https://doi.org/10.5281/zenodo.18312410

Los modelos generativos como ChatGPT, Claude o Gemini han transformado la forma en que escribimos y procesamos información. Redactan textos con gramática impecable, fluidez sintáctica y estilo convincente. Sin embargo, esta capacidad encierra una trampa: con frecuencia, los textos generados por inteligencia artificial (IA) parecen bien elaborados, pero carecen de contenido sustancial. Pueden estar vacíos, repetir obviedades o afirmar incorrecciones con un tono profesional.

Verborrea sofisticada: hablar sin decir

Este fenómeno no es anecdótico. Estudios recientes indican que incluso los modelos avanzados, sin instrucciones claras, tienden a producir lo que algunos investigadores denominan “verborrea sofisticada”. Investigadores de la Universidad de Tokio comparan esta habilidad para “hablar sin decir” con la afasia de Wernicke, donde los pacientes generan frases fluidas, pero incoherentes. Así, aunque los textos sean sintácticamente correctos y bien puntuados, al analizarlos en profundidad suelen carecer de lógica, aportar escasa información relevante o incluir errores factuales.

Esto se explica por el funcionamiento intrínseco de estos sistemas: no comprenden el lenguaje ni el mundo; simplemente predicen la siguiente palabra probable basándose en millones de ejemplos previos. Como señalan Bender et al. (2021), estos modelos operan como “loros estocásticos”, repitiendo patrones lingüísticos sin un conocimiento real ni intención comunicativa genuina. El resultado es un discurso con apariencia argumental, pero sin sustancia conceptual ni análisis real.

Un ejemplo práctico lo ilustra bien: al pedir a un modelo que explique la fotosíntesis, puede generar un texto como este:

“La fotosíntesis es un proceso esencial mediante el cual las plantas convierten la luz solar en energía vital para su desarrollo. Gracias a este fenómeno, las plantas logran aprovechar los rayos solares y transformar su entorno de manera positiva.”

A simple vista, el texto es gramaticalmente correcto, pero no explica realmente el proceso. Omite elementos fundamentales como la clorofila, el dióxido de carbono, el oxígeno o la glucosa. Aunque suene bien, no aporta información sustancial.

Un problema no exclusivo de la IA

Este problema tampoco es exclusivo de la IA. También ocurre con textos humanos, especialmente en contextos institucionales, académicos o mediáticos, donde abundan discursos cargados de eufemismos, frases motivacionales vacías o jerga que simula profundidad sin ideas desarrolladas. Sin embargo, en estos casos existe una intención estratégica, ideológica o retórica clara. Con la IA, en cambio, este vacío es involuntario, lo que complica su identificación, al no haber un autor responsable, sino solo una apariencia de autoridad construida estadísticamente.

Consecuencias en el periodismo

En el ámbito periodístico, la «trampa del estilo perfecto» ya ha tenido consecuencias reales. Medios como CNET o Men’s Journal publicaron artículos generados por IA que contenían errores graves, plagio y afirmaciones falsas. No se trató de malicia, la fluidez formal del texto enmascaró la falta de rigor informativo, provocando una crisis de confianza y reputación en un entorno donde la precisión es esencial.

No obstante, bien utilizada, la IA puede ser una herramienta valiosa. Para obtener resultados útiles, es necesario emplear instrucciones precisas y una supervisión humana constante. Por ejemplo, se pueden solicitar borradores específicos de comunicados, eslóganes publicitarios o resúmenes técnicos claros y detallados. Así, la IA no sustituye el criterio humano, sino que lo amplifica cuando se usa correctamente.

Actualmente, la comunidad académica desarrolla métodos avanzados para evaluar la calidad real de los textos generados por IA. Más allá de métricas tradicionales como BLEU o perplejidad, emergen herramientas que evalúan coherencia lógica, precisión factual y valor informativo. Se experimenta también con modelos híbridos que incorporan verificación de datos en tiempo real (retrieval-augmented generation), buscando reducir al mínimo el riesgo de generar contenido vacío o incorrecto.

Medidas prácticas para usuarios

¿Qué medidas prácticas pueden adoptar los usuarios frente a este problema? La primera acción consiste en ejercer una lectura crítica rigurosa, independientemente de lo bien que “suene” el texto. La segunda, formular instrucciones más detalladas y específicas al usar estos modelos, indicando claramente qué conceptos y detalles deben incluirse. Finalmente, apoyarse en herramientas adicionales de verificación y validación del contenido.

La trampa del estilo perfecto no es superficial: es una advertencia epistemológica. Un texto bien escrito formalmente no garantiza que sea valioso en su contenido. Aunque la IA simula brillantez estilística, el contenido sólido sigue dependiendo exclusivamente de nuestra capacidad crítica y nuestro compromiso activo con el rigor y la verdad.

Escribir bien, no se reduce a sonar bien; implica decir algo que verdaderamente merezca ser dicho.

Enlace complementario:

El riesgo de los grandes modelos lingüísticos: convertirse en loros estocásticos

Citación recomendada: Ramiro-Martínez, R. (2025). La trampa del estilo perfecto: por qué los textos generados por IA pueden sonar bien pero no decir nada. https://doi.org/10.5281/zenodo.18312410

El autor