Los grandes modelos de lenguaje (LLM, por sus siglas en inglés) como ChatGPT y Claude son, en palabras del emprendedor Bryce Jenkins, «algoritmos de adivinación de palabras programados para entregar lo que el modelo determina que usted desea». La definición es técnicamente precisa y políticamente inconveniente para quienes los comercializan como sustitutos del pensamiento humano.
Jenkins, fundador de The Virtuous Collective y autor publicado, argumenta en Forbes que el problema central no es la calidad superficial del texto —ortografía impecable, estructura fluida, razonamiento aparente— sino lo que ocurre aguas arriba: el escritor que delega en un LLM el borrador inicial renuncia al único proceso que afila su propio criterio. «La fricción en ese proceso es fundamental», escribe. «Como cualquier habilidad, si no la usas, la pierdes».
La secuencia que describe es reconocible: el usuario introduce «ideas de nivel básico», recibe un artículo pulido en cinco minutos y lo publica como propio. El resultado es texto que funciona como señuelo pero no refleja pensamiento genuino. Según Jenkins, casi todo el contenido actual —noticias, publicaciones en redes, correos, libros, guiones— suena ya a LLM: «ensayado e inhumano», con tendencia a los extremos dramáticos y a metáforas que se disuelven al primer examen.
El argumento más incómodo del texto apunta a la confiabilidad. «Los LLM están mejorando en mentir, fabricar y citar fuentes que no existen», advierte Jenkins. La diferencia con un investigador humano es, a su juicio, estructural: «Puedes despedir a un investigador humano por mentir. Los humanos pueden sufrir consecuencias reales. Pero con un LLM, puedes amenazarlo todo lo que quieras: simplemente no le importa. Es incapaz de importarle». No existe, concluye, forma de instalar una «constitución de honestidad» en el modelo mediante instrucciones.
Jenkins no propone abolir las herramientas. Traza una distinción operativa: usar un LLM para buscar información, detectar vacíos factuales o verificar datos es legítimo; pedirle que produzca el argumento y el tono es ceder la autoría intelectual. En el primer caso, el escritor sigue siendo la fuente del razonamiento. En el segundo, ni siquiera sabe si las conclusiones son suyas.
Lo que los lectores detectan, según el mismo texto, tampoco es un misterio: «estructura de oraciones impecable, retórica hiperbólica, subtítulos estándar, palabras de moda enfáticas y persuasión forzada constante» se han convertido en marcadores reconocibles de producción automatizada. La credibilidad, argumenta Jenkins, se construye sobre unicidad y vulnerabilidad; el texto generado por máquina elimina precisamente ese elemento.
---
Conviene mirar los incentivos. La industria que rodea a los LLM —valuada en decenas de miles de millones de dólares y concentrada en un puñado de empresas tecnológicas— tiene razones comerciales para presentar la delegación cognitiva como productividad. El argumento de Jenkins señala la dirección opuesta: cuando el pensamiento se subcontrata de forma sistemática, el capital intelectual individual se deprecia y la dependencia de plataformas centralizadas se profundiza. Eso no es neutralidad tecnológica; es una transferencia de poder.
El dato importa más que el ruido. Que los lectores ya identifiquen el estilo LLM «casi instantáneamente» sugiere que el mercado de la atención está comenzando a castigar el contenido automatizado con escepticismo. Si esa señal se consolida, los incentivos podrían reequilibrarse solos. Mientras tanto, la pregunta que Jenkins deja sin responder —y que ningún modelo puede responder por él— es cuántos escritores seguirán eligiendo el atajo aunque sepan el precio.
