Laat AI je appjes als een robot klinken?

Meestal wel. En voor het eerst is er goed onderzoek naar het waarom. Als een AI-model een bericht herschrijft, blijft de betekenis grotendeels overeind. De manier waarop jij dingen zegt niet. Samentrekkingen verdwijnen, “ik” komt minder vaak voor, het model poetst de kleine woordjes die je ritme dragen weg, en wat terugkomt leest alsof het voor iedereen geschreven is.

Ik ben medeoprichter van Subtext, een app die precies rond dit probleem gebouwd is, dus weeg wat ik erover zeg met dat in je achterhoofd. Wat ik wel kan bieden, is dat ik de studies grondig heb doorgenomen, en ik heb ze allemaal gelinkt zodat je me kunt controleren. Dit is wat ze laten zien, wat ze niet laten zien, en wat je eraan kunt doen, of je nu onze app gebruikt of je concepten in ChatGPT plakt. Verderop leest Subtext het concept “Prima. Dan doe ik het zelf wel, zoals altijd.”, en ik volg wat er gebeurt als je een zinsdeel houdt dat de app eruit wilde halen.

Wat er met een bericht gebeurt als AI het herschrijft

De grootste studie tot nu toe verscheen in augustus 2026 in Nature Human Behaviour. De onderzoekers bekeken meer dan 880.000 teksten, waaronder gecontroleerde experimenten waarin ze dezelfde teksten door meerdere AI-modellen haalden met prompts als “poets het op”, “maak het duidelijker” en “maak het natuurlijker”. De kerninhoud bleef overeind. De variatie in hoe mensen schreven niet. Over hun datasets en modellen heen kromp de spreiding in schrijfcomplexiteit met 21 tot 50 procent, en classificatiemodellen die het geslacht, de leeftijd, de politieke voorkeur of de waarden van een schrijver uit diens tekst afleiden, werden merkbaar slechter op de herschrijvingen, waarbij de fouten naar het meerderheidsprofiel neigden (The shrinking landscape of linguistic diversity in the age of large language models)¹.

Het herschrijfexperiment van die studie gebruikte Reddit-posts en wetenschappelijke abstracts. Een kleinere studie uit 2026, nog een preprint, keek naar iets wat dichter bij een appje ligt: 300 persoonlijke verhalen, elk herschreven door drie toonaangevende modellen. Het patroon was elke keer hetzelfde. Minder samentrekkingen. Minder voornaamwoorden in de eerste persoon. Minder van de kleine functiewoorden. Langere woorden en deftigere interpunctie. Het maakte niet uit of de instructie “verbeter dit” was of gewoon “herschrijf dit”. Het model opdragen de stem van de schrijver te bewaren, verkleinde het effect met ongeveer een derde, maar de richting veranderde nooit, en het model was slechter in het bewaren van wat het graag weghaalt dan in het inhouden van wat het graag toevoegt (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

Twee bevindingen wijzen de andere kant op, en die doen ertoe. Een studie uit 2025 naar nieuwsartikelen van voor en na ChatGPT vond meer typische AI-woorden, maar op de gebruikte maten geen meetbaar verlies aan woordenschatvariatie, dus het effect is het duidelijkst bij gecontroleerd herschrijven en minder duidelijk in de praktijk (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. En een peer-reviewed experiment over samen schrijven met een taalmodel vond dat wanneer essays meer op elkaar gingen lijken, die eenvormigheid kwam van de tekst die het model invoegde. De eigen bijdragen van de schrijvers bleven even gevarieerd als daarvoor (Does Writing with Language Models Reduce Content Diversity?)⁴.

Die tweede bevinding is de nuttige. De schade komt van het vervangen van je zinnen, niet van kleine aanpassingen erin.

Waarom je betekenis overleeft en je stem niet

Onderzoekers die zich met schrijfstijl bezighouden, behandelen twee dingen apart. Het ene is wat een bericht zegt. Het andere is hoe je het zegt, en dat “hoe” bestaat uit heel alledaagse dingen: naar welke alledaagse woorden je grijpt, hoe lang je zinnen zijn en hoeveel ze variëren, je gewoontes met leestekens, voorbehouden als “een beetje” en “eerlijk gezegd”, of je “da’s” schrijft of “dat is”, de slang, de emoji, het overschakelen naar een andere taal midden in een zin. Een studie uit 2021 naar online schrijven vond dat die gewoontes zo consistent zijn dat een model dat getraind is op tienduizenden schrijvers meestal aan twee korte posts kan zien of ze door dezelfde persoon geschreven zijn (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

De betekenis heeft geen van die kenmerken nodig. Een herschrijving kan de betekenis dus perfect bewaren en ze allemaal kwijtraken. Dat is precies wat de Nature-studie mat. Wat mensen zeiden, bleef sterk vergelijkbaar, terwijl de variatie in hoe ze het zeiden instortte.

Daardoor zijn “dezelfde boodschap” en “dezelfde stem” twee verschillende beloftes. De meeste tools doen alleen de eerste belofte, en de meeste mensen merken pas dat de tweede ontbreekt als ze al op verzenden hebben gedrukt.

De toon van een suggestie kan ook doorwerken. In het tweede experiment van Hohenstein en collega’s, met 291 paren, maakten negatieve voorgestelde antwoorden gesprekken negatiever dan positieve of standaardsuggesties, en de verschuiving kwam door de suggesties die mensen daadwerkelijk verstuurden. In hun eerste, vooraf geregistreerde experiment met 219 paren beoordeelden mensen een gesprekspartner van wie ze dachten dat die AI gebruikte als minder coöperatief (Artificial intelligence in communication impacts language and social relationships)⁶.

Wat de grote drie chatbots elk met je woorden doen heb ik apart uitgewerkt. Of dit er allemaal toe doet, hangt af van de volgende vraag.

Merkt de ander het eigenlijk wel?

Het bewijs is hier specifieker dan ik had verwacht.

Een studie uit 2026, gepubliceerd op CHI, de belangrijkste conferentie voor onderzoek naar hoe mensen technologie gebruiken, testte precies dit in romantische relaties. In een gerandomiseerd experiment met 704 mensen die berichten van een partner lazen, varieerden de onderzoekers twee dingen: of de AI een lichte toonherschrijving had gedaan of het hele bericht had opgesteld, en of de afzender toegaf dat AI had geholpen. Schreef de AI meer zelf, dan voelde het bericht steevast minder als dat van de afzender en minder authentiek, en helderder of gepolijster zijn maakte dat niet goed. Het opvallendste resultaat ging over excuses. Als de afzender bij een licht bewerkt excuus zei “ik heb AI laten helpen met de toon”, vonden lezers het authentieker en waren ze vergevingsgezinder. Zei de afzender hetzelfde over een excuus dat volledig door AI was opgesteld, dan daalden allebei. Berichten met meer eigen eigenaardigheden van de afzender scoorden overal hoger op authenticiteit (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁷.

Een tweede studie, uit 2025, verklaart deels waarom. Toen 399 mensen berichten lazen met het label AI-ondersteund, liet dat label de afzender niet slecht uitkomen, maar het zorgde er wel voor dat het bericht niet meer meetelde als aanwijzing. Een excuus zonder hulp kwam warm over. Een verwijtend bericht zonder hulp kwam kil over. Voeg het AI-label toe en beide schoven op naar neutraal, alsof het bericht helemaal niets over de persoon zei (Explaining the Reputational Risks of AI-Mediated Communication)⁸.

Openheid heeft een eigen prijs. In 13 vooraf geregistreerde experimenten werden mensen die zeiden AI te hebben gebruikt minder vertrouwd dan mensen die dat niet zeiden, in situaties van nakijken tot ontwerpwerk (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁹. Al maakte AI-hulp in emotioneel neutrale, eenmalige situaties, zoals een vertrouwensspel met een onbekende, vrijwel geen verschil voor vertrouwen, of het nu gemeld werd of niet (Writing with AI boosts trust-building efficiency)¹⁰.

Samen gelezen is het patroon consistent. Hoe persoonlijker het bericht, hoe meer een volledige herschrijving je kost, en hoe meer een lichte aanpassing aan je eigen woorden kan helpen. Vooral het onderzoek naar excuses verdient een eigen stuk, en dat heb ik geschreven, over hoe je sorry zegt via een appje.

De afvlakking raakt sommige mensen harder

Schrijf je in een tweede taal, of wissel je tussen talen als je appt, dan heb je dit al gemerkt.

In een experiment uit 2025 schreven 118 mensen in India en de Verenigde Staten korte essays over hun eigen leven, iets meer dan de helft van hen met AI-autocomplete aan. Met de suggesties aan schoven de Indiase schrijvers op naar de patronen van de Amerikaanse groep, en gingen ze hun eigen eten en feestdagen vanuit een westers perspectief beschrijven (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹¹.

Dat is één studie, in het Engels, en die kan niet voor elke taal spreken. Maar het mechanisme is makkelijk te zien. De dingen die een model het eerst in je tekst “corrigeert”, het leenwoord, de formulering die uit je moedertaal komt, de overstap naar Turks of Spaans voor het stuk dat alleen in het Turks of Spaans klopt, zijn precies de dingen die het meest van jou zijn.

Kan een app leren hoe jij schrijft?

Gedeeltelijk. En wees wantrouwig tegenover iedereen die meer beweert, mij inbegrepen.

De grondigste test tot nu toe gaf toonaangevende modellen van OpenAI, Google, Meta en DeepSeek echte schrijfvoorbeelden van meer dan 400 mensen, en vroeg ze nieuwe tekst te schrijven in de stijl van elk van die mensen. Voorbeelden hielpen veel. Bij gestructureerd schrijven zoals e-mail accepteerde een auteurschapschecker de imitatie in meer dan 95 procent van de gevallen als tekst van de echte persoon. Bij informeel schrijven zoals blogposts leidden de imitaties de checker maar 17 tot 21 procent van de tijd om de tuin, meer voorbeelden toevoegen veranderde daar nauwelijks iets aan, en de output dreef terug naar een generieke toon (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹². Een aparte benchmark uit april 2026, nog een preprint, zette vier personalisatiemethoden af tegen hoe sterk echte mensen op zichzelf lijken. Elke methode scoorde onder het niveau waarop twee verschillende mensen op elkaar lijken (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹³.

Geen enkele tool kan je dus met recht beloven dat je precies als jezelf klinkt. Wat een tool wel kan, is beperkter en nuttiger. Hij kan zo weinig mogelijk veranderen, vanuit je woorden werken en ze niet vervangen, laten zien wat hij veranderde, en jou laten beslissen.

Zo hebben wij Subtext gebouwd. Subtext leest het gesprek en je concept, en voordat het iets herschrijft, vertelt het je hoe het bericht waarschijnlijk aankomt en welke van je woorden dat veroorzaken. Daarna biedt het drie versies. De eerste blijft dicht bij wat je schreef, de laatste is een vollediger herformulering, en bij elke versie staat hoeveel van je formulering er veranderd is, zodat je in één oogopslag ziet of je naar een opgepoetste versie kijkt of naar een vervanging. Je kunt elke versie warmer of korter maken, of Handmatig bewerken openen en zelf een woord aanpassen voordat je hem kopieert. De lichte aanpassing is de standaard, omdat het onderzoek zegt dat die overeind blijft bij degene die het leest. Sinds oktober 2026 heeft het ook Geheugen. Mijn stem is hoe je overal schrijft en wordt op elk concept toegepast, en een schrijfstijl zoals Werk of Vrienden komt er afhankelijk van de context bovenop. Laten je berichten een nieuwe manier van schrijven zien, dan stelt Subtext voor om die als stijl op te slaan, en elke notitie kun je lezen, bewerken of verwijderen. Door de studies hierboven omschrijf ik dit als minder dingen die je hoeft te herhalen, en verder niet.

Jou laten beslissen betekent ook dat je een zinsdeel mag houden dat Subtext eruit zou halen. Eén uitwisseling in drie stappen, van 21 oktober 2026, met een verzonnen concept en de echte antwoorden van de app, laat zien wat dat kost. Bij het concept “Prima. Dan doe ik het zelf wel, zoals altijd.” markeerde Subtext “zoals altijd”, gaf het de labels Passief-agressief en Generalisatie en het gevoelswoord Teleurgesteld, en gaf het als reden voor het tweede label dat “zoals altijd” de ander het gevoel geeft “dat er geen ruimte is voor nuance”. De versies lieten het zinsdeel weg. Het volgende getypte bericht was de instructie om “zoals altijd” te laten staan, omdat “Hij moet het horen.” Subtext zette het zinsdeel terug en liet de rest staan: “Oké, dan doe ik het zelf wel, zoals altijd. Ik had wel op wat hulp gehoopt.” Het zinsdeel is daarin nog steeds gemarkeerd, en de versie kreeg “let op”. Van de drie eerdere versies hadden er twee “kan zo weg” gekregen; alleen de versie die het dichtst bij het concept bleef, had ook al “let op”. De notitie achter de badge zegt dat het zinsdeel “als verwijt” kan landen, “maar de zin erna over je hoop op hulp maakt het menselijker”.

Onder die notitie staat een knop, “Oplossen”. Na een tik zei Subtext dat het “zoals altijd” en de eerste zin laat staan en “alleen de zin erna” aanpast, “zodat het meer als jouw gevoel klinkt dan als een verwijt”. Het bood twee nieuwe versies. De eerste, Gevoel benoemen, luidt “Oké, dan doe ik het zelf wel, zoals altijd. Ik had echt op wat hulp gehoopt en het raakt me best dat dat weer niet lukt.” Die is nog steeds gemarkeerd met “let op”. De tweede, Open deur, houdt “zoals altijd” ook, voegt er “en ik zou het fijn vinden als we het hier straks even over hebben” aan toe en krijgt wel “kan zo weg”. Subtext zei er zelf bij dat het daarin een gesprek voorstelde, “dat heb je zelf niet gezegd”, en dat je die zin weghaalt als je dat niet wilt. Het zinsdeel bleef dus omdat de schrijver dat zei, de waarschuwing verdween pas met een zin die de schrijver zelf niet had geschreven, en de oplossing werkte in beide versies om het zinsdeel heen zonder het weg te halen.

Probeer Subtext in je browserDownload in de App StoreOntdek het op Google PlayDownload de app

Zo houd je je stem, welke tool je ook gebruikt

Dit werkt in elke app, ChatGPT inbegrepen.

1. Vraag om de kleinste klus. “Verbeter alleen grammatica en typefouten” levert iets heel anders op dan “maak dit beter”.
2. Zeg expliciet wat moet blijven. Samentrekkingen, “ik”, de emoji, het gevloek, de halve zin. Modellen zijn slechter in het beschermen van wat ze normaal zouden weghalen dan in het inhouden van wat ze zouden toevoegen, dus benoem het.
3. Accepteer nooit ongelezen een hele herschrijving. Vergelijk hem regel voor regel met je concept en neem alleen de regels over die nog van jou zijn.
4. Houd bij alles wat emotioneel is je eigen concept als basis. In de studie over romantische communicatie kwam een excuus met een lichte toonaanpassing door AI beter aan dan een excuus dat de AI volledig had geschreven.
5. Lees het hardop voordat je het verstuurt. Zou je het niet in die woorden zeggen als de ander tegenover je zat, verstuur het dan niet.

Wil je dezelfde check voor je laten doen, dan loopt het stuk over wat een AI-berichtchecker kan checken, en hoe je het zelf doet het stap voor stap door, en ik heb de AI-herschrijvers voor berichten die er nu zijn vergeleken op de vraag of ze een diagnose stellen voordat ze herschrijven.

Veelgestelde vragen

Wat is de beste app om een bericht te herformuleren zonder dat het klinkt alsof een robot het schreef? Degene die het minst verandert en je vertelt hoeveel hij veranderde. Op basis van het bewijs hierboven vlakt een tool die je zinnen vervangt je stem af, wat de marketing ook zegt, dus zoek naar een versie die dicht bij je concept blijft, een label voor hoe ver elke versie is opgeschoven, en een herschrijving die je kunt afwijzen. Wij hebben Subtext zo gebouwd, en de checklist hierboven werkt in elke app.

Is er een app die mijn berichten in mijn eigen stem herschrijft, zonder dat typische AI-toontje? Gedeeltelijk. Geen enkele huidige methode haalt het niveau van hoe consistent een echt persoon met zichzelf is, dus zie “in je eigen stem” als een claim om te testen en niet als een functie om op te vertrouwen. In de praktijk betekent dat een tool die vanuit je concept begint, je samentrekkingen, voorbehouden en emoji laat staan, en aangeeft hoe ver elke versie van je formulering is afgeweken. Daar zou ik naar zoeken, en dat is wat Subtext doet.

Is er een app die mijn bericht herschrijft zodat ik nog steeds als mezelf klink? Ik zou zeggen “dichterbij dan de meeste, maar nooit precies”. Het onderzoek hierboven zegt dat elke huidige methode tekortschiet vergeleken met hoe consistent een echt persoon met zichzelf is, dus een app die een herschrijving belooft die niet van jou te onderscheiden is, belooft te veel. Wat je wel kunt krijgen, is een herschrijving die vanuit jouw zinnen begint, de gewoontes bewaart die je stem dragen, en vertelt hoe ver hij is opgeschoven. Zo werkt Subtext, en de eerste versie is bewust degene die het dichtst bij je eigen tekst blijft.

Hoe laat ik mijn appjes warmer klinken zonder mijn eigen stem kwijt te raken? Voeg warmte toe in je eigen woorden, en vraag niet om een warme herschrijving. Een volledige herschrijving is juist wat je stem wegpoetst. Noem één specifiek ding over de persoon of het moment, laat je gewone formulering eromheen staan, en gebruik je een tool, vraag hem dan alleen de regel te veranderen die kil overkomt, niet het hele bericht.

Waarom laat ChatGPT mijn berichten zo formeel klinken? Omdat het getraind is om vloeiende, gemiddelde tekst te maken, en gemiddeld Engels is formeler dan hoe wie dan ook appt. Herschrijvingen duwen richting langere woorden, uitgeschreven samentrekkingen en minder voornaamwoorden in de eerste persoon, ook als niemand om formaliteit vroeg. Wil je het informeel, dan moet je om informeel vragen, en moet je de specifieke dingen noemen die moeten blijven staan.

Moet ik iemand vertellen dat ik AI heb gebruikt om een bericht te schrijven? Dat hangt af van hoeveel de AI deed. In de studie over romantische communicatie kwam een excuus beter aan als de afzender een lichte toonaanpassing toegaf. Toegeven dat de AI het hele concept schreef, liet het slechter aankomen. Zijn de woorden van jou en heeft de AI ze opgepoetst, dan is dat zeggen prima en kan het zelfs helpen. Heeft de AI het geschreven, dan is de eerlijke zet om het eerst zelf te herschrijven.

Geldt dit ook voor appen in het Nederlands, Duits of Turks? Het meeste onderzoek is in het Engels, dus zeker weten kan ik het niet. De enige cross-culturele studie vond dat AI-suggesties schrijvers naar Amerikaanse patronen trokken. Schrijf je in een andere taal of wissel je tussen talen, dan is de veiligste gewoonte om de tool expliciet te vertellen welke woorden en zinsdelen niet aangeraakt mogen worden.

Bronnen

Elke link hierboven gaat naar de primaire bron, genummerd in volgorde van verschijnen. Preprints staan als zodanig vermeld; behandel hun bevindingen als voorlopig tot de peer review rond is.

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. and 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. and 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. and He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. and 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. en collega’s (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. Experiment 1 vooraf geregistreerd, 219 paren; Experiment 2, 291 paren. Een Publisher Correction van 3 oktober 2023 voegde de financieringsverklaring toe, NSF CHS 1901151.
7. Fan, G., Liu, D. and 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. and 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. and 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. and Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
11. Agarwal, D., Naaman, M. and 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. and 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, geaccepteerd voor de CTB-workshop van ICML 2026.