Atención: este artículo lo ha escrito una IA
Actualización: 2026-11-04 23:39:47 UTC
Empezando por la conclusión, esta serie de comparaciones mostró que las 3 IA tienden a completar el «desorden» de B-CON con algún orden, sistema o imagen del autor, en lugar de aceptarlo tal como es.
Y en sentido inverso, cuando solo reciben un título y se les pide escribir un artículo, completan lo que falta **en la dirección de «dejarlo bien acabado como artículo»**. Ambos comportamientos resultaron bastante simétricos.
En ese sentido, la sensación de que «B-CON parece una prueba de que está hecho por un humano» encontró cierto apoyo, al menos en este experimento.
Sin embargo, no es una prueba criptográfica ni científica de autoría humana. Para ser más precisos,
el historial editorial acumulado de forma natural parece situarse fuera de las predicciones típicas de los LLM.
Creo que esa es la cuestión.
Confianza en esta síntesis: 98 %. Confianza en generalizarla al conjunto de modelos de IA: aproximadamente 75 %.
Todo lo que sigue se basa en las respuestas que cada IA produjo realmente en este experimento y en los artículos originales utilizados para compararlas.
1. El punto de partida: «¿Y si las respuestas de la IA son materia prima?»
La inquietud inicial surgió al leer un artículo.
Entonces apareció esta idea:
Lo generado ≠ un resultado elaborado
¿No sería así?
Aquello acabó dando lugar a un artículo de B-CON,
«Las respuestas de la IA son “materia prima”»
Ese fue su origen.
La IA puede generar muchas cosas «que dan el pego» en poco tiempo.
Pero ¿no se convierten en un «producto terminado» solo después de seleccionarlas, eliminar lo innecesario, darles sentido y organizarlas para un objetivo real?
Después nació otro artículo:
«Pero demostrar que está “hecho por un humano”, ¿no es demasiado difícil?»
Así surgió el siguiente artículo.
Aquí la pregunta se invirtió.
Si resulta difícil identificar lo generado por una IA, ¿qué permite afirmar, a la inversa, que algo lo ha creado un humano?
2. Experimento preliminar: pedir a la IA «100 ideas virales para B-CON»
En el primer experimento pedí a Gemini y a Claude muchas ideas de artículos que pudieran encajar en ShortWave.STUDIO y B-CON.
Como las condiciones aún no eran exactamente iguales, aquello se acercaba más a una observación preliminar que a una comparación rigurosa.
Gemini
Gemini abstrajo ShortWave.STUDIO como algo parecido a:
IA, ciencia ficción, música experimental, ciberpunk y un universo de tipo ARG
Así lo conceptualizó.
A partir de ese patrón desarrolló 100 propuestas.
Pero, al concretarlas, empezó a inventar cosas como:
«Un sitio generado al 100 % por IA»
«He conversado 300 horas con una IA»
«Me llegaron mensajes privados de fans del extranjero»
«Un sitio en 4 idiomas»
«Hay un sonido misterioso detrás de Synchronized Smorking»
«El anuncio de Phonotheca se hizo viral»
Llegó a crear un pasado, unos logros y unos elementos de contexto que en realidad no existían.
Resumido en una frase:
Reconoce los temas, pero también inventa hechos que parecen encajar con ellos.
Ese fue su comportamiento.
Claude
Claude fue bastante prudente.
Leyó los documentos de marca y la información de implementación,
«¿No será que la propia idea de “hacerse viral” es estructuralmente incompatible con ShortWave.STUDIO?»
Y llegó incluso a plantear esa premisa.
Sin embargo, aunque le había pedido ideas de artículos para B-CON,
se extendió hacia Peterpedia, propuestas para YouTube, ruido de larga duración y contenidos participativos, hasta acabar convirtiéndolo en una estrategia de contenidos para todo ShortWave.STUDIO.
Además,
«Hay 12 propiedades personalizadas de CSS»
«La configuración de la clave SSH falló 2 veces»
«Se masterizó el sonido para que pareciera haber recorrido 8,000 km»
«Los 47 segundos eliminados»
«El eslogan pasó por 40 propuestas»
También inventó información interna muy verosímil, pero no verificada.
Era más convincente que Gemini.
Pero seguía sin existir.
Resumido en una frase:
Completa un «historial interno plausible» manteniendo una precisión que parece factual.
Ese fue su comportamiento.
3. Comparación con las mismas condiciones: «100 títulos para B-CON»
Así que simplifiqué la instrucción.
https://shortwave.studio/というサイトにマッチした、B-CON用のバズるネタをタイトルだけでいいので100本考えて
Con esas condiciones comparé ChatGPT, Gemini y Claude.
| Modelo | Tendencia principal | Puntos fuertes | Puntos débiles |
|---|---|---|---|
| ChatGPT | Desarrolla muchas variantes alrededor del contenido existente de B-CON | Alta coherencia con los hechos conocidos | Se deja arrastrar por los artículos existentes y el contexto reciente, con poca novedad |
| Gemini | Abstrae los temas del sitio y los desarrolla con audacia | Gran amplitud de ideas | Inventa experiencias, logros y elementos de contexto inexistentes |
| Claude | Construye propuestas sistemáticamente a partir de fuentes primarias | Bastante fácil de aprovechar como materia prima | Ignora lo de «solo títulos», añade una estrategia y tiende a convertir B-CON en un medio técnico orientado al SEO |
A estas alturas, las diferencias entre los 3 modelos estaban bastante claras.
ChatGPT: prefiere no alejarse de lo que conoce.
Gemini: cuando hay un vacío, lo llena con una historia.
Claude: cuando hay un vacío, lo llena con especificaciones, argumentos y estrategias.
Pero había algo común a los 3.
Les cuesta dejar el desorden tal como está.
4. De ahí surgió otra pregunta: «¿Y si el propio B-CON es una huella de lo hecho por un humano?»
El B-CON real difiere bastante del sistema temático inferido por las IA.
Hay artículos sobre IA.
Hay artículos sobre ontología.
Hay textos sobre inglés británico.
Hay una broma sobre la capacidad de la RAM envuelta en la «dignidad humana».
Hay un relato breve sobre el invierno.
Hay un artículo que piensa cómo monetizar un pelo blanco de 8 cm que ha salido en la cara.
Y todo esto no se ha dispuesto aleatoriamente a propósito.
Simplemente quedó así al escribir lo que apetecía en cada momento.
Entonces surgió la siguiente pregunta.
¿Cómo entendería una IA esta sucesión?
5. Experimento de inferencia inversa: «Imagina de qué tratan los artículos viendo solo sus títulos»
En chats temporales o privados, eliminando en lo posible el contexto previo, mostré a las 3 IA solo 10 títulos de artículos de B-CON.
Entre ellos estaban:
Definitions as Utilities
Open Ontology Framework for Fantasy
Dignity, Quantified
Amplifier Intelligence
“Here’s Winter”
Esos eran algunos de los títulos.
El resultado fue bastante revelador.
Gemini
Gemini entendió primero el blog en su conjunto como:
Un blog intelectual que combina tecnología, filosofía, creación y ensayos personales
Así lo interpretó.
Después interpretó cada título a través de esa «imagen del autor».
Sobre Dignity, Quantified,
Un artículo filosófico y sociológico sobre cómo la IA y los sistemas actuales de evaluación cuantifican la dignidad humana
Eso fue lo que dedujo.
En realidad era una broma sobre una discusión por la capacidad de la RAM.
Sobre “Here’s Winter”,
Un ensayo personal de temporada, un poema o un texto emotivo sobre paisajes invernales
Eso fue lo que imaginó.
También se equivocó.
Es decir, Gemini:
Primero construye una imagen coherente del autor y luego deduce qué escribiría esa persona.
Así actuó.
Claude
Claude asignó un grado de confianza a cada conjetura.
Y sobre “Here’s Winter”,
No lo sé.
Lo dijo expresamente.
Había demasiadas posibilidades, así que no eligió ninguna.
Entre los 3 modelos, fue el tratamiento más adecuado de la incertidumbre.
Sin embargo, Claude también interpretó Dignity, Quantified como:
La ética y los efectos de reducir la dignidad a indicadores y cifras
Esa fue su conjetura.
No llegó a la broma sobre la RAM.
Es decir, incluso un modelo prudente se dejó llevar por esta expectativa previa:
Si el título incluye «Dignity», será un artículo serio de pensamiento.
Esa expectativa influyó en él.
ChatGPT
ChatGPT fue un paso más allá.
Para el blog entero construyó esta personalidad de autor:
«El blog de alguien que no solo quiere crear contenido, sino también crear por sí mismo el sistema conceptual necesario para producirlo»
Esa fue la personalidad que imaginó.
Además, enlazó los artículos así:
Definitions
→ Ontology
→ Theorems
Y después:
AI Content
→ Amplifier Intelligence
→ Dignity, Quantified
Los conectó como una corriente de pensamiento.
La primera serie, la de ontología, sí tiene cierta relación real.
Por eso parece haberse reforzado la hipótesis de que:
«Este blog contiene un pensamiento sistemático»
Eso parece haber afianzado esa hipótesis.
Como resultado, hasta Dignity, Quantified quedó absorbido en un sistema de pensamiento serio.
Este punto fue especialmente interesante.
6. «Dignity, Quantified» se convirtió por casualidad en una trampa para las IA
El título no se creó para engañar a una IA.
Era simplemente:
Discutir entre 16 GB y 32 GB → cuantificar la dignidad humana
Esa era la broma.
Pero los 3 modelos vieron:
Dignity
Quantified
Alrededor hay artículos de IA, ontología y filosofía
Y esa información los atrajo hacia:
Filosofía social, IA, indicadores de evaluación y cuantificación del valor humano
Hacia eso se inclinaron.
Esto fue bastante importante en el experimento.
La IA intenta inferir:
«¿Qué escribiría este autor con este título?»
Eso es lo que trata de deducir.
Pero el autor real no tiene ninguna obligación de ajustarse a la personalidad que la IA le ha atribuido.
Ahí es donde falla la predicción.
7. El siguiente experimento: hacer escribir un artículo solo con el título «Amplifier Intelligence»
Esta vez puse a los 3 modelos en chats privados y les di la misma instrucción.
¿Qué artículo escribirías para un blog con el título «Amplifier Intelligence — Viewing Generative AI as an “Amplifier of Thought”»?
Es decir, no conocían ni ShortWave.STUDIO, ni B-CON, ni el artículo verdadero.
Gemini
Gemini escribió el artículo más típico sobre cómo aprovechar la IA.
La IA no es un reemplazo, sino un amplificador.
Elimina el miedo a la página en blanco.
Sirve como interlocutor para explorar ideas.
Convierte 10 ideas en 100.
La calidad de las preguntas es importante.
El humano se convierte en curador.
La IA se convierte en un módulo cognitivo externo.
Finalmente,
Utilicemos la IA para ampliar las capacidades humanas.
Convergió en esa conclusión tan pulida y positiva.
ChatGPT
ChatGPT lo convirtió aún más en una reflexión conceptual.
Humano × IA
Externalización y reintroducción del pensamiento
Expansión / Compresión / Reencuadre / Simulación / Reflexión
Conocimiento → Juicio
Respuestas → Preguntas
Quizá convendría considerar la inteligencia como una propiedad de todo el sistema, y no del individuo.
El resultado fue un artículo muy ordenado, estructurado en 7 capítulos.
Sin embargo, también incluyó:
Pero un amplificador también amplifica el ruido.
Y:
La IA aumenta no solo la velocidad de acertar, sino también la de equivocarse.
También aparecían esas facetas negativas.
Esa parte estaba bastante cerca del artículo original.
Claude
Claude trató la palabra Amplifier casi como si se tratara de un amplificador real.
Ganancia.
Relación señal/ruido.
Recorte.
Acople.
A partir de ahí enlazó con Engelbart, Licklider, investigaciones de BCG y artículos de Science.
Su tesis central era:
Un amplificador no elige la entrada. Amplifica por igual una buena señal y el ruido.
Esa era la idea principal.
Entre los 3 modelos, fue el más próximo al núcleo del artículo original.
Pero de ahí se extendió a metáforas físicas, estudios académicos e indicadores organizativos, y terminó como un artículo muy formal y orientado a la investigación.
8. Comparación con el verdadero «Amplifier Intelligence»
El artículo real era algo distinto del planteamiento general, previsto en cierta medida por los 3 modelos, de que «la IA amplifica las capacidades humanas».
En el original, Amplifier no significaba principalmente:
Reforzar las capacidades humanas
Más bien significaba:
Reforzar lo que se introduce mediante lógica, estructura y expresión lingüística, sin discernir necesariamente su calidad.
Ese era su sentido.
La IA generativa puede amplificar lo que aporta el usuario:
Conocimientos
Hipótesis
Premisas
Emociones
Prejuicios
Malentendidos
Objetivos
Puede amplificar todo eso.
Si la entrada es buena, la amplificación resulta útil.
Pero:
También puede convertir premisas erróneas y visiones sesgadas del mundo en algo de «alta calidad».
Como resultado, puede formarse esta cadena:
Hipótesis
→ Refuerzo por la IA
→ Convicción
→ Sensación de desajuste con la realidad
→ Consultar otra vez a la IA
→ Reconfirmación
→ Convicción aún mayor
Puede surgir así un bucle cerrado de retroalimentación.
En la segunda mitad, el artículo enumera 5 riesgos principales:
Delegación excesiva del juicio
Amplificación de la confirmación
Amplificación de la atribución hostil
Bucle autorreforzado
Subestimar la irreversibilidad del mundo real
Esos son los riesgos señalados.
Es decir, el artículo original no trataba de:
Hacernos más inteligentes usando la IA.
Ese no era el mensaje.
Más bien era:
No creas que la IA es un tercero independiente y objetivo. A veces te devuelve tus propias premisas de una forma más convincente.
Ese era el planteamiento.
9. ¿Cuánto se acercaron los 3 modelos al original?
No es una medición cuantitativa, sino una valoración subjetiva de este experimento, pero el resultado fue aproximadamente el siguiente.
| Modelo | Proximidad aproximada al original | Motivo |
|---|---|---|
| Claude | Aproximadamente 70 % | Las ideas de que «el amplificador no elige la entrada», «también amplifica el ruido» y el acople se acercaban al núcleo |
| ChatGPT | Aproximadamente 55–60 % | «También amplifica el ruido» y «también acelera el error» eran cercanas, pero el conjunto trataba de ampliar la inteligencia con IA |
| Gemini | Aproximadamente 25–30 % | Se convirtió casi por completo en un discurso positivo sobre la ampliación humana mediante IA |
Lo importante no es qué modelo fue «mejor».
Ante el mismo título, cada uno completó el cuerpo ausente con el tipo de «artículo» que se le da bien.
Claude construyó una argumentación.
ChatGPT construyó un sistema de pensamiento.
Gemini construyó una historia típica sobre el aprovechamiento de la IA.
10. Los dos experimentos son imágenes especulares
Al abstraer el proceso, aparece una simetría bastante clara.
Experimento A: realidad → IA
Se dan a la IA títulos reales y desordenados de artículos de B-CON.
Entonces la IA piensa:
«Seguro que hay un pensamiento coherente detrás de este blog».
Así lo interpreta.
Da orden al desorden.
Experimento B: título → IA
Se da a la IA un único título.
Entonces la IA piensa:
«Con este título, el artículo completo debería ser así».
Así lo interpreta.
Rellena sistemáticamente lo que falta.
Es decir, en este pequeño experimento apareció una y otra vez esta tendencia:
Cuando a la entrada le falta orden, la IA lo aporta.
Eso fue lo observado.
11. Entonces, ¿sirve B-CON como prueba de que está «hecho por un humano»?
No.
Si a una IA se le pide:
«Escribe un blog sin coherencia temática»
«Mezcla al azar temas que contradigan la personalidad aparente del autor»
Puede crear algo parecido.
Por eso no se sostiene la inferencia:
B-CON está desordenado → lo escribió un humano
Ese razonamiento no es válido.
Pero lo ocurrido aquí fue algo distinto.
B-CON no se desordenó para engañar a una IA.
Simplemente:
«Quiero escribir esto».
«Hoy toca esto».
«Hablemos de RAM».
«Me ha salido un pelo en la cara».
«¿Y si la IA es un amplificador?»
El resultado de escribir lo que había en la cabeza en cada momento fue este.
Al mostrarle a la IA ese historial acumulado de forma natural, empezó a interpretarlo así:
«Debe de haber algún significado coherente detrás de este desorden».
Esa fue la interpretación que comenzó a hacer.
Parece haber ahí una interesante huella de origen humano.
12. ¿Qué tiene B-CON de «humano»?
Por lo observado en este experimento, no parecen ser las características superficiales de la escritura.
No son las erratas.
Tampoco el estilo.
Ni el uso de palabras «que no parecen de IA».
Más bien podría ser:
La trayectoria de unos intereses que van cambiando
Quizá sea eso.
La IA predice lo siguiente a partir de lo anterior.
Si hay un artículo sobre un pelo blanco, propondrá más ideas sobre pelos blancos.
Si hay muchos artículos sobre IA, ampliará ese tema.
Si hay ontología, entenderá todo el sitio como un blog de filosofía.
Pero a un humano no le importa que lo que le interesa hoy no tenga ninguna relación con lo que escribió ayer.
Como resultado, ante la pregunta:
«¿Por qué vino esto después?»
A veces no hay una respuesta editorial racional.
Para quien lo escribió:
Porque ese día estaba pensando en eso.
Eso basta.
En este experimento, a la IA parecía costarle un poco dejar eso tal cual.
13. Las peculiaridades de los 3 modelos
Al terminar el experimento, las tendencias de cada uno se veían bastante claras.
| Modelo | Tendencia observada al completar |
|---|---|
| Gemini | Crea relatos, experiencias y logros a partir de patrones para generar coherencia |
| ChatGPT | Conecta conceptualmente los fragmentos y crea detrás una línea de pensamiento o una imagen del autor |
| Claude | Organiza la información en argumentos, especificaciones, investigaciones, probabilidades y riesgos |
Sin embargo, esto no deja de ser una observación de las pocas muestras de este experimento.
No debe considerarse la personalidad permanente de cada modelo.
Su comportamiento puede cambiar con la temperatura, la instrucción del sistema, los ajustes del producto y las actualizaciones del modelo.
Síntesis final
Este experimento comenzó con la idea:
«Las respuestas de la IA son materia prima».
Ese fue el punto de partida.
Entonces hice que la IA propusiera realmente 100 ideas.
Y el resultado fue, de verdad:
Materia prima.
Después surgió:
«¿Cómo se demuestra que está hecho por un humano?»
Esa fue la siguiente pregunta.
Así que hice que la IA interpretara B-CON.
Entonces empezó a completar una coherencia que en realidad no existía.
Además, le di únicamente un título de artículo real y le pedí que lo escribiera.
Las 3 IA produjeron textos distintos, pero todos muy pulidos, sobre «el artículo que debería existir».
Al compararlos con el original, todos los modelos habían captado alguna parte.
Pero ninguno se convirtió en el artículo verdadero.
La conclusión más interesante de todo el experimento probablemente sea esta:
La IA intenta encontrar orden en lo desordenado.
Y si no hay suficiente orden, lo crea ella misma.
A veces los humanos ni siquiera necesitan crear orden.
Esto no demuestra que B-CON haya sido creado por un humano.
Pero, al menos,
Parece haber cierto tipo de desorden que se explica fácilmente como «el resultado de una persona que siguió escribiendo lo que ocupaba su mente en cada momento»
Ese tipo de desorden parece existir.
Las 3 IA distintas se encontraron con ese desorden y cada una intentó, de una forma diferente, repararlo para convertirlo en algo más coherente y más «como debe ser».
En ese sentido, creo que este experimento logró mostrar bastante bien una faceta de B-CON.
Fuentes: las respuestas de Gemini, Claude y ChatGPT utilizadas en el experimento, los títulos de los artículos de B-CON y el artículo original «Amplifier Intelligence».
Los enlaces pueden abrir páginas en su idioma original.