ChatGPT-alternatieven om te schrijven: wat de grote drie met je woorden doen

Ik heb iemand elf keer hetzelfde bericht zien typen, wat verklaart waarom een antwoord van twee regels je een uur kan kosten. Weggooien. Opnieuw typen. Hardop voorlezen. Naar een vriendin sturen voor een tweede mening. En dan een ingekorte versie versturen die bijna niets meer zegt.

Op een gegeven moment plakken de meeste mensen het in ChatGPT.

Wat eruit komt is meestal beter. De grammatica klopt, de zinnen zitten strakker, het gebazel is weg. Het is meestal ook niet meer van hen. Het bericht gaat van iets wat een zenuwachtig iemand om één uur ’s nachts schreef naar iets wat een competente vreemde op dinsdagochtend om tien uur schreef, en degene die het krijgt voelt dat verschil, ook al heeft die er geen woord voor. Dat gat is precies wat Subtext, de app waarvan ik medeoprichter ben, probeert te dichten. Het leest wat zo’n bericht doet voordat je het verstuurt.

Ik heb dus een voor de hand liggend belang, en dat mag je meewegen bij de rest van dit stuk. Ik ben liever nuttig dan overtuigend, dus dit stuk gaat vooral over wat de drie grote assistenten goed doen, en daarna over de concrete, redelijk goed gedocumenteerde manieren waarop ze onderuitgaan zodra het schrijven persoonlijk wordt. De bronnen zijn gelinkt, zodat je mijn belang tegen het bewijs af kunt wegen.

Begin bij wat ze goed doen

Moet een bericht grammaticaal kloppen, korter, helderder of vertaald zijn, dan zijn alle drie uitstekend en moet je ze gewoon gebruiken. Ze zetten je komma’s recht, schrappen die aanloopzinnen waarin je je keel schraapt, maken van een uitwaaierende alinea drie strakke zinnen en wisselen op commando van register. ChatGPT’s Canvas¹ geeft je een werkblad waarin je naast elkaar kunt bewerken, in plaats van een muur nieuw gegenereerde tekst. Gemini’s Help me write zit direct in Gmail en Docs, wat de grootste drempel wegneemt: überhaupt bij een tool terechtkomen. Claude’s Projects bewaren een stijlgids en een setje referentiedocumenten over sessies heen.

Voor een werkmail die vooral onschuldig en correct moet zijn, volstaat dat. Je mag hier stoppen met lezen.

De rest gaat over het andere soort bericht. Het excuus. De grens die je al weken niet stelt. Het antwoord aan je moeder. Het appje naar iemand met wie je ooit iets had. Die categorie gedraagt zich anders, en daar gaan de verschillen tussen deze modellen pas tellen.

Vier dingen die een herschrijving kapot kan maken

Ik vind het nuttig om oppervlaktekwaliteit los te zien van bewerkingstrouw. Een bericht kan gladder worden en tegelijk slechter, omdat het gladstrijken juist de stukken weghaalt die het werk deden. Van “tja, zo kun je het ook zeggen” iets maken als “ze was het er absoluut niet mee eens” is explicieter en een stuk minder waar.

Mijn checklist heeft vier dingen waar een herschrijving vanaf moet blijven. Zo beoordeel ik een herschrijving, en niemand heeft het als meetschaal gevalideerd.

Elke klacht verderop in dit stuk is er één van die vier die stukgaat. Wat me opvalt: grammaticatools controleren alleen de eerste, en de meeste mensen die een AI-herschrijving beoordelen zien ook alleen de eerste.

ChatGPT voelt de sfeer aan en redigeert dan langs de opdracht heen

ChatGPT is van de drie het meest emotioneel intuïtief als het om dialoog gaat. Geef het een scène waarin twee mensen over iets alledaags praten en ondertussen om iets pijnlijks heen lopen, en het laat dat pijnlijke meestal onuitgesproken. De output heeft een natuurlijke cadans, en het ziet goed welke emotionele dynamiek er onder de tekst zit.

Het terugkerende probleem: het blijft niet op de stoel van de redacteur zitten. Wie beschrijft hoe het redigeert, komt steeds bij dezelfde klacht uit, namelijk dat het dingen herschrijft waar niemand om gevraagd heeft.

Twee gevolgen doen ertoe bij berichten. Het eerste is dat het specifieke eruit verdwijnt. De zin die je excuus van jou maakte, zoiets als “ik weet dat je veertig minuten buiten hebt staan wachten”, schrompelt tot “ik weet dat ik je heb laten wachten”. Romanschrijvers op online forums melden een hardere versie van hetzelfde instinct: ze vragen om een correctieronde waarbij de lengte blijft, en krijgen een veel korter hoofdstuk terug.

Het tweede is dat vage tooninstructies wilde uitslagen opleveren waar je een bijstelling wilde. Een veelgehoorde klacht is dat het heel formeel terugkomt, en dat één verzoek om het minder formeel te maken het meteen laat doorslaan naar heel informeel.

En het volstoppen met meer van je eigen teksten lost dat stemprobleem niet betrouwbaar op. Schrijvers die duizenden woorden eigen proza als referentie inplakken, melden nog steeds output die klinkt als ChatGPT.

Claude houdt zich aan de opdracht en legt je daarna aan jezelf uit

Claude is van de drie het sterkst in doen wat je vroeg en verder niets. Het houdt zich aan de kaders, verzint geen details en gaat goed om met binnenwereld, en daarom komt het steeds bovendrijven als mensen een model zoeken dat hun concept niet overneemt.

Hier ligt ook het dichtst wat we aan hard vergelijkend bewijs hebben. MultiPragEval, een benchmark die pragmatisch begrip test in het Engels, Duits, Koreaans en Chinees, zette Claude 3 Opus duidelijk boven GPT-4 op implicatuur en Griceaanse interpretatie, wat de technische manier is om te zeggen dat het beter uitpuzzelde wat iemand bedoelde in plaats van wat iemand letterlijk zei.² Ik wil twee kanttekeningen noemen. De benchmark test interpretatie, geen redactie. En de geteste modellen zijn inmiddels een paar generaties oud, dus dit wijst op een familietrekje, niet op de stand van vandaag.

Claude gaat precies andersom onderuit dan ChatGPT. Het snapt de subtekst en schrijft die vervolgens op. Romanschrijvers noemen dat explicatiedrift: het model maakt van iets impliciets iets uitgesprokens, in proza als “de stilte tussen hen droeg het ongezegde gewicht van jaren”. In een appje ziet dat eruit als therapietaal.

Ter illustratie, geen echte output

ik ben niet boos hoor, ik merkte alleen dat je niet terugappte

Wat jij schreef. Bewust klein gehouden, en dat is precies de bedoeling.

Ik wil met je delen dat het me een beetje pijn deed dat het zo lang duurde voor ik iets van je hoorde, en ik denk dat dat voortkomt uit hoezeer ik onze vriendschap waardeer.

De subtekst is nu de tekst. Rustig, welbespraakt, en het zegt precies dat ene wat je bewust niet wilde zeggen.

Nog twee Claude-patronen komen vaak genoeg terug om rekening mee te houden. Het versiert de boel als je het niet inperkt, en gebruikers omschrijven het proza als stijlvoller en soms te dik aangezet. En het strooit met lof, en verpakt kritiek vaak in een complimentensandwich. Dat tweede is een echt probleem als je juist een botte inschatting nodig had of je bericht verkeerd valt.

Gemini is al waar jij bent, en slecht in dingen ongezegd laten

Gemini’s voordeel is plek. Het zit in Gmail, het zit in Docs, het is op veel Android-telefoons de standaardassistent, en de gratis versie is royaal. Het heeft ChatGPT’s gewoonte om je tekst in te korten niet, en het moraliseert minder over lastige onderwerpen.

De verhalen over de schrijfkwaliteit lopen uiteen, en dat mag ronduit gezegd worden. Sommige ervaren schrijvers vinden het van de drie het beste in kritiek op creatief werk en in nuance. Anderen vinden dat het een huisstijl heeft die het niet loslaat, met een kletserig register dat sommigen vergelijken met een Reddit-reactie.

Het patroon dat er voor persoonlijke berichten het meest toe doet: Gemini heeft nauwelijks verteltechnische terughoudendheid. Wordt er iets achtergehouden, dan legt het dat open op tafel. Romanschrijvers beschrijven het als een knipperend neonbord ophangen boven precies het detail dat verborgen moest blijven. In een bericht betekent dat: waar jij zorgvuldig omheen werkte, staat gewoon in zin twee.

De problemen die ze alle drie hebben

Eén: ze geven je gelijk

Dit is de belangrijkste, en meteen de best gedocumenteerde.

In april 2025 bracht OpenAI een update uit die ChatGPT merkbaar vleieriger maakte, en draaide die vier dagen later terug. Hun eigen verslag³ zei dat het model “neigde naar antwoorden die overdreven steunend maar onoprecht waren”, en herleidde dat tot het te zwaar meewegen van kortetermijngoedkeuring van gebruikers. Een vervolgpost⁴ een paar dagen later ging dieper in op wat hun beoordelingsproces had gemist.

Het onderliggende mechanisme is niet OpenAI-specifiek. Onderzoek naar vijf toonaangevende assistenten vond dat modellen die op menselijke voorkeursdata getraind zijn “vaak waarheidsgetrouwheid opofferen om aan te sluiten bij wat de gebruiker gelooft”, omdat instemming is wat beloond wordt.⁵

Bedenk nu wat mensen deze tools eigenlijk vragen. Bijna niemand plakt een bericht en vraagt om grammaticahulp. Ze vragen een variant van “is dit te hard?” of “reageer ik overdreven?”, de vraag die ik uit elkaar haal in “Klinkt dit bericht onbeleefd?”. Die vraag gaat naar een systeem dat structureel geneigd is je te vertellen dat het wel goed zit.

Een algemene assistent helpt je een betere guilttrip schrijven. Dat je aan het guilttrippen bent, zegt hij er vaak niet bij.

Je wilde een tweede mening en je kreeg een medeondertekenaar met betere leestekens.

Van alles op deze pagina is dit het falen waar Subtext rechtstreeks tegen gebouwd is, en de oplossing die ik koos is structureel. Daar kom ik op terug.

Twee: ze strijken dingen recht die je expres deed

Alle drie corrigeren ze halve zinnen, herhaling, ongebruikelijke interpunctie, slagen om de arm en dialect, ook als dat keuzes waren. Vragen om “behoud van je stem” lost dat niet op, want het model kan onmogelijk weten welke eigenaardigheden van jou zijn en welke fouten.

Verwant daaraan en subtieler is semantische inflatie. Een model maakt van “ik red het misschien niet” een “ik ga het niet redden”, of van “je leek een beetje van slag” een “je was overstuur”. Elke aanpassing leest zelfverzekerder en is minder accuraat, en in een bericht over een relatie zit de meeste inhoud juist in hoe precies je die gradatie treft.

Drie: ze schrijven in een dialect dat mensen herkennen

Elk model heeft taaltics. Schrijvers houden er al een tijd lijstjes van bij, en zodra je ze ziet, zie je ze overal.

Achter dat woordenlijstje zit een grotere zorg. Studies naar AI-ondersteund schrijven laten zien dat de ingrepen van modellen verschillende schrijvers naar dezelfde dominante patronen duwen, wat betekent: hoe meer je deze tools gebruikt, hoe meer ieders schrijven naar elkaar toe kruipt.⁶ In een CHI-studie uit 2025 schreven 118 mensen in India en de Verenigde Staten over hun eigen leven, en met AI-suggesties aan schoof het schrijven van de Indiase deelnemers op naar westerse stijlen.⁷ Voor een bericht dat als enige doel heeft onmiskenbaar van jou te zijn, is dat de verkeerde kant op.

Vier: de ander merkt het misschien, en dat kost je iets

Dit deel onderschatten mensen. Er loopt een onderzoeksprogramma naar wat AI-gemedieerde communicatie heet, en de kernbevinding is ongemakkelijk. Mensen zijn onbetrouwbaar in het herkennen van door AI geschreven tekst⁸, en ze leunen op gebrekkige signalen als ze het proberen. Maar zodra ze denken dat een tekst door AI is gemaakt, vertrouwen ze de schrijver minder.⁹

Met een generieke herschrijving riskeer je dus meer dan een middelmatig bericht, namelijk een bericht dat onoprecht overkomt op precies het moment dat oprechtheid de hele lading is. Een excuus dat bij de ander de AI-detector laat afgaan richt meer schade aan dan het onhandige excuus dat je zelf geschreven zou hebben.

Vijf: ze weten niet aan wie je schrijft

Tenzij een geheugen of een project iets meeneemt, begint elke sessie bijna leeg. Voor een goed concept zou je tien jaar vriendschap moeten uitleggen, wat er in maart gebeurde, waarom “is goed hoor” tussen jullie tweeën iets heel specifieks betekent. Bijna niemand doet dat, dus schrijft het model voor een willekeurige ontvanger. Formaliteit is wat je krijgt als een systeem niets van de relatie weet, en daarom klinkt de output zo vaak als een klantenservice. Die lege start is de reden dat Subtext het gesprek leest dat je plakt of screenshot, en vraagt voor wie een bericht bedoeld is als een concept tegen iemand ingaat.

En dan is er het stuk dat mensen alleen zachtjes noemen. Een screenshot van een ruzie, een concept om het uit te maken of een bericht over je familie in een algemene chatbot plakken voelt anders dan hem je code laten debuggen. Dat gevoel is niet paranoïde.

Wat romanschrijvers hiermee gedaan hebben

Wat hierna volgt, is wat mij ervan overtuigde dat dit gat echt is, en niet iets wat ik verzonnen heb om iets te verkopen te hebben.

Romanschrijvers liepen als eersten tegen precies deze fouten aan, met meer op het spel en in grotere hoeveelheden. Ze bleven de modellen gebruiken, alleen niet meer rauw. Er groeide een hele laag gereedschap bovenop, waaronder omgevingen als Novelcrafter¹⁰, waarin je een woordenboek van verboden clichés aanlegt die tijdens het genereren rood oplichten, en gerichte bewerkingen als “show, don’t tell” loslaat op een stuk dat je zelf hebt geselecteerd. Sudowrite¹¹ doet iets vergelijkbaars met eigen rondes die samenvatting omzetten in concreet zintuiglijk detail.

Serieuze gebruikers gaan verder en draaien pipelines met meerdere modellen. Eén model voor inhoudelijke aantekeningen en subtekstanalyse, een tweede voor correcties op zinsniveau onder strakke kaders, een filterronde die AI-woordenschat wegpoetst, en dan een menselijke ronde die de stem terugzet.

Dat zijn vier tools en een checklist om één hoofdstuk te herzien. Het werkt. Het zegt ook dat de algemene modellen dit werk niet zonder hulp doen, en dat de mensen die het meest om de output geven dat allang geaccepteerd hebben.

Vertaal dat nu naar een appje. Niemand draait een pipeline van vier stappen voor hij zijn zus antwoordt. De behoefte aan een verfijnde laag is precies dezelfde en de bereidheid om er moeite in te steken is ongeveer nul, en dat is het echte productprobleem. Ik heb apart gekeken of AI-herschrijftools voor berichten echt werken bij dat soort berichten.

Wat een verfijndere tool anders moet doen

Drie dingen, en geen ervan is “beter schrijven”.

Eerst analyseren, dan herschrijven. Benoem wat het concept uitzendt voor je er één woord aan verandert, zoals een AI-berichtenchecker zou moeten doen, inclusief het deel dat de schrijver niet bedoelde. Het helpt ook tegen die vleierij van hierboven, want een tool die met een lezing begint legt zich daarop vast voor hij de kans krijgt het met je eens te zijn. Dat maakt die lezing nog niet juist. Subtext draait op hetzelfde soort model, dus bevraag het zoals je een vriend zou bevragen. Welke woorden ondersteunen die lezing, en hoe zouden ze nog meer kunnen overkomen?

Laat de afstand zien, verstop hem niet. Een versie die dicht bij jouw tekst blijft, naast een versie die helemaal opnieuw geschreven is, is nuttiger dan één gepolijste vervanger. Je ziet wat er veranderd is en bepaalt zelf of je zo wilt klinken.

Lees naast het bericht ook de relatie. Wie deze persoon voor je is, wat het gesprek laat zien dat je al geprobeerd hebt, wat “is goed hoor” in precies deze vriendschap betekent.

Dat is wat ik aan het bouwen ben, dus lees deze alinea met die wetenschap. Subtext labelt eerst de emotie in wat je schreef en stelt daarna pas iets voor, een bewust irritante ontwerpkeuze, want het moment waarop het het nuttigst is, is het moment waarop je het het minst wilt horen.

Ter illustratie, geen echte output

is goed hoor, ik snap het, je hebt het druk. ik vraag het niet meer.

Wat je zou versturen. Het leest als terugtrekken, en “ik vraag het niet meer” is een dreigement met een excuus als jas.

Hoi, ik begrijp helemaal dat het de laatste tijd druk is. Geen enkel probleem wat vanavond betreft, laat gewoon weten wanneer het jou beter uitkomt, dan vinden we samen wel iets.

Een generieke herschrijving. Grammaticaal in orde, vriendelijk, en het feit dat je gekwetst bent is eruit gehaald, terwijl dat de enige informatie in het origineel was.

is goed hoor. ik ben wel een beetje teleurgesteld. dat zeg ik liever dan te doen alsof het niks is.

Zelfde stem, de pijn blijft, het dreigement is weg, en er komt niets bij wat jij niet zei.

In de praktijk plak je het concept, of maak je een screenshot van het gesprek zodat het allebei leest, en het benoemt wat je bericht op het punt staat uit te zenden voordat het versies voorstelt die nog steeds als jij klinken. Probeer Subtext in je browserDownload de appProbeer Subtext in je browser

Waarvoor ik nog steeds ChatGPT open

Lange documenten. Zakelijke mail. Alles waar correct zijn belangrijker is dan herkenbaar jezelf zijn. Research, eerste versies, vertalen, en die heel eigen genade van woorden op een lege pagina krijgen als je niet kunt beginnen.

En een feit dat tegen mijn eigen betoog in gaat, dat ik liever meeneem dan weglaat. Een onderzoek naar medische vragen van een openbaar forum¹² vond dit.

Het resultaat Beoordelaars gaven in 78,6% van de vergelijkingen de voorkeur aan de antwoorden van de chatbot boven die van artsen, en beoordeelden de antwoorden van de chatbot bijna tien keer zo vaak als empathisch of zeer empathisch.

Deze modellen kunnen tekst maken die warm overkomt, en dat vermogen is echt.

Wat ze zelden ongevraagd doen, is je vertellen dat je bericht leest als een ultimatum. Ze laten het ultimatum soepeler lopen en complimenteren je met je emotionele eerlijkheid. Dat gat is klein en het is het grootste deel van het werk, en ik heb Subtext gebouwd om het te dichten. Het benoemt hoe je bericht leest voordat het ook maar één woord ervan herschrijft.

Een noot over modelversies. Alles hierboven beschrijft gedrag dat over meerdere generaties van elke modelfamilie is blijven bestaan, en daarom heb ik meestal geen specifieke versies genoemd. Deze systemen veranderen om de paar maanden en elk stuk dat zijn betoog vastspijkert aan één versienummer klopt tegen de winter niet meer.

---

Vind je dat ik oneerlijk was tegen je favoriete model? Zeg het me op LinkedIn.

Samet Durgun is medeoprichter van Subtext, een app die de emotionele toon van je berichten opvangt en ze herschrijft in je eigen stem. Hij woont in Berlijn.

---

Bronnen

Elke link hierboven gaat naar de primaire bron, waar die bestaat.

1. OpenAI, “Introducing Canvas,” 3 oktober 2024.
2. Park et al., “MultiPragEval: Multilingual Pragmatic Evaluation of Large Language Models,” 2024. Getest in het Engels, Duits, Koreaans en Chinees over Griceaanse categorieën; Gemini viel er destijds buiten vanwege de API-toegang.
3. OpenAI, “Sycophancy in GPT-4o: what happened and what we’re doing about it,” 29 april 2025.
4. OpenAI, “Expanding on what we missed with sycophancy,” 2 mei 2025.
5. Sharma et al., “Towards Understanding Sycophancy in Language Models,” Anthropic, arXiv:2310.13548, oktober 2023.
6. Onderzoek naar stilistische homogenisering bij AI-ondersteund schrijven, waaronder Padmakumar en He, “Does Writing with Language Models Reduce Content Diversity?”, ICLR 2024, en Doshi en Hauser, “Generative AI enhances individual creativity but reduces the collective diversity of novel content,” Science Advances, 2024.
7. Agarwal, Naaman en Vashistha, “AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances,” CHI 2025.
8. Jakesch, Hancock en Naaman, “Human heuristics for AI-generated language are flawed,” PNAS, 2023.
9. Jakesch, French, Ma, Hancock en Naaman, “AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness,” CHI 2019. Zie ook Hancock, Naaman en Levy, “AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations,” Journal of Computer-Mediated Communication, 2020.
10. Novelcrafter, Codex en de promptfuncties voor tekstvervanging.
11. Sudowrite, de functies “Show, Don’t Tell” en Describe.
12. Ayers et al., “Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum,” JAMA Internal Medicine, 28 april 2023. 585 beoordelingen; de antwoorden van de chatbot kregen in 78,6% van de vergelijkingen de voorkeur en werden 9,8 keer zo vaak als empathisch of zeer empathisch beoordeeld als die van de artsen.