Substack straffar nu AI-genererad text

Straffet är inte algoritmiskt. Substack sänker inte din räckvidd. De flaggar dig inte, stänger inte av dig, tar inte bort dina inlägg.

De gjorde något effektivare. De gav varje läsare en knapp.

Sedan den 21 juli kan vem som helst skanna din text och få en uppskattning av hur mycket du skrev själv och hur mycket som kom från en maskin. I en bransch där hela affärsidén bygger på att någon litar på din röst är det ett hårdare straff än vilken nedgradering som helst. Läsare säger upp prenumerationer för mindre.

Och det kommer inte att fungera. Här är varför.

## Vad som faktiskt lanserades

Substack samarbetar med detektionsbolaget Pangram. Detaljerna spelar roll:

Skanningen sker på begäran. Det sitter ingen permanent AI-procent under din artikel. Resultatet visas bara för den som klickade.

Det gäller text över hundra ord, publicerad den 21 juli eller senare.

Du får egna verktyg. Kör detektorn på ditt utkast innan du publicerar. Lägg till stycket "How I make this" där du berättar hur du jobbar. Anmäl ett resultat du tycker är fel.

Det låter mildare än det är. En osynlig knapp som en läsare kan trycka på när som helst är fortfarande en dom som kan falla när som helst, och du får aldrig veta hur många som tryckte.

Bakgrunden är Pangrams egna mätningar. På LinkedIn flaggas över fyrtio procent av de längre inläggen som helt AI-genererade. Substack klarade sig bäst av plattformarna som mättes, men drygt en femtedel av inläggen flaggades ändå. Vd:n Chris Best skriver rakt ut att han inte tänker vänta tills Substack-appen har blivit LinkedIn.

Han kallar problemet "Claudefishing". Alltså när du tror att du bygger en relation med en människa och det inte finns någon där. Hans poäng är inte att AI är dåligt, Substack använder det själva. Poängen är glappet mellan vad läsaren tror sig få och vad som levereras.

Rimlig diagnos.

## Varför detektorn inte håller

En AI-detektor är en modell som har fått se enorma mängder text där facit är känt. Den här skrevs av en människa, den här av GPT. Utifrån det lär den sig känna igen mönster i ordval, rytm och struktur.

Här kommer det obehagliga: Pangram vet inte exakt vad deras egen modell reagerar på. Grundaren Max Spero har sagt det i intervjuer. Modellen känner igen någonting, men vad går inte att peka ut. Du får en siffra utan förklaring, från ett system som inte kan redovisa sitt resonemang.

Pangram uppger 0,01 procent falska positiva. En på tiotusen. Imponerande.

Håll den mot verkligheten. Teknikjournalisten Taylor Lorenz fick en text i Vanity Fair utpekad som AI-genererad. Hon förnekade, Spero granskade fallet och medgav att verktyget hade fel. När tre ledartexter i Wall Street Journal flaggades kallade ledarredaktören James Taranto verktyget för en smutskastningsmaskin.

Där blev det extra rörigt, för två av skribenterna hade faktiskt använt en chatbot för att redigera delar av texten. Och nu står vi vid den verkliga frågan: är en text som en människa skrivit och en modell putsat AI-genererad?

För Pangram finns en skillnad mellan assisterad och genererad. För läsaren som ser en procentsats finns ingen skillnad alls.

## De två lägren har inte rört sig på åtta månader

I november sa Andrej Karpathy, tidigare OpenAI-forskare och en av branschens mest lyssnade röster, att du aldrig kommer kunna upptäcka AI i inlämnade uppgifter. Inga reservationer. Skälet är strukturellt: den som genererar text och den som ska avslöja den tävlar i samma spel, och generatorn hinner först.

Spero svarade samma dag att "dömda att misslyckas" är en missuppfattning. Han pekade på oberoende utvärderingar och på att Pangram kände igen GPT-5 direkt vid lansering, utan att ha tränats på modellen.

Åtta månader senare bygger Substack in verktyget. Ingen ny studie avgjorde frågan. De valde en sida i en pågående debatt, vilket är ett rimligt beslut, men det var ett val och inte en slutsats.

## Så, vad betyder det här för dig?

Här är grejen som ingen i debatten pratar om.

Ingen läsare har någonsin känt sig lurad av en text för att en dold markör i språket triggade ett API-anrop. Hon läste tre stycken och hittade ingenting som bara du kunde ha skrivit.

Det märks utan verktyg. Vi har gjort den bedömningen hela livet.

Tre saker jag själv reagerar på:

1. Ingenting går att se. Om de första meningarna inte innehåller ett namn, ett tal, en plats eller en situation är resten oftast lika generell.

2. Allt vägs upp av sin motsats. Varje påstående får en brasklapp. Alla perspektiv får plats. Ingen tar ställning. Det är ofta ett sätt att slippa ha en åsikt och gömma det bakom struktur.

3. Ord ingen säger högt. "Navigera komplexiteten." "Spelar en avgörande roll." Testet tar två sekunder: skulle du säga meningen till en kollega över en kaffe?

Alla tre hittar du genom att läsa din text högt innan du publicerar. Det tar tio minuter. Nästan ingen gör det.

## Vad du gör imorgon

Publicerar du på Substack: använd utkast-skanningen så du vet vad läsaren ser, och fyll i "How I make this" om du använder AI i din process. Då byter du en siffra mot en förklaring, vilket är värt betydligt mer.

Men lägg inte energin på att klara ett test. Lägg den på att någon läser hela vägen ut.

För det är där vallgraven ligger. Substacks detektor kommer att peka ut mänsklig text som AI och släppa igenom AI-text som glider förbi. Det säger ingenting om hur välbyggd Pangram är. Det säger något om att man försöker bevisa ett brott som inte lämnar spår.

Och medan alla andra bråkar om procentsatser sitter du och skriver något som faktiskt säger något.

Det är fortfarande det enda som inte går att automatisera.