No quiero leer lo que tú no escribiste

Artículo original ↗ Discusión en Hacker News ↗

Escritores e ingenieros están cada vez más frustrados con documentos rellenados o escritos por completo por modelos de lenguaje grandes, argumentando que ese texto es verboso, impersonal y a menudo oscurece la verdadera intención o la información que el autor quería transmitir. Muchos comentaristas entienden la escritura como un acto escaso y de alto valor de pensamiento y comunicación, y prefieren prompts, notas o “ideas semilla” concisas, en lugar de prosa generada por IA que pueden obtener por sí mismos si hace falta. Otros responden que la IA puede ser útil para resumir, traducir y estructurar ideas —especialmente para hablantes no nativos o escritores inseguros— siempre que los humanos editen con cuidado y respalden la salida en lugar de volcar “AI slop” sin revisar sobre sus colegas.

Función de la escritura y transferencia de información

  • Muchos presentan la escritura como transferir información semántica de una mente a otra.
  • Una analogía recurrente: tienes 1.000 “bits” de significado; darle 300 bits a un LLM y dejar que invente el resto o bien no añade información real (solo redundancia) o añade desinformación.
  • Otros sostienen que la comunicación es más que bits en bruto: alinear presuposiciones, evocar experiencias y expresar emoción o matiz.

Objeciones a la prosa generada por IA

  • Fuerte rechazo a los textos largos, genéricos, “con aroma a Claude/GPT”: verbosos, con demasiadas explicaciones, tono de marketing, terminología inventada y un débil sentido de la audiencia.
  • La gente informa de descripciones de PR, documentos de diseño, comentarios de Jira y memos ejecutivos que se convierten en muros de texto ilegibles.
  • Esto traslada el coste del escritor al lector: generación barata frente a verificación humana cara, descrito como una especie de DoS cognitivo o “low‑yield zip-bomb”.
  • Algunos prefieren: “Solo envíame tu prompt (o viñetas); yo consultaré mi propio modelo o lo pensaré por mi cuenta”.

Defensas y usos constructivos de los LLM

  • Muchos ven valor real cuando:
    • Resumen grandes corpus privados (código, notas, transcripciones).
    • Traducen entre idiomas, registros o niveles técnicos.
    • Generan manual pages, mensajes de commit o andamiaje a partir de código.
    • Ayudan a hablantes no nativos, escritores inseguros o personas con ADHD a estructurar y depurar el texto.
  • Varios subrayan que el valor surge cuando los humanos editan a fondo, verifican y vuelven a poner su propia intención, no cuando pegan la salida en bruto.

Impactos en el trabajo y la educación

  • Hay informes de PRs con páginas de justificación de IA para cambios pequeños, documentos de estrategia ilegibles de parte de managers y estudiantes que convierten ensayos de 10 páginas en resúmenes de media página.
  • Los revisores tienen dificultades: aprobar implica haber leído todo, pero el volumen lo vuelve irrealista. Algunos líderes empiezan a imponer normas como “TL;DR escrito por humanos al principio” o etiquetas explícitas de “AI-assist”.

Estilo, “AI Smell” y detección

  • Frases como “No es X — es Y” y el uso intensivo del em dash ahora se perciben como tropos de IA, incluso cuando están escritas por humanos.
  • Varios señalan que esto lleva a acusaciones falsas y a autocensura de elecciones estilísticas normales.
  • Los detectores de IA se describen ampliamente como poco fiables; los comentaristas se apoyan en el tono y la estructura en su lugar.

Normas y filosofía

  • Algunos quieren límites claros: espacios humanos frente a artefactos de LLM, énfasis en la escritura como pensamiento y construcción de relaciones.
  • Otros están centrados en el contenido: si es preciso, conciso y útil, la fuente no importa.
  • Existe la preocupación de que la dependencia excesiva de los LLM erosione la habilidad humana y la autenticidad, pero también de que el rechazo categórico sea elitista con quienes tienen dificultades para escribir.