Sebastian Juul
Falska recensioner skrivna av AI breder ut sig på resesajterna, samtidigt som EU-kommissionen idag öppnar en formell utredning mot Booking.com.
Granskningen av Europas största bokningsplattform offentliggjordes onsdagen den 21 oktober 2026, och den sätter fingret på ett problem som drabbar vem som helst som bokar hotell på nätet: det blir allt svårare att skilja ett äkta omdöme från en text som en språkmodell har spottat ur sig.
Tripadvisor upptäckte och tog bort 214 000 recensioner som bedömdes innehålla AI-genererat innehåll under 2024. Det framgår av bolagets 2025 Transparency Report, som också visar att plattformen stoppade 2,7 miljoner bedrägliga omdömen totalt samma år.
Problemet är att människor är usla på att avslöja de maskinskrivna recensionerna när de väl ligger ute. En akademisk studie publicerad i Hawaii International Conference on System Sciences-serien visade att läsare bara träffar rätt i 53,2 procent av fallen när de ska bedöma om ett omdöme är skrivet av en människa eller en AI, i praktiken en slantsingling.
Tre tecken som avslöjar en AI-recension
Experter på bedrägeribekämpning pekar på återkommande drag när en text är skriven av en språkmodell snarare än av en gäst som faktiskt har sovit i rummet.
1. Översvallande superlativ utan substans. AI-texter kryddas med ord som ”fantastiskt”, ”otroligt”, ”en dold pärla” och ”i världsklass” men saknar de konkreta detaljer som en riktig gäst nästan alltid nämner. En genomgång från Islands beskriver det som en överväldigande mängd superlativ och utropstecken som ger intryck av en meningsfull reserecension, men i själva verket saknar substans.
2. Inga personliga detaljer. En äkta recension nämner namnet på receptionisten, rumsnumret med utsikt över bakgården, den torra laxen vid frukosten eller den trasiga hissen på plan tre. AI-texter håller sig på en abstrakt nivå med allmänt beröm om ”servicen” och ”atmosfären”. ”Riktiga människor nämner personalnamn eller specifika, röriga detaljer. AI föredrar generiskt beröm som ’exceptionellt uppmärksam personal'”, säger riskkapitalisten Scott Dylan till Elliott Report.
3. Marknadsföringsspråk och klusterutsläpp. Formuleringar som ”en toppmodern anläggning” eller ”gästfrihet i världsklass” låter som en broschyr, inte som en gäst. Lika avslöjande är tidsmönstret: dyker det upp 20-30 nya femstjärniga omdömen under samma dygn efter en lång period av tystnad, är det ett klassiskt tecken på en köpt eller botgenererad kampanj.
EU-kommissionen slår ned på Booking.com
Granskningen som EU-kommissionen öppnade idag riktar in sig på fyra områden: falska objekt som inte existerar, bedragare som utger sig för att vara värdar, phishing som utnyttjar bokningsdata, samt betalda topplaceringar som inte är tydligt märkta som annonser. Det sker enligt reglerna i Digital Services Act, som ger kommissionen rätt att utdöma böter på upp till 6 procent av företagets globala årsomsättning.
”Européer ska kunna boka sin semester utan att vara rädda för att bli lurade”, sade EU:s teknikchef Henna Virkkunen i samband med beskedet. Hon betonade att ”den ledande bokningsplattformen i Europa” måste ta sitt ansvar enligt Digital Services Act på allvar.
AI-recensioner ligger inte formellt inom ramen för den aktuella utredningen, kommissionen koncentrerar sig på falska listor och phishing, men bedrägeriproblemet är samma ekosystem. Falska värdar och falska recensioner samarbetar ofta: en påhittad lägenhet blir trovärdig först när ett dussin AI-genererade femstjärniga omdömen stöttar annonsen. Säkerhetsexperter har redan varnat för en våg av falska Booking.com-kloner inför höstens resor.
Branschen samlar sig, men ansvaret landar hos läsaren
Tripadvisor har tillsammans med Amazon, Expedia Group, Glassdoor, Booking.com och Trustpilot bildat Coalition for Trusted Reviews, ett samarbete som ska sätta branschstandarder mot falska omdömen. ”Som världens största guideplattform för resor har ingen ett större ansvar för att se till att innehållet på vår sajt är pålitligt och trovärdigt”, säger Becky Foley, chef för Trust & Safety på Tripadvisor, i rapporten.
Så länge detekteringen hinner före bluffmakarna lika sällan som nu, är det den enskilde läsarens blick som avgör. Satt du på rummet eller inte, berättar vilken frukost du åt och vilken personal du mötte, det är den sortens detaljer en språkmodell ännu inte kan hitta på.
