Får KI meldingene dine til å høres ut som en robot?

Som regel, ja. Og for første gang finnes det ordentlig forskning på hvorfor. Når en KI-modell skriver om en melding, overlever meningen stort sett. Måten du sier ting på, gjør det ikke. Sammentrekninger forsvinner, «jeg» dukker opp sjeldnere, de små ordene som bærer rytmen din, blir ryddet bort, og det du får tilbake, høres ut som om det var skrevet til hvem som helst.

Jeg er medgrunnlegger av Subtext, en app bygget rundt akkurat dette problemet, så vekt det jeg sier om den deretter. Det jeg kan tilby, er at jeg har gått ordentlig gjennom studiene, og at jeg har lenket til hver eneste en, så du kan sjekke det jeg sier. Dette er hva de viser, hva de ikke viser, og hva du kan gjøre med det, enten du bruker appen vår eller limer utkastene dine inn i ChatGPT.

Hva som skjer med en melding når KI skriver den om

Den største studien så langt kom ut i Nature Human Behaviour i august 2026. Forskerne så på mer enn 880 000 tekster, blant annet i kontrollerte eksperimenter der de samme tekstene ble kjørt gjennom flere KI-modeller med instruksjoner som «finpuss», «gjør det tydeligere» og «gjør det mer naturlig». Kjerneinnholdet ble stående. Variasjonen i hvordan folk skrev, gjorde det ikke. På tvers av datasettene og modellene krympet spredningen i skrivekompleksitet med 21 til 50 prosent, og klassifiserere som gjetter en skribents kjønn, alder, politiske ståsted eller verdier ut fra teksten, ble merkbart dårligere på omskrivingene, med feil som trakk mot majoritetsprofilen (The shrinking landscape of linguistic diversity in the age of large language models)¹.

Omskrivingseksperimentet i den studien brukte Reddit-innlegg og akademiske sammendrag. En mindre studie fra 2026, fortsatt en preprint, så på noe som ligger nærmere en tekstmelding: 300 personlige fortellinger, hver skrevet om av tre ledende modeller. Mønsteret var det samme hver gang. Færre sammentrekninger. Færre pronomen i første person. Færre av de små funksjonsordene. Lengre ord og mer avansert tegnsetting. Det spilte ingen rolle om instruksjonen var «forbedre dette» eller bare «skriv dette om». Å be modellen bevare skribentens stemme kuttet effekten med omtrent en tredjedel, men retningen endret seg aldri, og modellen var dårligere til å beholde det den liker å fjerne enn til å holde igjen det den liker å legge til (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

To funn trekker i motsatt retning, og de betyr noe. En studie fra 2025 av nyhetsartikler fra før og etter ChatGPT fant flere KI-typiske ord, men ikke noe målbart tap av variasjon i ordforrådet på de målene den brukte, så effekten er tydeligst i kontrollert omskriving og mindre tydelig ute i verden (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. Og et fagfellevurdert eksperiment om å skrive sammen med en modell fant at når essayene ble likere, kom likheten fra teksten modellen la inn. Skribentenes egne bidrag var like varierte som før (Does Writing with Language Models Reduce Content Diversity?)⁴.

Det andre funnet er det nyttige. Skaden kommer av å erstatte setningene dine, ikke av små endringer i dem.

Hvorfor meningen overlever og stemmen din ikke gjør det

Forskere som jobber med skrivestil, behandler to ting hver for seg. Det ene er hva en melding sier. Det andre er hvordan det blir sagt, og «hvordan» består av helt vanlige ting: hvilke hverdagsord du griper etter, hvor lange setningene dine er og hvor mye de varierer, tegnsettingsvanene dine, forbeholdene som «liksom» og «ærlig talt», om du skriver «d’e» eller «det er», slangen, emojiene, skiftet til et annet språk midt i en setning. En studie fra 2021 av skriving på nett fant at disse vanene er så konsekvente at en modell trent på titusenvis av skribenter som regel kan avgjøre, ut fra to korte innlegg, om det er samme person som har skrevet begge (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

Meningen trenger ingen av disse trekkene. Derfor kan en omskriving beholde meningen perfekt og miste alle sammen. Det er nettopp det Nature-studien målte. Det som ble sagt, forble svært likt, mens variasjonen i hvordan det ble sagt, falt sammen.

Dermed er «samme melding» og «samme stemme» to forskjellige løfter. De fleste verktøy lover bare det første, og de fleste merker ikke at det andre mangler før de har trykket send. Jeg har skrevet om hva de tre store chatbotene hver for seg gjør med ordene dine i en egen tekst. Her er det neste spørsmålet som avgjør om noe av dette spiller noen rolle.

Merker den andre det faktisk?

Funnene her er mer konkrete enn jeg ventet.

En studie fra 2026 publisert på CHI, den viktigste konferansen for forskning på hvordan folk bruker teknologi, testet akkurat dette i romantiske forhold. I et randomisert eksperiment med 704 personer som leste meldinger fra en partner, varierte forskerne to ting: om KI hadde gjort en lett toneomskriving eller skrevet hele meldingen, og om avsenderen innrømmet at KI hadde hjulpet. Tyngre KI-skriving gjorde konsekvent at meldingen føltes mindre som avsenderens egen og mindre autentisk, og det hjalp ikke at den var tydeligere eller mer polert. Det slående resultatet gjaldt unnskyldninger. Når avsenderen sa «jeg fikk hjelp av KI med tonen» om en lett redigert unnskyldning, opplevde leserne den som mer autentisk og var mer tilgivende. Når avsenderen sa det samme om en unnskyldning KI hadde skrevet helt, gikk begge deler ned. Meldinger med mer av avsenderens egne særtrekk fikk høyere skår på autentisitet hele veien (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁶.

En annen studie, fra 2025, forklarer en del av hvorfor. Da 399 personer leste meldinger merket som KI-assisterte, satte ikke merkelappen avsenderen i et dårlig lys, men den gjorde at meldingen sluttet å telle som bevis. En unnskyldning skrevet uten hjelp ble lest som varm. En anklagende melding skrevet uten hjelp ble lest som kald. Legg til KI-merkelappen, og begge beveget seg mot det nøytrale, som om meldingen ikke sa noe om personen i det hele tatt (Explaining the Reputational Risks of AI-Mediated Communication)⁷.

Å være åpen om det har også en kostnad. I 13 forhåndsregistrerte eksperimenter fikk folk som sa at de hadde brukt KI, mindre tillit enn folk som ikke sa det, i situasjoner fra karaktersetting til designarbeid (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁸. Men i følelsesmessig nøytrale engangssituasjoner, som et tillitsspill med en fremmed, gjorde KI-hjelp nesten ingen forskjell for tilliten, enten den ble opplyst om eller ikke (Writing with AI boosts trust-building efficiency)⁹.

Leser man dem sammen, er mønsteret konsekvent. Jo mer personlig meldingen er, desto mer koster en full omskriving deg, og desto mer kan en lett hånd på dine egne ord hjelpe. Særlig forskningen på unnskyldninger fortjener sin egen tekst, og den har fått en: hvordan sier du unnskyld over tekst?

Utflatingen rammer noen hardere

Hvis du skriver på et andrespråk, eller veksler mellom språk når du sender meldinger, har du allerede kjent på dette.

I et eksperiment fra 2025 skrev 118 personer i India og USA korte tekster om sitt eget liv, litt over halvparten av dem med KI-autofullføring slått på. Med forslagene aktive gled de indiske skribentene mot mønstrene i den amerikanske gruppen, og begynte å beskrive sin egen mat og sine egne høytider fra et vestlig ståsted (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹⁰.

Det er én studie, på engelsk, og den kan ikke tale for alle språk. Men mekanismen er lett å se. Det en modell helst vil «rette» i teksten din, lånordet, formuleringen fra førstespråket ditt, skiftet til tyrkisk eller spansk for den delen som bare gir mening på tyrkisk eller spansk, er nettopp det som er mest deg.

Kan en app lære hvordan du skriver?

Delvis. Og du bør være skeptisk til alle som sier noe mer enn det, meg inkludert.

Den grundigste testen så langt ga ledende modeller fra OpenAI, Google, Meta og DeepSeek ekte skriveprøver fra mer enn 400 personer og ba dem skrive ny tekst i hver persons stil. Eksempler hjalp mye. I strukturert skriving som e-post godtok en forfatterskapssjekker etterligningen som personens egen tekst i over 95 prosent av tilfellene. I uformell skriving som blogginnlegg ble den lurt bare 17 til 21 prosent av gangene, flere eksempler flyttet knapt på det, og teksten gled tilbake mot en generisk tone (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹¹. En annen referansetest fra april 2026, fortsatt en preprint, målte fire personaliseringsmetoder opp mot hvor like ekte mennesker er seg selv. Alle metodene havnet under nivået der to forskjellige mennesker ligner på hverandre (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹².

Så ingen verktøy kan med god samvittighet love at du vil høres nøyaktig ut som deg selv. Det et verktøy kan gjøre, er smalere og mer nyttig. Det kan endre så lite som mulig, jobbe ut fra ordene dine i stedet for å erstatte dem, vise deg hva det endret, og la deg bestemme.

Det er slik vi bygde Subtext. Subtext leser tråden og utkastet ditt, og før den skriver om noe, forteller den deg hvordan meldingen sannsynligvis vil lande og hvilke av ordene dine som gjør det. Så tilbyr den tre versjoner. Den første holder seg nær det du skrev, den siste er en fyldigere omformulering, og hver av dem viser hvor mye av ordlyden din den har endret, så du med ett blikk ser om du har en finpuss eller en erstatning foran deg. Du kan dytte hvilken som helst av dem i retning varmere eller kortere, eller åpne Rediger manuelt og endre et ord selv før du kopierer den. Utgangspunktet er en lett hånd, siden det er den forskningen sier overlever møtet med personen som leser. Prøv Subtext i nettleseren

Slik beholder du stemmen din, uansett verktøy

Dette fungerer i alle apper, ChatGPT inkludert.

1. Be om den minste jobben. «Rett bare grammatikk og skrivefeil» gir et helt annet resultat enn «forbedre dette».
2. Si uttrykkelig hva som skal bli stående. Sammentrekningene, «jeg», emojiene, bannordene, setningsfragmentet. Modeller er dårligere til å beskytte det de vanligvis ville fjernet enn til å holde igjen det de ville lagt til, så nevn det.
3. Godta aldri en hel omskriving uten å lese den. Sammenlign den med utkastet ditt linje for linje, og ta bare med linjene som fortsatt er deg.
4. For alt som er følelsesladd, bruk ditt eget utkast som utgangspunkt. I studien om romantisk kommunikasjon landet en unnskyldning med en lett toneredigering fra KI bedre enn en som KI hadde skrevet helt.
5. Les den høyt før du sender. Ville du ikke sagt det rett til dem med de ordene, så ikke send det.

Vil du ha den samme sjekken gjort for deg, går teksten om hva en KI-meldingssjekker kan sjekke, og hvordan du gjør det selv gjennom det, og jeg har sammenlignet KI-verktøyene på markedet som skriver om meldinger etter om de diagnostiserer før de skriver om.

Vanlige spørsmål

Hvilken app er best til å omformulere en melding uten at det høres ut som en robot har skrevet den? Den som endrer minst og forteller deg hvor mye den endret. Ut fra funnene over vil et verktøy som erstatter setningene dine, flate ut stemmen din uansett hva markedsføringen sier, så se etter en versjon som holder seg nær utkastet ditt, en merkelapp for hvor langt hver versjon har beveget seg, og en omskriving du kan si nei til. Vi bygde Subtext slik, og sjekklisten over fungerer i alle apper.

Finnes det en app som skriver om meldingene mine med min egen stemme, og ikke på den generiske KI-måten? Delvis. Ingen metode i dag matcher hvor konsekvent et ekte menneske er med seg selv, så se på «med din egen stemme» som en påstand du må teste, og ikke som en funksjon du kan stole på. Den praktiske versjonen er et verktøy som starter fra utkastet ditt, beholder sammentrekningene, forbeholdene og emojiene dine, og viser hvor langt hver versjon har beveget seg fra ordlyden din. Det er det jeg ville sett etter, og det er det Subtext gjør.

Finnes det en app som skriver om meldingen min, men som fortsatt høres ut som meg? Jeg ville sagt «nærmere enn de fleste, aldri helt». Forskningen over sier at alle metoder i dag kommer til kort mot hvor konsekvent et ekte menneske er med seg selv, så enhver app som lover en omskriving som ikke kan skilles fra deg, lover for mye. Det du kan få, er en omskriving som tar utgangspunkt i setningene dine, beholder vanene som bærer stemmen din, og forteller deg hvor langt den har beveget seg. Subtext fungerer slik, og den første versjonen er med vilje den som ligger nærmest det du skrev.

Hvordan får jeg meldingene mine til å høres varmere ut uten å miste min egen stemme? Legg til varme med dine egne ord i stedet for å be om en varm omskriving. Det er den fulle omskrivingen som fjerner stemmen din. Nevn én konkret ting om personen eller øyeblikket, behold den vanlige formuleringen din rundt det, og hvis du bruker et verktøy, be det bare endre linjen som leses kaldt, ikke hele meldingen.

Hvorfor får ChatGPT meldingene mine til å høres så formelle ut? Fordi den er trent til å lage flytende gjennomsnittstekst, og gjennomsnittlig engelsk er mer formelt enn slik noen skriver meldinger. Omskrivinger dytter mot lengre ord, utskrevne sammentrekninger og færre pronomen i første person, selv når ingen har bedt om formalitet. Vil du ha det uformelt, må du be om det, og du må nevne de konkrete tingene du vil at den skal la være i fred.

Bør jeg si fra hvis jeg har brukt KI til å skrive en melding? Det kommer an på hvor mye KI gjorde. I studien om romantisk kommunikasjon landet en unnskyldning bedre når avsenderen innrømmet en lett toneredigering. Å innrømme et fullt KI-utkast fikk den til å lande dårligere. Er ordene dine og KI har ryddet i dem, er det greit å si det, og det kan til og med hjelpe. Hvis KI skrev den, er det ærlige å skrive den om selv først.

Gjelder det samme når man skriver meldinger på norsk, tysk eller tyrkisk? Det meste av forskningen er på engelsk, så jeg kan ikke si det sikkert. Den ene tverrkulturelle studien fant at KI-forslag trakk skribentene mot amerikanske mønstre. Skriver du på et annet språk eller veksler mellom språk, er den tryggeste vanen å si uttrykkelig til verktøyet hvilke ord og uttrykk det skal holde fingrene fra.

Kilder

Hver lenke over går til primærkilden, nummerert i den rekkefølgen de dukker opp. Preprints er merket som preprints; regn funnene deres som foreløpige til de er fagfellevurdert.

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. Fan, G., Liu, D. og Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
7. 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.
8. Schilke, O. og Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
9. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. og Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
10. Agarwal, D., Naaman, M. og Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
11. 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.
12. Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. arXiv preprint 2604.26460, akseptert ved ICML 2026 CTB-workshopen.