Varför låter all AI-text som samma tråkiga lärare?

AI skriver miljarder ord varje dag — och hjärnan börjar strunta i dem. Forskaren R. Cymerys kallar fenomenet AI-blindhet (2026): när text är full av fyllnadsord slutar vi läsa på riktigt. Ögonen sveper över raderna, inget fastnar. Samma sak hände med webbens reklamband tidigare; ögonläsarforskaren Jakob Nielsen upptäckte redan 1997 att vi blunda för banners (banner blindness).

Problemet: luft istället för info

En typisk AI-text inleds med en kliché om att "värden förändras i ett rasande tempo" och avslutas med en sammanfattning som upprepar allt du just läst. Det kallas metakommunikation — text som pratar om sig själv istället för att leverera fakta. Lägg till vaga marknadsföringsadjektiv (ord som lovar mycket men säger inget), plus listor där alla punkter har exakt samma längd, och hjärnan kopplar från.

Lösningen heter signaldensitet (på engelska signal-to-noise ratio, SNR): hur stor del av texten som är verklig information jämfört med brus. Ju fler konkreta fakta per mening, desto högre densitet — och desto mer läser läsaren faktiskt.

Förklaring: "Signal" är den verkliga informationen i en text. "Brus" är allt annat — fyllnadsord, upprepningar och tomma fraser. Förhållandet mellan dem kallas signal-brus-förhållande (SNR).

Så mäter man det

Tre siffror används:

Lexikal densitet — andelen ord som bär mening (substantiv, verb, adjektiv) jämfört med småord som "och", "det", "som". Bra teknisk text ligger på 55–65 %.

Entitetsdensitet — andelen unika entiteter: siffror, datum, namn, länkar och mätvärden. En anteckning i ett kunskapsarkiv ska ligga på minst 2,5 %, en teknisk rapport på 3,0 %. Om 2 % av orden är konkreta fakta är resten mest prat.

Faktadensitet — hur många påståenden som går att kontrollera. "Verktyget sparade 40 % tid vid testet med 12 användare" slår "verktyget är otroligt effektivt" varje gång.

Förklaring: En "entitet" är något konkret och namnbart — ett tal, ett datum, ett programnamn. Ju fler sådana per hundra ord, desto mer fakta innehåller texten.

Reglerna som gör texten läsbar

Fyra regler används i systemen:

1. Noll metakommunikation. Första raden ska innehålla kärnpåståendet — inte en presentation av vad texten "kommer att handla om".
2. Ojämna stycken. Listor med tre eller fem identiska punkter är ett varningstecken. Fakta får styra formen, inte tvärtom.
3. Konkretion före modifikatorer. Byt ut vaga beröm mot ett mätvärde. Ta bort garderingar som "det kan potentiellt vara så att".
4. Kärnan först. Tesen i första stycket, bevis direkt efteråt.

Reglerna körs genom ett litet Python-program — en linter (ett verktyg som automatiskt kontrollerar text mot regler, ungefär som stavningskontroll men för informationsvärde). Programmet letar efter förbjudna fraser, räknar entiteter och säger ifrån om texten underkänns. Det kostar noll kronor att köra eftersom det kör lokalt på datorn.

Varför det även handlar om pengar

Stora språkmodeller betalar man per token (ungefär ett ord eller ordfragment) som modellen producerar. Utskrivna tokens kostar 3–5 gånger mer än inlästa. Ta bort artighetsfraser, övergångsfluff och dubbla sammanfattningar och textmassan halveras utan att en enda faktum försvinner — en besparing på 30–50 %. Och varje kompakt anteckning som sparas blir billigare att läsa in igen senare, eftersom hela texten måste skickas in till modellen varje gång den ska användas.

Slutsatsen är enkel: text som är frikopplad från ansträngning blir osynlig. Oavsett om du skriver själv eller låter AI hjälpa dig — fyll sidan med fakta, siffror och konkreta exempel. Då läser någon den också.