waar de bureaucratie ingewikkeld en juridische hulp duur is, vragen mensen het aan de machine.

Het Franse fenomeen: AI als toneel

Dit is de opvallendste afwijking van de hele studie: creatief schrijven en roleplay vormen 21,8 % van de Franse gesprekken — 5,5 keer het Europese gemiddelde en meer dan zakelijk schrijven. Franse gebruikers (te oordelen naar de inhoud vaak jonge anime-fans) laten AI favoriete personages spelen en voeren daar lange dialogen mee — AI is voor hen geen hulpmiddel, maar een toneel. Hetzelfde fenomeen zagen we onafhankelijk al terug in onze beleefdheidsstudie, waar Franse roleplay de meting bemoeilijkte van hoe mensen AI als een persoon behandelen. Bij de overige talen blijft creatief schrijven steken rond 1-5 %.

Bonus: seksuele inhoud is zeldzamer dan de reputatie doet vermoeden

AI-chatbots hebben de reputatie van tools voor erotische roleplay. De data vertellen iets anders: na een strenge audit (zie methodologie) vormt expliciet seksuele inhoud 2,2 % van alle gesprekken. Opnieuw gaat het Frans (11,0 %) aan kop, voor het Pools (7,9 %) — bij het Frans gaat het om de expliciete tak van hetzelfde roleplay-fenomeen. In zes talen vonden we het helemaal niet, en het Tsjechisch zit met 0,6 % net boven nul. Beschouw dit cijfer als een ondergrens voor het gedrag op een gewone, gemodereerde chat — gespecialiseerde “AI-companion”-diensten zullen andere cijfers laten zien.

En nog een categorie met een veelzeggende waarde: 5,5 % van de mensen probeert AI alleen maar uit — een begroeting zonder vervolg, “hoeveel is 2 + 2”, “spreek je Nederlands?”. Een onafhankelijke woordenlijstmeting in de beleefdheidsstudie kwam op hetzelfde cijfer uit (5,4 %), wat ons methodisch verheugt: twee verschillende methoden, hetzelfde resultaat.

Hoe we dit hebben gemeten

• Steekproef: 10.000 geanonimiseerde records uit het gratis chat GPT-alternatief van GuideGlare (versie zonder registratie), 23 juni – 24 juli 2026, 22 taalversies; na verwijdering van 6 technische duplicaten werken we met 9.994 gesprekken — dezelfde steekproef als in onze etiquette- en tijdstudie. De classificatie dekte alle 9.994 gesprekken. In de ranglijsten nemen we alleen talen op met minstens 50 gesprekken (Deens en Fins vielen af). De steekproefgroottes lopen van 53 gesprekken (Sloveens) tot 2.775 (Engels); de volledige aantallen per taal vind je in de downloadbare data.
• Taxonomie: de 15 inhoudelijke categorieën plus AI testen, “overig” en “niet te categoriseren” stelden we empirisch samen — door handmatige codering van een gestratificeerde steekproef van 629 gesprekken, met definities en grensregels voor twijfelgevallen (bijvoorbeeld: “vertaal deze tekst over gezondheid” is een vertaling, geen gezondheid; een verzoek om een kant-en-klare officiële brief is schrijven, een vraag over een wetsartikel is recht).
• Classificatie: elk gesprek werd door een taalmodel in precies één categorie ingedeeld op basis van de overheersende intentie (op basis van de berichten van de gebruiker). We hebben de kwaliteit gemeten met blinde verificatie: een sterker model classificeerde onafhankelijk 300 willekeurige gesprekken opnieuw, zonder kennis van het oorspronkelijke label — overeenstemming van 81,7 %, waarbij de verschillen vrijwel uitsluitend tussen aangrenzende categorieën liggen (typisch “schrijf een nieuwe tekst” versus “verbeter mijn tekst”). De rangorde van de grote categorieën wordt hierdoor niet beïnvloed; verschillen tot ~2 procentpunten tussen buren in de ranglijst interpreteren we niet.
• Audit van de gevoelige categorie: alle 336 gesprekken die als seksuele inhoud waren gelabeld, ondergingen een aanvullende strenge beoordeling door een sterker model. 66 % hield stand — de rest was voornamelijk romantische roleplay zonder expliciete inhoud, en die hebben we verplaatst naar creatief schrijven. De gepubliceerde NSFW-cijfers zijn dus na correctie; daarvoor zou de categorie op 3,4 % uitkomen.
• Statistiek: percentages zijn aandelen binnen de betreffende taal; voor alle waarden berekenen we Wilson 95%-betrouwbaarheidsintervallen (volledig in de downloadbare data). Het gegeven “hoeveel keer vaker dan gemiddeld” is de verhouding tussen het aandeel van de categorie in een taal en het aandeel in de hele steekproef; we becommentariëren alleen afwijkingen van ≥1,5× bij voldoende grote steekproeven.
• Privacy: we werkten uitsluitend met geaggregeerde data — zonder IP-adressen, zonder identificatie van gebruikers, zonder publicatie van gespreksinhoud; alle voorbeelden in het artikel en in de taxonomiedefinities zijn parafrases.
• Beperkingen: één categorie per gesprek (gesprekken met meerdere doelen krijgen het overheersende onderwerp); de classificatie is gebaseerd op een kort fragment van het gesprek; 3,1 % van de gesprekken bleef niet te categoriseren (flarden, incoherente tekst) en die laten we in de basis staan. Een taal is geen land — vooral bij Spaans, Portugees en Engels schrijft een aanzienlijk deel van de gebruikers vanaf andere continenten. De steekproef bestaat uit gebruikers van één gratis tool; de cijfers beschrijven het gedrag op onze chat, niet dat van de hele bevolking van een land.
• Data downloaden en citeren: download de volledige geaggregeerde data (18 categorieën × 22 talen × betrouwbaarheidsintervallen) als CSV. Cijfers en grafieken mag je vrij overnemen in artikelen, blogs en presentaties — vermeld gewoon “Bron: GuideGlare” met een actieve link naar deze pagina; details in de citeervoorwaarden. Grafieken in drukkwaliteit sturen we graag toe — mail naar info@explicaire.com.

Probeer het zelf

De data voor deze studie zijn afkomstig van ons gratis chat GPT-alternatief — het werkt in alle 22 talen van deze studie, zonder registratie, en de volledige versie vind je als AI Chat GuideGlare. Of je nu, net als een zesde van Europa, een e-mail aan je baas moet schrijven, of net als de Fransen wilt kletsen met een favoriet personage. En als je nieuwsgierig bent wanneer iedereen daar tijd voor vindt, lees dan de vervolgstudie Wanneer praten we met AI.