De SERP zoals je die kent, overleeft dit niet

Google’s DeepMind-team heeft op papier bewezen dat één generatief taalmodel een onbeperkt aantal documenten kan ranken, zonder een aparte zoekindex. De praktische consequentie is direct: de gerankte lijst wordt geen pagina die je ziet, maar een berekening die het model onderweg naar een antwoord maakt. Pagina twee bestaat dan simpelweg niet meer.

Dit is geen los idee. Het is de afsluiting van een onderzoekslijn die Google in 2021 publiek startte met het paper Rethinking Search, gevolgd door de Differentiable Search Index in 2022. Het januari 2026-paper levert nu de wiskundige onderbouwing: een dual encoder heeft een embedding-dimensie nodig die lineair meegroeit met het aantal documenten, terwijl een autoregressive model met een vaste hidden dimension een willekeurig aantal documenten kan ranken. Die belofte is nu theoretisch dicht.

Wat er technisch verandert

In deze architectuur is een document geen URL meer, maar een docID: een korte reeks tokens die het model genereert, op dezelfde manier als woorden. Ranking werkt via beam search. Het model genereert de meest waarschijnlijke identifier, dan de op een na meest waarschijnlijke, enzovoort. De beambreedte bepaalt de volledige resultatenset. Positie elf bestaat niet. Die is nooit gegenereerd.

Drie dingen die je nu al moet laten landen:

Distinctness is de nieuwe optimalisatiedoelstelling. Als een pagina niet separeerbaar is van zijn buren in embedding space, kan hij geen stabiel, uniek identifier vasthouden. Twee near-duplicate pagina’s vechten dan niet om aangrenzende posities, ze vechten om hetzelfde adres. Eén verliest volledig.

De ranking-functie is de trainingsset. De nieuwe trainingsloss (SToICaL) leert het model om de hele gerankte lijst te waarderen, niet alleen positie één. Welke signalen die graded lists hebben geproduceerd, clickdata, rater judgments, engagement, dát wordt het algoritme. Er is geen aparte laag van rankingfactoren meer om te reverse-engineeren.

Freshness wordt een trainingsprobleem. In een klassieke index crawl je een pagina en is die beschikbaar. In een parametrische generatieve index moet nieuwe content worden ángeleerd. Google’s eigen follow-up onderzoek (DSI++) toonde al aan dat continu nieuwe documenten toevoegen leidt tot vergeten van eerder geïndexeerde content. “Geïndexeerd” en “bekend bij de ranker” worden twee verschillende dingen.

Wat dit voor jou betekent

Houd de eerlijkheid erbij: de experimenten draaiden op Mistral-7B, een dataset van 82.000 WordNet-concepten en 310 shopping-voorbeelden. Niemand heeft een webindex hiermee vervangen. Maar Google publiceert geen vijf jaar gericht onderzoek als de richting niet serieus is.

De praktische shift voor nu: de vraag verandert van waar ranken we naar zijn we überhaupt in de gegenereerde set, hoe consistent, en voor welk type query. Dat sluit aan op een bredere trend die je al ziet in de dalende doorklikratio’s vanuit Google naar het open web. Zichtbaarheid wordt binair: je zit in de set of je bestaat niet.

Ik zou nu al beginnen met het serieus nemen van embedding-differentiatie in je contentstrategie. Uniekheid in betekenis, niet alleen in tekst. Check je near-duplicates, niet voor canonicalisatie, maar omdat ze in dit model structureel kansloos zijn.

Bron: Search Engine Journal