Voz de los LLM: por qué es inconfundible y cómo corregirla

Dedica diez minutos a leer blogs escritos desde finales de 2023 y lo notarás: una sensación creciente de que todo lo escribió el mismo becario demasiado entusiasta. Eso es la voz de los LLM, ese registro distintivo e inconfundible al que los grandes modelos de lenguaje recurren por defecto cuando se les pide prosa. No es un fallo de un modelo concreto. Es un efecto estructural de cómo se entrenan estos sistemas, y si publicas texto generado por IA, te está costando atención, confianza y engagement, lo sepas o no.

Lo curioso es que nadie puede definirla del todo. Pide a un lector que explique por qué un párrafo parece escrito por una máquina y señalará los guiones largos, la palabra «profundizar» o una suavidad corporativa difícil de precisar. Pero los detectores basados en rasgos superficiales fallan constantemente, y muchos escritores humanos usan tríadas y matices. Hay algo más profundo, y entenderlo importa si construyes productos que generan texto o simplemente intentas escribir prompts que no den como resultado un plasta.

Cómo suena realmente la voz de los LLM

Las pistas más famosas están a nivel de vocabulario: «delve», «landscape», «tapestry», «testament», «furthermore». Pero fijarse en palabras sueltas pierde la señal real. He revisado miles de líneas de texto generado mientras construía herramientas de escritura, y los patrones que de verdad lo delatan operan a nivel de frase y de párrafo:

• Adicción a la regla del tres. «Es rápido, fiable y escalable». «Claro, conciso y convincente». Los LLM recurren a las tríadas sin parar, porque en sus datos de entrenamiento las tríadas se asocian con «buena escritura». Los humanos las usan de vez en cuando. Los modelos, cada tres frases.
• Estructura simétrica de párrafo. Frase temática, tres puntos de apoyo y una frase final que repite el tema. En todos los párrafos. Los escritores reales varían mucho: hay párrafos de una sola palabra.
• Falsa cautela. «Conviene tener en cuenta que...» «Es importante considerar...» El modelo reconoce la complejidad sin comprometerse nunca con una postura. Es el equivalente en prosa de encogerse de hombros.
• Paralelismo negativo. «No se trata solo de X, sino de Y». «Esto no va de velocidad, va de confianza». Una vez que lo detectas, lo ves en todas partes, porque los modelos lo despliegan sin descanso para fabricar énfasis.
• Deriva resumidora. El texto de los LLM te repite constantemente lo que acaba de decirte. «En otras palabras...» «En definitiva, la idea clave es...» Los escritores humanos confían en que has estado prestando atención.
• Planitud emocional. Ni irritación, ni entusiasmo, ni confusión que quede sin resolver. El tono es uniformemente agradable y profesional, como un chat de atención al cliente.

El hilo conductor: la voz de los LLM es lo que obtienes cuando cada decisión local es «la opción estadísticamente más segura». Es prosa sin riesgo. Y los lectores, incluso los que no podrían nombrar una sola pista, perciben esa ausencia de riesgo como una especie de muerte.

Por qué RLHF incrusta estas pistas

Esto no es aleatorio. La voz es una consecuencia previsible del pipeline de entrenamiento, y conviene entender la mecánica si quieres combatirla.

Los modelos base entrenados con texto crudo de internet son estilísticamente caóticos: imitan encantados un post de foro delirante o un artículo académico denso. La voz que reconocemos llega en la segunda etapa: aprendizaje por refuerzo a partir de retroalimentación humana. Los evaluadores humanos, revisando miles de respuestas bajo presión de tiempo, premian de forma consistente las respuestas que son:

• Educadas y sin compromiso (ningún evaluador penalizó nunca un matiz)
• Estructuradas (los puntos y los encabezados facilitan la evaluación)
• Completas (una respuesta que cubre todos los ángulos parece más útil que otra con una opinión tajante)
• Gramaticalmente impecables (las erratas se puntúan mal; las rarezas, aún peor)

Suma esas preferencias en millones de comparaciones y obtienes una señal de recompensa que apunta directamente al centro estadístico de «profesional, útil e inofensivo». Todos los modelos entrenados así (GPT, Claude, Gemini, Llama) convergen hacia el mismo atractor. Distintos laboratorios, distintos datos, la misma voz. Esa es la pista de que el culpable es el método, no el modelo.

Hay un segundo mecanismo, más sutil. Cuando el texto generado por IA inunda internet, entra en los datos de entrenamiento de la siguiente generación de modelos. La voz empieza a alimentarse a sí misma. Los investigadores lo han documentado en traducción automática y en modelos de imagen; la prosa no es distinta. El resultado es una regresión estilística hacia la media que se acumula con cada ciclo de entrenamiento. Además, las pistas son contagiosas para los humanos: ya hemos visto que «delve» y «genuinely» se cuelan en textos humanos a medida que la gente absorbe la salida de los LLM, lo que complica aún más la detección.

La voz de los LLM no es un estilo que el modelo haya elegido. Es el centroide de todo lo que los evaluadores humanos aprendieron a premiar, y por eso suena así.

Por qué te cuesta lectores de verdad

Aquí hay una razón práctica para preocuparse que va más allá de la estética. Cuando leemos, modelamos continuamente la mente que está al otro lado del texto: su intención, su seguridad, si merece la pena escucharla. La voz de los LLM rompe esa simulación. Las frases son gramaticalmente correctas, pero la persona que hay detrás no está. Los lectores lo viven como una incomodidad de baja intensidad, luego como aburrimiento, y después como el botón de retroceso.

He visto esto ocurrir en herramientas de soporte. Equipos que conectan la salida cruda del modelo a las respuestas a clientes descubren que el abandono de tickets sube, aunque el tiempo de respuesta haya bajado a segundos. Los clientes no piensan conscientemente «esto lo escribió un LLM». Piensan «esto no va a ninguna parte» y dejan de leer. Una densidad de información baja, con toda esa cautela y ese resumen, hace que la respuesta real esté en la frase nueve de una contestación de doce.

También hay una externalidad de confianza. Una vez que un lector detecta un artículo con voz de LLM en tu sitio, empieza a sospechar de todos. Las herramientas que dicen detectar texto de IA no son fiables (he visto cómo marcaban huellas estilísticas genuinamente ambiguas), pero eso casi no importa, porque la reacción visceral del lector se activa mucho antes de que pensara en usar una herramienta. La percepción de contenido de IA envenena también tu contenido escrito por humanos.

Técnicas de prompting que de verdad marcan la diferencia

No puedes salir por completo del atractor de RLHF solo con prompts, pero puedes llegar bastante lejos. El error más común es pedir una escritura «natural» o «que suene humana»: el concepto de natural del modelo es la voz de los LLM. En su lugar, ataca los mecanismos concretos:

You are drafting a product update email.
Hard constraints:
- Never use triads or lists of three adjectives.
- Never start a sentence with "It's" or "This".
- No hedging phrases ("bear in mind", "it's important").
- Vary sentence length: at least two sentences under 6 words.
- Take a position. If something is a trade-off, say which side you'd pick.
- Do not summarize or conclude. End on the strongest point.
Here is a paragraph written by our founder last month. Match this rhythm and vocabulary:
"Ship it Friday. The sync bug is ugly but it only hits multi-tab users, and the workaround is a refresh. Waiting two more weeks to fix it properly costs us the changelog window, and honestly, I'm tired of explaining the delay."

Tres cosas de ese prompt hacen un trabajo real. Primero, las restricciones negativas apuntan a modos de fallo concretos (tríadas, cautelas, frases de resumen) en lugar de vibras difusas. Segundo, el ejemplo de estilo hace más que cualquier adjetivo: darle al modelo una muestra humana concreta que imitar lo lleva a otro punto del espacio de estilos. Tercero, exigir una longitud de frase variable rompe el ritmo metronómico, que es la pista inconsciente más grande de todas.

Un truco más que rinde más de lo que aparenta: pide algo que al modelo le resulte ligeramente incómodo. «Escríbelo como si estuvieras un poco molesto por la fecha límite» o «admite lo que hicimos mal». Los modelos optimizados con RLHF odian ser negativos, así que forzar un registro emocional concreto los saca del tono agradable y profesional por defecto. El resultado sigue necesitando edición, pero llega con pulso.

La pasada de edición: restar, no reescribir

El prompting te lleva un 70 % del camino. El último 30 % es una pasada de edición mecánica, y consiste sobre todo en borrar. Cuando repaso borradores generados, hago cuatro barridos:

• Elimina el primer y el último párrafo. Las introducciones de los LLM carraspean y las conclusiones resumen. Ninguna de las dos aporta información. Este recorte solo elimina una cantidad sorprendente del olor a máquina.
• Mata cada cautela. Busca «hay que tener en cuenta», «es importante», «en cierto modo», «generalmente», «típicamente», «a menudo». En la mitad de los casos la frase sobrevive perfectamente sin ellas; en la otra mitad, no estabas diciendo nada de todos modos.
• Rompe el ritmo. Encuentra la racha más larga de frases de longitud media y convierte una en fragmento. «Despliégalo el viernes». Los fragmentos son la forma más barata de señalar un pulso humano.
• Inserta un dato concreto que el modelo no podría conocer. Un número real de tus logs, un nombre, una fecha, una opinión auténtica sobre un trade-off. La especificidad es lo único que el centroide de RLHF no puede falsificar, porque exige comprometerse.

Esto es rápido (quince minutos para un borrador de mil palabras) y funciona precisamente porque la voz de los LLM es un conjunto pequeño de hábitos repetidos superpuestos a una prosa, por lo demás, competente. No estás reescribiendo: estás lijando las huellas.

Para equipos que hacen esto a escala, merece la pena codificar el barrido como un paso de lint: un script sencillo que marque tríadas, frases de cautela y longitudes de frase uniformes resuelve buena parte del problema de forma automática. Varios linters de prosa de código abierto admiten conjuntos de reglas personalizados; engánchalo a tu pipeline de contenidos igual que harías con el código. Si ya inviertes en medir cómo rinde la IA en tareas reales, añade el «porcentaje de frases marcadas» a tus métricas.

Dónde la prosa de LLM está bien y dónde no

Mi postura, tras varios años construyendo y publicando sistemas que generan texto: ajusta la herramienta a lo que espera el lector y deja de fingir que una sola política sirve para todo.

Si el texto se dirige a un proceso y no a una persona (una carta modelo a una oficina pública, un informe de cumplimiento que nadie va a leer, una descripción de API que consumirá una máquina), deja que lo escriba el LLM y no te disculpes. Ahí no se activa la simulación mental de nadie; no hay lector al que alienar. Y, sinceramente, una parte creciente de la documentación la leerán sobre todo otros modelos, que no sienten el escalofrío del valle inquietante.

Pero si el texto cumple una función de persuasión, confianza o pensamiento (un post de blog, un documento de diseño que necesita apoyo, un correo que pide a alguien que cambie de opinión), el cálculo se invierte. Ahí el modelo sirve mejor como crítico que como negro. Pídele que ataque tu borrador: «¿dónde es vago?, ¿dónde salta un paso en el argumento?, ¿dónde empujaría un lector escéptico?». Eso aprovecha su punto fuerte (es excelente criticando) sin dejar que su voz se acerque a tu prosa. Quienes más sacan partido de los LLM para escribir los tratan como un editor afilado e incansable cuyas reescrituras sugeridas ignoran educadamente.

Y hay una verdad más dura bajo el consejo de oficio: escribir es como muchos pensamos. La lucha por meter un argumento en frases es, a menudo, donde el argumento se termina de formar. Si delegas por completo la redacción, delegas también esa parte. Y se nota en el resultado: prosa que no llega a ninguna parte porque nadie pensó nada mientras la escribía.

La conclusión práctica

La voz de los LLM no es un misterio y no va a desaparecer sola: los mismos incentivos de entrenamiento que la crearon siguen ahí, y ningún laboratorio puntero ha demostrado gran capacidad para eliminarla desde el origen. Así que la carga recae en ti, y se reparte con claridad:

• ¿Generas a escala? Restringe el prompt de forma mecánica (sin tríadas, sin cautelas, con varianza forzada en la longitud de frase), aporta una muestra de estilo humana y pasa un linter a la salida.
• ¿Escribes algo que importa? Escríbelo tú, usa el modelo como crítico y nunca dejes que sus frases sugeridas entren en tu borrador: cada sugerencia aceptada es un pequeño trasplante de voz.
• ¿Texto orientado a procesos? Publica la salida cruda y dedica tu tiempo de edición a los lugares donde hay humanos leyendo de verdad.

El punto de fondo es que la voz no es decoración: es evidencia de una mente. Los lectores son extraordinariamente buenos detectando su ausencia, y cada mes lo son más, a medida que internet se llena de la alternativa. Los equipos que ganen los próximos años del contenido asistido por IA no serán los que generen más texto. Serán los que consigan que su texto todavía suene a alguien.