Un estudio detecta el contenido de IA por su forma, y nuestros posts tienen esa forma

Qué mide SlopShape, que no es lo que miden los detectores

Un detector normal mira palabras. Cuenta la probabilidad de cada token, busca el vocabulario típico, entrena un clasificador sobre el texto tal cual. Funciona muy bien y se rompe muy fácil: basta reescribir.

SlopShape, de Jochen Madler (cifras de la versión 1 del paper, del 14/09/2026), hace otra cosa. Construye un instrumento de 214 preguntas sobre el texto, de las cuales 187 no tienen nada que ver con las palabras: si el texto anuncia su recorrido antes de empezar, dónde coloca la promesa de beneficio, si cierra repitiendo su tesis, si deja una vía para que el lector participe, si escala las consecuencias de no actuar. Un modelo responde esas 214 preguntas sobre cada post, una por llamada, y un clasificador aprende sobre las respuestas.

El material son 2.250 posts de blog de 268 empresas, rescatados de copias de archivo anteriores a ChatGPT, y 11.250 versiones espejo generadas por cinco modelos a partir de un brief reconstruido de cada post humano. Son 148.500 llamadas de puntuación.

El resultado con solo los 187 rasgos estructurales es 98,0 macro-F1 en empresas que el modelo no había visto en el entrenamiento. Con solo los 27 rasgos de estilo, 88,1. La estructura gana al estilo por casi diez puntos, y los dos modelos fallan en posts distintos, lo que indica que miden señales diferentes.

La forma concreta que delata

El estudio la llama «la forma ordenada que se anuncia a sí misma» y la define en cuatro gestos: el post promete el beneficio ya en el título, enuncia su tesis y anuncia su estructura antes de la primera sección, habla con voz de explicador editorial, y cierra con un cierre que resume o reformula la tesis.

De los 214 rasgos, diez concentran la señal. La tabla recoge esos diez con el valor que toma cada uno y hacia qué clase apunta. La última columna es la distancia entre humanos e IA en ese rasgo.

Cuatro de esos diez valores apuntan a la IA por presencia: cerrar repitiendo, prometer en el título, inventariar etapas, no dejar puerta de entrada al lector. Los que apuntan al humano lo hacen sobre todo por ausencia. El post humano no anuncia su recorrido, no contrapone el antes y el ahora, no sube la apuesta antes de resolver, y suele ser corto.

Leído al revés, es una descripción del manual de redacción para blog corporativo de los últimos quince años. Los modelos no inventaron esa forma. La aprendieron de nosotros y la aplican sin las irregularidades con las que un redactor la rompe.

Reescribir no sirve, y está medido

El experimento que da valor al estudio es el segundo. Cada post de IA del conjunto de prueba se reescribe con el mismo modelo que lo generó, siguiendo un protocolo de edición que ataca los artefactos típicos de escritura de IA y conserva cada afirmación, dato y enlace.

La reescritura es real: el 73 % de las secuencias de trece palabras del post original desaparecen, y el 15,6 % de las respuestas del instrumento cambian. El clasificador estructural pasa de 98,0 a 98,1. De 1.450 posts reescritos, 8 se confunden con humanos. Antes de reescribir eran 9.

El de estilo sí acusa el golpe, de 88,1 a 87,1, que es lo esperable porque mira cómo está redactado el texto. La estructura no se mueve, porque reescribir cambia las frases y deja intacto el orden en que el post presenta sus puntos.

No escribe mal, escribe lo más común

La parte del estudio que más cambia cómo hay que trabajar no es el 98 %. Es la rareza.

Los autores calculan, para cada post, a qué distancia está de sus 25 vecinos más próximos en el espacio de los rasgos estructurales, y lo convierten en un percentil. Un post con estructura común queda cerca de muchos y puntúa bajo. Un post cuya estructura comparten pocos queda lejos y puntúa alto.

Los posts humanos promedian 0,838 de rareza. Los de IA, 0,435. La diferencia es de 1,83 desviaciones estándar. Entre los posts que superan el percentil 99 de rareza hay 149 humanos y 4 de IA. Y puestos a comparar un post humano con sus cinco espejos generados, el humano es el más raro de los seis en el 85,5 % de los casos, cuando por azar le tocaría el 16,7 %.

Los cinco modelos, además, se amontonan en las mismas configuraciones. No es que cada uno tenga su manía: convergen en la zona más poblada del espacio.

El problema, entonces, no es escribir mal. Es escribir la versión más frecuente de la forma correcta. Y una redacción disciplinada, con su plantilla revisada y su checklist, empuja justo hacia ahí.

Este post daría positivo, y conviene decir dónde

Escribir sobre este estudio como si nos mirara desde fuera sería deshonesto. Estos son los rasgos que este mismo artículo cumple, sin haberlos forzado para el ejemplo.

A la izquierda de la pantalla, en escritorio, hay un índice titulado «Qué vas a aprender». Eso es exactamente anunciar la estructura antes de la primera sección, el rasgo con 0,419 de distancia. Lo dicta nuestra skill para cualquier artículo de tres secciones o más.

Las secciones van numeradas del 01 al 07 con un rótulo visible. Eso es un inventario de etapas funcionales hecho explícito, el tercer rasgo por peso, 0,609.

El artículo pasa de las 800 palabras con holgura, y la clase de longitud corta apunta a autoría humana. La skill no impone extensión, pero el material largo sale largo y llevamos años publicando así.

Hay un bloque final que llama a probar una herramienta. No es el cierre que describe el estudio, que consiste en repetir la tesis, pero cumple la misma función de etapa terminal previsible.

Puestos a ser exactos, y conviene serlo en un artículo sobre rigor: de los cuatro gestos de esa forma, nuestra skill dicta dos por diseño. El índice lateral es obligatorio para cualquier artículo de tres secciones o más, y la entrada tiene que responder a la pregunta del título en su primer párrafo. Y contra los otros dos había una regla escrita antes de que este estudio existiera. El cierre no puede ser una conclusión genérica sino la decisión, el límite o el siguiente paso, y está prohibido repetir el índice de siempre de definición, beneficios, pasos, futuro y conclusión. La voz tiene que ser la de un consultor que ha visto el problema muchas veces, no la de un manual, que es justo lo contrario del explicador editorial que el estudio mide. Lo que sí queda del cuarto gesto es el bloque final fijo: una etapa terminal constante, aunque no resuma la tesis.

Quedan dos rasgos donde este texto se sale, y no por casualidad: el título no promete ningún beneficio, y el artículo no termina reformulando su tesis, sino nombrando lo que no vamos a hacer. Son los dos rasgos de mayor distancia de la tabla, 0,624 y 0,650.

Y hay algo que conviene decir del propio estudio, porque va en la misma dirección. Su autor declara en el apartado de divulgación que usó modelos de IA y agentes de programación para escribir y probar el código de análisis, generar las tablas y las figuras, y redactar y editar el texto. El paper que detecta escritura de IA está escrito con ayuda de IA, y lo pone. Declara también que dirige Sitefire, un producto comercial de GEO, y publica el instrumento completo, los prompts y el código para que cualquiera pueda comprobarlo.

Qué cambiamos y qué no

La reacción fácil sería invertir la tabla: quitar el índice, desnumerar las secciones, acortar a 700 palabras y esconder el cierre. Eso es optimizar contra un clasificador, y tiene dos problemas. El primero es que empeora la lectura de quien vino a entender algo. El segundo es que el instrumento está publicado y cualquiera puede reentrenar con los textos que lo esquivan.

Lo que sí cambia, porque no tiene coste para el lector:

• La estructura deja de decidirse antes de leer las fuentes. Nuestra skill ya lo pedía y era la regla que más se incumplía. Un artículo con siete secciones porque el material tiene siete temas produce una estructura irregular. Uno con siete porque siete es un buen número produce la forma más común.
• Las secciones desiguales dejan de ser un defecto. Si un apartado necesita cuatro veces el espacio del resto, se le da. La simetría es una señal.
• El contraste «antes se hacía así, ahora con IA» se retira salvo que el artículo trate de un cambio documentado con fechas. Es uno de los rasgos con más distancia que apunta a IA por presencia, 0,497.
• La escalada de consecuencias antes de resolver se retira igual. Plantear el problema, subir la apuesta y entonces dar la solución es un molde, no una explicación.
• Vía de participación para el lector. Su ausencia es el cuarto rasgo por peso, 0,592. No se arregla con un «déjanos un comentario»: se arregla cuando el artículo ofrece algo comprobable por quien lo lee, con sus propios datos.

Y una que no es de estilo: ningún artículo de agenciageo.io sale sin una comprobación que no estaba en el material de partida. Un cálculo propio, una medición hecha para el texto, un dato que solo tenemos nosotros. Es lo que un modelo no puede reconstruir desde un brief, y es la razón por la que el estudio compara con desventaja a sus propios espejos.

Lo que el estudio no dice

Los autores acotan su alcance en el apartado de limitaciones, y esas líneas importan tanto como el 98 %.

Solo cubre generación de una pasada. Cada post de IA del estudio es la primera respuesta de un modelo a un brief, opcionalmente reescrita por ese mismo modelo. El estudio no cubre texto humanizado, ni muy post-procesado, ni escrito entre una persona y un modelo. La mayor parte del contenido profesional que se publica hoy es de ese tercer tipo, y sobre él no hay medición.

Los briefs no llevan lo mismo que sabía el autor. El humano escribió con el contexto completo de su empresa. El modelo, con un brief reconstruido a posteriori desde el propio post. Los autores lo reconocen: parte de la diferencia puede ser lo que el brief no transporta, y no cómo escriben los modelos.

Periodo y autoría van juntos. Los posts humanos son anteriores a ChatGPT y los espejos se generaron en agosto de 2026. Comprueban que la estructura no permite predecir el año de publicación, con un 49,3 macro-F1 frente al 47,3 del azar, pero la comparación entre textos del mismo periodo sigue abierta.

El corpus tiene sesgo. Son empresas B2B, con peso de software, y el 75,5 % de las copias de archivo son de 2020 a 2022.

Los ataques probados son de un solo tipo. La reescritura la hace el propio modelo que generó el texto. Las herramientas de humanización y paráfrasis no se han probado contra este instrumento.

El estudio replica en contenido comercial lo que StoryScope había medido antes en ficción, con 93,2 macro-F1 solo con rasgos narrativos. Aquel trabajo declaraba expresamente que no estaba probado fuera de la ficción. SlopShape es la pieza que faltaba para el contenido comercial, y con el instrumento y el código publicados en GitHub se puede reproducir.

No vamos a perseguir el clasificador. Un texto que esquiva un detector y no le sirve a nadie es peor negocio que uno que da positivo y resuelve una duda. Lo que sí vamos a hacer es dejar de producir la forma más común del sector, que es lo que el estudio mide de verdad, y eso se arregla teniendo algo propio que contar antes de abrir el editor.