La principal crítica de Colin Breck no es simplemente que la prosa de la IA suene genérica. Sostiene que a menudo carece de la perspectiva necesaria para indicar al lector qué es importante, qué sigue siendo incierto y dónde se requiere criterio. Un documento de diseño generado por una máquina puede describir todo lo que cambió y, al mismo tiempo, ocultar por qué se propuso el cambio, qué riesgos merecen atención y qué tipo de comentarios busca el autor. El resultado puede ser más extenso sin resultar más informativo.
El ensayo comienza con el argumento de Colin Breck de que la escritura con IA suele omitir la perspectiva necesaria para explicar por qué un cambio es importante y dónde se requiere criterio. Crédito: blog.colinbreck.com.
La brecha de contexto ayuda a explicar por qué la persona que creó un documento puede encontrarlo útil, mientras que otro lector tiene dificultades para entenderlo. Quien elaboró la indicación aportó las restricciones, el material de origen, las omisiones y el propósito previsto; por eso puede reconstruir el razonamiento que hay detrás del resultado. Quien lo recibe obtiene únicamente el texto final. Sin acceso a esa cadena privada de decisiones, puede verse obligado a examinar cada frase para determinar qué detalles son pertinentes, exactos o importantes.
Esa distinción es importante en las revisiones de ingeniería. Un resumen de una solicitud de cambios que enumere los archivos modificados, las refactorizaciones y las pruebas puede seguir sin identificar el supuesto más arriesgado ni la decisión para la que el autor necesita el criterio de quien revisa. El argumento de Breck sugiere que los autores deberían comenzar indicando el propósito, la urgencia, el riesgo y la contribución concreta que solicitan, en lugar de generar descripciones cada vez más exhaustivas. Sin embargo, las pruebas disponibles no demuestran que las notas de revisión redactadas con IA provoquen el rechazo de cambios; señalan un fallo de comunicación plausible, pero no miden su frecuencia ni su efecto en los resultados de las revisiones.
La reacción de los lectores puede hacer más evidente el coste de ese fallo. La encuesta anónima de Cynthia Dunlop, realizada entre 668 participantes, informó de que el 78 % dejaría de leer un artículo técnico si sospechara que fue redactado con ayuda de la IA o por la IA, mientras que el 71 % dijo que evitaría al autor en el futuro. También indicó que el 98 % prefería la escritura del propio autor, incluidas sus imperfecciones, a una versión pulida con IA. Estas cifras describen las respuestas de las personas que encontraron la encuesta, no necesariamente las de los desarrolladores o lectores técnicos en general: la encuesta fue anónima y su autora señaló expresamente que no había garantía demográfica.
Por lo tanto, los resultados de la encuesta no demuestran que todo texto asistido por IA vaya a ser rechazado ni que los lectores puedan distinguir con fiabilidad la ayuda de la autoría. Sí establecen un riesgo editorial pertinente dentro de este grupo de encuestados: las huellas visibles de la escritura con IA pueden provocar desconfianza antes de que el lector evalúe la idea subyacente. Breck presenta esa encuesta como respaldo de su argumento más amplio sobre la voz y la atención, pero la encuesta en sí mide reacciones declaradas, no el comportamiento de lectura a largo plazo ni la calidad de artículos concretos.
El uso de la IA que Breck prefiere es más selectivo. Al describir su trabajo en un artículo académico, afirma que él mismo redactó la prosa y utilizó la IA para contrastar las afirmaciones técnicas con el código fuente, la configuración, los registros y las métricas. También la empleó para completar las citas, simplificar frases poco claras, detectar errores ortográficos y gramaticales, dibujar diagramas técnicos e identificar un error de notación. Según él, pedir a la IA que generara párrafos a partir del mismo material fue sistemáticamente menos valioso y, en ocasiones, inexacto. Ese relato corresponde a la experiencia de un autor, no a pruebas controladas de que este flujo de trabajo ayude a todos los escritores, pero ofrece una alternativa concreta a delegar el acto inicial de composición.
Simon Sarris plantea la preocupación subyacente como una pérdida de atención. En “Resist Summary”, sostiene que los resúmenes pueden acelerar el aprendizaje sencillo y, al mismo tiempo, dificultar la construcción de una comprensión compleja o creativa. Su argumento es filosófico, no una comparación medida de métodos de escritura: la compresión puede omitir el razonamiento, el detalle sensorial y las relaciones mediante las cuales una persona desarrolla un modelo mental duradero. Respaldar la advertencia de Breck de que un texto eficiente no equivale automáticamente a una comunicación eficaz, pero no demuestra que todos los resúmenes, ni toda la ayuda de la IA, produzcan ese resultado.
De ambos planteamientos se desprende un criterio práctico. Los escritores pueden dejar que la IA busque incoherencias, compruebe si los puntos clave están claros, prepare citas o traduzca a otro formato un borrador que ya han reflexionado. Sin embargo, antes de enviar el resultado a un lector, el escritor debe restablecer el contexto que falta: exponer la decisión, señalar las pruebas, reconocer la incertidumbre e indicar dónde aún se necesita criterio. El objetivo no es hacer que la escritura humana parezca menos artificial, sino garantizar que una persona siga siendo responsable del argumento, el énfasis y la relación con el lector.