Grootste bureau van Nederland 
Meer dan 40 jaar ervaring 
Al 65.000+ succesvolle relaties 
Grootste bureau van Nederland
Grootste bureau van Nederland Meer dan 40 jaar ervaring Al 65.000+ succesvolle relaties
Grootste bureau van Nederland
8 min
Zou AI kunnen voorspellen met wie je een klik krijgt? Het klinkt aantrekkelijk: je wensen en eigenschappen
invoeren en ontdekken wie bij je past. Maar veel over twee mensen weten is nog iets anders dan voorspellen
wat er tussen hen ontstaat. Wat zegt onderzoek hierover, en waar kan AI een matchmaker wél bij helpen?
Artificial Intelligence ontwikkelt zich razendsnel. Ook binnen de relatiebemiddeling biedt AI interessante mogelijkheden. Het kan grote hoeveelheden informatie ordenen, gegevens terugvinden, teksten structureren en professionals helpen om sneller verbanden te zien. Ook bij Mens & Relatie gebruiken we AI. Maar juist omdat AI steeds indrukwekkender wordt, vind ik het belangrijk om nu, anno 2026, ook een grens te trekken: AI kan ondersteunen bij matchmaking. Het moet de matchmaker niet vervangen. En misschien nog belangrijker: we moeten oppassen dat we AI geen voorspellende kracht toeschrijven die wetenschappelijk helemaal niet heeft aangetoond.
Die vraag is daadwerkelijk onderzocht. Psycholoog Samantha Joel onderzocht samen met Paul Eastwick en Eli Finkel of machine learning kon voorspellen welke mensen zich romantisch tot elkaar aangetrokken zouden voelen. Singles vulden vooraf meer dan honderd vragen in over eigenschappen, voorkeuren en kenmerken die volgens eerder relatieonderzoek relevant zouden kunnen zijn voor partnerkeuze. Vervolgens ontmoetten zij elkaar tijdens speeddates. De onderzoekers gebruikten geavanceerde machine-learningtechnieken om vóór die ontmoetingen te voorspellen wat er zou gebeuren. Dat lukte niet.
Het algoritme kon enigszins voorspellen welke mensen in het algemeen geneigd waren anderen aantrekkelijk te vinden en welke mensen gemiddeld vaker aantrekkelijk gevonden zouden worden. Maar het belangrijkste kon het algoritme niet voorspellen: welke twee specifieke mensen elkaar zouden willen. Juist de unieke aantrekkingskracht die tussen twee mensen ontstaat, bleek niet betekenisvol voorspelbaar uit die grote hoeveelheid vooraf verzamelde kenmerken en voorkeuren. Dat is een belangrijke bevinding voor iedereen die zich met matchmaking bezighoudt.
Al in 2012 concludeerden Eli Finkel en collega’s na een omvangrijke wetenschappelijke analyse van online dating dat er geen overtuigend bewijs bestond dat matchingalgoritmen daadwerkelijk konden voorspellen welke twee mensen een goede romantische match zouden vormen of chemie met elkaar zouden ervaren. Dat betekent niet dat kenmerken van mensen er niet toe doen. Het betekent wel dat er een groot verschil bestaat tussen:
iets over een persoon weten
en
kunnen voorspellen wat er ontstaat wanneer twee specifieke mensen elkaar ontmoeten.
Een relatie is geen optelsom van twee persoonlijkheidsprofielen. Er ontstaat iets tussen mensen.
Ofwel: AI heeft hier niet alleen een dataprobleem, maar ook een dyadisch en temporeel probleem.
Een relatie-uitkomst ontstaat door interactie. De reactie van A verandert B, waardoor B weer anders reageert op A. Dat proces ontvouwt zich over tijd.
Dat onderscheid wordt mooi zichtbaar in later onderzoek van Samantha Joel en een groot internationaal team van relatieonderzoekers. Zij analyseerden met machine learning gegevens van meer dan 11.000 koppels uit 43 longitudinale studies. Wanneer mensen al een relatie hadden, bleek een aanzienlijk deel van hun huidige relatiekwaliteit wél voorspelbaar. Vooral relatiekenmerken zoals ervaren commitment van de partner, waardering, seksuele tevredenheid en conflict waren informatief.
Maar zelfs met deze enorme hoeveelheid gegevens bleek het veel moeilijker om te voorspellen hoe de kwaliteit van die relatie zich daarna zou ontwikkelen. Verandering in relatiekwaliteit was grotendeels onvoorspelbaar. Dat vind ik fascinerend. Want het laat zien dat AI en statistiek heel goed kunnen zijn in het herkennen van patronen in wat er al is, terwijl voorspellen wat er tussen mensen gaat ontstaan een heel andere opgave is.
Daarom word ik voorzichtig wanneer wordt voorgesteld om AI bijvoorbeeld drie eerdere ontmoetingen van één cliënt te laten analyseren en vervolgens conclusies te laten trekken over waarom het steeds niet lukt of welk type partner iemand voortaan nodig heeft.
Natuurlijk kan AI daar een analyse van maken. Waarschijnlijk zelfs een indrukwekkend klinkende analyse. Maar drie ontmoetingen vormen geen dataset waaruit we betrouwbare individuele wetmatigheden kunnen afleiden. Misschien was er onvoldoende aantrekkingskracht. Misschien speelde timing een rol. Misschien was de ander gespannen. Misschien ontstond tijdens die specifieke interactie iets wat bij een ander persoon totaal anders zou zijn verlopen. AI kan achteraf vrijwel altijd een coherent verhaal construeren.
Maar een overtuigend verhaal is nog geen bewezen verklaring.
Dat onderscheid dreigen we in ons enthousiasme over AI soms uit het oog te verliezen.
Ook mijn eigen promotieonderzoek maakt nog iets anders duidelijk.
Binnen de onderzochte professionele matchmaking vonden ongeveer drie van de vier deelnemers binnen vijftien maanden een partner. Dat is een opvallend hoog percentage. Maar ook daar betekende succesvolle matchmaking niet dat de eerste voorgestelde kandidaat automatisch de juiste partner was. Dat is belangrijk.
Professionele matchmaking is namelijk geen eenmalige voorspelling waarbij iemand op basis van een aantal kenmerken zegt: deze twee mensen zullen verliefd worden. Het is een proces. Een matchmaker leert een cliënt kennen, doet voorstellen, hoort terug wat er tijdens ontmoetingen gebeurt, observeert reacties, stelt vragen, begeleidt waar nodig en gebruikt nieuwe informatie bij volgende keuzes. Tegelijkertijd veranderen mensen zelf gedurende zo’n traject: verwachtingen worden realistischer, voorkeuren kunnen verschuiven en eerdere patronen worden soms beter zichtbaar.
Mijn onderzoek toont niet aan welk afzonderlijk onderdeel van dat proces verantwoordelijk is voor het uiteindelijke resultaat. Daarvoor zou ander onderzoek nodig zijn. Maar het laat wél zien waarom ik terughoudend ben met het idee dat matchmaking kan worden teruggebracht tot één algoritmische berekening. Een succesvolle bemiddeling ontstaat niet noodzakelijk doordat iemand vooraf exact kan voorspellen welke twee mensen bij elkaar horen. Ze kan juist ontstaan door een zorgvuldig, menselijk en iteratief proces waarin telkens nieuwe informatie wordt meegewogen.
Daarom hebben we bij Mens & Relatie ook het RelatieProfiel ontwikkeld vanuit bestaande psychologische theorie en wetenschappelijk onderzochte constructen. Ook zo’n profiel levert geen blauwdruk op voor de ideale partner. Het geeft informatie die een professional kan gebruiken bij reflectie, begeleiding en besluitvorming. En precies daar zie ik ook de plaats van AI.
AI als assistent, niet als autoriteit AI kan een matchmaker helpen. Het kan informatie uit verschillende contactmomenten ordenen. Het kan opvallende tegenstrijdigheden signaleren. Het kan vragen voorstellen die tijdens een gesprek onderzocht kunnen worden. Het kan administratief werk verminderen en relevante informatie gemakkelijker toegankelijk maken.
Maar vervolgens moet een professional denken:
Klopt dit eigenlijk?
Welke informatie ontbreekt?
Is dit werkelijk een patroon of zien we toevalligheden?
Herken ik dit vanuit mijn gesprekken met deze cliënt?
Daarom hanteer ik zelf een eenvoudige regel:
AI mag hypotheses aandragen. Het mag geen hypotheses presenteren als feiten.
En de uiteindelijke professionele beoordeling blijft bij de mens.
Een ervaren matchmaker beschikt namelijk over informatie die zich bijzonder moeilijk in een dataset laat vangen. Zij hoort hoe iemand over een eerdere ontmoeting praat. Ze merkt twijfel op voordat een cliënt die zelf benoemt. Ze ziet het verschil tussen spanning en desinteresse. Ze kent de levensgeschiedenis van haar cliënt. Ze weet wanneer iemand voortdurend hetzelfde patroon herhaalt, maar óók wanneer drie tegenvallende ontmoetingen gewoon drie tegenvallende ontmoetingen zijn. Dat noemen we soms intuïtie.
Maar professionele intuïtie is niet hetzelfde als zomaar een gevoel. Ze ontstaat mede uit kennis, observatie, ervaring en duizenden eerdere menselijke interacties. Of die professionele intuïtie uiteindelijk beter kan voorspellen wie verliefd wordt dan toekomstige AI-systemen, moeten we wetenschappelijk blijven onderzoeken.
Ik ga niet beweren dat die vraag definitief is beantwoord. Wat we wél weten, is dat wetenschappelijk onderzoek tot nu toe bijzonder weinig reden geeft om te denken dat je romantische chemie simpelweg kunt berekenen uit een verzameling kenmerken van twee mensen. Daarom zou ik het buitengewoon onverstandig vinden om het menselijke oordeel nu al ondergeschikt te maken aan een algoritme.
Er speelt bovendien nog een andere verantwoordelijkheid. Informatie over relaties, hechting, afwijzing, seksualiteit, psychologische kwetsbaarheden en persoonlijke ervaringen behoort tot de meest persoonlijke informatie die mensen met ons delen. Die gegevens stop je niet zomaar in iedere willekeurige openbare of gratis AI-chat. Professionals moeten weten in welke omgeving cliëntgegevens worden verwerkt, welke afspraken gelden over gegevensgebruik en opslag en of die toepassing past binnen de privacy- en beveiligingseisen van hun organisatie. “Vraag het even aan AI” is bij gevoelige cliëntinformatie geen professionele werkwijze.
Ik ben niet tegen AI. Integendeel. Ik denk dat AI ons vak de komende jaren enorm gaat veranderen en op veel plaatsen beter kan maken. Maar juist daarom moeten we het verschil blijven zien tussen rekenkracht en deskundigheid, tussen patroonherkenning en bewijs en tussen een plausibele verklaring en een betrouwbare voorspelling. De toekomst van professionele matchmaking is voor mij dan ook niet: mens óf AI. Het is: een deskundige matchmaker die AI intelligent gebruikt, maar haar professionele oordeel er nooit aan uitbesteedt. Want AI mag hypotheses aandragen.
De mens moet blijven beoordelen.
En uiteindelijk matchen wij geen datasets.
Wij matchen mensen.
Joel, S., Eastwick, P. W., & Finkel, E. J. (2017). Is Romantic Desire Predictable? Machine Learning Applied to Initial Romantic Attraction. Psychological Science, 28(10), 1478–1489.
Finkel, E. J., Eastwick, P. W., Karney, B. R., Reis, H. T., & Sprecher, S. (2012). Online Dating: A Critical Analysis From the Perspective of Psychological Science. Psychological Science in the Public Interest, 13(1), 3–66.
Joel, S., Eastwick, P. W., et al. (2020). Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. Proceedings of the National Academy of Sciences, 117(32), 19061–19071.
Vul je naam en e-mailadres in. Je ontvangt regelmatig relatie tips en je blijft op de hoogte van onze diensten. ♥
"*" geeft vereiste velden aan
