Ik betrapte me erop dat ik mijn eigen LinkedIn-posts niet meer herkende. Ze waren netjes, ze deden het prima, en toch klopte er iets niet. Elke zin stond op een eigen regel. Elke post eindigde met een vraag aan de lezer waar ik het antwoord helemaal niet op wilde weten. En overal dook dezelfde constructie op, drie korte zinnen met precies hetzelfde ritme onder elkaar, als een trommel die maar één slag kent.
Dat was ik niet. Dat was mijn assistent, die dacht dat ze mij was. Ik bouw naast mijn baan een bedrijf waarin ik zzp’ers help met AI-assistenten, dus ik werk er elke dag mee en ben er ronduit enthousiast over. Dit wordt dan ook geen verhaal over waarom je die tools de deur moet wijzen. Het gaat over iets wat ik bijna niemand hoor benoemen: niet dat een assistent jouw stem of tone of voice imiteert, maar dat hij die stem op den duur ongemerkt verschuift. En hoe je dat terugdraait.
Hoe het misgaat
Zo ging het bij mij: in het begin liet ik ChatGPT af en toe een bericht schrijven, dat ik aanpaste. Die berichten kwamen online, ze werden onderdeel van mijn archief. Toen ik later een schrijfprofiel voor mijn assistent bouwde, gaf ik dat archief mee als voorbeeld van hoe ik klink.
Zie je wat daar gebeurt? Mijn assistent leerde mijn tone of voice van teksten die voor een flink deel niet van mij waren. En daar zit de kern, want dit voedt zichzelf. Een taalmodel neigt altijd naar het gemiddelde, naar de gladde middenweg van alles waarop het is getraind. Voer je zijn eigen output terug als voorbeeld van hoe jij klinkt, dan versterk je precies die neiging. Elke nieuwe tekst wordt getoetst aan de vorige, elke ronde schuift je referentiepunt een stukje op richting dat gemiddelde, en je merkt het niet omdat elke stap piepklein is.
Zo werd mijn stem met elke ronde een beetje minder Jeanne. Niet slechter, dat is nou juist het verraderlijke. Gladder. Gemiddelder. Inwisselbaar met die van duizend anderen. Bijna iedereen die zo een tijd doorschrijft komt in die cirkel terecht en je merkt het pas als iemand die je goed kent zegt: ‘dit klinkt niet als jij.’
Waar je het aan herkent
Toen ik het eenmaal doorhad, ben ik mijn eigen teksten gaan uitpluizen. Niet om een lijstje verboden woorden te maken, want de meeste van deze vormen zijn helemaal niet fout. Een korte zin, een drieslag, een vraag aan het eind: mensen gebruiken ze ook en soms zijn ze prachtig. Het punt is dat een AI-assistent ze standaard pakt, bij iedereen, en er zo een eenheidsworst van maakt. Ik wilde leren herkennen wanneer zo’n vorm van mij is en wanneer het de reflex van de machine is.
Dit zijn de acht die ik het vaakst tegenkom, bij mezelf en bij anderen:
- Staccato. Elke zin op een eigen regel, korte gebroken zinnen als drama-effect. Eén losse zin kan raak zijn; een hele tekst zo opgebroken is bijna altijd de machine. Witregels horen gedachten te scheiden, geen zinnen.
- De formule ‘niet dit, maar dat’. Taalmodellen zijn er dol op. Een echte tegenstelling zit vaak al in het ritme van je zin en heeft die mal niet nodig.
- Typografische drieslagen. Drie korte zinnen met identiek ritme onder elkaar. Drie elementen in één vloeiende zin kan prachtig zijn; drie regels als trommelslag is meestal machinewerk.
- De verplichte slotvraag. ‘Wat denk jij?’ onder een post over je eigen keuzes. Een vraag hoort er alleen te staan als je het antwoord echt wilt weten.
- Beeldenregen. Drie metaforen in een tekst. Een eigen beeldspraak op het juiste moment zegt meer dan een heel fotorolletje aan vergelijkingen.
- Vage abstracties. ‘Iets groters bouwen’, ‘waarde toevoegen’, ‘een geheel dat versterkt’. Als een zin niet vertelt wát er gedaan is, voor wie en wat het oplevert, dan staat er niets.
- Emotie via typografie. Losse regels, dramatische witruimte, een poëtische opbouw. Emotie hoort in het woord te zitten. ‘Verdomd lastig’ zegt meer dan een kunstmatige regelval.
- Overal hetzelfde ritme. Alinea’s van exact gelijke lengte, elk punt in dezelfde formule. Menselijke tekst is asymmetrisch, omdat denken dat ook is.
Herken je er een paar in je eigen teksten? Grote kans dat er een AI-assistent aan heeft meegeschreven of dat je zelf al bent gaan schrijven zoals je AI-assistent doet. Dat laatste vond ik nog het meest confronterend: ik nam die vormen over, ook als ik zelf typte.
Hoe ik mijn stem terugvond
De oplossing zat niet in betere prompts. De oplossing zat in beter bronmateriaal.
Ik heb alles wat mijn assistent had aangeraakt uit mijn referentiemateriaal gehaald. Niet omdat die teksten waardeloos waren, veel ervan deden het prima online, maar omdat ik bij elke tekst zeker moest weten dat hij honderd procent van mij was. Eén besmette post ertussen en je bouwt je profiel weer op het gemiddelde. Ik wilde een schone basis, zonder twijfel.
Overigens hoef je niet zo rigoureus te zijn als ik. Je hoeft niets te wissen. Je moet alleen streng zijn over wat je als voorbeeld van je stem gebruikt: teksten waar een AI-assistent aan meeschreef mogen blijven bestaan, ze mogen alleen nooit je ijkpunt zijn.
Een nieuw schrijfprofiel
Ik ging op zoek naar teksten waarvan ik dat zeker wist: oude LinkedIn-posts van jaren terug, WhatsApp-berichten en twee persoonlijke brieven waarvan er een uit 2011 komt. En wat bleek: mijn echte stem is het omgekeerde van wat ervan gemaakt was. Ik schrijf in lopende zinnen met bijzinnen, en hoe persoonlijker het onderwerp, hoe langer en golvender die zinnen worden. De korte klap komt bij mij pas ná de golf, als afsluiting van een volle alinea. Mijn spreektaal hoort erbij, net als mijn woordgrapjes en een uitroepteken op een piek. Dat was allemaal keurig weggepolijst, en ik kreeg er gebroken regels voor terug.
Op basis van dat geverifieerde materiaal bouwde ik een nieuw schrijfprofiel. En daar zit het inzicht waar het me echt om gaat: ik legde niet alleen vast hoe ik wel klink, maar net zo hard wat ik niet doe, namelijk die acht vormen hierboven. Dat wat ik niet doe, blijkt in de praktijk belangrijker dan de beschrijving van mijn tone of voice zelf. Elke AI-assistent die namens mij schrijft, krijgt beide mee. En elke tekst gaat langs deze toets: zou dit in 2011 én in 2026 door mij geschreven kunnen zijn? Zo nee, dan is het niet mijn stem.
Zo pak je het zelf aan
Je hebt er geen technische kennis voor nodig, wel een eerlijke middag werk.
- Verzamel eerst tekst waarvan je zeker weet dat er geen AI-tool aan heeft gezeten. Oude mails, appjes aan vrienden, een brief, posts van jaren terug. Dat is je goud, want alles wat je recent publiceerde, is mogelijk al gekleurd door de typische AI-vormen uit de lijst hierboven.
- Laat je AI-assistent vervolgens beschrijven hoe jij klinkt, uitsluitend op basis van dat materiaal. Vraag door op zinsbouw, ritme, woordkeuze en hoe je teksten eindigen. Leg daarnaast expliciet vast wat je niet doet. Die twee lijstjes samen, hoe je klinkt en wat je nooit doet, vormen je profiel.
- Geef beide mee aan alles wat namens jou schrijft. En dit is het punt waar het echt om draait: herijk dat profiel nooit op teksten waar een AI-assistent aan heeft meegewerkt. Anders schuift je ijkpunt alsnog op, langzaam, precies zoals het bij mij ging. Het gaat niet om die ene mindere tekst, maar om de richting waarin je referentiepunt kruipt.
- En lees hardop terug wat eruit komt. Je oor hoort machinewerk eerder dan je oog.
Ik laat mijn AI-assistenten nog elke dag meeschrijven, aan mijn content, mijn klantflows en zo’n beetje elk systeem in mijn bedrijf. Het verschil met een jaar geleden is dat ze nu weten wie er aan het woord is. De teksten kosten me nog steeds weinig tijd. Met als grote verschil: ze klinken alleen weer als iemand.
