Får AI dina sms att låta som en robot?

Oftast, ja. Och för första gången finns det ordentlig forskning om varför. När en AI-modell skriver om ett meddelande överlever innebörden för det mesta. Sättet du säger saker på gör det inte. Sammandragna former försvinner, ”jag” dyker upp mer sällan, de små orden som bär din rytm städas bort, och det som kommer tillbaka låter som om det var skrivet för vem som helst.

Jag är medgrundare till Subtext, en app byggd kring just det här problemet, så väg det jag säger om den därefter. Det jag kan erbjuda är att jag har gått igenom studierna ordentligt, och jag har länkat varenda en så att du kan granska det jag säger. Här är vad de visar, vad de inte visar och vad du kan göra åt det, oavsett om du använder vår app eller klistrar in dina utkast i ChatGPT.

Vad som händer med ett meddelande när AI skriver om det

Den största studien hittills kom ut i Nature Human Behaviour i augusti 2026. Forskarna tittade på mer än 880 000 texter, bland annat i kontrollerade experiment där samma texter kördes genom flera AI-modeller med instruktioner som ”putsa”, ”gör det tydligare” och ”gör det mer naturligt”. Kärninnehållet stod kvar. Variationen i hur folk skrev gjorde det inte. Över alla dataset och modeller de använde krympte spridningen i skrivkomplexitet med 21 till 50 procent, och klassificerare som gissar en skribents kön, ålder, politiska hållning eller värderingar utifrån texten blev märkbart sämre på omskrivningarna, med fel som lutade åt majoritetsprofilen (The shrinking landscape of linguistic diversity in the age of large language models)¹.

Den studiens omskrivningsexperiment använde Reddit-inlägg och vetenskapliga sammanfattningar. En mindre studie från 2026, fortfarande en preprint, tittade på något som ligger närmare ett sms: 300 personliga berättelser, var och en omskriven av tre ledande modeller. Mönstret var detsamma varje gång. Färre sammandragna former. Färre pronomen i första person. Färre av de små funktionsorden. Längre ord och mer avancerade skiljetecken. Det spelade ingen roll om instruktionen var ”förbättra det här” eller bara ”skriv om det här”. Att be modellen bevara skribentens röst minskade effekten med ungefär en tredjedel, men riktningen ändrades aldrig, och modellen var sämre på att behålla det den gärna tar bort än på att avstå från det den gärna lägger till (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

Två resultat drar åt andra hållet, och de spelar roll. En studie från 2025 av nyhetsartiklar från före och efter ChatGPT fann fler typiska AI-ord men ingen mätbar förlust av variation i ordförrådet med de mått den använde, så effekten är tydligast vid kontrollerad omskrivning och mindre tydlig i verkligheten (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. Och ett kollegialt granskat experiment om att skriva tillsammans med en språkmodell fann att när uppsatserna blev mer lika varandra kom likheten från texten som modellen lade in. Skribenternas egna bidrag var lika varierade som förut (Does Writing with Language Models Reduce Content Diversity?)⁴.

Det andra resultatet är det användbara. Skadan kommer av att dina meningar byts ut, inte av små ändringar i dem.

Varför det du menar överlever men inte din röst

Forskare som arbetar med skrivstil behandlar två saker som separata. Den ena är vad ett meddelande säger. Den andra är hur det sägs, och ”hur” består av väldigt vardagligt material: vilka vardagsord du sträcker dig efter, hur långa dina meningar är och hur mycket de varierar, dina vanor med skiljetecken, garderingar som ”typ” och ”ärligt talat”, om du skriver ”nåt” eller ”något”, slangen, emojierna, bytet till ett annat språk mitt i en mening. En studie från 2021 av text på nätet fann att de här vanorna är så pass konsekventa att en modell som tränats på tiotusentals skribenter oftast kan avgöra, utifrån två korta inlägg, om samma person skrev båda (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

Innebörden behöver inget av de här dragen. Så en omskrivning kan behålla innebörden perfekt och tappa vartenda ett av dem. Det är precis vad Nature-studien mätte. Det som sades förblev mycket likt, medan variationen i hur det sades kollapsade.

Det gör ”samma budskap” och ”samma röst” till två olika löften. De flesta verktyg ger bara det första löftet, och de flesta märker att det andra saknas först när de redan har tryckt på skicka. Jag har skrivit separat om vad de tre stora chattbottarna gör med dina ord. Här är det nästa fråga som avgör om något av det här spelar någon roll.

Märker den andra personen ens något?

Beläggen här är mer specifika än jag väntade mig.

En studie från 2026 som publicerades på CHI, den ledande konferensen för forskning om hur människor använder teknik, testade just det här i kärleksrelationer. I ett randomiserat experiment med 704 personer som läste meddelanden från en partner varierade forskarna två saker: om AI:n hade gjort en lätt tonomskrivning eller skrivit hela meddelandet, och om avsändaren erkände att AI hade hjälpt till. Mer AI-skrivande fick genomgående meddelandet att kännas mindre som avsändarens eget och mindre äkta, och att det var tydligare eller mer polerat vägde inte upp det. Det mest slående resultatet gällde ursäkter. När avsändaren sa ”jag fick hjälp av AI med tonen” om en lätt redigerad ursäkt tyckte läsarna att den var mer äkta och var mer förlåtande. När avsändaren sa samma sak om en ursäkt som AI hade skrivit helt och hållet sjönk båda. Meddelanden med mer av avsändarens egna egenheter fick genomgående högre betyg för äkthet (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁶.

En andra studie, från 2025, förklarar en del av varför. När 399 personer läste meddelanden märkta som AI-assisterade fick märkningen inte avsändaren att framstå i sämre dager, men den gjorde att meddelandet slutade räknas som belägg. En ursäkt utan AI-hjälp lästes som varm. Ett anklagande meddelande utan AI-hjälp lästes som kallt. Med AI-märkningen rörde sig båda mot neutralt, som om meddelandet inte sa någonting alls om personen (Explaining the Reputational Risks of AI-Mediated Communication)⁷.

Att berätta det har sitt eget pris. I 13 förregistrerade experiment fick de som sa att de hade använt AI mindre förtroende än de som inte gjorde det, i sammanhang från betygsättning till designarbete (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁸. Fast i känslomässigt neutrala engångssituationer, som ett förtroendespel med en främling, gjorde AI-hjälp nästan ingen skillnad för förtroendet, vare sig den redovisades eller inte (Writing with AI boosts trust-building efficiency)⁹.

Läser man dem tillsammans är mönstret konsekvent. Ju personligare meddelandet är, desto mer kostar en fullständig omskrivning dig, och desto mer kan en lätt hand på dina egna ord hjälpa. Särskilt ursäktsforskningen förtjänar en egen text, och jag har skrivit en: hur ber du om ursäkt via sms?

Utjämningen drabbar vissa hårdare

Om du skriver på ett andraspråk, eller växlar mellan språk när du sms:ar, har du redan känt av det här.

I ett experiment från 2025 skrev 118 personer i Indien och USA korta uppsatser om sina egna liv, drygt hälften av dem med AI-autokomplettering påslagen. Med förslagen igång gled de indiska skribenterna mot den amerikanska gruppens mönster och började beskriva sin egen mat och sina egna högtider ur ett västerländskt perspektiv (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹⁰.

Det är en enda studie, på engelska, och den kan inte tala för alla språk. Men mekanismen är lätt att se. Det en modell helst ”rättar” i din text, det inlånade ordet, formuleringen som kom från ditt modersmål, bytet till turkiska eller spanska för den del som bara går att säga på turkiska eller spanska, är just det som är mest du.

Kan en app lära sig hur du skriver?

Delvis. Och du bör vara misstänksam mot alla som säger mer än så, mig inräknad.

Det mest grundliga testet hittills gav ledande modeller från OpenAI, Google, Meta och DeepSeek riktiga textprov från mer än 400 personer och bad dem skriva ny text i varje persons stil. Exempel hjälpte mycket. I strukturerad text som mejl godtog ett verktyg för författarbestämning imitationen som personens egen text i över 95 procent av fallen. I avslappnad text som blogginlägg lurades det bara 17 till 21 procent av gångerna, fler exempel ändrade knappt på det, och resultatet gled tillbaka mot en generisk ton (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹¹. Ett separat benchmark från april 2026, fortfarande en preprint, jämförde fyra personaliseringsmetoder med hur lika riktiga människor är sig själva. Varje metod hamnade under den nivå där två olika människor liknar varandra (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹².

Så inget verktyg kan med gott samvete lova att du kommer att låta exakt som dig själv. Det ett verktyg kan göra är snävare och mer användbart. Det kan ändra så lite som möjligt, utgå från dina ord i stället för att byta ut dem, visa dig vad det ändrade och låta dig bestämma.

Det är så vi byggde Subtext. Subtext läser tråden och ditt utkast, och innan den skriver om något berättar den hur meddelandet sannolikt kommer att landa och vilka av dina ord som gör det. Sedan erbjuder den tre versioner. Den första håller sig nära det du skrev, den sista är en mer genomgripande omformulering, och var och en visar hur mycket av din formulering den har ändrat, så att du direkt ser om du tittar på en putsning eller en ersättning. Du kan göra vilken som helst av dem varmare eller kortare, eller öppna Redigera manuellt och ändra ett ord själv innan du kopierar den. Standardläget är den lätta handen, eftersom det är den som enligt forskningen klarar mötet med den som läser. Prova Subtext i webbläsaren

Så behåller du din röst, vilket verktyg du än använder

Det här funkar i vilken app som helst, ChatGPT inräknad.

1. Be om det minsta jobbet. ”Rätta bara grammatik och stavfel” ger ett helt annat resultat än ”förbättra det här”.
2. Säg uttryckligen vad som ska vara kvar. De sammandragna formerna, ”jag”, emojierna, svordomarna, den ofullständiga meningen. Modeller är sämre på att skydda det de normalt skulle ta bort än på att avstå från det de skulle lägga till, så nämn det vid namn.
3. Godta aldrig en hel omskrivning oläst. Jämför den med ditt utkast rad för rad och ta bara de rader som fortfarande är du.
4. Om det är något känslomässigt, behåll ditt eget utkast som grund. I studien om kärleksrelationer landade en ursäkt med en lätt tonredigering av AI bättre än en som AI hade skrivit helt.
5. Läs det högt innan du skickar. Om du inte skulle säga det till personen öga mot öga med de orden, skicka det inte.

Vill du ha samma koll gjord åt dig går texten om vad en AI-meddelandekollare kan kolla, och hur du gör det själv igenom den, och jag har jämfört AI-verktygen som skriver om meddelanden utifrån om de ställer en diagnos innan de skriver om.

Vanliga frågor

Vilken är den bästa appen för att formulera om ett meddelande utan att det låter som en robot? Den som ändrar minst och talar om hur mycket den ändrade. Enligt beläggen ovan kommer ett verktyg som byter ut dina meningar att platta till din röst, vad marknadsföringen än säger, så leta efter en version som ligger nära ditt utkast, en märkning av hur långt varje version har rört sig och en omskrivning du kan tacka nej till. Vi byggde Subtext så, och checklistan ovan funkar i vilken app som helst.

Finns det en app som skriver om mina sms med min egen röst, inte på det där generiska AI-sättet? Delvis. Ingen nuvarande metod kommer upp i hur konsekvent en verklig person är med sig själv, så se ”med din egen röst” som ett påstående att testa och inte som en funktion att lita på. Den praktiska varianten är ett verktyg som utgår från ditt utkast, behåller dina sammandragna former, garderingar och emojier, och visar hur långt varje version har rört sig från din formulering. Det är vad jag skulle leta efter, och det är vad Subtext gör.

Finns det en app som skriver om mitt meddelande men ändå låter som jag? Jag skulle säga ”närmare än de flesta, aldrig exakt”. Forskningen ovan säger att varje nuvarande metod kommer till korta jämfört med hur konsekvent en verklig person är med sig själv, så en app som lovar en omskrivning som inte går att skilja från dig lovar för mycket. Det du kan få är en omskrivning som utgår från dina meningar, behåller vanorna som bär din röst och berättar hur långt den har rört sig. Subtext fungerar så, och dess första version är med avsikt den som ligger närmast det du skrev.

Hur får jag mina sms att låta varmare utan att tappa min egen röst? Lägg till värme med dina egna ord i stället för att be om en varm omskrivning. Det är den fullständiga omskrivningen som skalar bort din röst. Nämn en specifik sak om personen eller stunden, behåll dina vanliga formuleringar runt den, och om du använder ett verktyg, be det ändra bara raden som läses kallt, inte hela meddelandet.

Varför får ChatGPT mina meddelanden att låta så formella? För att den är tränad att producera flytande, genomsnittlig text, och genomsnittlig engelska är mer formell än hur folk faktiskt sms:ar. Omskrivningar drar mot längre ord, utskrivna former i stället för sammandragna och färre pronomen i första person även när ingen bad om något formellt. Vill du ha avslappnat måste du be om avslappnat, och du måste nämna de specifika saker du vill ha orörda.

Ska jag säga att jag använde AI för att skriva ett meddelande? Det beror på hur mycket AI:n gjorde. I studien om kärleksrelationer fick ett erkännande av en lätt tonredigering en ursäkt att landa bättre. Att erkänna ett fullständigt AI-utkast fick den att landa sämre. Om orden är dina och AI:n städade upp dem är det okej att säga det, och det kan till och med hjälpa. Om AI:n skrev det är det ärliga att skriva om det själv först.

Gäller det här också när man sms:ar på svenska, tyska eller turkiska? Det mesta av forskningen är gjord på engelska, så jag kan inte säga säkert. Den enda tvärkulturella studien fann att AI-förslag drog skribenter mot amerikanska mönster. Om du skriver på ett annat språk eller växlar mellan språk är den säkraste vanan att uttryckligen tala om för verktyget vilka ord och fraser det inte får röra.

Källor

Varje länk ovan går till primärkällan, numrerad i den ordning den förekommer. Preprints är markerade som sådana; se deras resultat som preliminära tills de har granskats av andra forskare.

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. och 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. och 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. och He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. och 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. och 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. och 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. och 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. och Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
10. Agarwal, D., Naaman, M. och 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. och 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, accepterad vid ICML 2026 CTB-workshoppen.