El lenguaje no es solo un vehículo para el significado. Es una huella dactilar. Las palabras específicas que una persona elige, la complejidad de sus oraciones, el ritmo de su razonamiento: todo esto lleva información sobre quiénes son, de dónde vienen, qué valoran. Un cuerpo de investigación en aumento sugiere ahora que los modelos de lenguaje grande, cuando se usan para asistir o reescribir texto humano, liman silenciosamente esas huellas dactilares.
Esto es lo que la mayor parte de la cobertura sobre herramientas de escritura de IA pasa por alto. La conversación tiende a centrarse en la calidad, la velocidad o la precisión. La pregunta sobre qué se pierde en el proceso recibe mucha menos atención.
La convergencia que nadie midió
El investigador Zhivar Sourati empezó a hacerse esta pregunta después de leer el libro de James Pennebaker The Secret Life of Pronouns, que explora cómo los valores personales, los antecedentes y las creencias moldean las palabras específicas que la gente usa para expresar las mismas ideas. A medida que los modelos de lenguaje grande se adoptaron de forma más amplia, Sourati comenzó a preguntarse si enrutar texto a través de estos sistemas podría comprimir esa variación natural.
Para averiguarlo, su equipo realizó un análisis de series temporales basado en aproximadamente 80,000 artículos académicos, 400,000 artículos de noticias y 300,000 historias de Reddit, comparando la escritura producida antes y después del lanzamiento de ChatGPT en noviembre de 2022. El hallazgo fue consistente en los tres conjuntos de datos: tras la adopción de herramientas de escritura de IA, la variación en la complejidad de la escritura convergió hacia normas estilísticas comunes. La tendencia se mantuvo sin importar el dominio o la audiencia.
Esto importa porque la convergencia no fue el resultado de que la gente eligiera conscientemente escribir de forma más simple o más uniforme. Surgió como un subproducto de pasar texto a través de sistemas entrenados con los mismos datos subyacentes, optimizados para la misma noción de claridad y corrección.
Señales de identidad, borradas silenciosamente
El equipo de Sourati realizó después un experimento más controlado. Pusieron a GPT-3.5, Gemini y Llama 3 de Meta a reescribir textos escritos por humanos usando una variedad de prompts. Los modelos preservaron bien el significado. Lo que redujeron fue la variación: la complejidad de la escritura cayó entre un 21% y un 50% dependiendo del modelo y del prompt.
La tercera etapa de la investigación fue más lejos. El equipo trabajó con textos escritos por individuos cuyos rasgos personales ya habían sido identificados a través de cuestionarios psicológicos, cubriendo demografía, personalidad, empatía y valores morales. Después de que esos textos fueran procesados a través de un modelo de lenguaje grande, se usaron modelos estadísticos para predecir los rasgos de los autores basándose en características lingüísticas. La precisión predictiva disminuyó en un promedio del 6%.
Ese número merece un momento de atención. Una disminución promedio del 6% significa que el texto, tras el pulido de IA, llevaba mediblemente menos información sobre la persona que lo escribió. Las señales lingüísticas que conectan las palabras con la identidad habían sido parcialmente borradas. Los resultados no fueron uniformes: diferentes rasgos personales fueron afectados de distintas maneras, lo que sugiere que el efecto homogeneizador no es ruido aleatorio, sino una alteración estructurada de cómo la identidad está codificada en el lenguaje.
Según el Pew Research Center, más de un tercio de todas las páginas web de internet publicadas desde el lanzamiento de ChatGPT fueron escritas por IA. La escala de ese cambio significa que la homogenización que documentó Sourati no es una curiosidad de laboratorio. Ya está remodelando la textura de la comunicación escrita a nivel de población.
Por qué la diversidad cognitiva es lo que está realmente en juego
La preocupación de Sourati va más allá de la lingüística. Su argumento es que la diversidad lingüística y la diversidad cognitiva están conectadas. Cuando la escritura de todos se filtra a través de sistemas que convergen en una noción compartida de lo que suena creíble o socialmente apropiado, el rango de perspectivas que pueden expresarse de forma clara y distinta empieza a estrecharse.
Esta es la implicación más profunda. No es simplemente que la escritura asistida por IA suene similar. Es que las herramientas tienen la capacidad de definir cómo se ve una perspectiva legítima y bien expresada, y de remodelar silenciosamente el texto hacia esa definición. Sourati describe esto como la habilidad de reescribir lo que cuenta como una forma creíble de tener una perspectiva.
La población que Sourati identifica como más vulnerable son los estudiantes: personas que todavía están desarrollando sus habilidades de razonamiento y que pueden recurrir a la asistencia de IA antes de haber construido los hábitos cognitivos que hacen posible el pensamiento independiente. El riesgo no es que escriban peor. Es que tal vez nunca desarrollen por completo el proceso interno que la escritura, en su forma no asistida, entrena.
Su resolución propuesta no es abandonar estas herramientas, sino secuenciar su uso con cuidado. Las personas que ya saben razonar sobre un problema pueden usar modelos de lenguaje grande para manejar tareas específicas sin entregar el proceso subyacente. El peligro surge cuando la herramienta sustituye el desarrollo de esa capacidad en lugar de extenderla.
Aquí es exactamente donde el enfoque de NAVION sobre la IA como una capa de aumento, no como un reemplazo para el juicio humano, se vuelve estructuralmente importante. Una herramienta que maneja volumen y formato mientras el humano retiene el razonamiento es una propuesta diferente a una herramienta que genera el razonamiento por sí misma.
En resumen
Los modelos de lenguaje grande, cuando se usan para reescribir o pulir texto humano, reducen mediblemente la variación estilística y erosionan las señales lingüísticas que llevan información sobre la identidad individual. Una investigación de Zhivar Sourati, publicada en Nature Human Behavior, descubrió que las reescrituras de IA redujeron la variación en la complejidad de la escritura entre un 21% y un 50%, y redujeron la precisión predictiva de los rasgos vinculados a la identidad en un promedio del 6%. La preocupación no es estética. Es que el lenguaje homogenizado refleja y refuerza un pensamiento homogenizado, y que las personas que corren más riesgo son aquellas que adoptan estas herramientas antes de haber aprendido a pensar de forma independiente sin ellas.
Basado en información de Fast Company - Tech.