Hur du avgör om en text är skriven av AI
Av Chatday Editorial Team ·
Här är en siffra värd att smälta: forskare som analyserade tiotusentals webbsidor kom fram till att ungefär hälften av alla nya artiklar som publiceras online i dag är skrivna av AI. Det handlar inte om någon obskyr hörna av internet. Hälften. Det betyder att du med största sannolikhet redan har läst AI-text i dag, förmodligen utan att märka det, i en produktrecension, ett nyhetssammandrag, ett LinkedIn-inlägg, eller kanske ett mejl.
Så hur avgör man det egentligen? Det ärliga svaret är att du kan bli riktigt bra på det, med en kombination av din egen blick och rätt verktyg, så länge du vet vad varje metod faktiskt kan och inte kan bevisa. Den här guiden ger dig båda delarna: tecknen en människa kan upptäcka på trettio sekunder, och hur AI-detektorer fungerar när du vill ha en andra åsikt.
Halva internet skrivs numera av maskiner
Siffran i inledningen kommer från Graphite, ett SEO-analysföretag som gick igenom tiotusentals engelskspråkiga artiklar publicerade sedan 2020 och körde varje text genom flera AI-detektorer. Deras slutsats: andelen AI-genererade artiklar exploderade efter att ChatGPT lanserades i slutet av 2022, och planade sedan ut på runt 50 % genom 2025 och in i 2026. Vissa kvartal ligger den strax över hälften, andra strax under.
Och det handlar inte bara om blogg-skräp. En separat analys av mer än 15 miljoner sammanfattningar av biomedicinska artiklar visade att minst 13,5 % av dem år 2024 uppvisade tecken på att vara skrivna eller putsade av AI, baserat på avslöjande ordval som ökade kraftigt efter att ChatGPT lanserades. Om det sker i vetenskapliga tidskrifter sker det överallt.
Inget av detta betyder att AI-text automatiskt är dålig. Mycket av den är användbar, och många människor använder AI som en skrivpartner och redigerar sedan texten grundligt. Men när du rättar en uppsats, läser en lysande produktrecension eller ska avgöra om en nyhetsartikel är trovärdig, är frågan ”vem skrev egentligen det här?” fullt rimlig. Så här svarar du på den.
Tecknen du kan upptäcka själv
Innan du använder något verktyg, lita på din egen blick. AI-modeller lärde sig skriva från en enorm mängd internettext och blev sedan finputsade mot en ton som bedömare gillade: smidig, medgörlig, lätt formell. Den finputsningen blev ett fingeravtryck. Här är vad du ska hålla ögonen på när du läser någon annans text.
| Tecknet | Så ser det ut |
|---|---|
| Klyschor | ”I dagens digitala landskap”, “det är viktigt att notera”, “låt oss dyka in”, “spelväxlare” |
| Misstänkt jämn rytm | Varje stycke lika långt, varje mening samma medellängd, prydliga listor med exakt tre punkter |
| Självsäker men innehållslös | Massor av välslipade meningar som skulle passa vilket ämne som helst, utan någon levd detalj |
| Inga verifierbara detaljer | Inga namn, datum, priser eller egna upplevelser, eller sådana som visar sig vara fel |
| Perfekt grammatik, ingen röst | Inga stavfel, inga vardagliga förkortningar, ingen personlighet, som ett pressmeddelande om ingenting |
| Formelberoendet | ”Det handlar inte bara om X, utan om Y”, “från X till Y”, en retorisk fråga som inledning |
Det enskilt starkaste mänskliga testet är detaljtestet. Riktiga skribenter, även medelmåttiga, lämnar spår av verklig erfarenhet: en specifik butik, en udda detalj, en åsikt som kostar något. AI faller tillbaka på text som låter rätt snarare än text som är rätt. Plocka ut ett eller två konkreta påståenden och kontrollera dem. Om en ”recension” av en restaurang aldrig nämner en enda rätt, eller om en artikel hänvisar till en studie du inte kan hitta, är din misstro befogad. Det här beteendet har ett namn, och vi har tidigare gått igenom varför AI hittar på saker i klartext.
En brasklapp innan du börjar anklaga folk: varje tecken i tabellen är en vana, inte ett rykande vapen. Människor skrev i klyschor långt innan ChatGPT gjorde det. Vilket är precis varför en andra åsikt hjälper.
Så fungerar AI-detektorer egentligen
En AI-detektor läser en text och ställer en enda grundfråga: hur förutsägbar är den här texten?
Språkmodeller skriver genom att gång på gång välja det statistiskt mest sannolika nästa ordet. Det lämnar ett spår. AI-text tenderar att vara smidig och förutsägbar, med få oväntade ordval och en jämn, stabil rytm. Mänskligt skrivande är rörigare. Vi börjar om meningar, väljer udda ord, skriver långt och sedan plötsligt kort. Detektorer mäter den förutsägbarheten (forskare kallar det ”perplexitet”) och variationen i rytm (det kallas ”burstiness”), och producerar en sannolikhet: den här texten ser ut att vara 85 % sannolikt AI-genererad.
Nyckelordet är sannolikhet. En detektor vet aldrig egentligen vem som skrev orden. Den gör en välgrundad statistisk gissning, precis som du gjorde i avsnittet ovan, bara med matematik istället för magkänsla.
Det är därför resultatet beter sig som det gör:
- Längre texter ger bättre avläsningar. Ett meddelande på två meningar innehåller helt enkelt inte tillräckligt med signal. De flesta detektorer är opålitliga under några hundra ord.
- Blandade texter förvirrar den. Ett mänskligt utkast putsat av AI, eller ett AI-utkast redigerat av en människa, hamnar i gråzonen, eftersom texten faktiskt är båda.
- Formellt skrivande poängsätts som ”mer AI”. Ju mer förutsägbar och konventionell stilen är, desto mer maskinlik läses den, även när en människa skrivit den.
Var detektorer går fel
Det här är den del de flesta artiklar hoppar över, och det är den del du behöver mest. AI-detektorer har verkliga, dokumenterade brister.
Det mest kända exemplet kommer från OpenAI självt. I början av 2023 lanserade företaget sin egen AI-textklassificerare, och stängde ner den sex månader senare med hänvisning till dess ”låga träffsäkerhet”. Enligt bolagets egna siffror fångade den bara 26 % av AI-skriven text och flaggade felaktigt mänsklig text som AI i 9 % av fallen. Om företaget som byggde ChatGPT inte kunde upptäcka ChatGPT tillförlitligt, bör du vara skeptisk mot varje verktyg som lovar säkerhet.
Den andra bristen är värre eftersom den är orättvis. En Stanford-studie publicerad i tidskriften Patterns testade sju populära AI-detektorer på uppsatser skrivna av verkliga människor. För uppsatser av personer med engelska som modersmål fungerade detektorerna bra. För uppsatser skrivna av personer utan engelska som modersmål flaggade detektorerna dem som AI-genererade i 61 % av fallen. Anledningen ligger inbyggd i själva metoden: personer som skriver på sitt andraspråk tenderar att använda säkrare, mer konventionella formuleringar, vilket för matematiken läses som ”förutsägbart”. Noggrant, formellt skrivande enligt boken är precis vad detektorer uppfattar som maskinklingande.
Så kontrollerar du en text, steg för steg
Här är rutinen som faktiskt funkar, satt ihop steg för steg. Den tar ungefär två minuter.
- Läs igenom texten en gång efter tecknen. Klyschor, jämn rytm, formelinledningar, ingen personlighet. Notera din magkänsla, men stanna inte där.
- Kör detaljtestet. Hitta ett eller två konkreta, kontrollerbara påståenden. Sök efter dem. Uppfunna källor, fel priser och ospårbara studier är den starkaste varningssignalen som finns.
- Kör texten genom en detektor. Klistra in texten i en AI-detektor och få sannolikhetspoängen. Gratis, tar tio sekunder, inget konto behövs för att testa.
- Väg in längden. Under ett par hundra ord bör du vikta ner resultatet rejält. På en lång, oredigerad text kan du ge det verklig tyngd.
- Fundera på vem som skrev texten. Formellt register eller en icke-modersmålstalare? Justera din tröskel därefter, eftersom det är just där felaktiga flaggningar samlas.
- Kombinera allt. Mänskliga tecken + underkänt detaljtest + högt resultat = mycket troligt AI. En enskild signal = håll anklagelsen för dig själv.
När det spelar roll, och när det ärligt talat inte gör det
Inte varje AI-skriven text är ett problem. En vädersammanfattning eller en produktbeskrivning skriven av AI skadar ingen. Frågan blir viktig i specifika situationer:
- Lärare och professorer som kontrollerar om ett arbete är en students eget. Använd rutinen ovan, och kom ihåg Stanford-resultatet innan du agerar utifrån ett resultat ensamt.
- Rekryterare som läser misstänkt välputsade personliga brev. En detektor plus en konkret intervjufråga (”berätta mer om det här projektet”) klargör saken snabbt.
- Köpare som läser recensioner. Femstjärniga recensioner utan några produktdetaljer är det klassiska mönstret.
- Alla som läser nyheter. Om en artikels fakta inte håller spelar det mindre roll om ett misstag skrevs av en människa eller en maskin än att misstaget faktiskt finns där.
Och där finns baksidan. Om du skriver noggrant på ett andraspråk, eller bara har en formell stil, kan ditt ärliga arbete bli flaggat en dag. Det hjälper att känna till din egen baslinje: kör din text genom detektorn och se hur den poängsätts. Om din genuint mänskliga text ändå läses som robotisk är det mer ett stilproblem än ett rättviseproblem, och vi har skrivit en hel guide om hur du får AI-text att låta mänsklig vars råd funkar lika bra för människor som skriver som maskiner. AI-humanizern kan bearbeta ett stelt utkast med ett klick.
Den tvåminutersvana som är värd att bygga upp
Hälften av det du läser är numera maskingjort, och den andelen kommer inte att minska. Den goda nyheten är att du inte behöver bli forensisk lingvist. Läs efter tecknen, kontrollera ett faktum, och låt en detektor sköta det statistiska. Tillsammans fångar de tre stegen betydligt mer än något av dem ensamt, och de skyddar dig mot det enda riktiga misstaget i det här spelet: att vara självsäkert fel om en riktig persons skrivande.
Nästa gång en text känns lite för smidig, nöj dig inte med att undra. Kontrollera.