El uso de herramientas de inteligencia artificial para corregir, resumir o reformular textos puede hacer que las formas de escribir se parezcan más entre sí y que se debiliten algunas señales lingüísticas asociadas con la identidad y el contexto personal de los autores. Esa es la conclusión de un estudio publicado el 24 de agosto de 2026 en la revista Nature Human Behaviour, realizado por investigadores de la Universidad del Sur de California.
La investigación, titulada The shrinking landscape of linguistic diversity in the age of large language models, analizó más de 880 mil textos en siete conjuntos de datos de distintos ámbitos. El equipo examinó tanto cambios observados en textos publicados antes y después del lanzamiento público de ChatGPT, en noviembre de 2022, como los efectos de pedir a diversos modelos que revisaran o reescribieran documentos elaborados originalmente por personas.
El hallazgo no significa que toda escritura asistida por IA pierda automáticamente originalidad ni que una herramienta pueda borrar por completo la voz de una persona. Los autores describen una tendencia medible: al intervenir en la redacción, los modelos de lenguaje reducen la variación entre textos en rasgos como la diversidad de vocabulario y determinadas medidas de complejidad sintáctica.
Menos variación, aunque se conserve la idea principal
En los experimentos controlados, el equipo utilizó GPT-3.5, Gemini y Llama 3 para revisar textos humanos con instrucciones como mejorar gramática, claridad, fluidez, concisión o formalidad. Después comparó las versiones originales con las reescritas.
Según el artículo científico, la variación en indicadores de complejidad de escritura disminuyó entre 21% y 50%, dependiendo del conjunto de datos y del modelo analizado. Entre los indicadores considerados estuvieron el índice de diversidad del vocabulario, la entropía léxica, la relación entre palabras distintas y palabras totales, así como la longitud de ciertas conexiones sintácticas.
La reducción de la variación no equivale necesariamente a que los textos sean más simples. Un escrito puede conservar, o incluso elevar, algunos promedios de complejidad y al mismo tiempo parecerse más a otros en su estructura y selección de palabras. El punto central de los investigadores es que se estrecha el rango de estilos disponibles cuando las revisiones siguen patrones recurrentes de los modelos.
El estudio reportó que el contenido general se mantuvo en gran medida después de la reescritura. Sin embargo, los autores advierten que preservar el significado básico no implica conservar todos los rasgos expresivos: elecciones de vocabulario, ritmo, fórmulas de cortesía, referencias emocionales y otras marcas de estilo también comunican información sobre una persona y su entorno.
Las pistas personales que puede contener un texto
El equipo examinó si los cambios de redacción afectaban la capacidad de clasificadores computacionales para identificar rasgos a partir del lenguaje. Para ello trabajó con conjuntos de textos cuyos autores habían proporcionado información o respuestas vinculadas con edad, personalidad, empatía, género, valores morales y afinidad política.
Los resultados indican que, tras la intervención de los modelos, disminuyó la capacidad de esos sistemas para recuperar tales señales lingüísticas. Además, los cambios no fueron completamente aleatorios: el artículo señala desplazamientos hacia patrones asociados por sus clasificadores con ciertos perfiles dominantes, mientras otras características quedaron menos representadas.
Esta parte del análisis requiere una lectura cuidadosa. Los investigadores no afirman que un texto permita diagnosticar con certeza la personalidad, el género, las creencias o el estado psicológico de alguien. Las inferencias automatizadas dependen de los datos, el idioma, el contexto, los criterios usados para etiquetar y el desempeño de cada modelo de clasificación. El estudio evalúa la alteración de señales estadísticas presentes en los textos, no una medición definitiva de la identidad de sus autores.
Implicaciones para selección, personalización y análisis de lenguaje
La conclusión cobra relevancia para ámbitos en los que el lenguaje escrito se usa como una fuente de información adicional. El artículo menciona posibles consecuencias para procesos de personalización, evaluaciones de candidaturas laborales, análisis psicológicos y esfuerzos de preservación cultural.
Por ejemplo, si una carta de presentación, una respuesta de encuesta o un ensayo académico pasa por varias capas de edición automatizada, podría reflejar en mayor medida las convenciones del asistente que las elecciones espontáneas de quien lo redactó. Eso no vuelve inválido el uso de herramientas de apoyo, pero sí plantea la necesidad de considerar qué se está evaluando cuando se interpreta un texto como evidencia de habilidades, contexto cultural o estilo individual.
La investigación también ayuda a matizar una discusión frecuente sobre la detección de contenido generado por IA. El trabajo no evaluó si los detectores pueden identificar de forma fiable un texto escrito con ayuda de inteligencia artificial. Su foco fue distinto: medir cómo la revisión con modelos de lenguaje puede homogeneizar el estilo y afectar las pistas que normalmente diferencian a unos autores de otros.
Los propios datos observacionales del estudio muestran una asociación entre una mayor atribución de uso de IA y menor diversidad lingüística en corpus de artículos académicos, noticias locales y publicaciones de Reddit. No obstante, esa relación por sí sola no permite atribuir todos los cambios de la escritura pública a la IA, pues también pueden intervenir reglas editoriales, tendencias de lenguaje, temas de actualidad y cambios en las plataformas.
La evidencia experimental sí permite sostener que, en las condiciones analizadas, modelos de distintos desarrolladores y diversas instrucciones de edición empujaron los textos hacia patrones más uniformes. Para usuarios, docentes, editores y organizaciones, el reto no es renunciar necesariamente a la corrección automatizada, sino decidir cuándo la eficiencia compensa una posible pérdida de matices personales, culturales y estilísticos.
Fuentes consultadas
- Nature Human Behaviour: The shrinking landscape of linguistic diversity in the age of large language models
- PubMed: registro y resumen del estudio
- arXiv: versión prepublicada de la investigación
Imagen ilustrativa. Foto de Abdelrahman Ahmed en Pexels.
