AI-detector voor e-mails en berichten

Waarom korte teksten het moeilijkst zijn om te detecteren

AI-detectoren hebben een groot nadeel: ze werken het best op langere, coherente stukken tekst. Een e-mail van drie regels? Een WhatsApp-bericht? Een LinkedIn-bericht van twee alinea's? Die zijn voor veel detectors letterlijk onvoldoende data om een betrouwbaar oordeel te vellen.

Waarom is dat zo? AI-tekst vertoont bepaalde statistische patronen: woordkeuzes die net iets te 'glad' zijn, zinslengte die consistent blijft, onderwerpswissel die logisch maar niet menselijk voelt. Die patronen worden duidelijker naarmate je meer tekst hebt. Bij 50 woorden zijn ze haast onzichtbaar. Bij 500 woorden beginnen ze op te vallen.

Bovendien: mensen schrijven e-mails snel. Typos, afkortingen, informele toon, half-afgebroken zinnen — dit maakt menselijke berichten 'ruwer' dan ze kunnen zijn. AI-modellen als ChatGPT zijn traag, voorzichtig, en schrijven meestal zonder de haast en onnauwkeurigheid die normale e-mails kenmerken.

Dit is het kernprobleem: hoe korter de tekst, des te groter de kans dat een AI-detector vals positief of vals negatief reageert. Je kunt niet zomaar een e-mailtje van één zin door een detector halen en ervan uitgaan dat het antwoord klopt.

Hoeveel tekst heb je nodig voor betrouwbare detectie?

Hier de harde waarheid: de meeste AI-detectors adviseren zelf al minimaal 100–200 woorden voor enig vertrouwen. Veel detectors geven je rond 150 woorden een waarschuwing dat de steekproef te klein is. Pas boven de 300–500 woorden worden resultaten redelijk betrouwbaar.

Voor e-mails en berichten betekent dit:

• Tot 100 woorden: Detector-scores zijn zuiver gokwerk. Veel valse positieven en negatieven.
• 100–300 woorden: Eerste indicaties, maar niet overtuigend genoeg om erop te baseren. Combineer met handmatige controle.
• 300–500 woorden: Detectors worden voorzichtig betrouwbaarder, vooral als het om sollicitatiebrieven gaat.
• 500+ woorden: Hier kunnen goede detectors redelijk zeker zijn — al is 100% nooit realistisch.

Dit betekent dat je voor een typische e-mailuitwisseling nooit alleen op een detector kunt vertrouwen. Je moet je gezond verstand gebruiken.

Welke tools werken het best op korte teksten?

Niet alle detectors zijn gelijk. Sommige zijn beter geoptimaliseerd voor korte stukken dan andere.

Scribbr is één van de betere keuzes voor Nederlandse gebruikers. Het geeft redelijk aanvaardbare resultaten ook op meer compacte teksten, vooral voor Nederlands. Je kunt gratis tot 200 woorden checken.

Winston AI richt zich ook op kortere fragmenten en biedt een iets meer gevoeligheid voor het detecteren van deels AI-gegenereerde inhoud. Handig als iemand slechts een paar zinnen van ChatGPT overneemt.

GPTZero is populair, maar eerlijk gezegd minder geschikt voor e-mails onder de 150 woorden. Beter voor langere stukken.

Originality.ai werkt ook op korter materiaal, vooral als het gaat om detectie van specifieke AI-modellen als GPT-4.

Copyleaks is vooral interessant als je bulkdetectie nodig hebt — bijvoorbeeld je hele e-mailarchief scannen — maar voor individuele berichten niet bijzonder voordelig.

Geen van deze tools werkt perfect op korte teksten. Wat je wél kunt doen: combineer een detector met handmatige analyse. En: herhaal je check op meerdere tools.

Handmatige signalen: wat moet je zelf zoeken?

Detectoren zijn niet alwetend. Jij hebt menselijk inzicht, ze niet. Hier wat patronen die je handmatig kunt opspotten.

1. Onnatuurlijk formeel taalgebruik

AI-modellen tendeerden lange tijd naar formeel, neutraal Nederlands. Moderne ChatGPT slaagt beter in informeel schrijven, maar het kan nog steeds voelen als 'corporate-kloon'. Zinnen als 'Ik hoop dat deze informatie nuttig voor u is' of 'Met vriendelijke groeten' zijn menselijk, maar ook typisch AI.

Echte mensen schrijven vaker: 'Hoop dat dit helpt!' of zelfs geen formeel slotwoord.

2. Perfecte grammatica en interpunctie

Dit is contraïntuitief: perfecte grammatica is in e-mails eigenlijk verdacht. Echte mensen maken tipto's, gebruiken dubbele spaties, vergeten komma's. AI maakt veel minder grammaticale fouten.

Zoek naar zaken die álle formeel en foutloos zijn, net iets té netjes.

3. Generieke openingsregels

AI start bedrijfsberichten graag met: 'Dank je wel voor je bericht' of 'Ik ben blij dat ik je kan helpen'. Echte customerservice schrijft vaker: 'Bedankt voor je mail van gisteren' of 'Ik zag je vraag over...'

Specifieke referenties, (kleine) details uit de vorige e-mail — dit wijst op menselijk lezen. Generieke openingen wijzen op AI (of zeer lui werk).

4. Volledige alinea's zonder personaliteit

Vergelijk de e-mail met eerdere berichten van dezelfde afzender. Voelt het anders? Minder eigenzinnig? Alsof iemand anders het geschreven zou hebben?

Bijvoorbeeld: iemand schrijft meestal ontspannen, met emoji's en halfinformeel toon. Ineens komt een e-mail die formeel, struktureel, en aanpakkerig is. Waarschuwingssignaal.

5. Logische redeneringen zonder intuïtie

AI volgt redeneringen netjes. Mensen springen soms willekeurig. Een e-mail die stap voor stap logisch alles uitlegt, kan AI zijn. Een e-mail met 'Hé, mag ik je wat vragen?' gevolgd door een helemaal ander onderwerp — veel menselijker.

Context is alles: waar wordt AI in berichten gebruikt?

AI in e-mails komt niet willekeurig voor. Er zijn patronen in wie het inzet en waar.

Werving: sollicitatiebrieven en LinkedIn-berichten

Dit is waar AI massaal toesteekt. Veel kandidaten laten ChatGPT hun sollicitatiebrieven schrijven. Recruiters zien dit via: generieke openingsregels ('Ik ben zeer geïnteresseerd'), frase-herhalingen die kandidaten niet zelf zouden gebruiken, en toon die niet overeenkomt met CV.

Voor recruiters: check altijd of de sollicitatiebrief bij de persoon hoort. Vraag vervolgvragen in interviews die de schrijver moet improvisen — AI-geschreven brieven leiden tot AI-voorbereide antwoorden.

Klantenservice en support

Bedrijven gebruiken AI-copilots om sneller e-mails te schrijven. Dit merk je aan: templates die te glad zijn, oplossingen die generiek voelen, en antwoorden die je vraag niet helemaal adresseert (AI miste nuance).

LinkedIn-berichten en directe berichten

AI voor 'outreach' is grijs gebied ethisch. Veel recruiters en verkopers zetten AI in om LinkedIn-berichten in bulk te versturen. Dit herken je aan: geen personalisatie, koppelingen naar wat je profiel zegt maar zonder iets te begrijpen, en toon die niet past bij sector (vertegenwoordiger die ineens formeel spreekt).

Intern: verslagen, updates, memo's

Veel mensen laten AI interne e-mails en rapporten schrijven. Dit hoort thuis — het is efficiënter — maar het kan leiden tot miscommunicatie als nuances verloren gaan.

Praktische tips: hoe pak je dit verantwoord aan?

Voor recruiters en managers

• Accepteer AI als hulp, niet als bedrog. Kandidaten die ChatGPT inzetten voor hun brief? Normaal. Maar verwacht dan wel dat ze hun voorbereiding ook via AI hebben gedaan. Stel vragen die echte voorbereiding tonen.
• Combineer detector + interview. Gebruik een tool als Scribbr op het langste stuk van een sollicitatiebrief (de motivatie), maar baseer je beslissing niet erop alleen. Een goed interview vertelt veel meer.
• Let op inconsistenties. Schrijft iemand LinkedIn-bericht in ai-toon, maar cv en e-mails informeel? Verdacht. Andersom ook.
• Vraag om voorbeelden van eerder werk. Laat kandidaten stukken tonen die ze eerder hebben geschreven. Vergelijk toon en stijl. Het zegt veel.

Voor iedereen: e-mails checken

• Gebruik detectoren op tekstfragmenten die langer zijn dan 150 woorden. Onder die grens: meer gokken dan wetenschap.
• Draai multiple tools. Geen enkele detector is perfect. Als twee tools uit drie zeggen 'waarschijnlijk AI', is het risico hoger.
• Context is koning. Wie schreef dit? Wat zou hen motiveren om AI in te zetten? Kennen ze de geadresseerde? Al deze vragen matteren meer dan een AI-score.
• Wees voorzichtig met beschuldigingen. Detectoren hebben foutmarges. Een e-mail die als 'AI' wordt gemarkeerd kan nog steeds menselijk zijn (vals positief). En veel AI-tekst sneuvelt niet aan detectoren (vals negatief).

Communiceer je standpunt helder

Als je in werving bent, maak duidelijk dat je AI-geassisteerde sollicitaties niet verbiedt, maar wel verwacht dat kandidaten zichzelf kunnen verdedigen. Bijvoorbeeld: 'We zien dat je sollicitatiebrief via een tool is bewerkt. Geen probleem — kan je in het interview uitleggen hoe je tot deze motivatie bent gekomen?'

Dit is eerlijker dan stiekem verdenken van fraude.

Waarom 100% betrouwbaarheid niet bestaat

Dit is cruciaal: geen enkele AI-detector is voldoende nauwkeurig om alleen daarop een belangrijk besluit te baseren.

Waarom niet? AI-modellen worden constant beter, en detectors blijven achter. GPT-4 produceert tekst die veel moeilijker te detecteren is dan GPT-3. Antropic's Claude schrijft op manieren die minder makkelijk als AI herkend worden. En zodra nieuwe modellen release, starten detectoren opnieuw.

Bovendien: veel mensen schrijven op manieren die AI-achtig zijn zonder dat ze AI hebben gebruikt. Iemand met Engels als tweede taal, iemand die in een stijfheid schreef (nerveus interview), iemand die uit een template schreef — allemaal kunnen vals positief zijn.

En: slimmere gebruikers obfusceren AI-tekst. Ze bewerken het, veranderen woordkeuzes, voegen fouten toe. Dit verslaat veel detectoren.

De waarheid: een detector is een indicatie, niet een bewijs. Gebruik het als startpunt voor vragen, niet als eindoordeel.

Samenvatting: van detector tot actie

E-mails en berichten detecteren is niet hetzelfde als lange artikelen controleren. Je hebt een ander toolset nodig en meer context.

Stappen:

1. Is de tekst langer dan 150–200 woorden? Alleen dan loont het detector-moment.
2. Scan met Scribbr of Winston AI voor Nederlands, en eventueel Originality.ai voor meer nauwkeurigheid.
3. Check handmatig: formele toon, generieke openingen, perfecte grammatica, volume van detail.
4. Vergelijk met ander werk van dezelfde afzender. Voelt het consistent?
5. Vraag navraag of vervolgvragen — dit onthult veel.
6. Baseer je uiteindelijk oordeel op context, niet op het detector-resultaat alleen.

Met deze aanpak kom je er meestal uit. En je blijft redelijk.