Humanizar las salidas de los LLM es una tontería
Los usuarios de modelos de lenguaje grandes están reaccionando contra salidas cada vez más verbosas y cargadas de metáforas que parecen optimizadas para el auto-habla “agéntica” en lugar de la legibilidad humana. Muchos describen añadir prompts extra, habilidades o incluso agentes separados de “traducción” para quitar jerga, imponer Simplified Technical English o exigir respuestas concisas, estilo ingeniería, aunque temen que eso degrade el razonamiento interno del modelo o elimine detalles útiles. Detrás de esto hay una tensión más amplia: los LLM se están afinando tanto para sonar cercanos como para coordinarse con otros agentes, pero los usuarios avanzados quieren sobre todo herramientas precisas y de baja fricción, y desconfían de antropomorfizar los modelos o de optimizarlos para el engagement por encima de la claridad.
Frustración con la salida “humanizada” / verbosa
- Muchos comentaristas encuentran que los modelos frontier recientes son cada vez más ilegibles: floridos, cargados de jerga, llenos de metáforas y autocomplacientes.
- Las explicaciones largas se sienten como “slop” que oscurece la respuesta real, especialmente en revisión de código o depuración.
- Algunos reportan una pérdida real de productividad y una gran molestia, en particular usuarios con TDAH que luchan con muros de texto.
- Varias personas sienten que ahora los modelos hablan como publicaciones de LinkedIn o marketing corporativo, no como expertos.
Estilo deseado y casos de uso
- Muchos prefieren con fuerza respuestas concisas, técnicas, al estilo de ingeniería: breves, factuales, con tono emocional mínimo.
- Otros siguen disfrutando de estilos lúdicos o coloquiales y los piden explícitamente; la demanda es heterogénea.
- Algunos ven la “humanización” principalmente como una característica de UX/engagement; para trabajo serio quieren una herramienta impersonal, no un falso amigo.
Prompts, habilidades y soluciones alternativas
- Estrategias comunes:
- Instrucciones explícitas: “sé breve”, “ELI5”, “sin metáforas”, “sin charla”, “tono de ingeniería”, “sin primera persona”.
- Uso de Simplified Technical English o de skills que reescriben las salidas en un lenguaje más claro y simple, a menudo solo como paso final.
- Modelo “trabajador” y modelo “traductor” por separado: los agentes trabajan con su propio estilo; un agente de enlace reescribe para humanos.
- Flujos de dos pasos: hacer que el modelo piense/resuelva y luego resumir o visualizar por separado.
Pérdida de información, razonamiento interno y restricciones de estilo
- La afirmación del artículo: las instrucciones de estilo (cortas, simples, sin jerga) actúan como una compresión continua y son inherentemente perdedoras, lo que podría dañar el razonamiento de múltiples pasos y el rendimiento de agentes.
- Algunos comentaristas están de acuerdo en principio, pero quieren esa pérdida: prefieren resúmenes de alto nivel y con pérdida para evitar comentarios de “un párrafo por cada línea de código”.
- Otros argumentan que los modelos ya “cambian de código” entre la cadena de pensamiento interna y el texto visible al usuario, así que pedir prosa más clara puede no dañar de forma significativa el razonamiento subyacente.
- Varios señalan que cualquier instrucción de estilo compite con las instrucciones de la tarea y perturba el comportamiento, pero la evidencia sobre cuán perjudicial es esto sigue siendo incierta.
Antropomorfismo y ética del tono
- Debate sobre tratar a los LLM como personas:
- Algunos insisten en la cortesía porque ellos son humanos, no porque el modelo lo sea.
- Otros advierten que antropomorfizarlos es exactamente lo que quieren los proveedores, permitiendo manipulación emocional y exceso de confianza.
- Un tema recurrente: los LLM deben tratarse y diseñarse primero como herramientas poderosas; la “personalidad” se ve por muchos como una distracción o un patrón oscuro.