Får AI dine beskeder til at lyde som en robot?

Som regel, ja. Og for første gang findes der ordentlig forskning i hvorfor. Når en AI-model omskriver en besked, overlever meningen for det meste. Måden, du siger tingene på, gør ikke. Sammentrækninger forsvinder, “jeg” dukker sjældnere op, modellen rydder de små ord, der bærer din rytme, væk, og det, der kommer tilbage, lyder, som om det var skrevet til hvem som helst.

Jeg er medstifter af Subtext, en app bygget op om præcis det problem, så vej det, jeg siger om den, derefter. Det, jeg kan tilbyde, er, at jeg har læst studierne ordentligt igennem, og jeg har linket til hvert eneste af dem, så du selv kan tjekke efter. Det her er, hvad de viser, hvad de ikke viser, og hvad du kan gøre ved det, uanset om du bruger vores app eller sætter dine udkast ind i ChatGPT. Længere nede læser Subtext udkastet “Fint. Så gør jeg det bare selv, som altid.”, og jeg følger, hvad der sker, når du beholder en vending, den gerne ville tage ud.

Hvad der sker med en besked, når AI omskriver den

Det største studie til dato udkom i Nature Human Behaviour i august 2026. Forskerne så på mere end 880.000 tekster, herunder kontrollerede eksperimenter, hvor de kørte de samme tekster gennem flere AI-modeller med prompts som “finpuds den”, “gør den tydeligere” og “gør den mere naturlig”. Kerneindholdet blev, hvor det var. Variationen i, hvordan folk skrev, gjorde ikke. På tværs af datasæt og modeller skrumpede spredningen i skrivekompleksitet med 21 til 50 procent, og klassifikatorer, der gætter en skribents køn, alder, politiske ståsted eller værdier ud fra teksten, blev mærkbart dårligere på omskrivningerne, med fejl, der trak i retning af flertalsprofilen (The shrinking landscape of linguistic diversity in the age of large language models)¹.

Omskrivningseksperimentet i det studie brugte Reddit-opslag og akademiske abstracts. Et mindre studie fra 2026, stadig et preprint, så på noget, der ligger tættere på en besked, nemlig 300 personlige fortællinger, der hver blev omskrevet af tre førende modeller. Mønstret var det samme hver gang. Færre sammentrækninger. Færre pronominer i første person. Færre af de små funktionsord. Længere ord og mere avanceret tegnsætning. Det var lige meget, om instruksen var “forbedr det her” eller bare “omskriv det her”. Når modellen fik besked på at bevare skribentens stemme, blev effekten omkring en tredjedel mindre, men retningen ændrede sig aldrig, og modellen var dårligere til at beholde det, den gerne fjerner, end til at holde igen med det, den gerne tilføjer (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

To fund trækker den anden vej, og de betyder noget. Et studie fra 2025 af nyhedsartikler fra før og efter ChatGPT fandt flere ord, der er typiske for AI, men intet målbart tab af variation i ordforrådet på de mål, studiet brugte, så effekten er tydeligst ved kontrolleret omskrivning og mindre tydelig ude i virkeligheden (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. Og et fagfællebedømt eksperiment om at skrive sammen med en sprogmodel fandt, at når essays blev mere ens, kom ensartetheden fra den tekst, modellen satte ind. Skribenternes egne bidrag var lige så varierede som før (Does Writing with Language Models Reduce Content Diversity?)⁴.

Det andet fund er det, du kan bruge til noget. Skaden kommer af, at dine sætninger bliver erstattet, og ikke af små rettelser i dem.

Hvorfor din mening overlever, og din stemme ikke gør

Forskere, der arbejder med skrivestil, holder to ting adskilt. Den ene er, hvad en besked siger. Den anden er, hvordan du siger det, og “hvordan” består af helt almindeligt materiale: hvilke hverdagsord du griber efter, hvor lange dine sætninger er, og hvor meget de varierer, dine vaner med tegnsætning, forbeholdene som “lidt” og “ærligt talt”, om du skriver “I’m” eller “I am” på engelsk, slangen, emojierne, skiftet til et andet sprog midt i en sætning. Et studie fra 2021 af tekster på nettet fandt, at de vaner er så stabile, at en model, der er trænet på titusindvis af skribenter, som regel kan afgøre ud fra to korte opslag, om den samme person har skrevet dem begge (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

Meningen har ikke brug for nogen af de træk. Derfor kan en omskrivning bevare meningen perfekt og miste dem alle sammen. Det er præcis det, Nature-studiet målte. Det, folk sagde, forblev meget ens, mens variationen i, hvordan de sagde det, faldt sammen.

Det gør “samme besked” og “samme stemme” til to forskellige løfter. De fleste værktøjer giver kun det første, og de fleste opdager først, at det andet mangler, når de har trykket send.

Tonen i et forslag kan også smitte af på samtalen. I Hohenstein og kollegers andet eksperiment, med 291 par, gjorde negative svarforslag samtalerne mere negative, end positive forslag eller standardforslag gjorde, og forskydningen kom fra de forslag, folk faktisk sendte. I deres første, præregistrerede eksperiment med 219 par vurderede folk en samtalepartner, som de troede brugte AI, som mindre samarbejdsvillig (Artificial intelligence in communication impacts language and social relationships)⁶.

Jeg har skrevet en separat artikel om hvad de tre store chatbots hver især gør ved dine ord. Her er det det næste spørgsmål, der afgør, om noget af det her betyder noget.

Opdager den anden det overhovedet?

Evidensen er mere specifik her, end jeg havde regnet med.

Et studie fra 2026, udgivet på CHI, den vigtigste konference for forskning i, hvordan folk bruger teknologi, testede netop det i romantiske forhold. I et randomiseret eksperiment med 704 personer, der læste beskeder fra en partner, varierede forskerne to ting, nemlig om AI havde lavet en let omskrivning af tonen eller skrevet hele beskeden, og om afsenderen indrømmede, at AI havde hjulpet. Når AI havde skrevet mere, føltes beskeden gennemgående mindre som afsenderens egen og mindre autentisk, og det opvejede det ikke, at den var tydeligere eller mere poleret. Det mest slående resultat handlede om undskyldninger. Når afsenderen sagde “jeg fik hjælp fra AI til tonen” om en let redigeret undskyldning, fandt læserne den mere autentisk og var mere tilgivende. Når afsenderen sagde det samme om en undskyldning, AI havde skrevet fra ende til anden, faldt begge dele. Beskeder med flere af afsenderens egne særheder scorede højere på autenticitet hele vejen igennem (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁷.

Et andet studie, fra 2025, forklarer en del af hvorfor. Da 399 personer læste beskeder, der var mærket som AI-assisterede, fik mærket ikke afsenderen til at se dårlig ud, men det fik beskeden til at holde op med at tælle som bevis. En undskyldning skrevet uden hjælp virkede varm. En bebrejdende besked skrevet uden hjælp virkede kold. Satte man AI-mærket på, rykkede begge mod neutral, som om beskeden slet ikke sagde noget om personen (Explaining the Reputational Risks of AI-Mediated Communication)⁸.

At fortælle, at man har brugt AI, har også sin egen pris. På tværs af 13 præregistrerede eksperimenter havde folk mindre tillid til dem, der sagde, at de havde brugt AI, end til dem, der ikke gjorde, i situationer fra karaktergivning til designarbejde (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁹. I følelsesmæssigt neutrale engangssituationer, som et tillidsspil med en fremmed, gjorde AI-hjælp dog næsten ingen forskel for tilliden, uanset om den blev oplyst eller ej (Writing with AI boosts trust-building efficiency)¹⁰.

Læst samlet er mønstret konsistent. Jo mere personlig beskeden er, jo mere koster en fuld omskrivning dig, og jo mere kan en let hånd på dine egne ord hjælpe. Især forskningen om undskyldninger fortjener sin egen artikel, og den har fået en: hvordan siger man undskyld over sms?

Udjævningen rammer nogle hårdere end andre

Skriver du på et andet sprog end dit modersmål, eller skifter du mellem sprog, når du skriver beskeder, har du allerede mærket det her.

I et eksperiment fra 2025 skrev 118 personer i Indien og USA korte essays om deres eget liv, lidt over halvdelen af dem med AI-autofuldførelse slået til. Med forslagene tændt gled de indiske skribenter i retning af den amerikanske gruppes mønstre og begyndte at beskrive deres egen mad og deres egne højtider fra et vestligt synspunkt (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹¹.

Det er ét studie, på engelsk, og det kan ikke tale for alle sprog. Men mekanismen er let at få øje på. De ting, en model helst vil “rette” i din tekst, det lånte ord, vendingen fra dit modersmål, skiftet til tyrkisk eller spansk i den del, der kun giver mening på tyrkisk eller spansk, er de ting, der er mest dig.

Kan en app lære, hvordan du skriver?

Delvist. Og du bør være skeptisk over for alle, der siger mere end det, mig selv inklusive.

Den grundigste test til dato gav førende modeller fra OpenAI, Google, Meta og DeepSeek rigtige skriveprøver fra mere end 400 personer og bad dem skrive ny tekst i hver persons stil. Eksempler hjalp meget. I struktureret skrift som mails godtog et program, der tjekker forfatterskab, efterligningen som personens egen tekst i over 95 procent af tilfældene. I afslappet skrift som blogindlæg narrede efterligningerne kun programmet i 17 til 21 procent af tilfældene, flere eksempler rykkede næsten ikke ved andelen, og teksten gled tilbage mod en generisk tone (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹². En separat benchmark fra april 2026, stadig et preprint, målte fire personaliseringsmetoder op mod, hvor meget rigtige mennesker ligner sig selv. Alle metoderne scorede under det niveau, hvor to forskellige mennesker ligner hinanden (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹³.

Så intet værktøj kan med rette love, at du kommer til at lyde præcis som dig selv. Det, et værktøj kan, er mere afgrænset og mere nyttigt. Det kan ændre så lidt som muligt, arbejde ud fra dine ord i stedet for at erstatte dem, vise dig, hvad det har ændret, og lade dig bestemme.

Sådan har vi bygget Subtext. Subtext læser tråden og dit udkast, og før den omskriver noget, fortæller den dig, hvordan beskeden sandsynligvis vil lande, og hvilke af dine ord der er årsagen. Derefter tilbyder den tre versioner. Den første holder sig tæt på det, du skrev, den sidste er en mere gennemgribende omformulering, og hver af dem viser, hvor meget af din formulering den har ændret, så du med ét blik kan se, om du kigger på en finpudsning eller en udskiftning. Du kan gøre hver af dem varmere eller kortere, eller åbne Rediger manuelt og selv ændre et ord, før du kopierer den. Standarden er den lette hånd, fordi det er den, forskningen siger holder, når den møder personen, der læser. Siden oktober 2026 har den også Hukommelse. “Min stemme” er sådan, du skriver overalt, og bruges på hvert udkast, og en skrivestil som Arbejde eller Venner kommer oveni afhængigt af sammenhængen. Når dine beskeder viser en ny måde at skrive på, foreslår Subtext at gemme den som en stil, og du kan læse, redigere eller slette hver note. Studierne ovenfor er grunden til, at jeg beskriver det som færre ting at gentage og stopper der.

At lade dig bestemme indebærer også at lade dig beholde en vending, Subtext ville tage ud. Én udveksling i tre trin, fra den 21. oktober 2026, med et opdigtet udkast og appens rigtige svar, viser, hvad det koster. På udkastet “Fint. Så gør jeg det bare selv, som altid.” markerede Subtext “som altid”, gav mærkaterne Passiv-aggressiv og Generalisering og følelsesordet Skuffelse. Begrundelsen for det andet mærkat var, at vendingen ikke lader plads til nuancer og “kan få modtageren til at forsvare sig.” Dens versioner fjernede vendingen. Den næste besked, der blev skrevet, var en instruks om at beholde “som altid”, fordi “Han har brug for at høre det.” Subtext satte vendingen ind igen: “Okay, så tager jeg det selv, som altid. Jeg havde bare håbet på lidt hjælp.” Vendingen er stadig markeret i den, og versionen er markeret “bemærk”. Af de tre første versioner uden vendingen var den nærmeste også markeret “bemærk”, mens de to andre var markeret “klar til at sende”. Noten bag mærket siger, at vendingen “siger tydeligt, at det er et mønster for dig. Det kan få ham til at forsvare sig”.

Under den note sidder en knap, “Ret det”. Et tryk sender noten tilbage med “Ret venligst dette for mig” foran, og Subtext svarede med to nye versioner, der begge beholder “som altid”. Den første har etiketten “Som altid” uden brod og lyder “Okay, så tager jeg det selv, som altid. Det gør mig faktisk lidt ked af det, for jeg havde håbet på lidt hjælp.” Den er markeret “klar til at sende”, og noten bag mærket siger, at du sætter dit eget “ked af det” ved siden af i stedet for en bebrejdelse, og at det “gør det sværere at forsvare sig imod og lettere at lytte til.” Den anden, Mere direkte, beder om en snak om mere hjælp og er stadig markeret “bemærk”. Så vendingen blev stående, fordi skribenten bad om det, og rettelsen arbejdede uden om vendingen uden at fjerne den. I den blødeste udgave var det nok til at fjerne advarslen, i den mere direkte blev advarslen stående.

Prøv Subtext i browserenHent i App StoreHent på Google PlayHent appen

Sådan holder du fast i din stemme, uanset hvilket værktøj du bruger

Det her virker i alle apps, ChatGPT inklusive.

1. Bed om den mindste opgave. “Ret kun grammatik og stavefejl” giver et helt andet resultat end “gør det her bedre”.
2. Sig tydeligt, hvad der skal blive stående. Sammentrækningerne, “jeg”, emojien, bandeordene, den halve sætning. Modeller er dårligere til at beskytte det, de normalt ville fjerne, end til at holde igen med det, de ville tilføje, så nævn det ved navn.
3. Tag aldrig imod en hel omskrivning uden at have læst den. Sammenlign den med dit udkast linje for linje, og tag kun de linjer, der stadig er dig.
4. Ved alt, der er følelsesladet, så behold dit eget udkast som udgangspunkt. I studiet om romantisk kommunikation landede en undskyldning med en let toneredigering fra AI bedre end en, som AI havde skrevet helt.
5. Læs den højt, før du sender. Ville du ikke sige det til personen ansigt til ansigt med de ord, så send det ikke.

Vil du have det samme tjek lavet for dig, gennemgår artiklen om hvad en AI-beskedtjekker kan tjekke, og sådan gør du det selv det, og jeg har sammenlignet AI-beskedomskriverne på markedet ud fra, om de stiller en diagnose, før de omskriver.

Ofte stillede spørgsmål

Hvilken app er bedst til at omformulere en besked, uden at den lyder, som om en robot har skrevet den? Den, der ændrer mindst og fortæller dig, hvor meget den har ændret. Ud fra evidensen ovenfor vil et værktøj, der erstatter dine sætninger, udjævne din stemme, uanset hvad markedsføringen siger, så kig efter en version, der holder sig tæt på dit udkast, en angivelse af, hvor langt hver version har flyttet sig, og en omskrivning, du kan sige nej tak til. Vi har bygget Subtext sådan, og tjeklisten ovenfor virker i alle apps.

Findes der en app, der omskriver mine beskeder med min egen stemme og ikke på den generiske AI-måde? Delvist. Ingen nuværende metode kommer op på, hvor konsistent et rigtigt menneske er med sig selv, så betragt “med din egen stemme” som en påstand, du skal teste, og ikke som en funktion, du kan stole på. Den praktiske udgave er et værktøj, der tager udgangspunkt i dit udkast, beholder dine sammentrækninger, forbehold og emojis og viser, hvor langt hver version har flyttet sig fra din formulering. Det er det, jeg ville kigge efter, og det er det, Subtext gør.

Findes der en app, der omskriver min besked, men stadig lyder som mig? Jeg ville sige “tættere på end de fleste, aldrig helt”. Forskningen ovenfor siger, at alle nuværende metoder kommer til kort over for, hvor konsistent et rigtigt menneske er med sig selv, så enhver app, der lover en omskrivning, som ikke kan skelnes fra dig, lover for meget. Det, du kan få, er en omskrivning, der tager udgangspunkt i dine sætninger, beholder de vaner, der bærer din stemme, og fortæller dig, hvor langt den har flyttet sig. Subtext virker sådan, og dens første version er med vilje den, der ligger tættest på det, du skrev.

Hvordan får jeg mine beskeder til at lyde varmere uden at miste min egen stemme? Tilføj varmen med dine egne ord, og bed ikke om en varm omskrivning. Det er den fulde omskrivning, der fjerner din stemme. Nævn én konkret ting ved personen eller øjeblikket, behold din sædvanlige formulering omkring den, og bruger du et værktøj, så bed det kun om at ændre den linje, der lyder kold, ikke hele beskeden.

Hvorfor får ChatGPT mine beskeder til at lyde så formelle? Fordi den er trænet til at producere flydende gennemsnitstekst, og gennemsnitligt engelsk er mere formelt end den måde, nogen skriver beskeder på. Omskrivninger skubber mod længere ord, udskrevne sammentrækninger og færre pronominer i første person, også når ingen har bedt om noget formelt. Vil du have det afslappet, må du bede om det, og du må nævne de konkrete ting, der skal have lov at blive stående.

Skal jeg sige det, hvis jeg har brugt AI til at skrive en besked? Det afhænger af, hvor meget AI har gjort. I studiet om romantisk kommunikation landede en undskyldning bedre, når afsenderen indrømmede en let toneredigering. Indrømmede afsenderen et fuldt AI-udkast, landede den dårligere. Er ordene dine, og AI har ryddet op i dem, er det fint at sige det, og det kan endda hjælpe. Har AI skrevet den, er det ærlige at skrive den om selv først.

Gælder det samme, når jeg skriver på dansk, tysk eller tyrkisk? Det meste af forskningen er på engelsk, så jeg kan ikke sige det med sikkerhed. Det ene tværkulturelle studie fandt, at AI-forslag trak skribenter i retning af amerikanske mønstre. Skriver du på et andet sprog eller skifter mellem sprog, er den sikreste vane at fortælle værktøjet præcis, hvilke ord og vendinger det ikke må røre.

Kilder

Hvert link ovenfor går til primærkilden, nummereret i den rækkefølge, de optræder. Preprints er markeret som sådan; betragt deres fund som foreløbige, indtil de er blevet fagfællebedømt.

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. og Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
2. van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. arXiv preprint 2604.22142.
3. Fitterer, S., Gangl, D. og Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
4. Padmakumar, V. og He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. og Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
6. Hohenstein, J., Kizilcec, R. F., DiFranzo, D. og kolleger (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. Eksperiment 1 præregistreret, 219 par; eksperiment 2, 291 par. En rettelse fra udgiveren af 3. oktober 2023 tilføjede erklæringen om finansiering, NSF CHS 1901151.
7. Fan, G., Liu, D. og Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
8. Khadpe, P., Wenzel, K., Loewenstein, G. og Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
9. Schilke, O. og Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
10. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. og Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
11. Agarwal, D., Naaman, M. og Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
12. Wang, Z., Tripto, N. I., Park, S., Li, Z. og Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
13. Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460, accepteret ved ICML 2026 CTB-workshoppen.