La escritura en tiempos de IA: componer en vez de tipear

¿Qué es un autor? Ninguna respuesta absoluta es satisfactoria, en parte porque el concepto de autoría cambió a lo largo de la historia y de las culturas, y en parte porque lo que se entiende por autor varía de acuerdo al arte y/o medio del que se trate. Todas las películas tienen directores y guionistas, que pueden o no ser la misma persona, pero existe también el llamado “cine de autor”. En las series de televisión hace tiempo que cobró mucho peso la figura del showrunner, pero si nos preguntamos por quién es el autor de la serie de Game of Thrones sería difícil decidir si es George R. R. Martin, autor de las novelas en las que se basó, los showrunners David Benioff y D. B. Weiss, o los guionistas o directores de cada episodio. Problemas similares surgen en los videojuegos, donde también existen algunos “con autor” (Monkey Island y las otras aventuras gráficas de Ron Gilbert) pero en la mayoría de los casos no tenemos idea o no sabemos siquiera cómo aplicar la categoría. 

Pero en el mundo de los textos, se dirá, la cuestión es relativamente fácil. Asumimos en principio que la autoría surge de la sumatoria del trabajo material de escritura con el trabajo intelectual de composición del texto. Esto es así, sin duda, en la mayoría de los casos. Cuando un estudiante, un amigo o un colega nos dice “escribí esto” y nos lo muestra, partimos del supuesto de que lo ideó y lo tipeó (o escribió a mano). Pero no hace falta esforzarse mucho para encontrar un montón de zonas grises. Los antiguos filósofos y oradores a menudo dictaban sus textos a un esclavo que los transcribía. Cabe suponer que en muchos casos esa transcripción involucraba alguna edición, aunque sea superficial, sobre aquello que dictaba el amo. La tradición del dictado como forma de escritura, por supuesto, nunca desapareció. Los esclavos fueron reemplazados por secretarias/os, o por cónyuges, como María Kodama que seguía el dictado de Borges en la última parte de su vida. ¿Cuántos de esos copistas tuvieron roles significativos en la autoría de un texto? ¿Cuántas veces Aristóteles le habrá dicho a su esclavo, “listo, me voy a tomar algo con Platón, vos seguí desde ahí con lo que digo siempre sobre la virtud como hábito”? 

Pero incluso reconociendo que esta posibilidad es muy real y está documentada en algunos casos, seguimos atribuyendo la autoría mayormente al autor que pone su nombre para sostener las palabras que pensó. Dictar, aunque no sea lo mismo que escribir, tampoco deja de ser una tarea corporal que involucra la materialidad invisible pero real de las ondas sonoras. Respecto de las tecnologías de la escritura, hay estudios interesantes sobre los efectos del pasaje de, por ejemplo, la escritura con pluma de ganso a la pluma metálica, o a la máquina de escribir, o al procesador de texto. Pero ningún cambio fue tan drástico como el que estamos viviendo ahora con la inteligencia artificial generativa, la primera tecnología que parece estar modificando el concepto mismo de escribir en todas sus dimensiones.

Agencia y autoría

A esta altura del partido, definir “inteligencia artificial generativa” o “gran modelo de lenguaje” (LLM por sus siglas en inglés) parece bastante innecesario, pero hay una confusión común que sí vale la pena desmontar. Definir a los modelos que corren detrás de la interfaz user-friendly de ChatGPT, Claude o Gemini como meros predictores de la siguiente palabra, “loros estocásticos”, es una simplificación que distorsiona la realidad del asunto. Es como decir: todo lo que hace tu PC es procesar unos y ceros a gran velocidad. En un sentido, aunque bastante inexacto, es cierto.

Ningún cambio fue tan drástico como el que estamos viviendo ahora con la inteligencia artificial generativa, la primera tecnología que parece estar modificando el concepto mismo de escribir en todas sus dimensiones.

Pero eso no da cuenta, ni por asomo, de lo que de hecho hace una computadora. A menos que estemos corriendo modelos locales pequeños en nuestra propia PC, las inteligencias artificiales generativas que usamos online todos los días, incluso en las versiones gratuitas, emplean una variedad enorme de subsistemas y herramientas que les permiten buscar en internet, conectarse con otras apps, “razonar” (aunque no, claro, como lo hacemos los seres humanos) sobre lo que escriben para evaluarlo, leer archivos en distintos formatos, recordar interacciones previas, etc. Si además estamos corriendo el modelo desde una aplicación de escritorio como Claude Code, Google Antigravity o Codex de OpenAI, las posibilidades abarcan cualquier cosa que pueda hacerse con una PC. Son, como se viene diciendo hace rato, “agentes”, aunque la definición de agente en este contexto no es inmediatamente obvia. 

Agente viene del verbo latino agere, “hacer”, del que también deriva “acción”, y “autor” de auctor, emparentado también con auctoritas (la autoridad de quien origina algo y puede responder por ello), aunque hoy la conexión entre ambas palabras no sea tan obvia como lo fue en otras épocas. Escribir un texto entonces es hacerlo, o sea, realizarlo, pero también adquirir sobre él una autoridad, en el sentido más literal y menos metafórico posible: la de poder decir “esto lo sostengo yo”. Ser agente de un texto (producirlo, ejecutarlo, darle forma material o verbal) no es lo mismo que ser su autor en este segundo sentido: alguien a quien se le puede pedir cuentas por lo que ese texto afirma, promete o implica. La escritura dictada, delegada o asistida siempre pone en tensión estas dos dimensiones, pero ninguna tecnología las había separado tan claramente como la IA generativa.

Podemos ahora, con mucha facilidad, delegar todo el proceso de escritura, ya sea la parte material como ideativa, a una tecnología, y que el resultado sea un texto capaz de cumplir holgadamente con las condiciones mínimas de la textualidad humana, y en la mayoría de los casos, mucho más que eso. No es osado decir que, incluso con sus conocidos defectos, escriben mucho mejor que la enorme mayoría de los seres humanos. Y ya no hace falta promptear con mucho rigor o detalle. Sí, tienen tics molestos, abusan de las construcciones adversativas (no es esto, sino esto otro), de algunos recursos como los guiones largos y los dos puntos, y en general tienden a cierta redundancia que rápidamente se vuelve tediosa. Pero estos son defectos que no son raros de encontrar en seres humanos con poco interés o formación en la escritura, que es un arte difícil de dominar incluso si uno no pretende ser Flaubert o Virgilio. 

Si formamos parte de aquella minoría que sí tiene un interés específico en la escritura, podemos todavía optar por no usar la inteligencia artificial (o al menos no para eso) y buscar la distinción de lo humano y artesanal en un ecosistema textual que avanza imparable hacia la automatización. A fin de cuentas, siguen existiendo ferias de artesanías y muebles construidos a mano por carpinteros pese a la industrialización de prácticamente todos los bienes que usamos cotidianamente. Pero también podemos, como estamos haciendo muchos, optar por vías y estrategias que implican capitalizar algunas de las potencialidades de esta tecnología sin abandonar la idea de que somos responsables por lo que escribimos. Lo que vamos a proponer en lo que queda del artículo es un modelo para pensar y para ejecutar la escritura con IA sin perder de vista que la autoría (en el sentido fuerte, el de la auctoritas) sigue siendo enteramente humana, más allá del grado de delegación de la escritura palabra por palabra del texto. 

El autor como compositor

Volvamos al inicio del artículo. Desde antes de la irrupción de las IA generativas, la definición de autoría ha variado de acuerdo al medio. Para pensar la dinámica de la coautoría humano-máquina en la escritura mediada con IA, proponemos la siguiente analogía: el autor como compositor, un compositor que, como ha sucedido a menudo y sigue sucediendo, no solo elabora la partitura sino que también dirige la orquesta. 

Trabajar con IA en cualquier ámbito implica, en buena medida, asumir un rol de coordinador. En el caso de la escritura, esto significa que ya no nos ocuparemos de la ejecución manual de cada instrumento, de la misma forma en que un director de orquesta no toca cada flauta, violín o címbalo (aunque sí debe saber cómo funciona y suena cada uno de ellos). En términos bien concretos, significa que no escribiremos (ni dictaremos) palabra por palabra, de la misma forma que el compositor/director no ejecuta cada sonido. Su tarea es escribir una partitura que distribuye funciones, define entradas y anticipa efectos, y confía en que cada instrumentista sepa hacer lo que le corresponde sin necesidad de indicarle cómo ejecutar nota por nota. Trabajar con un LLM tiene, en el sentido que aquí proponemos, esa misma lógica: pedimos reformulaciones, generamos variantes, delegamos expansiones o compresiones, y decidimos qué sobrevive al corte final, pero la IA funciona como un instrumentista extraordinariamente hábil. Puede ejecutar con solvencia una tarea local (ajustar la cohesión de un párrafo, variar el léxico, explicitar una inferencia que dejamos apenas sugerida) pero no tiene, ni puede tener, un propósito comunicativo propio que exceda esa tarea puntual. La intencionalidad total del texto y aquello que en la primera sección llamamos autoridad siguen siendo enteramente humanas. Y de esta división del trabajo se sigue algo que suele pasarse por alto en los debates más alarmistas: la responsabilidad autoral no se diluye con la delegación, se intensifica. Si el instrumentista toca una nota falsa (una cita alucinada, un dato inventado, un argumento que suena mejor de lo que es), esa falla no es solo del instrumento sino de quien lo dirige. Ser compositor/director no es hacer menos. Es responder por más, incluso por lo que uno no tipeó.

Y de esta división del trabajo se sigue algo que suele pasarse por alto en los debates más alarmistas: la responsabilidad autoral no se diluye con la delegación, se intensifica.

Pero esta distribución de tareas presupone que quien dirige sabe de qué está hablando. Solo alguien con dominio y formación sobre el tema puede dirigir bien a la IA, saber qué es trivial, qué reproduce un lugar común y qué detalle es en realidad decisivo. No cualquiera puede pararse frente a la orquesta y ponerse a dirigir. Al contrario, hace falta más criterio y más conocimiento para saber qué pedirle al instrumentista y cuándo desconfiar de lo que toca.

Puntos de partida: macroestructura, relevancia, materiales y estilo

El lingüista Teun van Dijk propuso el concepto de “macroestructura” para explicar que los textos (escritos u orales) pueden ser sintetizados mediante una serie de reglas (las “macrorreglas”) de forma tal que, por más largos o complejos que sean, siempre puedan resumirse en un puñado de proposiciones que condensan lo esencial. Podría decirse que escribir como compositor es, antes que nada, empezar por la definición de la macroestructura del texto que queremos producir.

Pero una idea clara, para la comunicación humana (y todo texto es comunicativo en algún nivel), nunca es meramente una idea. Es siempre una idea en un contexto, algo que vale la pena decirle a una o a muchas personas en una situación específica. Esto nos lleva a un concepto distinto: la relevancia del texto. Intuitivamente podemos decir que un texto es relevante en tanto diga algo que destaque, que se vuelva importante en un determinado contexto. 

Entonces, los dos componentes básicos que necesitamos antes de empezar el proceso de composición textual son: un esquema más o menos acabado de las ideas centrales de lo que quiero escribir (la macroestructura de un texto, cuya organización va a variar dependiendo de si estoy escribiendo un texto explicativo, argumentativo, narrativo, etc.) y una definición de qué es lo que considero relevante de ese texto en una situación que puede ser más concreta o más general, pero que nunca podemos omitir de la planificación. 

Para pasar ya al plano de la interacción con la IA, van a ser necesarios dos elementos adicionales. Están los materiales que quiero que el modelo tenga a su disposición para la escritura. Esto abre un mundo de posibilidades para las que no hay consejos universales, ya que además depende mucho del tipo de texto que quiero escribir. Si estoy redactando un artículo académico sobre un tema ultra específico, necesitaré subirle información con cierto detalle (por ejemplo otros artículos académicos sobre ese tema), pero si estoy escribiendo sobre algo más conocido (es decir, sobre un tema del que sea razonable suponer que el modelo de lenguaje recibió suficiente información en su entrenamiento), esto puede ser innecesario. Pero también puedo subirle textos cuyo estilo me interesa tomar de referencia. Como en todo, hay mucha prueba y error. Muchos pensábamos que si le subíamos a ChatGPT o a Claude el máximo de información posible lo íbamos a hacer mucho más inteligente, cuando a menudo pasa lo contrario: los modelos se esfuerzan en tratar de sacar algo de todo lo que les damos incluso cuando no es relevante para una situación concreta.

Entonces, tenemos por ahora la macroestructura, una hipótesis respecto de la relevancia de lo que voy a producir, y materiales. Última cuestión: estilo. Acá las variaciones respecto del ámbito para el que está pensado el texto son infinitas, entre una anulación total del estilo personal en busca de la claridad expositiva (que también admite numerosas variaciones respecto de si es claro para quién: ¿un neófito, un experto, algo intermedio?) y la búsqueda de una voz propia, reconocible y artesanal. En casos como este último, es imposible que podamos delegar la escritura de ninguna parte del texto. Seríamos como un director de orquesta que insiste en tocar el instrumento solista en el concierto. 

Escribir e iterar

¿Cómo se expresa todo esto en prompts? No hay una receta: el prompt engineering (“ingeniería de instrucciones”) quedó viejo. Podrías copiarle este artículo y decir que querés reproducir este método y pedirle al modelo que te haga las preguntas relevantes, por ejemplo. O podrías armarte un prompt modelo estructurado que tenga estos cuatro componentes e irlos llenando cada vez. Algo así:

# PROMPT PARA INICIAR PROYECTOS DE ESCRITURA

## MACROESTRUCTURA

(completar con las ideas centrales del texto)

## RELEVANCIA EN CONTEXTO

(completar con la hipótesis de relevancia ajustada al contexto que manejamos, detallando los elementos más importantes del contexto y la relevancia que adquiere el texto para cada uno de ellos)

## MATERIALES

(subir archivos y si es necesario, explicar qué son y para qué usarlos)

## ESTILO

(completar con los aspectos generales y las cuestiones específicas del registro a adoptar)

Pero lo fundamental, en esta nueva fase de la escritura humana, no son estas minucias que podrían resolverse de muchas formas diferentes. Lo importante es encontrar el lugar del autor/a en este entorno. Y para eso necesitamos concebir la planificación de la escritura de forma tal que podamos seguir siendo responsables por lo que escribimos aunque ya el proceso de escribir “palabra por palabra” quede delegado. Eso implica, en la práctica, un cambio significativo respecto del tiempo que le asignamos a cada tarea. Es obvio que planificar siempre fue una parte clave de la escritura, como dicen desde los tratados de retórica antiguos hasta los manuales del año pasado. Pero la posibilidad de delegar que tenemos ahora hace que podamos pensar en esto a otra escala. 

Veamos un ejemplo del mundo académico pero que es trasladable a otros ámbitos. Un consejo habitual que se suele dar a personas demoradas con la escritura de su tesis es: ya está, ponete a escribir como te salga, olvidate de leer más textos, de pensar más conexiones. Vos escribí; si no, no llegás y no vas a empezar nunca. Ahora estamos frente a la posibilidad de imaginar que, si un tesista tiene que entregar la tesis en un año, puede planificar en detalle hasta el anteúltimo día, y el día final le da una serie de instrucciones detalladas capítulo por capítulo al modelo. La escritura se realizaría en cuestión de horas. 

Por supuesto, esto es inexacto, porque omite el tiempo de corrección y revisión que ha de ser considerado. Sería como un compositor que compone una pieza hasta el último detalle de la intensidad de cada nota en el pizzicato más sutil del último violín, pero no ensaya hasta el día del estreno. La composición textual es un proceso extremadamente iterativo en los cuatro niveles que mencionamos. Esa revisión seguirá siendo nuestra responsabilidad y la fuente última de nuestra auctoritas.

Riesgos de dirigir sin haber tocado un instrumento

Que la IA pueda hacer casi cualquier cosa con las palabras no significa que pueda hacer cualquier cosa con las ideas. Acá hay una distinción útil que podemos hacer. Al estar entrenados para predecir lo más probable, los LLM son extraordinarios para formular ideas que refuerzan patrones estables. Es decir, son muy buenos para moverse dentro de lo que Steven Thurlow denomina pensamiento convergente. Por otro lado, los LLM se vuelven estructuralmente flojos cuando se trata de incursionar hacia el pensamiento divergente: a la hora de formular una hipótesis absolutamente nueva, torcer un argumento hacia lugares inexplorados o redefinir un problema, la consistencia y solvencia de los modelos se desvanecen. Por eso no podemos delegarles la hipótesis original, el quiebre argumental, el momento en el que nuestro texto busca sorprender sea con una metáfora, una idea o un cambio de ritmo. 

No podemos delegarles la hipótesis original, el quiebre argumental, el momento en el que nuestro texto busca sorprender sea con una metáfora, una idea o un cambio de ritmo.

Los modelos son hoy una gran expresión del común denominador de la escritura, de lo esperable y lo “correcto” (cuando no alucinan). Eso significa que ofrecen algo contra lo que medirse. Podemos pedirles que escriban el pasaje que tenemos en mente y leer qué hicieron. Lo que nos resulta plano, genérico o ajeno nos indica, por diferencia, dónde está lo que queremos decir nosotros. Esto no cambia el reparto de roles. La voz propia sigue siendo trabajo humano, pero ahora tiene un punto de comparación que antes no estaba tan a la mano como ahora. 

Conviene, además, no perder de vista con qué estamos componiendo. Las aplicaciones de IA generativa más usadas hoy están controladas por megacorporaciones extranjeras (OpenAI, Google, Anthropic) con sus propias agendas comerciales y geopolíticas. Usarlas para escribir, aunque sea con la dirección orquestal más cuidadosa, implica participar en algún nivel de los mecanismos opacos con los que esas empresas mejoran sus modelos, producen ganancias y generan influencia. No es un motivo para abandonar la escritura asistida, pero sí una razón más para no delegar sin criterio ni sin conciencia de quiénes están del otro lado del modelo.

Queda, por último, una pregunta incómoda de cara al futuro, más pedagógica que técnica. ¿Cómo convive este modelo con la formación de futuros compositores? ¿Qué pasa cuando alguien puede saltear directamente el trabajo lento y costoso de escribir palabra por palabra? El riesgo no es nostálgico. Si toda una generación se forma directamente en la delegación, ¿con qué criterio propio van a evaluar los escritores del futuro lo que la IA les devuelve? Dirigir una orquesta sin haber tocado nunca un instrumento es un riesgo civilizatorio para el que todavía no tenemos respuestas firmes.