Merkvaste AI-output: een visueel systeem bouwen dat AI kan volgen

Door je huisstijl te vertalen naar een visueel systeem dat expliciet maakt wat je merkgids impliciet laat: welk licht, welke camerapositie, welke kleurtemperatuur, welke composities, materialen, mensen en plekken. Je vertrekt van bestaand beeld dat wél klopt, benoemt de gemeenschappelijke noemer, legt een referentiebibliotheek aan en schrijft alles op in een merkbijbel die zowel een art director als een AI-agent kan lezen. Zonder dat systeem maakt AI telkens iets dat vaag op je merk lijkt, maar het nooit is.

Waarom volstaat je huisstijlgids niet als AI meeproduceert?

Bijna elk merk heeft er een: Pantone-codes, logo-marges, een lettertype, wat do’s en don’ts. Voor mensen werkt dat, want een ervaren fotograaf vult zelf aan wat er niet staat. Hij ziet drie campagnebeelden en weet meteen: zacht zijlicht, geen flits, geen glimmende oppervlakken, mensen die iets doen in plaats van in de lens te kijken.

Een generatief model vult dat niet aan. Het vult het in, met het gemiddelde van alles wat het ooit gezien heeft. Dat is precies waarom zoveel AI-beeld er goedkoop uitziet: niet omdat de techniek tekortschiet, maar omdat niemand de beslissingen genomen heeft die een merk normaal impliciet neemt.

Je huisstijlgids zegt welke blauw. Hij zegt niet welk uur van de dag. En dat tweede bepaalt of een beeld van jou is.

Hoe haal je een visueel systeem uit beeld dat al klopt?

Niet door van nul te vertrekken. Je hebt bijna altijd al beeld dat klopt: een shoot die goed zat, een reeks die je nog steeds gebruikt. Daar zit je systeem in, alleen heeft niemand het opgeschreven.

De oefening is bewust saai. Je legt twee stapels aan — beeld dat onmiskenbaar van jou is en beeld dat er net naast zit — en benoemt het verschil in uitvoerbare woorden. Niet “warm en uitnodigend”, wel “avondlicht, lamp in beeld, geen plafondverlichting”. Niet “authentiek”, wel “handen zichtbaar, geen oogcontact”.

Je zoekt de gemeenschappelijke noemer over licht, camerahoogte, kleurtemperatuur, dieptescherpte, compositie, materialen, mensen en plekken. Wat er niet in mag, weegt even zwaar. Een merk wordt herkenbaar door wat het weglaat.

Tip: leg twintig beelden die je zonder aarzelen zou publiceren naast twintig die je zou afkeuren, en schrijf per paar één zin waarom. Na twintig zinnen zie je je systeem staan.

Wat staat er in een merkbijbel die een AI kan lezen?

Een merkbijbel voor AI-productie is geen mooiere versie van je huisstijlgids, maar een uitvoerbaar document. De test is simpel: kan iemand die je merk niet kent er een beeld mee maken dat jij goedkeurt? Zo niet, dan staat er te veel gevoel en te weinig instructie in. Zo’n document bevat minstens deze lagen:

• Licht — richting, hardheid, bron, tijdstip, en wat verboden is: directe flits, gemengd kunstlicht.
• Camera — ooghoogte of lager, afstand, brandpuntsafstand, hoeveel achtergrondonscherpte.
• Kleur — je merkkleuren, maar vooral de kleurtemperatuur eromheen en welke tinten nooit meemogen.
• Compositie — centraal of uit balans, veel of weinig lucht, waar de tekst later komt.
• Materialen — welk hout, welk textiel, welke rekwisieten. Merken sneuvelen op details.
• Mensen — leeftijd, houding, kleding, blikrichting, en of je gegenereerde mensen toelaat.
• Plekken en sfeer — het soort ruimte, het seizoen, drie woorden die gelden en drie die niet.

Dat is dezelfde denkoefening als een klassiek merk- en contentdesigntraject, alleen strenger opgeschreven. Een mens leest tussen de regels. Een model leest alleen de regels.

Tip: schrijf elke regel zo dat ze te controleren is. “Rustig” kan je niet nakijken, “geen mens die recht in de lens kijkt” wel. Wat je niet kan afvinken, kan je ook niet consistent produceren.

Hoe leg je een referentiebibliotheek aan die blijft werken?

Woorden brengen je een eind, beeld brengt je verder. Naast de regels hoort een bibliotheek: eigen beelden, goedgekeurde AI-resultaten, en een aparte map met afgekeurde pogingen. Die laatste map leert iemand — of iets — het snelst waar de grens ligt.

Geef elke referentie een naam die zegt wat ze bewijst. Niet “beeld_04_final_v3”, wel “avondlicht_lamp-in-beeld_geen-oogcontact”. Zo blijft de bibliotheek doorzoekbaar als ze naar honderden beelden groeit, en kan een agent er ook mee werken.

Onderhoud hoort erbij. Elke productie levert materiaal op dat het systeem scherper maakt, en af en toe een regel die niet klopt.

Wat doet een merkagent, en hoe start je ermee?

Een merkbijbel die in een map staat, wordt gelezen bij de start van een project en daarna niet meer. Daarom bouwen we hem bij TeamTuesday om tot een agent: een eigen GPT waarin je merksysteem en je referentiemateriaal vastzitten, zodat elke briefing vertrekt van je eigen lijnen in plaats van van nul.

Het verschil zit in continuïteit. Zonder agent begint elke nieuwe campagne, medewerker of leverancier opnieuw bij nul. Met agent bouwt productie zes voort op productie één. Wij houden de art direction en de eindcontrole: menselijke smaak blijft eindverantwoordelijk, de agent versnelt alleen de weg ernaartoe.

Dat traject kan ook als losstaande opdracht: systeem destilleren, merkbijbel schrijven, bibliotheek opzetten, agent bouwen, team trainen.

Tip: begin met één merk of één productlijn, niet met je hele portfolio. Eén systeem dat gebruikt wordt, is meer waard dan vijf documenten die niemand opent.

Veelgestelde vragen

Kan ik mijn bestaande huisstijlgids gewoon in een AI-tool plakken?

Dat kan, maar het levert weinig op. Een klassieke gids beschrijft logo’s, kleurcodes en typografie, terwijl beeldgeneratie stuurt op licht, camerapositie, compositie, materialen en sfeer. Die informatie ontbreekt meestal volledig. Je hebt een aanvullend visueel systeem nodig dat die keuzes expliciet maakt in taal die uitvoerbaar is.

Hoeveel beeldmateriaal heb ik nodig om te beginnen?

Minder dan je denkt. Een handvol beelden waar je echt achter staat, volstaat om de gemeenschappelijke noemer te benoemen. Belangrijker dan volume is dat het materiaal representatief is en dat je er ook afgekeurde voorbeelden bij legt. De bibliotheek groeit daarna vanzelf met elke productie.

Werkt zo’n merkbijbel ook als we van AI-tool veranderen?

Ja, en dat is precies de bedoeling. Het systeem beschrijft je merk, niet de knoppen van één toepassing. Prompts en instellingen verouderen snel, de onderliggende keuzes over licht, kleur en compositie niet. Bij een toolwissel vertaal je het document opnieuw, in plaats van je merk opnieuw uit te vinden.

Moeten we AI-beelden die uit ons eigen systeem komen labelen?

De transparantieregels van de EU AI Act gelden ongeacht hoe merkvast je output is. Sinds 2 augustus 2026 moet realistische AI-gegenereerde of gemanipuleerde inhoud herkenbaar zijn als artificieel. De FAQ van de Europese Commissie over artikel 50 legt uit wat dat concreet inhoudt. Neem die afspraak meteen in je merkbijbel op.

Het systeem dat je zoekt, zit meestal al in het beeld dat je vandaag gebruikt. Het opschrijven is het werk, en dat levert sowieso een scherpere briefing op — ook als je daarna zelf verder produceert. Wil je die oefening niet alleen doen, dan is contact de kortste weg.