AI SLOP. Smells like AI Spirit. ¿Por qué mis textos saben y huelen a IA?

Llevamos más de 2 años trabajando a diario con diferentes modelos de lenguaje (sí, los LLMs), y como usuario la verdad es que me cansa leer y escuchar textos y guiones fabricados 100% con IA constantemente en posts de blog y redes sociales como LinkedIn, Instagram, YouTube, etc.

Ya está bien de abusar, ¿no?

Esto es algo que me ha fascinado y me ha empujado a investigar en profundidad, sobre todo al ver cómo los medios de comunicación y el análisis tecnológico empiezan a ponerle nombre.

No se trata de renunciar a las herramientas disponibles. Utilizarlas para ordenar ideas, desbloquear enfoques o ganar agilidad es perfectamente válido. El problema es cuando delegamos todo completamente a la inteligencia artificial de turno y dejamos que el algoritmo tome el control de nuestra redacción o directamente de nuestro criterio.

El resultado se reconoce rápido, tal y como se aprecia en estos dos borradores reales generados por IA al intentar redactar la introducción de este mismo artículo:

Ninguno de estos borradores refleja mi voz real, aunque en el fondo coincida con la idea. A primera vista parece un texto fluido, pero no deja de ser el molde del algoritmo hablando por sí mismo.

Los modelos tienen el lenguaje tan condicionado por su entrenamiento que resulta dificilísimo evitar que tropiecen una y otra vez con la misma piedra. Tú les puedes pedir que eviten todos estos clichés con un prompt muy trabajado, pero tarde o temprano volverán al mismo molde.

Analicemos qué ocurre por dentro para entender la raíz del problema.

¿Por qué la IA produce textos previsibles?

El término AI SlopGlosarioAI SlopTérmino que define la morralla, bazofia o contenido basura generado en masa por modelos de inteligencia artificial sin supervisión ni valor editorial. Proviene del inglés slop (literalmente la comida de desperdicios o sobras que se echa a los cerdos). En la cultura digital representa el sucesor directo del spam: textos inflados, imágenes clónicas, código genérico y relleno algorítmico sin criterio ni alma que saturan internet y provocan el colapso de los propios modelos al retroalimentarse de su propia basura.Ver término completo → se define como el contenido de bajo esfuerzo generado en masa por inteligencia artificial, caracterizado por una total falta de creatividad, intención o criterio propio. En la cultura digital actual, como señalan publicaciones como The Guardian y glosarios como UltralyticsGlosarioAI SlopTérmino que define la morralla, bazofia o contenido basura generado en masa por modelos de inteligencia artificial sin supervisión ni valor editorial. Proviene del inglés slop (literalmente la comida de desperdicios o sobras que se echa a los cerdos). En la cultura digital representa el sucesor directo del spam: textos inflados, imágenes clónicas, código genérico y relleno algorítmico sin criterio ni alma que saturan internet y provocan el colapso de los propios modelos al retroalimentarse de su propia basura.Ver término completo →, todo este relleno de párrafos sobrecargados, imágenes clónicas y publicaciones vacías que inundan las redes solo para rascar interacción se ha consolidado como el sucesor directo del spamGlosarioSpamEnvío masivo, no solicitado y repetitivo de mensajes, correos electrónicos o contenidos publicitarios a través de internet. El término se popularizó a partir de un famoso sketch del grupo humorístico Monty Python (donde repetían incesantemente la palabra de una marca de carne enlatada) y se convirtió en el concepto universal para definir el correo basura en la era digital clásica, predecesor histórico del fenómeno del AI Slop.Ver término completo →—entendido no solo como correo no deseado, sino en su definición primigenia de basura digital masiva producida para distorsionar el entorno.

Para sonar humano, hay que escribir como un humano: con sus fallos, su ritmo y su voz propia. No hay otra manera. Usar la IA para ordenar ideas o desbloquear enfoques es perfectamente válido; el problema es delegarle todo el criterio y dejar que el algoritmo tome el control de la redacción.

Un modelo de lenguaje no comprende la intención ni el contexto como un ser humano, sino que calcula matemáticamente cuál es el siguiente token más probable. Al elegir siempre la opción estadística más frecuente y segura de su base de datos, el algoritmo promedia el lenguaje humano, evitando cualquier giro arriesgado, espontáneo o personal.

ANALOGÍA — Imaginemos que tenemos un molde de silicona en forma de estrella para hornear bizcochos.

Si un día hacemos masa de chocolate, al sacarla del horno tendremos una estrella oscura. Si al día siguiente hacemos masa de limón, tendremos una estrella amarilla. Si hacemos masa de zanahoria, tendremos una estrella naranja.

Los ingredientes (el contenido) cambian por completo, pero la silueta, los bordes y la estructura final son siempre exactamente los mismos.

La IA opera exactamente igual: le puedes pedir un ensayo sobre astrofísica, un guion para YouTube o una propuesta comercial. Cambiará los ingredientes temáticos, pero los verterá sistemáticamente en el mismo molde retórico prefabricado.

A continuación, analizamos los cuatro patrones determinantes que delatan este molde, cómo neutralizarlos en tu propia comunicación y otros vicios secundarios a tener en cuenta.

1. El Falso Contraste: "No se trata de X, sino de Y"

Es uno de los recursos más explotados en guiones de redes sociales (YouTube, TikTok o LinkedIn).

Hablamos de estructuras como "No se trata de ganar dinero, sino de comprar libertad" o "El problema no es la tecnología, sino cómo la usamos".

La IA recurre a esta fórmula para simular profundidad inventando un dilema o un enemigo de paja para destruirlo de inmediato con una conclusión presentada como revelación.

Cómo se Manifiesta en Guiones y Redes Sociales

Este patrón predomina en creadores con alta carga de producción diaria (como Marc Vidal o los Shorts de José Antonio Vizner en Negocios TV). Su análisis de fondo suele ser riguroso, pero la necesidad de fabricar remates dramáticos empuja a los LLMs al mismo molde retórico.

Un ejemplo real extraído del análisis de Marc Vidal en su vídeo "Caos en Ceuta: un país exporta a su juventud y el otro exporta culpas":

"Al final de todo esto no hay un villano identificable, ¿o sí? Hay un estado que descubrió que le sale más barato exportar a sus jóvenes y cobrar las remesas que pueden enviar que construirles un mercado laboral. Y hay otro estado, con muchos más recursos, que ha descubierto que le sale más barato atribuir cada fallo a una fuerza exterior que arreglar ese fallo.
 
Cada vez que escuchemos una explicación oficial que sitúa la causa de un problema fuera del alcance de quien la ofrece, párate un segundo y pregúntate cuánto tiempo llevaba esa persona con la competencia para resolverlo.
 
No es un ejercicio de indignación, es un ejercicio de contabilidad."

Análisis del texto final: "No es un ejercicio de indignación, es un ejercicio de contabilidad"

Cuando escuchamos este remate en boca de un locutor experimentado, suena rotundo: tiene ritmo, fuerza y un cierre dramático eficaz. Sin embargo, no siempre refleja su dialéctica espontánea, sino un guion enriquecido con IA para maximizar el impacto retórico.

El problema no radica en la veracidad del argumento, sino en la automatización de la cadencia y el tono. Un oyente atento a podcasts, vídeos divulgativos y discursos mediáticos percibe de inmediato esa plantilla de fondo, por mucho que el locutor intente camuflarla con coletillas personales para esquivar la frialdad del cliché sintético.

Pautas para tu Dialéctica, Vídeos o Blog Personal

↑ Volver a ver este tic en el ejemplo inicial

2. Frases de Longitud Uniforme y Falta de Burstiness

Los detectores de texto de inteligencia artificial (como GPTZero o clasificadores estadísticos) no buscan faltas de ortografía. Miden matemáticas del lenguaje, analizando fundamentalmente dos variables:

1. PerplexityGlosarioPerplejidad / PerplexityMétrica estadística que mide el grado de incertidumbre de un modelo de lenguaje al predecir la siguiente palabra en una secuencia. Cuanto más baja es la perplejidad, más predecible y probable resulta el texto. En detección de contenido sintético, los textos generados por IA suelen registrar una perplejidad muy reducida debido a que el algoritmo selecciona sistemáticamente los tokens estadísticamente más frecuentes.Ver término completo → (Perplejidad). Qué tan predecible es cada palabra en la secuencia.
2. BurstinessGlosarioBurstiness / Inyección de VariabilidadMétrica estadística que mide la variabilidad en la longitud de las oraciones. Un texto con alta burstiness alterna frases breves con explicaciones compuestas para crear un ritmo natural. En cambio, los modelos de lenguaje tienden a generar frases de longitud uniforme, lo que produce una cadencia monótona. La técnica de Burstiness Injection consiste en editar borradores de IA introduciendo oraciones cortas de impacto para romper la simetría y recuperar el ritmo humano.Ver término completo → (o Explosividad Rítmica). La variabilidad en la longitud, densidad y arquitectura de las oraciones.

Ahora ya sabes de dónde viene el nombre de la herramienta Perplexity AI.

En el oficio editorial se habla de cadencia, pero el término técnico en inglés es burst, entendido como estallido o ráfaga.

Y es que el pensamiento humano funciona así, a saltos. Cuando una idea nos apasiona, la estiramos en una oración larga, cargada de matices, subordinadas y ritmo acumulativo; luego frenamos en seco. Tres palabras. Una pausa.

Ese contraste genera oxígeno.

La IA no tiene pulmones ni entusiasmo. Como minimiza riesgos estadísticos, su burstiness es plana: encadena bloques uniformes de 18 a 25 palabras con la insistencia de un metrónomo.

"Esta frase tiene cinco palabras. Aquí hay otras cinco palabras. Las frases de cinco palabras están bien. Pero varias juntas se vuelven monótonas. Escucha lo que está ocurriendo. La escritura se vuelve aburrida. El sonido de esto zumba. Es como un disco rayado. El oído pide algo de variedad.
Ahora escucha. Varío la longitud de la frase y creo música. Música. La escritura canta. Tiene un ritmo agradable, un compás, una armonía."
— Gary Provost, 100 Ways to Improve Your Writing

Pautas para Romper la Monotonía Rítmica

↑ Volver a ver este tic en el ejemplo inicial

3. El Didactismo y la Pandemia de los Dos Puntos

Uno de los tics más delatadores de la IA es su necesidad patológica de masticar y definir todo como un concepto. Intenta explicar las cosas por pedacitos, viciando la redacción de un sin fin de definiciones.

Este mal se manifiesta a través de dos mecánicas muy concretas:

A. La adicción a los dos puntos y el ritmo de remate

Como denuncia Blake Stockton en su análisis Don't Write Like AI: Colons, Colons Everywhere, los modelos recurren obsesivamente a la estructura de cabecera con dos puntos ("Concepto: Explicación de por qué importa").

El algoritmo carece de soltura para hilar transiciones orgánicas, por lo que recurre a una cadencia mecánica de preparación y remate (set-up / punchline rhythm): introduce un término en negrita, clava dos puntos y descarga una definición enciclopédica. Este abuso ha llegado a tal extremo que ha alterado la propia escritura humana: autores reales admiten que están purgando sus propios dos puntos y guiones por miedo a ser confundidos con un bot (lo que James Christopher bautizó en The Great Punctuation Purge).

B. Los tres pilares del didactismo compulsivo de la IA

1. Faux-Insight (Falsa iluminación): La manía de la IA de presentar una obviedad absoluta disfrazada de revelación profunda o filosófica ("El verdadero valor de los datos no es almacenarlos, sino interpretarlos").
2. The Strawman Confusion (La confusión del hombre de paja): Nace directamente de la falacia lógica del hombre de paja. Consiste en meter una duda forzada o un dilema inexistente en la mente del lector ("Muchos creen erróneamente que...") solo para destruirlo en la frase siguiente y colgarse una medalla.
3. Algorithmic Condescension (Condescendencia algorítmica): El modelo asume por defecto que el lector no va a entender el contexto, adoptando el tono paternalista de un profesor de primaria que frena la narración para masticar cada término técnico.

El resultado es pura ilusión de análisis: un texto que aparenta complejidad, pero que en realidad no aporta nada nuevo.

Pautas para Confiar en el Lector

↑ Volver a ver este tic en el ejemplo inicial

4. El Metatexto: Anunciar lo que Vas a Decir Antes de Decirlo

Throat-Clearing (carraspeo verbal)
En el oficio editorial, el throat-clearing o metatexto es la voz del emisor describiéndose a sí mismo en pleno proceso de comunicación. Aparece al anteponer una estructura introductoria explicativa ("En este punto analizaremos..."). Si retiras ese andamio, la tesis no solo se sostiene sola: gana densidad informativa y contundencia.

En lingüística aplicada y estudios de interacción con LLMs, este fenómeno se analiza bajo el marco del metadiscurso interpersonal y organizativo. Investigaciones académicas recientes demuestran que los modelos de lenguaje recurren sistemáticamente a la hiper-señalización algorítmica (AI signposting) para simular control retórico:

• "En este vídeo / artículo vamos a profundizar en..."
• "El objetivo de esta sección es aclarar..."
• "Es fundamental destacar que..."
• "Como veremos a continuación en detalle..."
• "En conclusión, podemos resumir que..."

Por qué la IA abusa del metadiscurso

Al carecer de un marco reflexivo propio y de experiencia real, los modelos de lenguaje recurren a rellenar huecos de la composición imitando patrones de redacción genéricos que han aprendido como parte de su entrenamiento. Generan prólogos de transición para justificar que están cumpliendo la instrucción del usuario.

En casos de traducción y redacción editorial en castellano, se identifica como una copia de los metadiscursos propios de plantillas anglosajonas, volviendo la estructura rígida y convirtiendo el contenido en AI slop.

La analogía del músico y el micrófono

Imagina a un pianista que, antes de pulsar cada tecla, se acerca al micrófono y anuncia: «A continuación tocaré un fa sostenido».

Sería raro, ¿No?. Pues eso mismo pasa con el metadiscurso de la IA.

Pautas para mejorar los textos

↑ Volver a ver este tic en el ejemplo inicial

Extra. Otros Vicios Secundarios a Tener en Cuenta

Existen otros dos hábitos frecuentes en los LLMs que conviene vigilar. A diferencia de los patrones anteriores, estos recursos sí forman parte del lenguaje humano natural, pero la IA abusa de ellos de forma tan concentrada que terminan delatando el borrador sintético:

A. Adjetivos Vacíos y Retórica Sobrecargada

Los modelos tienden a la grandilocuencia ("revolucionario", "fascinante", "disruptivo", "paradigma sin precedentes") para compensar su falta de vivencia directa. En dosis moderadas aportan entusiasmo, pero en exceso diluyen el rigor.

B. Introducciones Innecesarias

Fórmulas como "por consiguiente", "asimismo", "en consecuencia" o "cabe destacar que" son habituales en tratados formales. En blogs y redes, utilizarlos en cada párrafo acartona la voz.

↑ Volver a ver este tic en el ejemplo inicial

El Filtro Humano en 6 Pasos

Antes de publicar un artículo, post o guion generado o asistido con IA, pasa el texto por este protocolo de limpieza activa:

Plantilla de Prompting Editorial para Auditoría (Versión Ligera)

No existe un prompt definitivo que garantice un texto "semi-humano". El criterio propio sigue siendo el filtro insustituible.

Sin embargo, contar con un sistema de verificación recurrente permite auditar borradores y detectar vicios algorítmicos cada vez que redactas o modificas tus textos.

Puedes utilizar esta plantilla XML ligera como instrucción de auditoría en tu asistente o modelo cada vez que introduzcas cambios:

<editorial_audit version="1.0">
  <role>Editor técnico senior especializado en prosa asertiva, humana y directa.</role>
  
  <rules>
    <rule id="no_scaffolding">Erradica preámbulos y anuncios de lo que vas a explicar ("En este artículo...", "A continuación...").</rule>
    <rule id="no_false_contrasts">Elimina fórmulas "No es X, sino Y" o "No se trata de A, sino de B". Afirma directamente con hechos positivos.</rule>
    <rule id="no_colons_as_crutches">Evita usar dos puntos (':') para rematar frases o colgar términos de glosario. Integra los conceptos con fluidez sintáctica.</rule>
    <rule id="no_didactic_lecturing">Elimina reflexiones morales, paternalismo o consejos obvios sobre cómo debe pensar el lector.</rule>
    <rule id="high_burstiness">Alterna oraciones muy breves (3 a 6 palabras) con frases compuestas explicativas para romper la monotonía.</rule>
    <rule id="action_verbs">Prioriza verbos de acción directa frente a verbos de estado pasivos (ser, estar, convertirse en, tratarse de).</rule>
  </rules>
 
  <lexical_blacklist>
    contenido sintético, patrones sintéticos, vertiginoso, análisis exhaustivo, colapso catastrófico, crucial, fundamental, esencial, revolucionario, sin precedentes, auténtica, plástico verbal, En conclusión.
  </lexical_blacklist>
 
  <task>
    Audita el siguiente texto. Identifica los vicios algorítmicos presentes y reescribe el contenido respetando estrictamente estas directrices:
    
    [PEGA_AQUÍ_TU_BORRADOR]
  </task>
</editorial_audit>

Esta técnica de verificación continua actúa como un tamiz de calidad previo a la lectura final, asegurando que ninguna actualización reintroduzca tics de máquina.

La máquina puede generar un borrador promedio en cuestión de segundos. La autoridad, la textura y la voz genuina solo puedes ponerlas tú.