Waarom machineconcepten op elkaar lijken
Een taalmodel bouwt een zin uit de woorden die het waarschijnlijkst volgen. Waarschijnlijke zinnen zijn grammaticaal correct en veilig, en het zijn ook de zinnen die in ieders concept staan. Het resultaat leest alsof niemand in het bijzonder het heeft geschreven.
Geen van de gewoonten hieronder bewijst dat een machine een tekst schreef. Mensen schrijven ook zo, vooral in formele rapporten en in een tweede taal. Zie ze als kenmerken van een concept dat nog niemand heeft geredigeerd, en verbeter ze voor de lezer.
Doorbreek het gelijke ritme
Tel de woorden in vijf opeenvolgende zinnen. Zijn ze allemaal ongeveer even lang, dan dreunt de alinea, hoe goed de inhoud ook is. Voeg twee zinnen samen die bij elkaar horen, en kort er één in tot een paar woorden waar het punt dat gewicht verdient.
Voor: Het nieuwe rooster vermindert het overwerk voor het magazijnteam. Het verbetert ook de afstemming tussen de twee ploegen. Daarnaast geeft het leidinggevenden meer tijd voor planning.
Na: Met het nieuwe rooster maakt het magazijn minder overuren en praten de twee ploegen eindelijk met elkaar. Ook de leidinggevenden winnen er iets bij: tijd om te plannen.
Schrap de vaste overgangswoorden
‘Bovendien’, ‘daarnaast’, ‘tevens’ en ‘het is belangrijk om op te merken dat’ beweren een verband zonder het te leggen. Haal het woord weg en lees de twee zinnen opnieuw. Kloppen ze nog, dan was de overgang ruis. Kloppen ze niet, schrijf dan het echte verband op: omdat, dus, maar, daarna.
Voor: De enquête had een lage respons. Bovendien is het belangrijk om op te merken dat de meeste antwoorden van één afdeling kwamen.
Na: Weinig mensen vulden de enquête in, en de meesten van hen werken op één afdeling, dus de uitkomsten zeggen iets over die afdeling en niet over het bedrijf.
Haal het automatische rijtje van drie uit elkaar
Machineconcepten grijpen naar drie dingen, omdat drie compleet klinkt: ‘snel, betrouwbaar en schaalbaar’, ‘helderheid, consistentie en impact’. Vraag je bij elk onderdeel af of je er een voorbeeld van kunt geven. Houd de onderdelen waarvoor dat lukt, en geef bij het beste een voorbeeld. Twee dingen die kloppen, zijn beter dan drie die lekker klinken.
Voor: Ons supportteam is snel, vriendelijk en deskundig, en staat altijd klaar om te helpen.
Na: Ons supportteam antwoordt op werkdagen binnen een uur, en wie je terugschrijft, is een van de engineers die het product hebben gebouwd.
Bepaal wat je eigenlijk beweert
Een model dekt zich standaard in: ‘kan mogelijk’, ‘kan helpen om’, ‘in veel gevallen’, ‘speelt een rol bij’. Eén eerlijk voorbehoud helpt; vier in één zin laten niets overeind.
Bepaal bij elk voorbehoud of je het eigenlijk weet. Weet je het, zeg het dan gewoon. Weet je het niet, zeg dan precies wat je niet weet.
Voor: Regelmatige back-ups kunnen in veel situaties mogelijk helpen om het risico op gegevensverlies te verkleinen.
Na: Regelmatige back-ups voorkomen geen kapotte schijf, maar ze bepalen wel of je een uur werk kwijt bent of een jaar.
Haal de lege openingszin en de lege slotzin weg
De eerste zin van een machineconcept introduceert meestal het onderwerp en het belang ervan, en de laatste vat samen wat er net is gezegd. Leg je hand over de eerste regel. Begint de tekst beter bij de tweede zin, haal de eerste dan weg.
Doe hetzelfde aan het eind: stop bij de laatste zin die de lezer iets nieuws vertelt.
Voor: In de snel veranderende zakelijke wereld van vandaag is goede communicatie belangrijker dan ooit. In deze e-mail zet ik de wijzigingen in ons vergaderschema uiteen.
Na: Vanaf maandag is het wekelijkse planningsoverleg op dinsdag om 10 uur, en het statusgesprek op vrijdag vervalt.
Voeg toe wat alleen jij weet
Dit is de stap die geen herschrijving voor je kan doen. Een model weet wat er meestal waar is over inwerken, back-ups of vergaderschema’s. Het weet niet dat je laatste nieuwe collega vier dagen op een laptop moest wachten, of dat je klant dezelfde vraag twee keer stelde.
Eén zo’n detail in een alinea doet meer voor de stem van een tekst dan welke herformulering ook, omdat het nergens anders vandaan had kunnen komen.
Loop het concept door en markeer elke algemene bewering. Vraag je bij elke bewering af wat je zag, mat, besliste of hoorde waardoor je haar gelooft, en schrijf dat op, in plaats van de bewering of ernaast.
Houd de feiten intact terwijl je redigeert
Stilistische ingrepen breken feiten ongemerkt. Als je twee zinnen samenvoegt, kan een voorwaarde aan de verkeerde bijzin blijven hangen, en als je een voorbehoud schrapt, kan ‘in twee van de vijf tests’ veranderen in ‘in tests’. Leg de geredigeerde tekst als je klaar bent naast het origineel en vergelijk alleen de harde punten:
- Elk getal, elke datum, prijs en eenheid, ook als ze in letters zijn uitgeschreven.
- Elke naam van een persoon, bedrijf, product of plaats, inclusief de spelling.
- Elke voorwaarde en uitzondering: tenzij, alleen als, behalve, tot, minstens.
- Elke ontkenning, want een weggevallen ‘niet’ is de duurste ingreep die er bestaat.
- Wie wat met wie doet in elke zin die je hebt samengevoegd of gesplitst.
Lees de tekst hardop voor je hem verstuurt
Je oor hoort wat je oog door de vingers ziet. Lees de tekst hardop in een gewoon spreektempo. Raak je buiten adem, dan is de zin te lang. Zou je een formulering nooit tegen een collega aan tafel zeggen, gebruik dan wat je wel zou zeggen. Ga je je vervelen, dan doet de lezer dat ook.
Wanneer een tool helpt, en waar hij ophoudt
Het oppervlaktewerk uit deze checklist is mechanisch genoeg om aan een tool over te laten als je veel tekst of weinig tijd hebt: ritme, verbindingswoorden, stijve formuleringen. De Humanizer van Textumi doet dat deel en streeft naar tekst die leest alsof een mens hem schreef. Voordat hij een resultaat toont, gaat het concept door verschillende controles tegen je origineel: feiten, namen, getallen, exacte benamingen en de logica, inclusief ontkenningen en tegenstellingen.
Het meeste werk doen de eigen AI-ontwikkelingen van Textumi op onze eigen servers, en het concept wordt ook beoordeeld door een extern AI-model dat in het privacybeleid wordt genoemd. Je kunt de Humanizer gebruiken in de webwerkruimte, in de app voor macOS met Individueel en Professioneel, of je AI-assistent vragen een Engelse tekst te herschrijven via de connector van Textumi. We blijven werken aan de kwaliteit van de Humanizer en voegen regelmatig hulpmiddelen toe die hem makkelijker in gebruik maken.
De Humanizer neemt in het Engels 50 tot 2.000 woorden aan en in de andere talen tot 1.000. Je origineel blijft naast het resultaat staan, zodat je elke wijziging ziet.
Een tool kan niet toevoegen wat alleen jij weet, en belooft niets over hoe een AI-detector het resultaat zal beoordelen. Laat hem de mechanische ronde doen en zet de laatste twee stappen zelf: voeg je eigen details toe en lees de tekst hardop.
Veelgestelde vragen
Waarom klinkt tekst van AI zo robotachtig?
Omdat een model waarschijnlijke woorden kiest, en waarschijnlijke woorden leveren gelijkmatige, veilige, algemene zinnen op. De grammatica is in orde. Wat ontbreekt, is afwisseling in ritme, een duidelijk standpunt en de concrete details die een mens uit eigen ervaring haalt. Een redacteur zet die terug. Daar is geen bijzondere vaardigheid voor nodig, alleen aandacht voor één alinea tegelijk.
Wat zijn de bekendste kenmerken van tekst die door AI is geschreven?
Zinnen van bijna dezelfde lengte, overgangen als ‘bovendien’ en ‘daarnaast’, rijtjes van precies drie, meerdere voorbehouden in één zin, een openingszin over het belang van het onderwerp en een slotzin die de tekst herhaalt. Geen van deze kenmerken is een bewijs. Mensen doen ze allemaal, en een zorgvuldige schrijver kan ze allemaal vermijden terwijl hij met hulp van een machine werkt.
Hoelang duurt het om een AI-concept met de hand te redigeren?
Minder lang dan de pagina vanaf nul schrijven, als je het onderwerp kent. De openingszin, de slotzin en de vaste overgangen weghalen is de snelste stap en levert meestal de grootste verbetering op voor de moeite. Je eigen details toevoegen duurt het langst. Dat is het deel dat de tekst van jou maakt, dus juist daar moet je geen tijd besparen.
Komt de tekst door redigeren door een AI-detector heen?
Daar bestaat geen betrouwbaar antwoord op, en wie beweert er een te hebben, gokt. Detectors meten verschillende dingen, zijn het vaak oneens en markeren soms teksten die volledig door mensen zijn geschreven. Redigeer voor de lezer. Het resultaat van een detector is een signaal over patronen in de formulering, geen bewijs van wie de tekst schreef, en hoort niet het doel van je redactie te zijn.
Kan ik de AI zelf vragen natuurlijker te klinken?
Ja, en dat helpt een beetje. Als je om kortere zinnen of een eenvoudigere toon vraagt, verandert de oppervlakte. Maar het model ruilt vaak de ene gewoonte in voor de andere, bijvoorbeeld stijfheid voor geforceerde losheid. En omdat het jouw feiten niet kent, blijven de algemene beweringen algemeen tot jij ze vervangt door wat je weet.
Is het verkeerd om door AI gegenereerde tekst te bewerken en als de mijne te presenteren?
Dat hangt af van waar de tekst naartoe gaat. Voor je eigen e-mails, posts en werkdocumenten is een machineconcept bewerken gewoon een vorm van schrijven. Hebben je school, een tijdschrift, je werkgever of een klant regels over hulp van AI, volg die dan en vermeld de hulp waar dat gevraagd wordt. Een tekst bewerken verandert niets aan hoe hij oorspronkelijk tot stand kwam.
Vervangt een humanizer het redigeren?
Hij neemt het mechanische deel over: hij wisselt het ritme af, haalt vaste formuleringen weg en maakt stijve zinnen losser. Hij weet niet wat er in je project is gebeurd of wat jij denkt, dus hij kan niet de details en het standpunt leveren die een tekst het lezen waard maken. Vergelijk het resultaat met je origineel, controleer namen en getallen, en voeg toe wat alleen jij kunt.