💰 quantitative finance

Platform Choice, Trust, and Privacy in the Consumer AI Assistant Market

Op basis van een enquête uit juni 2026 onder bijna 2.000 Amerikaanse AI-gebruikers onthult dit artikel dat hoewel de markt wordt gedomineerd door ChatGPT en Gemini, taakallocatie sterk gespecialiseerd is per platform, vertrouwen primair wordt opgebouwd door direct gebruik in plaats van reputatie, en gebruikers de voorkeur geven aan mensvrije gegevensverwerking boven modelprivacy, waarbij de bereidheid om te betalen toeneemt voor gevoelige taken.

Oorspronkelijke auteurs: Jennifer Zou

Gepubliceerd 2026-07-17

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Jennifer Zou

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je het internet voor als een enorme, bruisende marktplaats waar je vragen kunt stellen, hulp kunt krijgen bij je huiswerk of zelfs over je dag kunt kletsen. Lange tijd was het zo dat als je iets wilde vinden, je een vraag in een zoekmachine typte en het je een lijst met links gaf om te bezoeken. Maar onlangs is er een nieuw soort winkelier gearriveerd: de AI-assistent. In plaats van je een kaart naar de schat te geven, graaft deze assistent de grond in en overhandigt hij je direct het goud. Ze onthouden wat je eerder hebt gezegd, leren je voorkeuren kennen en leren jou kennen. Dit creëft een uniek probleem: omdat ze zoveel van je weten, voelt het kiezen van de verkeerde als het binnenlaten van een vreemde in je slaapkamer. Hier komt de wetenschap van "platformkeuze" en "privacy" kijken. Het is de studie naar hoe wij beslissen wie onze geheimen mag bewaren, waarom we aan één helper blijven plakken zelfs als er anderen zijn, en of onze zorgen over privacy daadwerkelijk ons gedrag veranderen. We weten dat mensen vaak zeggen dat ze om privacy geven, maar dan toch op "akkoord" klikken zonder de kleine lettertjes te lezen — een puzzel die wetenschappers de "privacyparadox" noemen. Maar met AI staan de belangen hoger, omdat de data niet alleen een wachtwoord is; het is je volledige gesprekshistorie.

Dit artikel, geschreven door Jennifer Zou in juli 2026, duikt diep in de gedachten van bijna 2.000 Amerikaanse volwassenen die al deze AI-helpers gebruiken. De onderzoekers wilden een mysterie oplossen dat de bedrijven zelf niet kunnen zien: Hoe kiezen mensen eigenlijk tussen verschillende AI-assistenten? Kiezen ze er één en blijven ze daarbij, of springen ze van de hak op de tak? Wie vertrouwen ze, en wat zou hen ervoor aanzetten om extra te betalen voor privacy?

De studie onthult dat de AI-markt een beetje lijkt op een drukke stad met een paar gigantische wolkenkrabbers en veel kleinere, gespecialiseerde winkels. ChatGPT is de enorme wolkenkrabber in het centrum die bijna iedereen kent en gebruikt als hun belangrijkste hulpmiddel (58% van de gebruikers). Gemini is de op één na grootste toren (25%). Maar de kleinere gebouwen zijn niet leeg; ze hebben specifieke, verdedigbare niches. Zo is Claude, hoewel het slechts de primaire keuze is voor 7% van de mensen in totaal, de onbetwiste koning van programmeertaken en handelt een derde van al het programmeerwerk af. Het is als een kleine, gespecialiseerde bakkerij waar iedereen naartoe gaat voor zuurdesem, zelfs als ze hun brood elders kopen voor de rest van hun boodschappen. Het artikel stelt vast dat mensen een AI niet alleen kiezen op basis van hun leeftijd of inkomen, maar op basis van de taak. Als je code schrijft, ga je naar Claude; als je kantoorwerk doet, neig je misschien naar Copilot.

Een van de meest verrassende ontdekkingen gaat over vertrouwen. Je zou denken dat de grootste, bekendste merken (zoals die van Google of OpenAI) het meest vertrouwd zouden worden vanwege hun reputatie. Maar het artikel suggelt iets anders: vertrouwen wordt verdiend door ervaring, niet alleen door roem. Voor de grote, gevestigde merken vertrouwen mensen die ze nog nooit hebben gebruikt hen net zo veel als de mensen die dat wel hebben gedaan. Maar voor de uitdager, Claude, is het verhaal totaal anders. Mensen die het nog nooit hebben gebruikt, zijn sceptisch, maar de mensen die het wel hebben gebruikt? Die zijn er dol op. Onder zijn werkelijke gebruikers wordt Claude gerangschikt als de meest betrouwbare, waarbij het de reuzen verslaat. Het is als een nieuw, klein restaurant waar de eerste klanten nog twijfelend zijn, maar de vaste gasten zweren dat het het beste eten van de stad is. Het artikel suggereert dat voor deze kleinere platforms de enige manier om te groeien het laten proberen van het product is, omdat hun reputatie onder niet-gebruikers niet overeenkomt met de liefde die ze krijgen van gebruikers.

Tot slot behandelt het artikel de "privacyparadox" met een draai. Bijna iedereen (meer dan 80%) zegt dat ze bezorgd zijn over het gebruik van hun gegevens. Toch ondernemen heel weinig mensen stappen om hun gegevens te beschermen. De studie vindt dat de reden niet is dat mensen het niet geven om de zaak; het is dat ze het niet weten. Als je niet weet of je AI je chats gebruikt om zijn brein te trainen, zul je geen actie ondernemen. De grootste voorspeller voor het beschermen van je gegevens is niet hoe bang je bent, maar of je de regels kent.

Toen de onderzoekers mensen vroegen hoeveel zij zouden betalen om hun gegevens veilig te houden, waren de resultaten levendig. Mensen waren bereid om het meeste te betalen — ongeveer $11,20 per maand — om ervoor te zorgen dat mensen (zoals werknemers of contractanten) nooit hun gesprekken lezen. Ze geven veel minder om het AI-model zelf dat van hun gegevens leert (slechts ongeveer $2,97/maand) of het zien van advertenties (ongeveer $6,46/maand). Het blijkt dat het idee van een echt persoon die over je schouder meekijkt, veel angstaanjagender is voor gebruikers dan het idee van een robot die leert van je woorden. En hoe gevoeliger het onderwerp (zoals een persoonlijk geheim versus een wiskundig probleem), hoe meer mensen bereid zijn te betalen om mensen uit de buurt te houden.

Kortom, dit artikel schetst een beeld van een markt die wordt gedomineerd door een paar grote namen, maar die stiekem verdeeld is door wat mensen daadwerkelijk met de tools doen. Het laat zien dat vertrouwen wordt opgebouwd door een product te gebruiken, en niet alleen door de naam ervan te horen, en dat hoewel we ons allemaal zorgen maken over privacy, we geïnformeerd moeten zijn over hoe onze gegevens worden gebruikt voordat we er daadwerkelijk iets mee gaan doen. De grootste angst is niet de robot die leert; het is de mens die toekijkt.

Technische Samenvatting: Platformkeuze, Vertrouwen en Privacy in de Consumentenmarkt voor AI-Assistenten

Probleem en Motivatie
De consumentenmarkt voor AI-assistenten wordt gekenmerkt door hoge overstapkosten vanwege geaccumuleerde context (gespreksgeschiedenis, voorkeuren, bestanden) en diepe blootstelling van gevoelige informatie. De consumentenzijde van deze markt blijft echter slecht gemeten. Proprietair platformtelemetrie slaagt er niet in om cross-platform gedrag, privacyhoudingen of de specifieke redenen achter keuzes op taakniveau te vatten. Dit artikel adresseert het gat in het begrip van hoe gebruikers taken over platforms verdelen, hoe zij de betrouwbaarheid van aanbieders evalueren, en welke economische waarde zij hechten aan functies met betrekking tot gegevensverwerking.

Methodologie
De studie maakt gebruik van een enquête en een embedded discrete-choice experiment die in juni 2026 is uitgevoerd onder een representatieve steekproef van volwassen Amerikaanse gebruikers van AI-assistenten ( $n = 1.999$ ).

Steekproef en Weging: Respondenten werden geworven via Prolific en gescreend op bewustzijn en gebruik in de afgelopen maand. Om de representativiteit van de AI-gebruikerspopulatie te waarborgen (in plaats van de algemene volwassen populatie), hebben de auteurs een weegschema geconstrueerd. Dit hield het harmoniseren van Census microdata (PUMS) met adoptiegradiënten gerapporteerd door Pew Research en de Real-Time Population Survey (RTPS) in via iteratieve proportionele fitting. De primaire gewichten corrigeren voor leeftijd, opleiding en sector, wat resulteert in een design effect van 1,5 (effectieve $n \approx 1.300$ ).
Meting: Het instrument legde platformbewustzijn vast, gebruik, primaire en secundaire platformkeuzes over zes taakcategorieën, waargenomen taakgevoeligheid, vertrouwensrangschikkingen en privacyhoudingen.
Keuzeproef: Een conditional logit-model werd geschat op basis van zes keuzetaken waarbij respondenten kozen tussen hypothetische AI-abonnementen die varieerden in prijs en drie attributen voor gegevensverwerking: menselijke controle van gesprekken, gebruik van gegevens voor modeltraining, en de aanwezigheid van gesponsorde inhoud.
Inferentie: De puntramingen zijn Hájek ratio gemiddelden. Standaardfouten maken gebruik van een linearisatie (sandwich) estimator om rekening te houden met ongelijke gewichten. Statistische significantie wordt getest voor rangordes en verschillen in marktaandelen, met specifieke aandacht voor voorzichtigheid bij meerdere vergelijkingen bij grensgevallen.

Belangrijkste Bijdragen
Het artikel levert vier duidelijke empirische bijdragen:

Mapping van de Marktstructuur: Het biedt een op significantie geteste hiërarchie van marktaandeel, waarbij onderscheid wordt gemaakt tussen bewustzijn, gebruik en primaire platformkeuze, wat onthult dat hoewel de markt geconcentreerd is, de rangschikking statistisch onderscheidend is tot aan de vijfde plaats.
Granulariteit op Taakniveau: In tegen tegenstelling tot telemetrie die gebruikersgedrag aggregeert, meet deze studie keuze op taakniveau. Het herstelt "taaksignaturen" voor elk platform en identificeert substitutiepatronen, wat onthult dat concurrentie geconcentreerd is in specifieke taken in plaats van gelijkmatig verspreid.
Dual-Mode Vertrouwensmeting: Vertrouwen wordt zowel head-to-head gemeten (onder gebruikers met ervaring met beide platforms) als op basis van ervaring (door gebruikers te vergelijken met niet-gebruikers), waardoor de rol van reputatie versus daadwerkelijk gebruik wordt geïsoleerd.
Waardering van Privacy: Het schat de dollarwaarde die gebruikers hechten aan specifieke attributen voor gegevensverwerking en decomponeert de "privacyparadox" (de kloof tussen bezorgdheid en actie) om de drijfveren van beschermend gedrag te bepalen.

Belangrijkste Resultaten

Marktconcentratie en Differentiatie: ChatGPT is de primaire assistent voor 58,2% van de gebruikers, gevolgd door Gemini (25,4%). Kleinere platforms bezitten echter verdedigbare niches. Opvallend genoeg legt Claude 33% van de programmeertaken vast, ondanks een totaal primair aandeel van slechts 7%. Taakallocatie is meer georganiseerd volgens platformcapaciteit dan volgens gebruikersdemografie.
Demografische en Economische Segmentatie: Platforms sorteren gebruikers op leeftijd en inkomen. De primaire gebruikers van Claude zijn de jongsten (gemiddeld 33) en de hoogste inkomens, terwijl Gemini-gebruikers ouder zijn (gemiddeld 42). Monetariseringspatronen verschillen: Claude heeft het hoogste betaalde conversieratio (34%), terwijl Copilot primair een door ondernemingen gedistribueerd product is (slechts 28% van de betaalde plannen is persoonlijk).
De Aard van Vertrouwen: Vertrouwen is niet uniform verdeeld naar marktaandeel. In head-to-head vergelijkingen onder gebruikers van beide platforms, wordt Claude het hoogst gerangschikt (bijv. 60% geeft de voorkeur aan Claude boven ChatGPT). Cruciaal is dat vertrouwen in uitdagende platforms zoals Claude "verdiend" is in plaats van geërfd: er is een gat van 35 punten tussen hoe niet-gebruikers en gebruikers Claude beoordelen op betrouwbaarheid, terwijl gevestigde partijen zoals ChatGPT en Gemini een hoog vertrouwen genieten van niet-gebruikers op basis van merkreputatie alleen.
De Privacy-Actie Kloof: Hoewel >80% van de gebruikers bezorgdheid uit over gegevensgebruik, heeft slechts 18% betaald voor privacy-verbeterde plannen. De studie vindt dat deze kloof wordt gedreven door kennis, niet door onverschilligheid. Weten of een assistent traint op gesprekken is de sterkste voorspeller van beschermend gedrag (geassocieerd met 0,34 extra beschermende tools), wat zwaarder weegt dan de effect van geuite bezorgdheid.
Waardering van Privacyfuncties: In de keuzeproef hechten gebruikers de hoogste waarde aan het buiten de deur houden van mensen bij hun gesprekken, met een bereidheid tot betalen (WTP) van $11,20/maand. Dit is bijna vier keer de WTP voor het vermijden van gegevensgebruik voor modeltraining ($2,97/maand) en aanzienlijk hoger dan het vermijden van gesponsorde antwoorden ($6,46/maand). Deze waarderingen nemen toe met de taakgevoeligheid.

Significantie en Claims
Het artikel claimt de eerste empirische analyse in gereduceerde vorm van de AI-assistentenmarkt te bieden die marktstructuur, taakspecifieke substitutie, vertrouwensdynamiek en privacywaardering integreert.

Marktdynamiek: Het betoogt dat concurrentie niet één enkele strijd is om het totale aandeel, maar een reeks taakspecifieke en segmentspecifieke wedstrijden. Gevestigde partijen leiden in bereik, maar uitdaters concurreren effectief in specifieke niches (bijv. programmeren) en met specifieke demografieën.
Vertrouwensmechanismen: De bevindingen suggereren dat voor uitdagende platforms groei wordt beperkt door de noodzaak om bewustzijn om te zetten in proefperiodes, aangezien vertrouwen niet automatisch wordt overgedragen van merkreputatie. Voor gevestigde partijen zit het vertrouwen dicht bij een plafond gedreven door reputatie.
Privacybeleid: De studie herkadert de privacyparadox als een informatieprobleem. Het suggereert dat beschermend gedrag wordt afgestemd door geletterdheid over gegevenspraktijken in plaats van door het niveau van bezorgdheid. Bovendien benadrukt het een mismatch tussen het publieke regelgevende debat (gericht op trainingsdata) en gebruikersprioriteiten (gericht op menselijke toegang), wat suggereert dat aanbieders die concurreren op privacy, de nadruk moeten leggen op garanties tegen menselijke controle.

De auteurs merken beperkingen op, waaronder de afhankelijkheid van de opgegeven voorkeuren voor waardering, de dwarsdoorsnede-aard van de vertrouwensdata (die niet causaal zelfselectie van ervaring kan scheiden), en de uitsluiting van niet-gebruikers uit de primaire analyse-frame. De resultaten worden gepresenteerd als een momentopname van een volwassen wordende markt, met de kanttekening dat demografische en taakgradiënten kunnen verschuiven naarmate de adoptie breder wordt.

Meer zoals dit