Vad en AI-meddelandekollare kan kolla, och hur du gör det själv

Om du sökte efter en AI-meddelandekollare, har du förmodligen redan meddelandet. Det ligger i textrutan, du har läst det sex gånger, och inget är uppenbart fel med det. Det bara känns fel. För kallt, eller för mycket, eller defensivt på ett sätt du inte kan sätta fingret på.

En AI-meddelandekollare läser ett meddelande du redan har skrivit och visar hur formuleringen kan uppfattas innan du skickar det. Vissa skriver om det efteråt. Kollandet är den del som spelar roll, och det är den del de flesta verktyg hoppar över.

Jag är medgrundare till Subtext, som är byggt kring precis det här ögonblicket, så jag är inte neutral i den här kategorin. Det jag kan vara till nytta med är den snävare frågan: vad kan mjukvara faktiskt berätta om ett meddelande, och vad måste du fortfarande avgöra själv. Varje forskningspåstående nedan länkar till sin källa.

Vad en meddelandekollare kan kolla, och gränsen den inte bör korsa

En kollare kan analysera språket den har framför sig. Om formuleringen läses som formell eller avslappnad, direkt eller indirekt, varm eller distanserad. Om en fras framställer den andra personens motiv som ett faktum. Om det finns tre ursäkter inuti ett tvåradigt avslag.

Det den inte kan göra är att bekräfta vad någon känner inombords.

Ta ett utkast på två ord: “Visst. Gör som du vill.” En kollare kan rimligen säga att “Visst” är avhugget och att “gör som du vill” läses som tillbakadragande. Den kan inte fastslå att personen som skrev det är arg. Det är olika påståenden, och mycket av marknadsföringen kring tondetektering rör sig mellan dem utan att säga det. Jag gick igenom evidensen om det i ett separat inlägg om vad AI vet och inte vet om ton.

För ett meddelande du är på väg att skicka är tankeläsning ändå inte det du behöver. Du behöver en andra läsare, för du kan inte vara det för ditt eget utkast.

Varför det inte fungerar att läsa om sitt eget utkast

Kruger, Epley, Parker och Ng körde fem experiment om det här 2005¹, och artikeln citeras betydligt oftare än den läses.

Det största av de fem lät 154 par studenter skriva påståenden avsedda att förmedla sarkasm, allvar, ilska eller sorg, och sedan förutspå om deras partner skulle identifiera den avsedda tonen. Avsändarna förväntade sig att träffa rätt i 88,8 procent av fallen. De träffade rätt i 70,4 procent.

Glappet är fyndet, och författarna är noga med vad det inte betyder. Träffsäkerheten i deras första experiment var 84 procent, och de skriver att det vore “missvisande att utifrån dessa data föreslå att folk är dåliga på att förmedla sarkasm via mejl”. Deras sammanfattning av vad det faktiskt betyder: “hur skickliga människor än är, är de inte lika skickliga som de tror”.

Tre detaljer gör det här svårare för en avsändare. Vänner var inte mer träffsäkra än främlingar, och lika översäkra. Att skriva till någon som känner dig väl sluter alltså inte glappet. Emotikoner sluter det inte heller: en uppföljande studie rapporterad i samma artikel manipulerade om avsändarna fick använda dem eller inte, och fann att “översäkerheten skilde sig inte mellan dem som använde emotikoner och dem som inte gjorde det”. Och det ofta citerade påståendet att folk läser tonen rätt 56 procent av gångerna är en avläsning av en graf snarare än en siffra i texten. Det artikeln faktiskt anger för det villkoret är en träffsäkerhet som inte går att skilja från slumpen, bland 29 par. De 56 procenten är inte värda att upprepa.

En ärlig begränsning innan stegen. Det här är forskning från 2005 om mejl. Författarna förväntade sig att mekanismen skulle gälla även chatt och sms och sa det uttryckligen, men ingen har kört om studien på modern sms:ning. Behandla mekanismen som väletablerad och de exakta procenttalen som hörande till mejl.

Vad ditt meddelande pålitligt bär med sig, och vad det tappar

Holtgraves² ger de mest användbara moderna siffrorna. Avsändare skrev sms som förmedlade en av 22 känslor utan att namnge dem. Läsare identifierade känslan med fritt svar i 20,1 procent av fallen, och med flervalsalternativ i 46,3 procent. När de gissade fel hamnade de ändå i rätt positiv eller negativ valens i 84,5 procent av fallen i fritextstudien och 90,6 procent i flervalsstudien.

Det ger en tydlig instruktion till en avsändare. Läsaren kommer nästan säkert att lägga märke till att något är fel. De kommer förmodligen att gissa fel på anledningen. Så kollen siktar in sig på den tvetydighet som låter dem fylla i en sämre anledning, snarare än på att dölja känslan.

Byrons ramverk³ förutsäger riktningen på förlusten: positiva mejl tenderar att landa som neutrala, och neutrala som negativa. Det är en teoriartikel snarare än ett experiment, så väg den därefter. Skriv ett snäpp varmare än vad som känns naturligt, så landar det som naturligt.

Kollen i sju steg

Det finns inget validerat vetenskapligt test för om en text låter okej. Det som följer är ett sätt att skapa distans till ditt eget utkast. Det tar under en minut och kräver ingen app.

1. Läs det utan att fylla i vad du menade

Ta meningen som väger tyngst och läs den som om du inte vet vem som skrev den.

“Jag antar att det bara är att göra vad som helst som funkar för dig.” Du vet om det var uppriktigt menat. Din läsare vet inte det. “Jag antar” kan signalera motvilja. “Bara” kan lägga till otålighet. “Vad som helst” kan läsas som att man drar sig ur beslutet.

Ingen av de tolkningarna är automatiskt den rätta. De är tillgängliga för läsaren, vilket är hela poängen med att kolla.

2. Räkna ursäkterna och garderingarna

Det här är den vanligaste bristen jag ser, och båda halvorna har evidens bakom sig.

Freedman, Burgoon, Ferrell, Pennebaker och Beer⁴ fann i studier med totalt omkring 1 880 deltagare att ursäkter kopplade till avvisanden ökade de sårade känslorna och skapade press att säga “jag förlåter dig” utan att öka den faktiska förlåtelsen. Ursäktande avvisanden gav mer aggression i en beteendeuppgift. Omkring 39 procent av deltagarna la spontant till en ursäkt när de ombads skriva ett bra avvisande, så det kontraproduktiva greppet är också det populära. Evidensen gäller specifikt avvisanden och nej-tack-svar, och jag tänjer inte på den längre än så.

Om garderingar körde Givi, Kirk, Grossman och Sedikides⁵ sex experiment, fem förregistrerade, om att svara på en inbjudan med ett tveksamt “kanske” i stället för ett rakt nej. De inbjudna överskattade hur mycket värden skulle föredra ett kanske, eftersom de underskattade hur mycket mer respektlöst ett kanske faktiskt känns för den som bjudit in. Deras förklaring är den del som är värd att stanna vid: kanske-svaret gynnar den som skickar det mer än den som tar emot det, och motiverat resonerande gör resten. Den evidensen gäller inbjudningar. Att tillämpa den på ett beslut du redan fattat och klätt i osäkerhet är min egen utvidgning, inte deras fynd.

I praktiken: räkna varje förlåt, varje “förlåt att jag stör”, varje “jag hoppas det här inte är jobbigt”. Behåll som mest en, och bara där du ber om ursäkt för något du faktiskt gjort. Leta sedan efter kanske, möjligen, vi får se, jag kollar och återkommer. En del är ärlig osäkerhet och får stå kvar. De som ska bort är de du kände dig lättad över att skriva.

Den här räkningen är också det första Subtext gör med ett utkast, av det skäl Freedmans siffror antyder: ursäkten du la till instinktivt är den du minst sannolikt lägger märke till vid en omläsning.

3. Hitta meningen som handlar om dig snarare än dem

Läs varje mening och fråga vem den tjänar. “Jag har tänkt höra av mig i evigheter och mår så dåligt över det” är dig som hanterar din egen skuldkänsla inför någon som nu måste trösta dig för det. Det är en begäran klädd i en bekännelses kläder.

Det här steget är resonemang snarare än ett fynd. Ingen har kört experimentet. Jag tar med det för att det är det mest tillförlitliga mönster jag har hittat efter att ha läst tusentals utkast, och för att det ligger nära något forskningen faktiskt dokumenterar: en ursäkt som ber om avlösning och en ursäkt som erkänner en kostnad är olika handlingar, och bara den andra gör något för mottagaren.

Lösningen är oftast att stryka meningen. Ibland handlar det om att flytta den till slutet, där den läses som en fotnot snarare än som poängen.

4. Kolla om begäran också bär på ett omdöme

Jämför “Kan du höra av dig senast torsdag?” med “Kan du snälla faktiskt höra av dig den här gången?”

Båda gör en begäran. Den andra kommenterar också personens tidigare beteende. Det kan vara medvetet, och ibland bör det vara det. Oftare dyker det upp för att du var frustrerad medan du skrev, och frustrationen hittade en plats att slå sig ner på.

Ordet som gör jobbet är oftast litet. Faktiskt. Igen. Äntligen. Den här gången. Leta efter just dem.

5. Kolla om förklaringen har tagit över

Förklaringar är användbara, och de förvandlas i tysthet till försvarstal. Det händer mest i ursäkter, avbokningar och meningsskiljaktigheter. Du börjar med vad som hände, sedan varför det hände, sedan varför din reaktion på det var rimlig. I slutänden har läsaren fått ett försvarstal när du trodde att du skickade en ursäkt.

Stryk förklaringen för ett ögonblick och titta på vad som blir kvar. Är begäran fortfarande tydlig? Finns erkännandet fortfarande kvar? Är nejet fortfarande ett nej? Om meddelandet kollapsar utan förklaringen, bar förklaringen på något den inte borde ha burit.

6. Fråga om det tillför något eller bara ber om ett svar

Lew, Walther, Pang och Shin⁶ korsade svarslatens med samtalskontingens, det vill säga hur direkt ett meddelande knyter an till det som sagts innan. Kontingenta svar presterade bättre än generiska överlag, men effekten av snabbhet berodde på kontingensen: ett snabbt svar hjälpte bara när det också var kontingent, medan ett snabbt men generiskt, manusartat svar bedömdes som det sämsta av alla fyra villkoren, sämre än ett långsamt generiskt svar. Kontingens mildrade inte långsamhet. Den var en förutsättning för att snabbhet överhuvudtaget skulle löna sig.

Så ett meddelande som knyter an till samtalet bedöms utifrån sitt innehåll, och ett meddelande som bara ber om ett svar bedöms som ett krav på något du känner att du har rätt till. “?” och “hallå?” är renodlade former av det. “Ville bara kolla att du sett det här” gör exakt samma jobb i en finare kappa.

Snabbtest: stryk sista raden. Om meddelandet fortfarande säger något, var sista raden en påstötning och kan förbli struken.

7. Läs det högt i fel ton

Det här är det enda steget här med ett experiment direkt bakom sig, och resultatet är mer specifikt än rådet du oftast hör.

I det fjärde experimentet i Kruger-artikeln¹ skrev 54 studenter sarkastiska och allvarliga påståenden avsedda att skickas via mejl, och läste sedan in vart och ett på en bandspelare innan de förutspådde hur väl deras partner skulle avkoda det. Hälften läste varje påstående i den ton de hade avsett. Hälften läste den i motsatt ton, sa de sarkastiska allvarligt och de allvarliga sarkastiskt.

Den andra gruppen slutade vara översäkra. I artikelns egna ord: “fenomenologimanipulationen utplånade helt deltagarnas översäkerhet”. Den första gruppen, som läste sina egna ord i sin egen avsedda ton, förblev precis lika feljusterad som alla i de tidigare studierna.

Att läsa upp ditt utkast på det sätt du menade det gör alltså ingen skillnad, vilket är besvärande för standardversionen av det här rådet. Läs det högt i den ton du är rädd för i stället. Säg det platt. Säg det kallt. Säg det som om du var irriterad på personen. Om det överlever det, skicka det. Om det blir ett annat meddelande i din mun, satt den läsningen i texten hela tiden och du kunde bara inte se den.

Ett experiment, 54 personer, om mejl. Det är ändå det bäst underbyggda inslaget på den här sidan. Det är också den närmaste beskrivningen av vad Subtext gör när den läser ett utkast: en genomgång av dina ord i en röst som inte är den i ditt huvud.

Läs det sedan en gång som personen som tar emot det

Läsningen ett meddelande får beror på vem som håller i det, och de är också översäkra. I samma Kruger-studie trodde mejlläsare att de hade identifierat avsändarens avsedda ton i 89,3 procent av fallen, och hade rätt i 62,8 procent av fallen¹. Vad de än bestämmer att ditt meddelande betydde kommer de inte att kolla.

Vem de är förskjuter oddsen. Sillars och Zorn⁷ dokumenterade en negativ intensifieringsbias i arbetsmejl, där mottagare bedömde meddelanden mer negativt än oinvolverade observatörer och bara var svagt förankrade i meddelandets faktiska egenskaper. Effekten var starkare i dåliga kommunikationsklimat och bland personer längre ner i hierarkin. Kingsbury och Coplan⁸ fann att läsare med social ångest tolkar tvetydiga texter mer negativt, i urval på 215 och 353.

Så om du skriver till någon som är underställd dig, eller någon du har haft en spänd relation till, eller någon ängslig, är den skarpaste tillgängliga läsningen av ditt utkast en trolig läsning snarare än en paranoid läsning. Läs meddelandet som dem, i det tillståndet, och se om det överlever.

Värt att säga rakt ut, för den populära versionen skjuter över målet: evidensen visar inte att alla per automatik väljer den värsta tolkningen av allt. Den visar att negativ tolkning förutsägs av vem som läser och hur relationen ser ut just då.

Meddelandekollare eller meddelandeomskrivare

De två kan köra på liknande modeller under huven. Det användbara ögonblicket infaller vid en annan punkt.

Tillbaka till “Visst. Gör som du vill.” En omskrivare kan ge dig “Låter bra, kör på det alternativ som passar dig bäst.” Det är mjukare, och det är ett annat meddelande. Kanske är du frustrerad och vill att något av det ska finnas kvar. Att kolla först låter dig se effekten innan du bestämmer om du ska stryka den.

Kan ChatGPT kolla ett meddelande innan du skickar det

Ja, om du frågar på rätt sätt. Fällan är att en generell assistent löser det enklare problemet och ger dig en omskrivning innan den har berättat något alls.

Separera de två explicit:

Läs det här som personen som tar emot det. Skriv inte om det än. Berätta vilka fraser som kan läsas som kallare, mer defensiva eller mer intensiva än jag förmodligen menar, och förklara varför var och en gör det.

Klistra sedan in utkastet, och lägg till relationen och föregående meddelande om något av det ändrar betydelsen.

För ett enstaka svårt sms fungerar det bra. Det ett dedikerat kollverktyg tar bort är själva förarbetet, vilket spelar roll framför allt för att du är som minst kapabel att formulera en genomtänkt prompt exakt i det ögonblick du behöver en.

Vad din telefon redan gör

Apple Intelligence Writing Tools skriver om markerad text och erbjuder Vänlig, Professionell och Kortfattad, plus en ruta för “beskriv din ändring” när du vill ha något mer specifikt⁹. Googles Magic Compose föreslår svar och skriver om utkast i olika stilar inuti Google Messages på enheter som stöder det¹⁰. Samsungs Writing Assist genererar text, ändrar skrivstil och kollar stavning och grammatik på Galaxy-telefoner som stöder det¹¹. Grammarly går längst in i detektering, och dess tonkollare uppger att den analyserar ordval, formulering, skiljetecken och versalanvändning¹².

Alla de här är bra när du vet vad du vill ha. “Det här är för formellt, gör det mer avslappnat” är ett löst problem, och det är gratis på hårdvara du redan äger.

Den svårare versionen är “jag vet inte vad som är fel med det här, låter det okej”. Den frågan är där kollande och ändrande slutar vara samma jobb.

Så gör Subtext kollen

Subtext utgår från meddelandet du håller på att skriva och visar hur det kan uppfattas innan du bestämmer om du vill ändra något. Du kan skriva från grunden, klistra in ett utkast, eller lägga till en skärmbild av konversationen för sammanhang.

Analysen läser ditt utkasts ton och tydlighet och flaggar formuleringar som kan landa som otydliga, hårda, passiva eller lätta att missförstå. Därifrån kan du välja alternativa formuleringar, eller trycka på kortare, varmare, mer avslappnad, eller lägg till självförtroende, och den skriver om medan din röst bevaras¹³.

En skärmbild gör ett annat jobb. Den ger konversationssammanhang så att svaret passar utbytet. Det är värt att vara precis med: trigger- och känsloanalysen körs på ditt eget utkast. En skärmbild av vad någon annan skickat är sammanhang för ditt svar, inte bevis för vad den personen känner inombords, och inget verktyg, det här inkluderat, kan fastslå det utifrån en skärmbild.

Ordningen är det jag bryr mig om. Läs utkastet. Se vad som kan landa annorlunda än vad du menade. Bestäm sedan om något behöver ändras. Ibland är det användbara resultatet att meddelandet redan var bra som det var.

Subtext är gratis att börja med, på iPhone och Android.

Vad inget av det här fångar upp

Tre begränsningar, och de spelar större roll än stegen gör.

Kollen är strukturell. Den hittar ursäkter, garderingar, påstötningar, omdömen och meningar som egentligen handlar om dig själv. Den har ingen uppfattning om huruvida det du säger är korrekt, rättvist eller värt att säga, och ett välformulerat meddelande kan vara fel på precis alla sätt som räknas.

Läsaren bär med sig sitt eget väder. En förregistrerad studie från 2025 med 51 par¹⁴ fann att folk delvis läste in sitt eget aktuella humör i partnerns meddelanden. Inget i ditt utkast styr det.

Och kollen förutsätter att problemet är formuleringen. Ibland är det inte det. Om du skriver om samma meddelande för nionde gången, eller skickar tre uppföljare för att ta reda på om någon är sur, har formuleringen slutat vara det som är under press. Jag har skrivit separat om forskningen kring sms-ångest och om att läsa in ilska i tvetydiga meddelanden, och båda är mer användbara än ett bättre utkast. Om det är ihållande nog för att forma dina dagar, är en läkare eller terapeut en bättre resurs än en artikel skriven av någon som gör en app.

Vanliga frågor

Vad är en AI-meddelandekollare? Den analyserar ett meddelande du redan har skrivit och visar hur formuleringen kan uppfattas innan du skickar det. Beroende på verktyget kan det täcka ton, tydlighet, formalitetsgrad, tvetydighet, eller fraser som riskerar att missförstås. Vissa erbjuder också omskrivningar efteråt.

Kan AI avgöra om mitt meddelande låter oförskämt? Den kan identifiera formuleringar som rimligen kan läsas som burdusa, avfärdande eller anklagande. Den kan inte garantera att en specifik person kommer att tycka det är oförskämt. En bra kollare pekar ut den konkreta formuleringen som gav upphov till tolkningen, i stället för att bara ge dig en etikett.

Är en meddelandekollare samma sak som en tonkollare? De överlappar. En tonkollare namnger vanligtvis egenskaper i texten, som formell, självsäker eller anklagande. En meddelandekollare kan också titta på tydlighet, specifika formuleringar och konversationssammanhang.

Kan AI veta hur någon känner sig utifrån ett sms? Den kan analysera språk och erbjuda troliga tolkningar. Ett sms ensamt fastslår inte avsändarens privata känslotillstånd, och självsäkra påståenden om vad någon egentligen känner går längre än vad orden faktiskt stöder.

Vad är skillnaden mellan en meddelandekollare och en AI-sms-app? “AI-sms-app” är ett brett begrepp som täcker dejtingappars svarsgeneratorer, skrivtangentbord, chattbottar och automatiska svarsverktyg. En meddelandekollare har ett snävare jobb: att analysera något du redan skrivit, innan du skickar det.

---

Tycker du att jag har läst en studie fel, eller känner du till forskning om det här som jag har missat? Säg till på LinkedIn.

Samet Durgun är medgrundare till Subtext, en app som fångar den känslomässiga tonen i dina meddelanden och skriver om dem med dina egna ord. Han bor i Berlin.

Källor

Varje länk går till primärkällan där en sådan finns, numrerad i den ordning de förekommer. Där ett steg vilar på resonemang snarare än evidens säger det här inlägget det rakt ut i stället för att låna auktoritet från en näraliggande studie. Citaten är ordagranna.

1. Kruger, J., Epley, N., Parker, J., & Ng, Z.-W. (2005). Egocentrism over e-mail: Can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. Fem experiment. Studie 1 N = 12, studie 2 N = 60, studie 3 N = 308 i 154 par, studie 4 N = 54, studie 5 N = 58. Finansierad av University of Illinois Board of Trustees och NSF-anslag SES-0241544. Den ofta citerade siffran 56 procent är en avläsning av figur 1 i studie 2, inte en siffra i texten. doi.org
2. Holtgraves, T. (2022). Implicit communication of emotions via written text messages. Computers in Human Behavior Reports, 7, 100219. N = 136 och N = 167. doi.org
3. Byron, K. (2008). Carrying too heavy a load? The communication and miscommunication of emotion by email. Academy of Management Review, 33(2), 309-327. Teoriartikel, inget urval. doi.org
4. Freedman, G., Burgoon, E. M., Ferrell, J. D., Pennebaker, J. W., & Beer, J. S. (2017). When Saying Sorry May Not Help: The Impact of Apologies on Social Rejections. Frontiers in Psychology, 8, 1375. Sammanlagt N cirka 1 880; fynden gäller specifikt avvisanden. doi.org
5. Givi, J., Kirk, C. P., Grossman, D. M., & Sedikides, C. (2025). Maybe don’t say “maybe”: How and why invitees fail to realize that they should not respond to invitations with a “maybe”. Journal of Experimental Social Psychology, 121, 104814. Sex experiment, fem förregistrerade. Fynden gäller specifikt inbjudningar. doi.org
6. Lew, Z., Walther, J. B., Pang, A., & Shin, W. (2018). Interactivity in Online Chat: Conversational Contingency and Response Latency in Computer-Mediated Communication. Journal of Computer-Mediated Communication, 23(4), 201-221. N = 131, 2×2-mellangruppsdesign. doi.org
7. Sillars, A., & Zorn, T. E. (2021). Hypernegative Interpretation of Negatively Perceived Email at Work. Management Communication Quarterly, 35(2), 171-200. doi.org
8. Kingsbury, M., & Coplan, R. J. (2016). RU mad @ me? Social anxiety and interpretation of ambiguous text messages. Computers in Human Behavior, 54, 368-379. N = 215 och N = 353. doi.org
9. Apple Support. Use Writing Tools with Apple Intelligence on iPhone. support.apple.com
10. Google Messages Help. Draft messages with Magic Compose. support.google.com
11. Samsung Support. Use Writing Assist on Galaxy phones and tablets. samsung.com
12. Grammarly. Writing Tone Detector and Tone Suggestions. grammarly.com
13. Subtext. subtext.it, kontrollerad augusti 2026.
14. Steinebach, P., Stein, M., & Schnell, K. (2025). Messenger-based assessment of empathic accuracy in couples’ smartphone communication. BMC Psychology, 13, 147. N = 102 i 51 par; rekryteringen nådde inte det förregistrerade målet. doi.org