Har algoritmen gjort våra hem mer lika?

Det känns som om algoritmen har förstått din smak.

Men processen går inte bara åt ett håll. Rekommendationssystem lär sig av det vi klickar på, sparar, tittar på och följer – och det urval de sedan visar oss blir i sin tur en del av vår fortsatta exponering.

Så frågan är inte bara om algoritmen känner oss.

Den intressantare frågan är vad som händer med vår smak när samma system får vara med och välja vad vi ser, om och om igen.

Ett personligt flöde som ändå kan kännas märkligt bekant

Det finns en paradox i dagens inspirationskultur.

Vi har sannolikt aldrig haft tillgång till fler interiörer. På några minuter kan vi röra oss mellan en lägenhet i Stockholm, ett hus i Seoul, ett renoverat town house i London och ett modernistiskt hem i Los Angeles.

Samtidigt kan flödet ibland kännas förvånansvärt enhetligt.

Mörkt trä dyker upp på flera håll samtidigt. En viss typ av stenbord blir plötsligt svår att undvika. En specifik soffa, lampa eller färgpalett återkommer från konto till konto. Sedan kommer nästa våg.

Det vore frestande att dra slutsatsen att algoritmerna har gjort våra hem likadana.

Så enkelt är det inte.

Det finns inte tillräckligt med direkt forskning för att säga att rekommendationsalgoritmer på Pinterest, Instagram eller TikTok orsakar att verkliga hem blir mer lika. Däremot finns forskning om mekanismerna runt omkring: rekommendationssystem styr vilken kultur vi exponeras för, kan skapa återkopplingsloopar och har i simuleringar visats kunna göra användarbeteenden mer homogena.

Det är där den här texten börjar.

Inte med ett bevis för att alla hem blir likadana, utan med frågan om hur vår väg till inspiration har förändrats.

Algoritmen visar inte världen. Den gör ett urval.

Pinterest beskriver själv hur rekommendationer bland annat bygger på sparningar, sökningar, surfaktivitet, visade Pins och anslagstavlor.

TikTok beskriver For You-flödet på liknande sätt: användarinteraktioner som tittande, gilla-markeringar, delningar, följningar, kommentarer och sökningar används tillsammans med information om innehållet och andra signaler för att rangordna vad som sannolikt är relevant för en enskild användare.

Instagram har i sin tur beskrivit hur rekommendationerna efter en återställning gradvis personaliseras igen utifrån det innehåll och de konton användaren interagerar med.

Det betyder inte att alla plattformar fungerar likadant. Deras modeller, mål och signaler skiljer sig åt och förändras dessutom över tid.

Men principen är viktig:

Flödet är ett urval som reagerar på vårt beteende.

När vi klickar på ett rum påverkar det vad systemet kan lära sig om oss. När systemet visar nästa rum påverkar det vad vi över huvud taget får chansen att reagera på.

Det bildas en loop.

Smak är inte bara något algoritmen hittar

Vi brukar prata om personalisering som om vår smak redan fanns färdig inuti oss.

Som om uppgiften bara vore att upptäcka den.

Men smak fungerar inte riktigt så.

Den påverkas av erfarenheter, sociala sammanhang, historia, ekonomi, vad som finns i handeln och vad vi upprepade gånger exponeras för. Algoritmisk rekommendation blir ytterligare en del av den miljön.

I en studie av Netflix rekommendationssystem analyserar medieforskaren Fatima Gaw hur algoritmiska processer deltar i konstruktionen av kulturell smak, snarare än enbart avläsningen av den.

Det betyder inte att Netflix-forskning automatiskt kan överföras till inredning. Film och hem är olika kulturella områden.

Men den hjälper oss att formulera en viktig distinktion:

Ett system som väljer vad vi exponeras för kan inte helt skiljas från den smak som senare mäts genom våra reaktioner på samma exponering.

Det här problemet har också studerats tekniskt.

Chaney, Stewart och Engelhardt visade i simuleringar hur rekommendationssystem som lär från beteende som redan påverkats av tidigare rekommendationer kan skapa en återkopplingsloop. I deras modeller blev användarnas beteende mer homogent, utan motsvarande ökning i nytta.

Jiang och kollegor har på liknande sätt analyserat hur rekommendationssystem och föränderliga användarpreferenser kan påverka varandra över tid och skapa degenerativa feedbackloopar.

Det här är forskning om rekommendationssystem generellt. Den bevisar inte vad som händer med våra vardagsrum.

Men den visar varför frågan är rimlig.

När det bekanta börjar kännas rätt

Det finns något intuitivt i vad som händer när ett uttryck återkommer.

Först känns det ovant.

Sedan bekant.

Till slut kan det kännas självklart.

En studie i _Journal of Cultural Economics_ från 2026 modellerar hur engagemangsdriven kuratering kan påverka hur estetisk smak utvecklas över tid. Modellen bygger bland annat på icke-linjära effekter av igenkänning: måttlig exponering kan öka uppskattningen av en stil, medan för mycket exponering kan skapa mättnad. Studien analyserar också hur engagemangsmaximerande kuratorer kan påverka vilken exponering användaren får.

Det är viktigt att vara exakt här.

Det är en teoretisk modell, inte ett experiment där människors bostäder följts före och efter TikTok.

Men den sätter ord på något centralt:

Om exponering kan bidra till att utveckla smak, blir rekommendationssystemet inte bara en spegel av våra preferenser.

Det blir en del av miljön där preferenserna utvecklas.

Filterbubblan är verkligare – och mer komplicerad – än den låter

Begreppet _filterbubbla_ används ofta slarvigt.

Det kan ge bilden av att en användare stängs in i ett helt isolerat universum där inget oväntat längre kan komma in.

Forskningen är mer nyanserad.

En systematisk översikt från 2023 fann stöd för att filterbubblor förekommer i rekommendationssystem, samtidigt som den sammanställda litteraturen rymmer olika metoder och även studier som inte fann fenomenet. Översikten lyfter fram ökad diversitet i rekommendationer som en möjlig del av lösningen.

Det är därför inte rimligt att säga att personalisering alltid gör världen smalare.

Ett välbyggt rekommendationssystem kan också introducera sådant vi aldrig hade hittat själva.

På TikTok kan en användare upptäcka en japansk hantverkare, en möbelsnickare i ett annat land eller en historisk lägenhet som inget svenskt magasin skulle ha publicerat.

På Pinterest kan en enda sparning öppna en kedja av visuella referenser från helt andra epoker och kulturer.

Problemet är alltså inte att rekommendation måste leda till likriktning.

Frågan är vilka typer av rekommendationer ett system premierar, hur mycket nytt det introducerar och vilka beteenden som används som signaler.

Den märkliga paradoxen: personligt för mig, gemensamt för miljoner

Här blir frågan mer intressant.

Två personer behöver inte få identiska flöden för att deras visuella världar ska börja överlappa.

Forskning om kulturella rekommendationssystem har också föreslagit att systemen bör utvärderas på populationsnivå, inte bara utifrån om en individ får relevanta och varierade förslag. Ferraro och kollegor introducerar exempelvis måttet _commonality_ för att mäta i vilken grad rekommendationer gör vissa kategorier av kulturellt innehåll gemensamt bekanta för en användarpopulation.

Det öppnar för en paradox:

Flödet kan vara extremt personligt och ändå bidra till gemensamma estetiska tyngdpunkter.

Miljontals människor kan få olika kombinationer av innehåll, samtidigt som vissa bilder, produkter eller estetiker återkommer i väldigt många av kombinationerna.

Det här är inte ett bevis för att så sker inom inredning i en bestämd omfattning.

Det är en analytisk möjlighet som följer av hur personaliserad distribution och kollektiv popularitet kan samexistera.

Algoritmen är inte ensam

Det vore också historielöst att skylla likriktning på sociala medier.

Inredning har alltid haft smakfilter.

Arkitekter har påverkat vad som uppfattas som modernt. Formgivare har introducerat nya ideal. Magasin har valt vilka hem som får representera sin tid. Möbelmässor, varuhus, TV-program, kataloger och reklam har spridit vissa uttryck långt mer än andra.

Även före internet kunde hundratusentals hem köpa samma stol, tapet eller kök.

Det nya är inte att någon väljer vad vi ser.

Det nya är bland annat hastigheten, skalan, personaliseringen och återkopplingen.

Ett magasin kunde välja hundra bilder åt sina läsare.

Ett algoritmiskt flöde kan göra kontinuerligt uppdaterade individuella urval – och justera kommande rekommendationer efter hur vi reagerar på tidigare innehåll.

Det förändrar distributionssystemet, även om människans vilja att imitera, tillhöra och inspireras är mycket äldre.

När skaparna börjar skapa för flödet

Hittills har vi betraktat användaren som mottagare.

Men systemet påverkar också den som producerar innehållet.

En creator ser vilka inlägg som fungerar. En stylist ser vilka bilder som sparas. Ett varumärke ser vilka produkter som får spridning. Plattformarnas mätvärden gör responsen synlig nästan omedelbart.

Därifrån är det inte svårt att föreställa sig nästa steg:

det som fungerar får fler varianter.

Fler varianter skapar mer data.

Mer data gör det lättare att rekommendera samma typ av innehåll.

Och ett framgångsrikt visuellt språk kan börja reproduceras av människor långt utanför den ursprungliga kretsen.

Detta är Prestageds redaktionella analys, inte något vi kan säga att forskning specifikt har bevisat för inredningscreators.

Men det passar väl in i den feedbacklogik som forskningen om rekommendationssystem beskriver.

Sedan lämnar trenden skärmen

En inredningstrend stannar sällan i ett flöde.

När tillräckligt många människor vill ha något händer något i nästa lager.

Butiker kan ta in liknande produkter.

Tillverkare kan reagera på efterfrågan.

Creators och varumärken kan bygga vidare på samma uttryck.

Alternativ i fler prisklasser kan dyka upp.

Och när föremålen väl hamnar i verkliga hem kan de fotograferas, publiceras och återvända till flödet.

En möjlig loop ser därför ut så här:

bild → exponering → sparning → fler bilder → efterfrågan → produkter → verkliga hem → nya bilder

Algoritmen är bara en aktör i den loopen.

Handel, creators, medier, designers, tillverkare och vi själva är andra.

Det är därför det blir missvisande att fråga om “algoritmen” ensam bestämmer smaken.

Mer relevant är att fråga hur hela systemet förstärker vissa uttryck när de väl börjar röra sig.

Prestaged står inte utanför

Det är enkelt att skriva om Instagram, Pinterest och TikTok som om Prestaged befann sig på utsidan och kunde observera allt neutralt.

Det gör vi inte.

Prestaged väljer också.

Varje miljö vi lyfter fram, varje bild vi placerar högst, varje stil vi ger en egen guide och varje bild vi väljer bort är en redaktionell handling.

En kuraterad inspirationsplattform är inte neutral bara för att urvalet görs av människor.

Det är ett filter.

Skillnaden mot en algoritm är bland annat hur urvalet görs, varför det görs och hur transparent det är – inte att det ena påverkar smak och det andra inte.

Det innebär också ett ansvar.

Om en inspirationsplattform visar samma färgskala, samma material och samma typ av hem om och om igen kan den själv bidra till att göra den estetiska världen smalare.

Därför handlar bredd inte om att visa allt.

Det handlar om att medvetet lämna plats åt fler sätt att bo.

Klassiskt och modernt. Stramt och eklektiskt. Ljust och mörkt. Svenskt och internationellt. Det perfekta reportaget och det personliga hemmet som inte följer veckans mall.

Kuratering behöver inte vara neutral. Men den kan vara medveten.

Men algoritmen kan också göra vår smak större

Det finns en annan sida som är lätt att glömma.

Samma system som kan förstärka det bekanta kan också göra extremt nischad kultur tillgänglig.

En person som tidigare hade tillgång till några svenska magasin och lokala butiker kan nu hitta:

en möbel från 1930-talet, en anonym arkitekt från ett annat land, ett japanskt hantverk, ett kompromisslöst färgstarkt hem, en byggnad som aldrig publicerats i de stora medierna, eller en designer med tusen följare.

Det är en enorm utvidgning av inspirationsrummet.

Pinterest beskriver hur rekommendationer anpassas utifrån tidigare aktivitet, och både TikTok och Instagram erbjuder verktyg som ger användaren viss insyn i eller kontroll över rekommendationerna.

Det betyder att relationen mellan algoritm och smak inte behöver vara en berättelse om förlust.

Det kan lika gärna vara en fråga om hur vi använder ett mycket kraftfullt system för upptäckt utan att låta bekvämligheten ersätta nyfikenheten.

Att lägga tillbaka lite friktion

Det kanske mest effektiva sättet att skydda sin egen smak är därför inte att lämna sociala medier.

Det är att ibland göra något som algoritmen inte redan har räknat ut.

Sök, i stället för att bara scrolla. Skriv in en epok, ett material eller en arkitekt du inte brukar titta på.

Gå bakåt. Gamla magasin, böcker, museisamlingar och arkiv följer inte veckans rekommendationslogik.

Spara det som förbryllar dig. Inte bara det som känns omedelbart rätt.

Titta på riktiga hem. De innehåller kompromisser, arv, felköp, minnen och saker som aldrig skulle hamna i en perfekt bildkarusell.

Utgå från byggnaden. Ett hem har redan proportioner, ljus, material och historia innan nästa trend kommer.

Vänta. Det som fortfarande känns bra när flödet har gått vidare är ofta mer intressant än det som kändes självklart i tre veckor.

Och kanske viktigast:

Fråga ibland varför du gillar något.

Är det för att det passar dig?

Eller för att du har blivit väldigt van vid att se det?

Det personliga hemmet i den personliga algoritmens tid

Algoritmen känner inte vårt hem.

Den vet inte vilka repor som kommer från barnen, vilken stol som tillhörde en morfar, varför vi vägrar göra oss av med ett bord eller hur eftermiddagsljuset faktiskt faller över väggen i november.

Den ser beteenden och signaler.

Det gör rekommendationssystem fantastiska på att hitta nästa bild.

Men ett hem är mer än nästa bild.

Och kanske är det just där den verkliga individualiteten fortfarande finns:

inte i att aldrig påverkas, utan i vad vi gör med allt vi har blivit påverkade av.