Investigación revela los patrones lingüísticos ocultos de la IA: la frase «this matters» aparece 116 veces más que en texto humano
El texto generado por IA sigue presentando huellas lingüísticas distintivas que revelan su origen, según un nuevo estudio de la empresa de marketing Graphite. Tras comparar 10 000 artículos escritos antes de la irrupción de ChatGPT con textos producidos por los modelos de lenguaje más avanzados de la actualidad, los investigadores identificaron nada menos que 13 000 frases que aparecen al menos el doble de veces en texto producido por máquinas. Pese a que las empresas tecnológicas han trabajado activamente para ocultar los tics lingüísticos de sus modelos, persisten patrones sutiles pero medibles, un hallazgo importante en un momento en que el contenido producido por IA llega de todas partes.
La máquina ha aprendido a esconderse, pero no lo suficientemente bien
Hace tiempo que «delve» y «I cannot assist with that» dejaron de ser las señales más seguras de que un texto procedía de un modelo de lenguaje y no de una persona. Laboratorios como Anthropic y OpenAI han trabajado activamente para suavizar los tics lingüísticos más llamativos de sus modelos. Sin embargo, nuevas investigaciones muestran que la lucha contra la detección está lejos de haberse ganado: la máquina todavía deja huellas.
La empresa de marketing Graphite ha llevado a cabo uno de los análisis de texto escrito por IA metodológicamente más rigurosos publicados hasta la fecha. Según un informe citado por TechCrunch, el estudio se basó en 10 000 artículos escritos antes del lanzamiento de ChatGPT, un material de control que representa cómo escriben realmente las personas. Después, modelos de IA punteros reescribieron los artículos a partir de resúmenes, para minimizar el riesgo de que los modelos simplemente copiaran la redacción de las fuentes. Así se creó una base comparable en la que las diferencias podían aislarse y medirse.
El resultado fue llamativo: en total, los investigadores identificaron 13 000 frases que aparecían al menos el doble de veces en el texto generado por IA que en el escrito por personas. Graphite denomina a estas expresiones «delatores».
Palabras que Claude y Astra no pueden evitar
Por ejemplo, se comprueba que Claude Opus 5.5, de Anthropic, usa la palabra «dependable» 23 veces más que un escritor humano típico. Aún más revelador es la frase «this matters», que aparece 116 veces más en los textos de Claude. Parece que el modelo tiene una tendencia casi compulsiva a explicar por qué las cosas son importantes, como si quisiera asegurar constantemente al lector la relevancia de su texto.
Astra, de OpenAI, presenta otras particularidades. Este modelo prefiere construcciones como «not simply X» o «rather than relying on X», expresiones que, según el estudio, son más de 100 veces más frecuentes en la producción de Astra que en la escritura humana. Se trata de un recurso retórico que transmite matiz y profundidad, pero que evidentemente se emplea en una medida que ningún ser humano utiliza de forma natural.
Es fascinante desde el punto de vista de la construcción de estos sistemas. Estos patrones no surgen por casualidad: son una consecuencia directa del modo en que se entrenan los modelos. La retroalimentación de evaluadores humanos probablemente ha premiado los textos que resultan bien formulados, convincentes y creíbles. ¿Y qué transmite credibilidad? Precisamente las frases que subrayan la relevancia y el matiz. Los modelos han aprendido a aparentar que han reflexionado, y eso se refleja en las estadísticas.
La buena noticia: las señales más conocidas han desaparecido
Los investigadores destacan una tendencia positiva en el estudio: los laboratorios han conseguido eliminar algunos de los delatores más conocidos. Las palabras y frases que hace un par de años funcionaban como marcadores casi seguros del texto de IA aparecen ahora con mucha menor frecuencia. Esto indica que el control activo del comportamiento lingüístico de los modelos funciona.
Sin embargo, también se crea una especie de carrera armamentística. Cuando se eliminan los patrones más evidentes, surgen sustitutos más sutiles, y estos son más difíciles de detectar, tanto para las herramientas automatizadas como para el lector común. Es un patrón clásico en el desarrollo de sistemas: al tapar una vulnerabilidad evidente, el problema se traslada a un plano más difícil de abordar.
¿Qué significa todo esto para ti como lector?
La conclusión práctica no es memorizar qué palabras le gustan a Claude en este momento, pues eso cambia con cada nueva versión del modelo. Lo importante es entender que el texto de IA tiende a presentar cierta exageración en su estructura: es algo demasiado bien formulado, demasiado preocupado por subrayar su propia relevancia y demasiado simétrico en sus contrastes.
Para redacciones, organizaciones y particulares que se encuentran cada vez con más contenido producido por IA en su día a día, este es un recordatorio importante: no basta con leer el texto; también hay que leer el patrón que hay detrás de él.