Je laat een AI een stuk tekst schrijven, leest het na, past een paar zinnen aan en plakt het in je website. Op het scherm ziet het er prima uit. In de broncode staat er meer dan je ziet.
Tussen de woorden zitten dan tekens die geen breedte hebben en niets betekenen: een spatie van nul pixels breed, een streepje dat lijkt op een gewoon streepje maar het niet is, een aanhalingsteken uit een andere tekenset. Ze zijn onzichtbaar voor de lezer en zichtbaar voor iedereen die de tekst door een controle haalt.
Waar die tekens vandaan komen
Grote taalmodellen kunnen patronen in hun uitvoer verwerken die achteraf terug te vinden zijn. Soms is dat bewust ingebouwd, als manier om te kunnen aantonen dat een tekst door een model is gemaakt. Soms is het een bijproduct van de manier waarop tekst wordt opgebouwd en gekopieerd.
Voor jou als publiceerder maakt dat onderscheid weinig uit. Het effect is hetzelfde: er staat rommel in je tekst die je er niet zelf in hebt gezet.
Waarom je ze eruit haalt
Er zijn drie redenen, en de eerste heeft niets met AI te maken.
Onzichtbare tekens zijn gewoon vervuiling. Ze breken zoekfuncties op je eigen site, ze zorgen voor rare afbrekingen in e-mails, en ze duiken op als vraagtekens zodra een tekst door een ander systeem gaat. Dat is een probleem dat je ook zou willen oplossen als er geen AI bestond.
De tweede reden is dat externe partijen erop meten. Detectietools voor AI-content kijken hier expliciet naar. Of hun oordeel klopt is een tweede, maar je klant of je opdrachtgever kan er wel een rapport mee in de hand krijgen waar jij iets van moet vinden.
De derde is de kwaliteit van de tekst zelf. En dat is het interessantste deel.
Het gaat niet alleen om tekens
Een watermerk is de makkelijke helft. De moeilijke helft is de schrijfstijl.
AI-tekst heeft herkenbare gewoonten. Lange gedachtestreepjes waar een komma hoort. Zinnen die met "Bovendien" beginnen. Spiegelconstructies van het type "niet alleen dit, maar ook dat". Woorden als naadloos, krachtig en toekomstbestendig, die veel beloven en niets zeggen. Alinea's die precies even lang zijn.
Dat zijn geen fouten, maar het leest als een sjabloon. Lezers voelen dat, ook als ze het niet kunnen benoemen, en ze haken af. Dat is een reden om het aan te pakken die volledig losstaat van welke detector dan ook.
Een meter over je hele site
Bij een recent project heb ik hier gereedschap voor gebouwd. Het begon klein: een knop per pagina die een percentage teruggaf.
Dat werkte niet goed genoeg. Een pagina waar een externe detector hoog op uitsloeg, kwam bij ons op nul procent uit. De meting keek namelijk alleen naar de hoofdtekst, en niet naar de titel, de samenvatting en de meta-teksten. Juist daar zit vaak het meeste, want dat zijn de stukken die het vaakst uit een AI worden geplakt.
Het tweede probleem was het rapport. Er stond een percentage, maar niet waar het over ging. Bij een pagina met een Franse locatienaam kwam er een melding uit die niemand kon beoordelen, want een accent is geen watermerk.
Wat de aanpassing opleverde
Drie wijzigingen maakten het bruikbaar.
De meting neemt nu de hele broncode van een pagina mee, inclusief titel en meta-teksten. Een artikel dat eerder op twee procent bleef hangen zonder dat een knop hielp, bleek zijn signaal volledig in de titel te hebben zitten.
Het rapport noemt bij elke melding het teken zelf: de officiële codenaam, de code, en de tekst eromheen. Daarmee kun je in twee seconden zien of het een echt watermerk is of een gewone accentletter die je moet laten staan.
En er kwam een overzicht over de hele site, in alle talen tegelijk, met een filter op "alleen met signaal". Dat verandert het werk van steekproeven nemen naar een lijst afwerken. Bij het opslaan en na een vertaalronde gaan de gevonden dragers er vanzelf uit, alleen voor de stukken die daadwerkelijk zijn veranderd.
Waarom dit voorlopig nog nut heeft
Eerlijk is eerlijk: het is een bewegend doel. Modellen veranderen, detectietools zijn onbetrouwbaar in beide richtingen, en niemand kan met zekerheid zeggen wat een zoekmachine hier over een jaar mee doet.
Toch blijft het verstandig, om een eenvoudige reden. De kosten zijn bijna nul. Het meten gebeurt automatisch, het opruimen is een knop, en de stijlcontrole is iets wat een goede redacteur toch al doet. Daar staat een risico tegenover dat je niet kunt inschatten en dat je met een halve dag werk wegneemt.
En het belangrijkste blijft overeind, ongeacht wat detectietools doen: tekst die schoon is en die klinkt alsof een mens hem heeft geschreven, leest beter. Daar heeft je bezoeker vandaag al iets aan.
Lees ook
Benieuwd wat er in jouw teksten zit? Plan een
. Een meting over een bestaande site levert meestal binnen een uur een lijst op.
Bert