Industrializando la Humanización

Las ofertas de trabajo y servicios en plataformas de trabajo casual como Upwork y Fiverr presentan hoy en día con frecuencia la palabra ‘humanize’, con una variedad de empleos y proveedores que proponen distintos niveles de ocultación del hecho de que un artículo fue escrito, o parcialmente escrito, o coescrito, con IA.

La tendencia ‘Humanize’ en publicaciones reales de Upwork.

La demanda de servicios humanos y automatizados que puedan reescribir la salida ‘contaminada’ por IA de modo que parezca que un humano se sentó y sudó durante unas horas, sugiere que se ha alcanzado un consenso universal de que el ‘toque humano’ es necesario para la conexión y el alcance, y que el enorme volumen de contenido en la era de la IA hará que esa conexión sea esencial nuevamente.

Personalmente me gustaría pensar eso, pero no es necesariamente así, no menos porque las propias directrices de Google al respecto tratan de la calidad del texto, más que del medio por el cual fue creado.

La verdad es que aún no sabemos exactamente cuánto o qué tipo de IA estamos dispuestos a tolerar, ni la medida en que podemos racionalizar los beneficios que miles de millones de nosotros obtenemos de la IA cada día frente a una sensación de ‘complicidad’ y seducción moral respecto a las implicaciones más amplias de la tecnología.

Los anuncios de empleo antes mencionados reflejan esto también; allí, creadores y empresas están ávidos de automatización, presumiblemente porque quieren publicar a gran escala, lo cual es exactamente la práctica que Google promete castigar específicamente en su algoritmo de clasificación. Al mismo tiempo, buscan tanto métodos automatizados como basados en humanos para ‘industrializar’ la humanización.

Me recuerda un poco uno de los mejores chistes de las rutinas cómicas neurodivergentes de Steven Wright de los años 80:

‘En mi casa, tengo una chimenea de microondas. Puedo recostarme frente al fuego por la noche en solo 8 minutos.’

La forma del desorden que está por venir

Como de costumbre, estos pensamientos están inspirados por mi rastreo diario en Arxiv, donde hoy me llamó la atención un artículo de Jochen Madler en la empresa de automatización de marketing Sitefire, titulado SlopShape: Identifying AI-Generated Commercial Web Content.

Normalmente descarto los artículos con autor único, bajo el principio de ‘Victor Frankenstein’, pero la premisa de este es espartana y la metodología de prueba robusta.

El estudio esencialmente dice que cuando una publicación generada por IA se reescribe completamente, incluso por humanos, conserva una firma arquitectónica distinta que reside a un nivel mucho más alto que el de la palabra, comprendiendo una ‘forma’ característica que no puede ser erradicada por ninguna cantidad de reformulación o enmienda superficial del texto:

Comparación de patrones estructurales en publicaciones humanas y generadas por IA. La escritura humana tiende a usar combinaciones de estructuras más raras, mientras que los cinco modelos de IA favorecen combinaciones más convencionales. Fuente

Obviamente se puede eludir este problema (si se considera un problema) planificando realmente el curso de la escritura uno mismo, y ya sea sin usar IA en absoluto, o utilizándola solo en los componentes separados que uno haya planificado.

Sin embargo, como atestiguan los anuncios rabiosos en Upwork, eso no es lo que se desea; se puede inferir del tono de dichos anuncios que el contenido del artículo debería preferiblemente no solo estar estructurado por IA, sino ideado por IA – es decir, que un LLM sugiera temas adecuados alineados con los objetivos generales de una empresa o entidad.

Después de esto, se espera plenamente que la IA produzca varios borradores progresivos del contenido, con el molesto componente de carne humana interviniendo solo para un cierre y un toque casual de humanidad (aunque idealmente, este proceso eventualmente evolucionaría a un flujo de trabajo en Python).

Características Destacadas

El autor del nuevo artículo obtuvo estas ideas recopilando unos pocos miles de publicaciones de blogs corporativos inmediatamente anteriores al lanzamiento y difusión de ChatGPT (2020-2022) e inferiendo los prompts a partir de ellas.

Es decir, utilizó Gemini 3 Flash para leer los documentos reales escritos por humanos y crear un prompt inverso diseñado para producir un trabajo similar en algunos de los principales LLM, a saber GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6 y Gemini 3.

Estos prompts se usaron luego para crear cinco versiones de IA de cada una de las publicaciones humanas reales, de las cuales se extrajeron características que eventualmente describirían la ‘forma’ específica de contenido del LLM a través de los cinco modelos; y Madler señala que ‘las publicaciones de IA comparten una forma ordenada y autoanunciada’.

Todo el estudio es una repetición del StoryScope project de COLM 2026 este agosto, una colaboración entre la Universidad de Maryland y Google DeepMind, que aplicó esencialmente la misma metodología a la ficción, encontrando que las historias generadas por IA convergen en un rango más estrecho y predecible de estructuras narrativas que la escritura humana:

Del estudio StoryScope, una comparación de diagramas de dispersión de patrones narrativos en ficción escrita por humanos y generada por IA. Las historias escritas por humanos ocupan una región distinta, mientras que las historias de cinco modelos líderes de IA se agrupan más estrechamente, lo que indica una mayor similitud en sus elecciones narrativas subyacentes. Fuente

Madler decidió volver a ejecutar StoryScope en blogs corporativos debido al amplio impulso financiero para automatizarlos, en comparación con el campo más excéntrico de la escritura de ficción, y al gran grado en que ya están automatizados (50 % de automatización del contenido en línea para mayo de 2026, según un estudio de Graphite citado en el trabajo de Madler).

Quizás el análisis más interesante sea el desglose de las características extraídas del material producido por IA basándose en las publicaciones escritas por humanos anteriores a 2022:

‘Los valores que los modelos de IA producen con mayor frecuencia se agrupan en lo que llamamos la entrada de blog ordenada y auto‑anunciadora: promete el beneficio ya en el título, expone su tesis y anuncia su estructura antes de la primera sección, habla con un tono editorial‑explicativo y cierra con una etapa que resume o reitera la tesis.’

‘En una publicación típica de IA, el beneficio se promete en el título: “Cómo reducir a la mitad el tiempo de incorporación.” La tesis se expone y el flujo se anuncia antes de la primera sección: “En esta publicación, cubriremos por qué se estanca la incorporación, tres soluciones que funcionan y cómo medir la diferencia.”’

‘Y el cierre reitera la tesis: “En resumen, la incorporación estructurada ahorra tiempo.” Los valores orientados al humano describen publicaciones sin esas señales: sin flujo de secciones anunciado, sin escalada de la importancia y sin sección de cierre que reitere la tesis.’

Una premisa errónea

Por cierto, la mayoría de los tropos y clichés presentes en la(s) plantilla(s) descrita(s) se derivaron de restricciones obsesionadas con el SEO de la escena de marketing anterior a los LLM. ¿Dónde creemos que la IA aprendió estos hábitos?

El texto de marketing plantillado era siempre odiado, mucho antes de la IA, y siempre producido a gran escala, mucho antes de que las máquinas pudieran hacerlo bien; y debido al requisito de ajustarse a las prácticas SEO, se establecieron algunas convenciones horribles, como colocación de palabras clave, y diseño elaborado de enlaces.

En este último caso, la IA podría haber aprendido la lección equivocada, ya que los corpora solo de texto con los que se entrenó eliminaron tantas de las tácticas orientadas al SEO que originalmente estaban incluidas en el material fuente, como diagramas estratégicos, explicaciones visuales; y, sobre todo, los hipervínculos.

Secciones enteras de un artículo pueden haber sido diseñadas para enmarcar un hipervínculo o una inserción de YouTube que un cliente quería promocionar; pero cuando los datos se entrenaron en un LLM, la inserción o el enlace fueron eliminados, y el texto diseñado para resaltarlo quedó despojado de su contexto original.

Por lo tanto, se podría argumentar que el gran error al diseñar metodologías de entrenamiento alrededor de dicho material fue tratar el contenido web como si fuera literatura del siglo XIX (totalmente autosuficiente) en lugar de multimedia (significativamente influenciado por factores no textuales como video, hipervínculos e ilustraciones).

El otro gran error fue entrenar con material que la gente ya odiaba, y que fue torcido a su forma impopular por reglas que probablemente ya no son válidas.

Atención, humanos

Sin embargo, si se pueden creer las tendencias de Upwork, hay una demanda significativa de más de lo mismo, producido a gran escala por LLMs y ‘humanizado’ mediante el proceso menos idiosincrático disponible, a la mayor velocidad y al menor costo posible.

Todo esto, para producir el efecto de atención: la idea de que alguien como tú (es decir, poseedor al menos de un sistema endocrino) se sentó durante unas horas y pensó en lo que quería decirte.

La percepción de recibir atención humana es significativa para nosotros incluso cuando no es útil; por lo tanto, ciertamente vale la pena industrializarla.

No puedo evitar sentir que el artículo de Madler, de alguna manera, probablemente empeorará la situación, ya que identifica rasgos característicos de alta dimensión que ahora, presumiblemente, pueden abordarse con más IA, de modo que las firmas predeterminadas asumirán una forma más humana a medida que los modelos evolucionen.

Primera publicación jueves, 17 de septiembre de 2026