lunes, 19 de octubre de 2026

Trabajo sobre un texto de Juan José Trujillo

Asistido por IA

Buenos días. He trabajado el texto de Juan José Trujillo, ya que no lo entendía muy bien.

Puedes acceder al texto original aquí:

https://mylazaretto.blogspot.com/2026/10/la-nueva-letra-escarlata.html?m=1

La lectura no sólo es una experiencia ensayística, sino literaria en sentido amplio, y artística. Las imágenes son preciosas, la historia con su amiga, encantadora. En conjunto, se trata de un artículo espectacular.

Como no comprendía bien las ideas que expresaba, hice un tratamiento del texto: le borré las imágenes y resalté los títulos de los apartados. Eso mejoró mi lectura y comprendí algo mejor las ideas expresadas, aunque no del todo.

Para acabar de comprender, recurrí a la inteligencia artificial. Primero hice un pdf con el texto modificado y se lo adjunté a la IA. Después, le mandé la indicación o prompt.

La indicación constaba de dos partes: en la primera parte le ponía el texto modificado, aunque fuera redundante, ya que supuestamente podría acceder a él mediante el pdf adjunto, pero hombre precavido vale por dos. En la segunda parte le decía lo que tenía que hacer inventándome una situación para que contextualizara bien lo que yo quería.

Por último mandé la instrucción a las dos IA con las que suelo trabajar: Qwen y Gemini

Este escrito que estás leyendo tiene, a partir de ahora, dos partes:

PRIMERA PARTE: La instrucción o prompt que le envío a las dos IA. A su vez, esta primera parte consta de dos apartados. El primer apartado es el texto de Juan José modificado por mí. El segundo apartado es la instrucción propiamente dicha.

SEGUNDA PARTE: Las respuestas de la IA. Tiene a su vez dos apartados, el primero es la respuesta de Qwen y el segundo es la respuesta de Gemini.

¿Porqué el trabajo que he realizado está incompleto? Porque faltaría que volviese a copiar el texto de Juanjo modificado por mí, pero añadiendo a cada apartado una explicación. Esa explicación la haría yo sintetizando las dos respuestas de la IA con el grado de comprensión que he alcanzado en este proceso. Está incompleto, pero como tengo tantas tareas que hacer, lo pospongo indefinidamente.

INDICACIÓN O PROMPT PARA LA IA. PRIMERA APARTADO: EL TEXTO DE JUANJO MODIFICADO POR MÍ

TEXTO QUE QUIERO QUE ME EXPLIQUES (ES EL MISMO DEL ARCHIVO ADJUNTO)

INDICE:

INTRO : La letra escarlata y otras marcas

I   El sello que no se ve

II   Qué es un no-concepto

III  «Hecho por IA» como no-concepto

IV   El trabajo invisible detrás de la interacción lingüística

V La etiqueta espejo y por qué «hecho por humano» no es la alternativa

VI La objeción previsible (y su respuesta)

VII La letra escarlata, revisitada

VIII El laboratorio involuntario de la revista científica

IX Qué queda por preguntar

X La paradoja del testigo

Outro

Anti postdata

Nota sobre las fuentes

INTRO

La letra escarlata y otras marcas

El último día de nuestra estancia en Helsinki, cuando concluía el mes presencial del Máster Internacional en Nuevas Retóricas en la Visualización de Datos, le regalé a Eva Renn un ejemplar de La letra escarlata, de Nathaniel Hawthorne. Después de tantos meses de clases online, aquel último mes nos había permitido trasladar nuestras discusiones fuera de las pantallas, prolongarlas por las calles de la ciudad y complicarlas con asuntos que difícilmente habrían encontrado acomodo en el programa académico. Eva regresaría a Estocolmo, donde trabajaba para Ericsson como especialista en minería de datos, y yo volvería a España. Nos despedíamos después de varias semanas en las que habíamos aprendido bastante más el uno del otro de lo que probablemente figuraba en los objetivos del máster.

Le entregué el libro sin ceremonia. Lo sacó de la bolsa, reconoció el título y se quedó inmóvil durante unos segundos. Después levantó la mirada y me preguntó por qué había elegido precisamente aquella novela. Le respondí que Hawthorne me parecía un escritor extraordinario y que había pensado en ella al encontrar el libro. Eva examinó la cubierta, pasó unas páginas y volvió a mirarme con una expresión que mezclaba el desconcierto y una sospecha que entonces no supe interpretar. Quiso saber qué estaba intentando decirle, qué relación encontraba entre la protagonista y ella, por qué había escogido una historia sobre una mujer condenada a exhibir públicamente la prueba de una transgresión moral. Le aseguré que no pretendía insinuar absolutamente nada y que un regalo literario no necesitaba convertirse en una declaración cifrada. Aquella respuesta, lejos de tranquilizarla, pareció confirmar que detrás de mi elección existía una intención cuidadosamente disimulada. Nos despedimos poco después y, mientras se alejaba con el libro bajo el brazo, tuve la impresión de haber puesto en marcha un mecanismo cuyas consecuencias todavía desconocía.

Las llamadas comenzaron unos días después. Eva podía telefonearme a cualquier hora, generalmente cuando había encontrado una nueva hipótesis que consideraba suficientemente convincente para interrumpir mi trabajo o mi descanso. Una madrugada quiso saber si el regalo tenía alguna relación con nuestras conversaciones sobre los sistemas de clasificación social. Le respondí que Hester Prynne había sido una de las primeras víctimas de una representación gráfica convertida en sentencia, y que quizá debería incluirla en alguno de sus estudios. En otra ocasión me preguntó si la letra escarlata escondía una referencia a nuestra relación y le expliqué que la novela me interesaba por su tratamiento del puritanismo norteamericano, sin ninguna intención biográfica. Otro día aseguré que había comprado el libro por equivocación, después de confundirlo con una obra de Faulkner, y que me había parecido de mala educación reconocerlo cuando se lo entregué. Llegué incluso a sugerir que había dejado una anotación oculta entre sus páginas y que una especialista en minería de datos debería disponer de recursos suficientes para encontrarla. Eva sabía que estaba inventando una explicación distinta en cada conversación, pero aquella sucesión de respuestas contradictorias parecía estimular su empeño por descubrir un significado que yo me negaba a reconocer.

Había algo especialmente divertido en observar cómo una persona acostumbrada a identificar patrones, correlaciones y anomalías en grandes conjuntos de datos terminaba atrapada en la interpretación de un objeto tan sencillo como un libro. Eva buscaba relaciones entre nuestras conversaciones, mis gestos durante la despedida, la elección del autor y las posibles analogías entre ella y la protagonista. Yo contribuía al desconcierto introduciendo nuevas variables cada vez que llamaba. En algún momento comprendí que el regalo había dejado de pertenecerme. Su significado se estaba transformando mediante las hipótesis de Eva y las explicaciones que yo improvisaba, hasta el punto de que mi intención original comenzaba a resultar irrelevante. Habíamos convertido una novela en un territorio de interpretación compartida donde ninguno de los dos estaba dispuesto a reconocer los límites de su conocimiento.

Después de casi dos meses sin noticias suyas, Eva me llamó una tarde. Su voz tenía una tranquilidad desacostumbrada y prescindió de las preguntas que habían acompañado nuestras conversaciones anteriores. Me dio las gracias por el libro, me dijo que finalmente había descubierto por qué se lo había regalado y añadió que ahora lo comprendía todo. Quise saber a qué conclusión había llegado, pero se limitó a reírse y me aseguró que ya no necesitábamos hablar de aquello. Antes de que pudiera insistir, cortó la comunicación. Durante los días siguientes fui yo quien reconstruyó nuestras conversaciones, examinó las posibles interpretaciones de la novela e intentó descubrir qué podía haber encontrado Eva en aquella historia. Había conseguido introducir una anomalía en su biografía y ella acababa de devolverme el favor. La diferencia era que yo conocía la falsedad de mis explicaciones, mientras que ignoraba por completo la naturaleza de su descubrimiento.

Nos volvimos a encontrar en Barcelona, durante una edición de Integrated Systems Europe. La vi entre la multitud que recorría uno de los pabellones, rodeada de pantallas gigantescas, sistemas audiovisuales y dispositivos que prometían transformar nuestra experiencia de la realidad. Me reconoció antes de que pudiera acercarme y vino directamente a abrazarme. Habían pasado meses desde Helsinki, pero su familiaridad conservaba aquella facilidad desconcertante para reanudar una conversación sin preocuparse demasiado por el tiempo transcurrido. Hablamos de nuestros trabajos, de algunas novedades tecnológicas y de las transformaciones que estaban experimentando las herramientas de visualización. En algún momento le pregunté por su novio, con quien sabía que mantenía una relación cuando nos despedimos en Finlandia. Eva me miró durante unos segundos, como si estuviera decidiendo cuánto merecía saber, y respondió con absoluta naturalidad.

—Eso ya es historia. Vamos a tomarnos unas copas de ratafía.

No insistí. Aquella tarde recorrimos algunos bares de Barcelona sin mencionar una sola vez el libro de Hawthorne. Eva tampoco me explicó qué había descubierto durante aquellos meses, ni yo encontré una ocasión razonable para preguntárselo. Había algo excesivamente hermoso en aquella incertidumbre como para estropearla mediante una investigación retrospectiva. Lo único que sabía era que una novela escrita en el siglo XIX había conseguido intervenir en nuestras vidas de una manera que ninguno de los dos había previsto, y que su significado continuaba expandiéndose mucho después de haber cerrado sus páginas.

En 1850, Hawthorne publicó la novela que ahora nos unía sin que ninguno de los dos supiera exactamente cómo. La historia transcurre en la Boston puritana del siglo XVII y su protagonista, Hester Prynne, es condenada por adulterio a llevar una «A» escarlata cosida sobre el pecho. Se trata de una ficción, aunque el castigo tenía antecedentes documentados. Una ley aprobada en Massachusetts en 1694 establecía que las personas condenadas por adulterio debían exhibir permanentemente una letra «A» sobre sus ropas, prolongando la sentencia mucho más allá del tribunal y convirtiendo cada encuentro con los demás en una nueva ceremonia de humillación. Hawthorne situó su relato varias décadas antes de aquella disposición legal, pero comprendió perfectamente el funcionamiento de una sociedad donde la autoridad religiosa y moral podía transformar una conducta individual en una identidad pública. La extraordinaria violencia del castigo residía en su aparente sencillez, porque bastaba una letra para sustituir la complejidad de una existencia por una categoría moral. Hester podía trabajar, caminar por las calles, ayudar a sus vecinos e incluso transformar su conducta, pero ninguna de esas acciones conseguía desprenderla del significado que otros habían cosido sobre su cuerpo. Su identidad quedaba subordinada a una interpretación anterior a cualquier encuentro, y la comunidad ya sabía quién era aquella mujer antes de escucharla, antes de conocer su historia y mucho antes de preguntarse por las circunstancias que la habían llevado hasta allí.

La eficacia de aquella marca dependía de algo más profundo que la autoridad capaz de imponerla, porque necesitaba una comunidad dispuesta a compartir su significado y a reproducirlo mediante miradas, comentarios, distancias y silencios. La vergüenza recaía sobre el cuerpo señalado, mientras quienes contemplaban la letra podían experimentar la satisfacción de pertenecer al territorio de los moralmente aceptables. Hawthorne comprendió que una sociedad puede organizar la exclusión mediante signos capaces de convertir una clasificación en una evidencia aparentemente natural, y que la letra, sin describir la totalidad de Hester Prynne, permitía que sus vecinos actuaran como si la describiera, produciendo así consecuencias perfectamente reales.

Han pasado siglos desde aquella Boston y nuestra capacidad para fabricar sistemas de clasificación ha alcanzado una complejidad extraordinaria. Disponemos de bases de datos, algoritmos, indicadores estadísticos, perfiles de comportamiento y tecnologías capaces de identificar patrones que ninguna persona podría reconocer mediante la observación directa. Hemos aprendido a representar relaciones invisibles y a convertir enormes cantidades de información en signos que facilitan decisiones económicas, políticas y sociales, y también hemos desarrollado una confianza formidable en aquellas representaciones que parecen ofrecer respuestas inmediatas a problemas cuya complejidad nos incomoda. La letra escarlata continúa formando parte de ese universo de signos que utilizamos para organizar la realidad, y aunque ha cambiado de soporte, de escala y de justificación, conserva una capacidad inquietante para transformar una información parcial en un juicio general. A veces aparece bajo una imagen, acompaña una publicación o se incorpora a los metadatos de un archivo, y otras veces adopta la forma de una clasificación económica, una denominación administrativa o una categoría científica que acaba extendiéndose mucho más allá de su ámbito original. Resulta especialmente eficaz cuando conseguimos convencernos de que señalar algo equivale a comprenderlo.

I  El sello que no se ve

OpenAI anunció el 5 de octubre de 2026 que los textos generados por ChatGPT y Codex en la Unión Europea llevarán una marca de agua invisible. La medida responde al artículo 50 del Reglamento europeo de IA, que exige que el contenido generado por máquinas sea identificable de forma legible por máquina. La medida se presenta como un ejercicio de transparencia. Pero la categoría que la hace inteligible —«hecho por IA»— es un no-concepto en el sentido de José Manuel Naredo: un término que parece describir algo y que, en realidad, desvía la crítica hacia un callejón sin salida. Y la etiqueta que debería ser su espejo, «hecho por humano», es aún más vacía.

La tecnología se llama textGrain. No inserta caracteres ocultos ni metadatos. Actúa en la capa de probabilidad del modelo, al generar cada palabra, el sistema desplaza ligeramente la distribución de probabilidad según una clave secreta. El resultado es un patrón estadístico que un detector con la clave puede identificar, pero que el lector no percibe. En pruebas con textos de 400 tokens —unas 300 palabras—, el detector encontró la marca en aproximadamente el 92% de los casos. Sustituyendo un 10% de las palabras por sinónimos, la detección cayó al 66%. Sustituyendo un 25%, cayó al 17%. El detector no es público. OpenAI lo reserva a «investigadores y organizaciones expertas aprobadas». La empresa reconoce que la marca no identifica a nadie, no mide cuánto contribuyó una persona y que su ausencia no prueba autoría humana. Hasta aquí, los hechos. Lo interesante es la categoría que hace posible todo esto.

II  Qué es un no-concepto

José Manuel Naredo publicó en 2022 La crítica agotada. Su tesis central es que el discurso crítico está atrapado en una especie de mito de Sísifo, y se ve obligado a empujar cuesta arriba una serie de pseudoconceptos que la ideología dominante ha impuesto como evidentes, y al final nada cambia. Naredo los llama «no-conceptos». Los ejemplos que da son elocuentes: «producción», «medio ambiente», «desarrollo sostenible», «neoliberalismo». Términos que suenan técnicos, que parecen describir algo concreto, pero cuyo contenido es lo bastante vago y contradictorio como para que, al usarlos, se termine adoptando la lógica que se pretendía cuestionar. La crítica se lastra con las categorías del adversario y gira en el vacío. Un no-concepto no es simplemente un concepto impreciso. Es un dispositivo. Su opacidad no es un defecto corregible, sino la condición de su eficacia, ya que permite que decisiones políticas se presenten como descripciones neutrales, y que la sospecha se aplique sin necesidad de demostrar nada.

III  «Hecho por IA» como no-concepto

Aplicado a la autoría, «hecho por IA» cumple los cuatro rasgos que Naredo atribuye a los términos fetiche.

El primero es la opacidad semántica. El término no designa una cantidad verificable de contribución. No dice cuántas palabras generó el modelo, ni cuántas decisiones de edición tomó la persona, ni si la estructura argumental fue humana y la redacción automática, o al revés. No distingue entre generar, asistir, pulir o traducir. Como el «medio ambiente» de Naredo, incapaz de concretar qué ecosistema sufre deterioro, «hecho por IA» es incapaz de concretar qué se hizo con la IA y en qué medida.

El segundo es la función encubridora. Al igual que «producción» oculta los procesos reales de extracción, «hecho por IA» oculta la infraestructura material y laboral que hace posible el texto. No se mencionan los centros de datos, el trabajo de anotación mal pagado, la extracción de minerales, el consumo energético. El término desplaza la atención desde esas condiciones reales hacia una cuestión identitaria —¿es humano o no?— que es, en sí misma, irresoluble.

El tercero es la performatividad institucional. El no-concepto no solo describe mal, también produce efectos secundarios. «Hecho por IA» sirve para que universidades, editoriales y agencias ejerzan una potestad clasificatoria bajo apariencia de criterio técnico. La etiqueta no informa, solo autoriza o desautoriza. Y al hacerlo, invierte la carga de la prueba sobre quien es señalado, que debe demostrar que escribió, que editó lo suficiente, que no usó la herramienta prohibida. En definitiva, que no ha cometido adulterio.

El cuarto, y el más incisivo, es la captura de la crítica. Naredo advierte que la crítica se lastra cuando adopta los no-conceptos del adversario. Si quienes defienden la escritura con IA aceptan el marco «hecho por IA vs. hecho por humano», ya han perdido, están discutiendo dentro de una categoría que los descalifica por definición. Del mismo modo, si quienes critican la marca de agua se limitan a decir «esto no prueba que sea IA», permanecen atrapados en el no-concepto. La salida no es defender la humanidad del texto, sino preguntar quién tiene el poder de aplicar la etiqueta, con qué fines y con qué consecuencias distributivas.

IV  El trabajo invisible detrás de la interacción lingüística

El no-concepto «hecho por IA» no solo encubre los centros de datos y la extracción de minerales. Encubre el trabajo humano que hay en cada texto generado. Ese trabajo adopta al menos cuatro formas, y ninguna aparece en la etiqueta.

Primera, el trabajo de redacción del prompt. Un texto generado por IA no surge de la nada, surge de una instrucción humana. Esa instrucción puede ser de dos palabras o de dos mil; puede ser un encargo preciso o una exploración a ciegas. La calidad, el enfoque y la estructura del resultado dependen en gran medida de ese trabajo previo de formulación. La etiqueta lo borra, dice «hecho por IA» y deja fuera al autor del encargo.

Segunda, el trabajo de selección y descarte. Generar no es lo mismo que elegir. El usuario que recibe tres respuestas y escoge una, que descarta dos párrafos y conserva uno, que pide una reescritura porque la primera no servía, está realizando un trabajo de pulido que la etiqueta no registra. En términos de autoría, seleccionar es una forma de escribir, y sin embargo el no-concepto la vuelve invisible.

Tercera, el trabajo de edición y corrección. Como muestran los propios datos de OpenAI, basta sustituir un 10% de las palabras para debilitar la marca del 92% al 66%. Ese 10% es trabajo humano, es decir, alguien leyó, juzgó y cambió. La paradoja es que cuanto más trabaja el humano sobre el texto, menos detectable es la IA, y por tanto más fácilmente puede el texto pasar por «hecho por humano», y de esta manera se convierte en el mecanismo que borra la prueba de la IA, y a la vez en lo que la etiqueta no reconoce.

Cuarta, el trabajo de anotación y entrenamiento. Detrás de cada modelo hay miles de personas —muchas veces en países del Sur global, mal pagadas— que clasifican, etiquetan y corrigen datos para que el modelo funcione. Ese trabajo es la condición material del texto generado, y el no-concepto lo hace desaparecer por completo. la etiqueta dice «IA» como si la IA fuera una entidad sin trabajadores.

A esto se añade una dimensión lingüística más sutil. La interacción con un modelo es una conversación, y en toda conversación el hablante humano aporta algo que el modelo no genera por sí mismo. Me refiero al contexto, la intención, el criterio de relevancia, la decisión de cuándo detenerse. La etiqueta «hecho por IA» trata el texto como si fuera un objeto autónomo producido por una máquina, cuando en realidad es el residuo de un diálogo asimétrico en el que el humano puso la pregunta, el marco y el juicio final. El no-concepto, en suma, no solo es ambiguo, también es parcial en una dirección muy concreta. Visibiliza la máquina e invisibiliza al humano que la opera. Y al hacerlo, produce una anomalía política muy precisa, despoja al usuario de su autoría justo cuando más fácil sería reconocérsela. La etiqueta que debía aclarar quién escribió termina ocultando que alguien, en efecto, escribió.

Esta invisibilización tiene además una dimensión de género y clase. El trabajo de anotación de datos, corrección de textos y soporte de los modelos se concentra desproporcionadamente en mujeres y en trabajadores del Sur global. Es la misma estructura que la economía feminista lleva décadas señalando: el trabajo que sostiene el sistema es el que no se ve. «Hecho por IA» funciona aquí como una versión digital del trabajo reproductivo no remunerado: la máquina se lleva el crédito de una producción que depende de un trabajo humano que la etiqueta borra.

V

La etiqueta espejo y por qué «hecho por humano» no es la alternativa

Podría pensarse que, si «hecho por IA» es un no-concepto, bastaría con oponerle su contrario, «hecho por humano». Pero esa etiqueta resulta igualmente vacía, y por las mismas razones. Basta examinar la diversidad de procesos que pueden esconderse bajo un mismo enunciado. «Este texto está hecho por humano» puede referirse a una persona que lo escribió de principio a fin, sin recurrir a ninguna herramienta, o a quien elaboró un borrador que posteriormente fue revisado y pulido mediante inteligencia artificial. También cabría aplicar esa expresión a un texto generado inicialmente por una IA y sometido después a una intervención humana que modificó un treinta por ciento de su contenido, e incluso a otro cuya única intervención posterior consistió en pasar un corrector ortográfico que incorporaba funciones de inteligencia artificial sin que su usuario llegara siquiera a advertirlo. Todos estos procesos quedan amparados por una misma etiqueta, aunque describen relaciones de autoría profundamente diferentes. Escribir, dirigir, supervisar y corregir constituyen operaciones distintas, con grados de intervención, responsabilidad y decisión que difícilmente pueden reducirse a una oposición tan rudimentaria entre lo humano y lo artificial.

El predicado —«hecho por»— no especifica qué se hizo ni en qué grado. Es semánticamente ambigua en su referente y, como el no-concepto que pretende corregir, solo funciona en negativo, su contenido positivo es mínimo; su contenido real es «no es IA». La etiqueta no dice lo que el texto es; dice lo que el texto no es, y lo dice sin poder verificarlo. Y hay una asimetría adicional. La etiqueta «hecho por humano» no la establecen los autores, sino las instituciones que despliegan los detectores y los marcos regulatorios que los legitiman. OpenAI define qué cuenta como marca. La UE la hace obligatoria. Los investigadores acreditados interpretan el resultado. El autor queda en la posición de sujeto clasificado por un poder que no controla la clasificación. Es la estructura clásica del colonialismo epistémico donde el centro define las categorías, la periferia las habita.

VI

La objeción previsible (y su respuesta)

La réplica más habitual a este argumento es: «La etiqueta no pretende describir la autoría con precisión, solo advertir al lector de que hay IA implicada; exigirle rigor semántico es pedirle peras al olmo». Pero una advertencia sin criterio verificable no es transparencia, es señalización. Y una señal que solo puede leer el centro —OpenAI, los investigadores acreditados— no informa al lector, informa a las instituciones sobre el lector. Eso convierte la advertencia en un mecanismo de vigilancia, no de claridad. La etiqueta no dice «aquí hay IA» de un modo que el lector pueda comprobar; dice «alguien con la clave puede determinar que aquí hay IA», lo cual es una afirmación sobre el poder de quien detecta, no sobre el texto.   Me pregunto que pensaría Foucault sobre este tema. Argumentaría que bajo la justificación de la transparencia, el poder introduce mecanismos para clasificar las prácticas creativas, examinar sus procedimientos y establecer qué formas de producción intelectual resultan legítimas. La paradoja es que se exige al autor revelar las herramientas que utiliza mientras permanecen prácticamente invisibles los intereses económicos, políticos y editoriales que condicionan la circulación de su obra. La etiqueta acaba funcionando como una marca de sospecha, desplazando la atención desde el valor de lo escrito hacia la vigilancia de quien lo escribe.

VII

La letra escarlata, revisitada

La «A» de Hester Prynne era visible, pública y compartida. Toda la comunidad la veía y sabía qué significaba. La marca de *textGrain* invierte esa economía ya que es invisible para el lector, inverificable para el autor y legible solo por instituciones con clave. No produce vergüenza pública; produce sospecha administrada. Hay una diferencia más. Hester podía redimir la letra con obras. La etiqueta digital no tiene redención posible, porque no existe un umbral de «suficiente humanidad» que se pueda alcanzar. El texto siempre puede ser «demasiado pulido», «demasiado coherente», «demasiado rápido». La etiqueta no se gana, solo se pierde. Y hay una ironía final. La marca de agua se debilita precisamente con el comportamiento que la ley pretende regular. Un autor que da un pulido normal a un borrador de IA —cambiar algunas palabras, ajustar un par de expresiones— está eliminando inadvertidamente el sello. La transparencia obligatoria es frágil frente a la más ordinaria de las prácticas de escritura.

VIII

El laboratorio involuntario de la revista científica

La revista científica es el lugar donde la incoherencia del no-concepto se vuelve visible con especial crudeza. Muchas han empezado a rechazar trabajos con «cualquier señal» de IA. La intención es comprensible —proteger la autoría—, pero el instrumento que usan es el mismo que OpenAI describe como condicional. Una marca que no identifica a nadie, que no mide la contribución humana y cuya ausencia no prueba autoría humana. La revista aplica, así, un criterio binario sobre un indicio que su propio fabricante reconoce como frágil. Y lo hace sin que el autor pueda verificar la marca ni impugnarla, ya que el rechazo se apoya en un detector al que el firmante no tiene acceso. Es la asimetría institucional en su forma más pura, una variante del sátrapa ilustrado donde el clasificador no rinde cuentas del criterio de clasificación. Pero la paradoja es más profunda. La revista científica nació, en parte, para garantizar la trazabilidad de la autoría: la cita, la réplica, la responsabilidad del firmante. Tiene herramientas conceptuales para hacerlo. Pero ante la IA no las usa, lo que importa es el no-concepto del proveedor en lugar de desarrollar su propio criterio de trazabilidad. Es la demostración más nítida de la incapacidad de adaptarnos a lo que nosotros mismos creamos, la institución que exigía rigor epistémico acepta, sin examen, una etiqueta que no lo tiene.

Conviene ser justos con la demanda de fondo. El rechazo institucional no es solo un error técnico; expresa una necesidad legítima de responsabilidad. Una revista quiere saber quién responde por lo que firma. El problema no es esa demanda, sino que se satisfaga con una etiqueta que no responde a la pregunta. La alternativa —la trazabilidad del proceso— es precisamente lo que permitiría responderla sin detector secreto y declarar qué se generó, qué se editó y quién responde de qué. La revista no necesita la marca de OpenAI; necesita un sistema de declaración verificable. Y ese sistema no lo va a proporcionar el proveedor, tiene que construirlo la institución. Pero claro, para eso hay que trabajar.

IX
Qué queda por preguntar

Si «hecho por IA» es un no-concepto, la pregunta relevante no es «¿este texto es humano o artificial?». Esa pregunta no tiene respuesta verificable y, además, no es la que importa. Las preguntas que sí importan son otras: ¿quién tiene la clave del detector y por qué no es pública? ¿Qué consecuencias institucionales se derivan de un resultado positivo, y con qué garantías se puede impugnar? ¿Por qué la carga de la prueba recae sobre el señalado y no sobre quien clasifica? ¿Qué infraestructura material y laboral sostiene la herramienta que produce el texto, y por qué esa dimensión desaparece del debate?

Naredo advierte que la crítica termina por agotarse cuando acepta y reproduce los pseudoconceptos de su adversario. La discusión sobre la autoría de los textos generados mediante inteligencia artificial corre precisamente ese riesgo. Mientras permanezca atrapada entre «hecho por IA» y su supuesto contrario, «hecho por humano», continuará girando alrededor de una distinción incapaz de explicar la complejidad de los procesos creativos. La salida difícilmente puede encontrarse en el perfeccionamiento de unas etiquetas que nacen conceptualmente vacías, y exige desplazar la discusión hacia quienes las imponen, las relaciones de poder que las sostienen y las consecuencias que producen sobre aquellos a quienes pretenden clasificar.

Existe, sin embargo, un horizonte posible para quienes reclaman una mayor transparencia en los procesos de autoría. En lugar de reducir la creación intelectual a una clasificación binaria, sería mucho más esclarecedor documentar cómo se ha construido una obra, qué fragmentos proceden de sistemas generativos, cuáles han sido transformados mediante intervención humana y quién ha asumido las decisiones y responsabilidades editoriales. Una declaración abierta, suficientemente detallada y susceptible de comprobación aportaría más conocimiento que cualquier detector cuyo funcionamiento permanezca oculto. La transparencia adquiere verdadero sentido cuando permite comprender los procesos en lugar de limitarse a clasificar a quienes participan en ellos.

X
La paradoja del testigo

Quien genera no puede certificar su propia ausencia de marca Hay un detalle que ilustra la asimetría del no-concepto con una claridad casi experimental. El propio sistema que genera un texto carece de medios para certificar si está dejando alguna marca reconocible en él. Cuando se pregunta a un modelo de lenguaje si aplica alguna marca de agua, la única respuesta rigurosa es que no puede saberlo con garantías. El modelo, considerado aisladamente, no dispone necesariamente de un mecanismo equivalente a textGrain que altere deliberadamente las probabilidades de selección de palabras para introducir una huella detectable. Tampoco puede asegurar que la infraestructura encargada de ejecutarlo no incorpore procedimientos adicionales de marcado o identificación. Carece de acceso directo a los registros internos del servicio, desconoce buena parte de los mecanismos empleados por sus proveedores y no puede inspeccionar por sí mismo todos los metadatos asociados a la conversación. Esa ignorancia responde a una limitación estructural de su posición dentro del sistema. La marca, cuando existe, puede ser introducida por la infraestructura que administra la generación, sin que el modelo tenga conocimiento verificable de ello.

Esta circunstancia convierte al modelo en un testigo incapaz de certificar las condiciones de su propia intervención y sitúa al autor humano en una posición todavía más inquietante, sometido a una sospecha cuya resolución depende de terceros que no siempre hacen públicos sus procedimientos. Cuando una revista, una universidad o una agencia pretende determinar si un texto contiene una marca de procedencia, la respuesta puede encontrarse fuera del alcance tanto de quien lo escribió como del sistema que participó en su elaboración. La información decisiva queda entonces en manos de quienes administran la infraestructura tecnológica, controlan las herramientas de detección y establecen las condiciones bajo las cuales sus resultados adquieren valor probatorio.

La paradoja que recorre todo este artículo alcanza aquí una de sus expresiones más concretas. La transparencia sobre el marcado puede quedar fuera del alcance de aquellos a quienes pretende identificar. El autor carece de instrumentos independientes para verificar una posible marca, el modelo no puede certificar su ausencia y el lector depende de procedimientos cuya fiabilidad y funcionamiento quizá desconozca. Solo quien dispone de las claves y los mecanismos adecuados puede interpretar determinadas señales de procedencia. Bajo esas condiciones, la etiqueta «hecho por IA» corre el riesgo de convertirse en un instrumento de clasificación cuyo significado efectivo permanece bajo el control exclusivo de quienes administran su reconocimiento.

La consecuencia afecta directamente a la distribución de la responsabilidad y de la carga de la prueba. En cualquier régimen que aspire a una transparencia verificable, resulta difícil justificar que deba demostrar su inocencia quien carece de acceso a los instrumentos necesarios para hacerlo. Cuando los detectores funcionan mediante procedimientos secretos, los mecanismos de marcado permanecen ocultos y los sistemas generativos no pueden certificar las condiciones técnicas de su propia producción, la sospecha deja de constituir una conclusión suficientemente fundamentada y puede transformarse en una expresión de autoridad. Quien clasifica adquiere el privilegio de afirmar sin revelar sus pruebas, mientras quien recibe la clasificación queda obligado a defenderse de una evidencia que ni siquiera puede examinar

Outro

 Mi habitual deriva mental me lleva muchas veces a aquella despedida de Helsinki. Eva buscaba desesperadamente el significado oculto de un regalo mientras yo disfrutaba multiplicando sus posibles interpretaciones. Ambos habíamos aceptado que detrás de aquel objeto debía existir una verdad capaz de explicar su presencia, y terminamos construyendo una pequeña historia donde la interpretación adquirió mayor importancia que las circunstancias originales. La novela dejó de ser un libro y se convirtió en una señal cuya naturaleza cada uno intentaba descifrar mediante sus propios conocimientos, deseos y sospechas. Todavía desconozco qué descubrió Eva antes de llamarme para darme las gracias, y tampoco sé si su posterior ruptura sentimental guardaba alguna relación con aquella novela o si su comentario en Barcelona pertenecía a una historia completamente distinta. Podría preguntárselo la próxima vez que nos encontremos, aunque sospecho que su respuesta introduciría nuevas incertidumbres y terminaríamos nuevamente atrapados en una conversación sin posibilidad de establecer una interpretación definitiva.

La novela de Hawthorne contiene, sin embargo, una enseñanza que quizá no depende de ninguna de nuestras especulaciones, porque Hester Prynne consiguió transformar progresivamente el significado de la letra que debía humillarla. Su conducta, su trabajo y las relaciones que estableció con los demás fueron desbordando la interpretación original hasta que aquella marca comenzó a adquirir sentidos que sus jueces nunca habían previsto, y la sociedad que había pretendido encerrarla dentro de una palabra tuvo que convivir con una existencia que continuaba escapando de sus límites. Quizá por eso seguimos necesitando nuevas letras escarlatas. La complejidad de las personas, los objetos y los acontecimientos amenaza continuamente la tranquilidad de nuestras clasificaciones, y cada nueva incertidumbre despierta la tentación de establecer una frontera que nos permita recuperar alguna forma de seguridad. Las marcas proporcionan una sensación de conocimiento inmediato y nos permiten distribuir confianza, sospecha y responsabilidad sin examinar siempre las relaciones que las sostienen. Hemos construido un mundo donde resulta posible señalar la intervención de una inteligencia artificial en una imagen y continuar comprando tranquilamente productos cuyas condiciones de fabricación apenas conocemos. Exigimos que determinadas representaciones confiesen su procedencia mientras una parte considerable de nuestra prosperidad descansa sobre procesos que preferimos mantener alejados de la mirada, y la palabra «transparencia» circula con una facilidad extraordinaria, incluso entre quienes menos interés parecen mostrar por conocer las estructuras materiales que permiten sostener sus privilegios.

En Barcelona, después de varias copas de ratafía, Eva volvió a hablarme de su trabajo y de las dificultades que encontraba para identificar relaciones verdaderamente significativas dentro de conjuntos de datos cada vez más extensos. Recordaba especialmente una observación suya sobre la facilidad con que confundimos las correlaciones con las explicaciones y sobre nuestra tendencia a encontrar patrones incluso donde únicamente existen coincidencias. Aquella tarde no volví a mencionar La letra escarlata, pero mientras la escuchaba pensé que quizá había encontrado en el libro una respuesta que no tenía nada que ver con mis intenciones. Me pregunté entonces si el verdadero significado de una letra escarlata reside en aquello que pretende identificar o en la necesidad de quienes deciden imponerla. La marca de Hester Prynne había terminado diciendo mucho más sobre sus jueces que sobre la mujer condenada, y nuestras nuevas etiquetas podrían estar revelando algo semejante sobre la sociedad que las reclama. Quizá llevemos siglos intentando localizar las marcas de la culpa sobre los cuerpos equivocados.

Anti postdata

 Propongo etiquetar todas las obras realizadas con inteligencia artificial. También los mataderos, las minas, las fábricas textiles y las juntas de accionistas. Que nadie pueda alegar desconocimiento. Podríamos incluso exigir a cada ser humano una advertencia visible sobre su procedencia, sus hábitos de consumo y los daños que contribuye a producir. Un sencillo distintivo bastaría para informar a los demás de que se encuentran ante una especie capaz de organizar el sufrimiento industrialmente mientras celebra congresos internacionales sobre ética. Aunque quizá resulte excesivo. Siempre podemos empezar por los animales. Total, no saben leer.

Nota sobre las fuentes
La información relativa a textGrain procede del anuncio de OpenAI del 5 de octubre de 2026 y de la cobertura periodística posterior. El concepto de «no-concepto» remite a José Manuel Naredo y su obra La crítica agotada (Siglo XXI, 2022). La expresión «hecho por humano» se utiliza como contraejemplo analítico, sin atribuirle existencia como categoría regulatoria ni como denominación empleada por OpenAI. Los porcentajes de detección mencionados corresponden a los ejemplos ilustrativos publicados por la compañía. Las prácticas de rechazo editorial fundamentadas en supuestas «señales» de inteligencia artificial se presentan como una tendencia observada en determinadas instituciones, sin extenderlas indiscriminadamente al conjunto de las revistas científicas

SEGUNDO APARTADO DE LA INDICACIÓN O PROMPT QUE HAGO A LA IA: LAS INSTRUCCIONES PROPIAMENTE DICHAS

INSTRUCCIÓN PARA LA TAREA QUE NECESITO QUE REALICES

El autor del archivo que te adjunto viene a visitar nuestra tertulia, formada por personas jubiladas, algunos hemos sido profesores de enseñanza primaria o secundaria, hay un médico, pero la mitad de los asistentes ha desempeñado oficios comunes: dependientes de comercio, trabajadores de la construcción, administrativos empleados en gestorías para pequeñas empresas y autónomos, amas de casa de clase media. Gente con cierta cultura general, unos más que otros, pero por nuestra edad, con muy poca familiaridad con la informática o las tecnologías de la información y comunicación. Necesito comprender bien el texto para explicarles a los compañeros y compañeras de tertulia lo que dice (en esta ocasión soy el animador de la tertulia) y responder a sus preguntas (me consta que bastantes tienen dudas en determinadas palabras o conceptos y en entender o desentrañar lo que quiere decir el autor, las tesis que sostiene). Quiero que cuando venga el autor los miembros (algo más de la mitad son mujeres) de la tertulia puedan preguntar con conocimiento de causa sobre el texto, y quedemos bien con él.

Para ello necesite que me expliques cada apartado con palabras sencillas, que las entienda alguien poco familiarizado con las nuevas tecnologías, e incluso algunos con una cultura general media baja. Que quede claro lo que el autor quiere decir, las tesis que defiende, el significado de los conceptos principales que usa.

Además, al final de cada apartado debes añadir un lista de palabras que probablemente no haya comprendido todo el mundo, bien porque sean cultismos o palabras poco usadas en la conversación habitual, bien porque sean palabras especializadas, propias de la jerga técnica de los conocedores de las TIC, con sus significados explicados en términos sencillos, que los pueda entender "el hombre o mujer de la calle"

Confío en que puedas realizar esta tarea con la suficiente claridad y profundidad como para que todos y todas terminemos entendiendo plenamente el texto

SEGUNDA PARTE DE ESTE ESCRITO: RESPUESTAS DE LA IA

PRIMER APARTADO: RESPUESTA DE QWEN

Estimado Martín, es un honor ayudarle a preparar esta tertulia. Teniendo en cuenta su perfil y el de sus compañeros y compañeras, he elaborado esta guía pensando en una explicación clara, pausada y muy cercana, evitando la jerga técnica innecesaria.

El texto está formateado en HTML, tal como usted prefiere, para que pueda copiarlo y pegarlo directamente en su blog de Blogger y que se vea con un formato limpio, con negritas y listas bien organizadas.

A continuación, le presento el desglose apartado por apartado, con la explicación sencilla y el glosario al final de cada uno.

INTRO: La letra escarlata y otras marcas

Explicación sencilla:
El autor comienza contando una anécdota personal: regaló el libro La letra escarlata a una amiga experta en datos. En esa novela clásica, a una mujer la obligan a llevar cosida una letra "A" en el pecho por haber cometido adulterio. Esa sola letra hacía que todo el pueblo la juzgara, ignorando quién era ella en realidad, cómo trabajaba o cómo ayudaba a los demás. El autor usa esta historia para decirnos que hoy en día hacemos algo parecido: usamos etiquetas y categorías (como algoritmos o clasificaciones) para juzgar a las personas o a las cosas de forma rápida y simplista, sin importar la complejidad real de la situación. La etiqueta se convierte en una sentencia.