AI die het gesprek leest voor het je helpt antwoorden
Subtext leest het gesprek voor het je helpt antwoorden, omdat één zin op zichzelf vaak niet genoeg is om op te reageren. Plak het gesprek, zet er een screenshot in of voeg het spraakbericht toe dat je kreeg, en Subtext zoekt uit wie wat zei, vat samen wat de ander wil, zet op een rij wat nog een antwoord nodig heeft en stelt een antwoord op dat verdergaat waar de ander gebleven was. Deze pagina is het bewijs: waarom eerdere berichten veranderen wat een regel betekent, wat een AI eruit kan halen, en waar dat ophoudt. Subtext gebruikt het gesprek dat je het geeft. Het begrijpt jullie relatie niet, en wij kennen geen enkele tool die dat wel doet. Het verstuurt nooit iets voor je.
Op iPhone, Android en in je browser. Screenshots en spraakberichten worden nooit gebruikt om een AI-model te trainen.
Eén echt voorbeeld uit de app met een getekende chatscreenshot die ervoor is gemaakt: een vriendin zegt voor de tweede keer af, en het concept van het antwoord is “Tuurlijk, geen probleem. Wanneer je maar tijd hebt.” Hieronder zie je wat Subtext in het gesprek las en de drie versies die het aanbood, onbewerkt.
Tuurlijk, geen probleem. Wanneer je maar tijd hebt.
Balen met die gereserveerde tafel, en toch blijf je vriendelijk. Hier zijn een paar versies.
- Dicht bij de jouwe (Begripvol, kan zo weg): Tuurlijk, geen probleem. Laat maar weten wanneer het je uitkomt. Houdt jouw ontspannen toon en maakt van "wanneer je maar tijd hebt" een duidelijke uitnodiging om zelf te komen met een moment. Komt vriendelijk over.
- Warm met werkstress (Meelevend, kan zo weg): Tuurlijk, geen probleem. Sterkte met die drukke week! Laat maar weten wanneer je weer lucht hebt, dan prikken we een nieuwe datum. Erkent de drukke week en spreekt af dat jullie samen een nieuwe datum prikken. Klinkt warm en meelevend.
- Eerlijk en concreet (Oprecht, kan zo weg): Geen zorgen, die week klinkt echt zwaar. Ik hoop wel dat we het snel kunnen inhalen, ik vind het gewoon leuk om je te zien. Zullen we aan het eind van de week even kijken welke avond volgende week past? Zegt eerlijk dat je het graag wilt inhalen en stelt een concreet moment voor om te plannen, zonder verwijt. Daardoor bestaat de kans dat het niet weer verzandt.
Ik heb "volgende week" niet vastgepind, want dat heb je zelf niet gezegd. Wil je het korter, directer of juist wat warmer?
Wat gesprekscontext eigenlijk betekent
Een bericht draagt minder in zich dan het lijkt. Wie “zij” is, waar “dat” naar verwijst, of een regel een vraag beantwoordt of iets rechtzet: het valt allemaal pas op zijn plek tegen de achtergrond van eerdere beurten. Grice beschrijft hoe een luisteraar de bedoeling van een spreker achterhaalt en noemt daarbij de context van de uiting en gedeelde achtergrondkennis als dingen waarop de toehoorder leunt (Logic and Conversation). De conversatieanalyse voegt daaraan toe dat een eerste handeling een bepaalde tweede relevant maakt: een vraag verwacht een antwoord, een aanbod verwacht acceptatie of afwijzing, dus hetzelfde woord doet ander werk afhankelijk van waar het op volgt (Opening up Closings). Mensen herstellen misverstanden over meerdere beurten en lezen een correctie tegen de achtergrond van wat ze rechtzet (The Preference for Self-Correction in the Organization of Repair in Conversation). Een voornaamwoord geeft aan dat de spreker nog bezig is met wat de vorige zin in beeld hield, op basis van tekst van één spreker en niet van chats (Centering: A Framework for Modeling the Local Coherence of Discourse). Context is dus vijf dingen: de eerdere beurten, wie elk ervan zei, waar de korte woordjes naar verwijzen, welke vragen nog openstaan, en de signalen over hoe dicht de twee mensen bij elkaar staan. Eén losse regel geeft er geen van prijs.
Wat het bewijs zegt over eerdere beurten
Het gemeten bewijs komt uit benchmarks, niets ervan van de telefoons van mensen, en het wijst twee kanten op. In één classificatiestudie op uitingsniveau zakten, toen bij het testen de volgorde van de beurten in een dialoog werd gehusseld met elke doelzin intact, de intentiescores op het MultiWOZ-corpus van een gewogen F1 van 96,22 naar 67,91, en de scores voor dialooghandelingen op DailyDialog van een macro-F1 van 79,46 naar 66,81 (Exploring the Role of Context in Utterance-level Emotion, Act and Intent Classification in Conversations: An Empirical Study). Dat is één studie, op Engelstalige benchmarkdialogen tussen twee partijen, met een oudere classifier en geen groot taalmodel. Ze laat zien dat sommige labels afhangen van de omliggende beurten, niet hoeveel beter een opgesteld antwoord ervan wordt. Dezelfde studie vond dat het weglaten van de eerdere regels van één spreker bij de ene taak hielp en bij de andere schaadde, wat in onze lezing pleit tegen zo veel mogelijk plakken. Het tegenbewijs is ouder. Recurrente en transformer-antwoordgeneratoren waren “rarely sensitive to most perturbations such as missing or reordering utterances” (zelden gevoelig voor de meeste verstoringen, zoals ontbrekende of herschikte uitingen; Do Neural Dialog Systems Use the Conversation History Effectively? An Empirical Study), dus vloeiende output kan een oppervlakkig gebruik van de geschiedenis verhullen. De twee papers spreken elkaar tegen, en de latere zegt dat ook.
Wat een AI uit een gesprek kan halen, en hoe wisselend
Drie dingen zijn meetbaar. Weten wie wat zei, helpt. Het toevoegen van sprekersinformatie verbeterde de classificatie van contextafhankelijke handelingen, zoals een kaal ja of nee, in transcripties van vergaderingen met meerdere deelnemers, maar niet in telefoongesprekken tussen twee personen (Who is Speaking? Speaker-Aware Multiparty Dialogue Act Classification). Positie doet ertoe, en bij modellen uit 2023 was de nauwkeurigheid het hoogst als het relevante materiaal aan het begin of het eind van een lange invoer stond, en daalde ze significant als het in het midden stond (Lost in the Middle: How Language Models Use Long Contexts). Formulering doet er ook toe. Als de passage met het antwoord weinig woorden deelde met de vraag, zakten 11 van de 13 modellen die een context van minstens 128K tokens claimen bij 32K tokens tot onder de helft van hun score bij korte context, GPT-4o als een van de betere met 99,3 naar 69,7 procent (NoLiMa: Long-Context Evaluation Beyond Literal Matching). Geen van deze studies testte chatgesprekken, dus het is een gevolgtrekking dat het bericht dat ertoe doet, drie weken geleden verstuurd, ergens midden in de plak begraven en anders geformuleerd dan vandaag, precies het bericht is dat een model het waarschijnlijkst te licht weegt. Subtext werkt vanuit het gesprek dat je het geeft, en dat gesprek valt onder dezelfde beperkingen.
Waarom Subtext niet beweert jullie relatie te begrijpen
Subtext gebruikt het gesprek dat je het geeft om een antwoord voor te stellen. Het begrijpt jullie relatie niet, en dat heeft een structurele reden. Mensen stemmen wat ze zeggen af op wat ze denken dat de ander weet, hun common ground, die zich in de loop van de tijd opbouwt en die mensen in verschillende media op verschillende manieren tot stand brengen (Grounding in communication). Onze eigen voorbeelden zouden zijn: de inside joke, het telefoontje van gisteravond, de ruzie op het feest, wat in een andere app is afgesproken, en geen daarvan staat, per definitie, in welke plak of screenshot dan ook. Het deel dat een model wel kan zien, is ook niet veilig. Op een benchmark van gesprekken waarin mensen over verschillende informatie beschikken en halverwege aanschuiven en vertrekken (onze analogie voor een groepschat of een gedeeltelijke screenshot; het paper trekt die niet), presteren taalmodellen, in de woorden van de auteurs, “significantly worse than humans even with chain-of-thought reasoning or fine-tuning” (significant slechter dan mensen, zelfs met chain-of-thought-redeneren of fine-tuning), en die auteurs geloven niet dat de huidige modellen een echte theory of mind bezitten (FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions). Die scores zijn van modellen uit 2023; het vakgebied discussieert nog over wat zulke tests meten. Hoe dan ook kan geen enkele tool voorspellen hoe een specifieke persoon zal reageren, en er bestaat geen onafhankelijke evaluatie van Subtext, en daarom houden we ons aan de smalle claim.
Hoe Subtext het gesprek leest voor het een antwoord opstelt
Subtext neemt het gesprek aan als geplakte tekst, als screenshot van de chat, als spraakbericht dat je zelf inspreekt, of als het spraakbericht dat de ander je stuurde. Het leest de hele uitwisseling, en in een screenshot leidt het uit de plek van de ballonnen af wie er spreekt. Kan het dat niet zien, of kan een geplakte regel van jou of van de ander zijn, dan vraagt het dat. Bij een bericht dat je kreeg, vat het samen wat de ander wil, in de taal waarin het binnenkwam, en zet het hooguit vijf dingen op een rij die een antwoord nodig hebben. Daarna stelt het een antwoord op dat de draad oppakt en op hun punten ingaat, elk concept met het oordeel “kan zo weg” of “let op”, een tweede lezing en geen vonnis. Geef je het in plaats daarvan je eigen concept, dan komt dat terug in maximaal drie versies op één tik afstand: één die dicht bij jouw formulering blijft en de problemen oplost, één die het concept warmer oppoetst of anders aanpakt, en één die het grondiger herschrijft. Jij kopieert de versie die je kiest. De pagina over het bericht dat je kreeg beschrijft de werkwijze: samenvatten wat ze vroegen, dan antwoorden. Deze pagina is het bewijs voor waarom het gesprek ertoe doet en waar dat ophoudt.
Dezelfde zin betekent iets anders in een ander gesprek
“Prima.” na een lang, warm bericht is één ding; “Prima.” na “Is 7 uur oké?” is iets anders, en het woord is identiek. “Tuurlijk” na “Ben je vrijdag vrij?” zegt ja; “tuurlijk” na “Je luistert nooit naar me” doet een deur dicht. “Ik moet morgen vroeg op” is informatie, een smoes of een weigering, afhankelijk van wat er gevraagd werd. “Ja, dat werkt” heeft zonder het voorstel erboven helemaal geen inhoud. “Nee, dinsdag” corrigeert iets, en een antwoord dat is opgesteld vanuit de ongecorrigeerde versie reageert vol overtuiging op een plan dat beide mensen allang hebben laten vallen. “Goed gedaan” met een oogrol-emoji is plagen in de ene relatie en een terechtwijzing in de andere, en het verschil zit in de geschiedenis, niet in de pixels. En “Ben je nog boos om zaterdag?” deelt geen enkel woord met het bericht waarin het misging, en dat is precies het soort verband dat een model het waarschijnlijkst mist. Dit zijn illustraties van de theorie hierboven, geen stimuli uit een studie, en niemand heeft ze gemeten. Ze zijn de reden dat Subtext om het gesprek vraagt en niet om de losse regel, en waarom uitzoeken wat een bericht betekent lastiger is dan het lijkt.
Hoe dit verschilt van een grammaticacheck of een herschrijving van één regel
Subtext leest de uitwisseling; een grammatica- of tooncheck leest jouw zin. Een check op één regel kan niet zien waar “dat” naar verwijst, welke vraag nog openstaat, of dat het plan twee berichten hoger is gecorrigeerd, omdat niets daarvan in die regel staat. Grammarly, gemaakt door het bedrijf dat nu Superhuman heet, draait een tone detector op je eigen tekst boven een minimale lengte en biedt herschrijvingen van toon en zinnen; we vonden geen documentatie dat het een screenshot van een persoonlijk chatgesprek leest om een antwoord op te stellen (gecontroleerd op 23 september 2026). Antwoordfuncties die in een berichtenapp zijn ingebouwd, zijn het andere model. De helppagina van Google zegt dat Magic Compose in Google Messages de vorige 20 berichten als context gebruikt (Draft messages with Magic Compose, gecontroleerd op 23 september 2026), een begrensd venster binnen die app. Subtext is een app waar je een bericht naartoe brengt, dus het ziet wat je plakt, uit welke app dan ook, en verder niets. Geen onafhankelijke evaluatie vergelijkt een van deze tools, Subtext inbegrepen, dus dit is een beschrijving van wat elk ervan leest, geen rangorde. Voor de klus met één concept is de toonchecker voor tekstberichten de pagina.
Wat er gebeurt met het gesprek dat je plakt
Subtext ontvangt behalve jouw woorden ook die van de ander, dus dit deel zegt wat ermee gebeurt. Dit is een kader, geen juridisch advies. Onder de gegevensbeschermingsverordening van de EU valt iemand die correspondentie om puur persoonlijke redenen verwerkt buiten de reikwijdte, terwijl de aanbieder die de middelen levert daar niet buiten valt, en een chat kan details over gezondheid, politiek, religie of seksualiteit bevatten die de verordening als bijzondere categorieën behandelt (Regulation (EU) 2016/679 (General Data Protection Regulation)). Een screenshot draagt ook meer in zich dan het gesprek: namen van contacten, tijdstempels, soms een meldingsbanner van een andere chat. Knip weg wat het antwoord niet nodig heeft voor je het ergens plakt. Aan de kant van Subtext gaan je berichten naar de AI-providers die ze lezen en schrijven, en naar de servers van Subtext zodat je op een gesprek kunt terugkomen; het privacybeleid noemt elke leverancier. Niets wat je stuurt wordt gebruikt om een AI-model te trainen, en het is onderweg versleuteld. Verwijder je een gesprek zelf, dan is het meteen weg, bijlagen incluis. De optionele webzoekfunctie in de app stuurt je zoektermen naar een zoekprovider, en je kunt die in de instellingen uitzetten.
Waar het misgaat, en wat Subtext eraan doet
Subtext gaat op vijf manieren mis die het benoemen waard zijn. De eerste is ontbrekende context en verborgen geschiedenis. Wat je weglaat, kan Subtext niet gebruiken, en geschiedenis die nooit is getypt, ligt buiten het bereik van elke tool. Sarcasme is de tweede, en je moet fouten verwachten overal waar alleen de geschiedenis het laat zien. Subtext zet alleen labels op je eigen concept en bestempelt het bericht van de ander nooit, en zien of een bericht sarcastisch is is voor mensen ook lastig. Dan zijn er bijgesneden of herschikte screenshots. Bijsnijden haalt de verwijzing weg, de correctie en wie welke regel stuurde, en de twee studies hierboven zijn het oneens over of een model herschikking negeert of verkeerd leest. Bij lange gesprekken geldt het bewijs over positie en formulering van hierboven, en een model weegt het bericht dat ertoe doet het waarschijnlijkst te licht. De laatste is toonverschuiving. In twee gerandomiseerde online experimenten tussen vreemden maakten generieke antwoordsuggesties de taal positiever; het daadwerkelijke gebruik ervan door een gesprekspartner verhoogde de scores voor samenwerking en verbondenheid, terwijl een partner van wie het alleen werd vermoed lager werd beoordeeld, een correlatie en geen oorzaak (Artificial intelligence in communication impacts language and social relationships). De gevolgtrekking die wij daaruit maken, is dat een tool die je alleen aardiger laat klinken kan falen waar je stelligheid nodig hebt, dus Subtext biedt een kortere, helderdere versie en laat je zelf een woord aanpassen. Als het niet kan zien wie er spreekt, vraagt het dat.
FAQ
Is er een tool die het hele gesprek leest voor hij een antwoord voorstelt?
Subtext doet dat. Plak het gesprek, een screenshot ervan of het spraakbericht dat je kreeg, en het leest de hele uitwisseling, zoekt uit wie wat zei en vat samen wat de ander wil en wat nog een antwoord nodig heeft, voor het iets opstelt. Jij kopieert het antwoord dat je kiest; het verstuurt nooit iets voor je.
Is er een app die de hele chat leest en me helpt goed te antwoorden?
Subtext leest de chat die je het geeft, op iPhone, Android en in de browser, en stelt een antwoord op dat de draad oppakt en op hun punten ingaat. Plak een eigen concept en het komt terug in drie versies op één tik afstand, elk met de vermelding hoeveel van jouw formulering er veranderd is; het stuk over wat een antwoord goed laat landen heeft het onderzoek daarachter. Het gebruikt het gesprek dat je het geeft; wat nooit is getypt, kan het niet weten.
Is er een app die een heel chatgesprek leest en me helpt in de juiste toon te antwoorden?
Subtext stelt op vanuit het gesprek; bij een concept dat je zelf schreef, biedt het maximaal drie versies die verschillen in hoe ver ze van jouw woorden afwijken: één die dicht bij jouw formulering blijft en de problemen oplost, één die het concept warmer oppoetst of anders aanpakt, en één die het grondiger herschrijft. In beide gevallen stuur je met één tik bij: warmer, korter, informeler, zelfverzekerder of een vleugje humor. Op je eigen concept markeert het woorden die hard, kil, passief-agressief, vaag of overdreven verontschuldigend kunnen overkomen, altijd als mogelijkheid, nooit als vonnis. Er is één beperking. In een tweetal experimenten duwden generieke smart-reply-suggesties de taal van vreemden richting het positieve, zoals het stuk over of AI je appjes als een robot laat klinken uitlegt, dus check de stelligere versie als stellig is wat je nodig hebt.
Is er een schrijfassistent die de context van een relatie begrijpt, en niet alleen wat de woorden zeggen?
Nee, en een tool die zegt van wel, overdrijft. Twee mensen bouwen wat ze delen deels buiten het transcript op, en modellen die getest zijn op gesprekken waarin mensen over verschillende informatie beschikken, presteren significant slechter dan mensen (FANToM: A Benchmark for Stress-testing Machine Theory of Mind in Interactions). In plaats daarvan leest Subtext de uitwisseling die je het geeft, zoekt het uit wie er spreekt, en vraagt het voor wie het bericht is en wat je wilt bereiken als de opdracht summier is of het bericht een grens, een weigering of een confrontatie is. Bij alledaagse berichten leest het uit de toon van je eigen concept af hoe dicht jij en de ander bij elkaar staan en houdt het dat in de versies vast.
Moet ik het hele gesprek plakken?
Nee, en meer is niet altijd beter. In benchmarks hielp extra geschiedenis een dialoogclassifier, maar schaadde ze hem ook, en taalmodellen gebruikten materiaal in het midden van een lange invoer minder goed. Plak het deel waar het antwoord van afhangt: de vraag die nog openstaat, de correctie en het bericht waarop je reageert. Kan Subtext niet zien of een regel van jou of van de ander is, dan vraagt het dat.
Kan het zien wie er aan het woord is in een screenshot?
Subtext leest een screenshot van een chat zoals jij dat doet, jouw ballonnen aan de ene kant en die van de ander aan de andere. Maakt de opmaak het niet duidelijk, dan vraagt het dat, want een antwoord dat vanaf de verkeerde kant van het gesprek is opgesteld, is erger dan geen concept.
Werkt het met spraakberichten?
Ja. Zet het spraakbericht erin dat je kreeg en Subtext leest het als elk ander bericht, of spreek je eigen spraakbericht in als concept. Allebei gaan ze door dezelfde lezing als tekst: wie wat zei, wat de ander wil, wat een antwoord nodig heeft.
Weet de ander dat ik Subtext heb gebruikt?
Niet via Subtext. Het werkt alleen aan jouw kant en verstuurt nooit iets; het antwoord vertrekt uit je eigen berichtenapp als je het daar plakt. Subtext zet ook geen label op de ander. Het bestempelt diens bericht niet als vijandig of manipulatief, omdat het de woorden op het scherm leest en niet wat de afzender vanbinnen voelt. Het stuk Is die ander boos op me, of denk ik te veel na? legt uit waarom dat gat zo groot is.
Werkt het in mijn taal?
Subtext is er in 20+ talen en antwoordt in de taal waarin jij schrijft. De samenvatting van een bericht dat je kreeg, komt terug in de taal waarin het binnenkwam.
Wat kost het?
Subtext geeft je om te beginnen een paar gratis analyses, daarna een betaald abonnement met week-, maand- en jaarplannen, afgerekend via de App Store of Google Play op je telefoon, of via Stripe op het web. Je ziet de prijs in je eigen valuta voor je je abonneert.
Subtext werkt in 20+ talen en antwoordt in de taal waarin jij schrijft. Op je telefoon of in de browser.
Precies waar je hem nodig hebt
Subtext is eerst gemaakt voor je telefoon. Heb je eenmaal een account, dan werkt het ook op het web.
Al gedownload? Je account werkt ook op web.subtext.it, gesynchroniseerd met je telefoon.
Of scan om te installeren. Klik op een code om hem te vergroten.
Werkt gewoon in de browser die je al gebruikt.
- Safari
- Edge
- Chrome
- Firefox
- Opera
- Brave
App Store
Scan hem met de camera van je telefoon om te installeren.