Tu mosca intelectual está abierta cuando usas un LLM para redactar una publicación (2025)
El uso generalizado de modelos de lenguaje grandes para redactar publicaciones, especialmente en plataformas como LinkedIn, está generando preocupaciones sobre la autenticidad, la legibilidad y la honestidad intelectual. Muchos comentaristas sostienen que el texto generado por IA sin divulgar equivale a una especie de catfishing intelectual o escritura fantasma, erosionando la confianza y privando tanto al autor como al lector del pensamiento que ocurre durante la escritura real. Otros ven los LLM como “prótesis cognitivas” legítimas o herramientas de traducción —sobre todo para hablantes no nativos o para comunicaciones rutinarias— siempre que los humanos sigan revisando, aprobando y distinguiendo claramente entre autoría asistida por máquina y autoría delegada a la máquina.
Calidad de escritura con LLM y “slop”
- Muchos comentaristas consideran que la prosa típica de los LLM es verbosa, llena de clichés y estilísticamente homogénea, especialmente en LinkedIn y en el correo corporativo.
- Señales comunes: abuso de ciertas construcciones (p. ej., “No es X, es Y”), longitud inflada, entusiasmo genérico y una voz aplanada, de estilo de la casa.
- Algunos sostienen que los críticos, en parte, quieren que la salida de la IA sea mala; otros señalan que el texto y las imágenes generadas por IA están mejorando claramente y ya pueden verse pulidos en la superficie sin dejar de ser superficiales.
Autenticidad, divulgación y ética
- Postura firme: hacer pasar como propio un texto escrito en gran parte por un LLM es una tergiversación o escritura fantasma sin atribución; es análogo al plagio de una máquina.
- Objeción al uso no revelado: los lectores creen que están viendo el pensamiento de una persona, cuando en realidad ven la plantilla de un modelo con un ligero prompting.
- Contraargumento: las herramientas son herramientas; nadie declara el uso de corrector ortográfico, el corrector gramatical de Word o el autocompletado. Los autores siguen siendo responsables del contenido, independientemente de las herramientas usadas.
- Algunos proponen distinciones como autoría “asistida por máquina” frente a “delegada a la máquina” y abogan por al menos una divulgación general de cómo se usaron los LLM.
Escritura como pensamiento frente al uso de herramientas
- Muchos subrayan que escribir te obliga a aclarar, serializar y a veces cambiar tus ideas; externalizar la prosa significa externalizar parte del pensamiento.
- Otros responden que no toda la escritura es pensamiento profundo (p. ej., correos rutinarios, actualizaciones de estado) y que el pulido con IA puede ser pragmático en esos casos.
- Varios usan los LLM como una “prótesis cognitiva” (personas no nativas, personas con problemas de salud o de atención), especialmente para comunicaciones burocráticas o de alta ansiedad.
Reacciones de los lectores y efectos de plataforma
- Numerosas personas dicen que ahora dejan de leer en cuanto perciben el estilo de un LLM; lo interpretan como baja dedicación y falta de respeto por el tiempo del lector.
- LinkedIn se describe repetidamente como saturado de “liderazgo de pensamiento” generado por IA y spam de marca personal, lo que aleja a los lectores serios.
- Algunos ven esto como una “revuelta del lector”: los lectores comprometidos prefieren una escritura defectuosa pero humana, rica en contexto, antes que un texto de IA pulido y genérico.
Usos aceptables y en la frontera
- Ampliamente aceptado: correcciones de gramática y claridad, traducción, resumir noticias de pago o efímeras (con enlaces), notas internas y texto puramente funcional o de bajo riesgo.
- Controvertido pero debatido: usar LLM para विस्तार detallados esquemas o para reescribir borradores propios; las opiniones se dividen sobre si esto también socava la autenticidad.
Trayectorias futuras y analogía con la programación
- Un sector cree que, a medida que mejoren la escritura y la programación con LLM, los humanos operarán en niveles de abstracción más altos (esquemas/especificaciones), delegando la generación de prosa y código.
- Otro sector sostiene que los modelos actuales muestran límites fundamentales en comprensión y originalidad; la predicción del siguiente token empuja hacia una salida mediana y despersonalizada.
- Preocupación: si la escritura y la programación con LLM se vuelven indetectables y comunes, la identidad, la confianza y la mantenibilidad (tanto de la prosa como del código) se convierten en grandes problemas a largo plazo.