Patrones de escritura de IA: las palabras, el ritmo y la puntuación que la delatan

Lea esta oración una vez y vea si ya sabe de dónde proviene: los investigadores siguen destacando la compleja interacción entre la motivación y el logro, y un cuerpo creciente de trabajo subraya el papel clave que desempeña la autorregulación en el éxito académico. Nada de ello es incorrecto. Cada cláusula es gramatical, cada palabra es una palabra real, y un evaluador no descontaría ni un solo punto. Pero aun así se lee como si hubiera salido de una máquina, porque así fue. De eso trata este texto.

Los patrones de escritura de IA son los hábitos repetibles, en la elección de palabras, el ritmo de las oraciones, la puntuación y la estructura, que hacen que la prosa redactada por una máquina sea reconocible a simple vista. Se agrupan en cuatro niveles: las palabras a las que recurre un modelo, la forma de sus oraciones, la puntuación en la que se apoya y la manera en que estructura un argumento en su conjunto. Ninguno de ellos por sí solo prueba nada. Juntos, dentro de un solo párrafo, son difíciles de pasar por alto.

La máquina que hace esto se llama detector estadístico. Puntúa cuán predecible es cada palabra, de acuerdo con lo que espera un modelo de lenguaje. Un informe contiene la matemática de perplexity y burstiness que subyace a esa puntuación, tratada con más detalle en otro texto sobre cómo funcionan los detectores de IA. El resto de este artículo es un catálogo de indicios de escritura de IA que un lector puede oír, contar o señalar en la página. Esto puede importar, incluso si un detector se equivoca, no está disponible o no viene al caso. Lo que sigue aquí no necesita ningún modelo ni ninguna suscripción.

¿Por qué los patrones de escritura de IA suenan robóticos?

Un modelo de lenguaje está haciendo algo distinto de una persona en el nivel de la oración, elegir una y otra vez la siguiente palabra estadísticamente probable, dentro de un sistema entrenado para sonar competente más que distintivo. La competencia a esa escala produce una prosa fluida, correcta y olvidable, que es la raíz de la sensación robótica. A menudo un lector no puede decir qué falla en un párrafo así, solo que se lee de forma plana, y los cuatro niveles que siguen son donde reside esa planitud.

La elección de palabras es el nivel que los lectores perciben primero: palabras formales, teatrales, que aparecen donde no pertenecen. El ritmo de las oraciones es más discreto, un párrafo en el que cada oración tiene aproximadamente la misma longitud. La puntuación y el formato llevan su propia firma, un guion usado como articulación universal, una lista con viñetas que fragmenta un texto que nunca fue una lista en la mente del autor. La estructura es lo menos visible, una parte que reformula su propio encabezado, expone exactamente tres puntos y luego concluye resumiéndose a sí misma.

Empiece por las palabras: las más fáciles de señalar y las mejor documentadas.

¿Qué palabras usa en exceso AI?

Usted ve estas palabras formales, ligeramente teatrales, una y otra vez: "delve", "underscore", "showcase" y "pivotal" están entre las más documentadas. Dmitry Kobak y tres coautores se propusieron identificar el lenguaje. Analizaron 15.1 million PubMed abstracts from 2010 to 2024 and identified a group of words that saw a sharp increase in frequency when ChatGPT was released. "Delve" fue la que más se extendió, el estudio, publicado en Science Advances en July 2025, estimó que su frecuencia en 2024 era aproximadamente 28 veces mayor que antes de 2023. Las siguientes más cercanas fueron "underscore" y "showcase". Los autores estiman que al menos 13.5 percent de los abstracts de 2024 muestran signos de asistencia de AI, y la cifra supera el 40 percent en algunos países y editoriales.

Por qué los modelos convergen en estas palabras concretas está menos resuelto que el propio patrón. Un estudio de COLING 2025 probó veintiuna palabras sobrerrepresentadas frente a la arquitectura del modelo, los datos de entrenamiento y la retroalimentación humana usada para ajustar chatbots, y encontró que la etapa de retroalimentación era el contribuyente más plausible, sin explicar por completo el efecto. La interpretación también sigue en disputa: un intercambio de 2026 en la revista PNAS cuestionó hasta qué punto un cambio en la frecuencia de palabras mide directamente el uso de AI, algo que conviene recordar antes de tratar cualquier cifra aislada aquí como un hecho establecido.

Eso no solo es cierto para los resúmenes de artículos de revista. En un estudio que comparó medio millón de ensayos de estudiantes y generados por IA, los investigadores compararon la longitud de los trabajos y la elección de palabras, y encontraron que los ensayos humanos eran, en conjunto, más largos y utilizaban un vocabulario más amplio. En un estudio de revisiones por pares enviadas a cuatro conferencias de aprendizaje automático, entre ellas ICLR 2024 y NeurIPS 2023, los investigadores utilizaron la misma técnica para estimar que entre seis y quince por ciento del texto de la revisión había sido modificado sustancialmente por un LLM. Era más probable que un LLM lo afectara cuando se presentó cerca de la fecha límite.

Palabra o frase que IA usa en exceso	Lo que usa en su lugar un escritor cuidadoso
delve (into)	examinar, analizar
underscore	mostrar, subrayar
showcase	presentar, demostrar
pivotal	principal, निर्णante
robust	sólido, fiable
intricate	complejo, detallado
meticulous	cuidadoso, minucioso
tapestry	mezcla, gama
testament	signo, evidencia
boasts	tiene, incluye
foster	fomentar, apoyar
garner	obtener, atraer
multifaceted	multifacético, complejo
holistic	integral, global
nuanced	cuidadoso, preciso
invaluable	útil, valioso
realm	campo, área
embark on	comenzar, iniciar
unlock	abrir, hacer posible
interplay	relación, vínculo

Ninguna de estas palabras es incorrecta por sí sola. Una sección de métodos que califica un hallazgo como robusto está usando la palabra correctamente, y un historiador que describe un argumento jurídico intrincado no está confesando ante un chatbot. Lo que suena hecho por una máquina es la densidad: tres o cuatro de estas palabras en un solo párrafo, sin desempeñar ninguna función específica, apiladas del modo en que un modelo las apila porque cada una fue, de manera independiente, la opción siguiente más segura. Una revisión rápida con la herramienta gratuita de limpieza de palabras de IA de TextPulse señala esa densidad directamente.

¿Por qué las oraciones de IA suenan todas de la misma longitud?

Un modelo construye cada oración del mismo modo en que construyó la anterior, en lugar de comprimir una idea en seis palabras en un lugar y desplegarla a lo largo de treinta en otro, de modo que la salida tiende a situarse casi siempre en la misma longitud. Esa variación, o la falta de ella, es algo que se puede percibir leyendo un párrafo en voz alta, un ejercicio distinto de la puntuación de burstiness que un detector calcula a partir de la misma propiedad subyacente.

Dos hábitos menores delatan de cerca el ritmo. A un modelo le gusta cerrar una oración con un participio colgante que sugiere importancia sin añadir información, una afirmación seguida de destacar la necesidad de más investigación o de reflejar un cambio más amplio en el campo. También recurre a una estructura emparejada para sonar equilibrado, en la línea de el método no solo es eficiente sino también escalable. Dicho una vez, esa construcción no tiene nada de notable. Dicho en cada párrafo, suena como una plantilla con los sustantivos sustituidos.

La regla de tres

También en el nivel de la frase, los grupos de tres son el ritmo por defecto del modelo: tres adjetivos antes de un sustantivo, tres ejemplos en una lista, tres cláusulas construidas del mismo modo seguidas una tras otra. Los grupos ocasionales de tres siempre han formado parte del inglés. Un grupo de tres bien colocado no es síntoma de nada. La señal está en la frecuencia. El problema no es tres. El problema es que tres aparezca en casi todos los párrafos.

Contar es suficiente para detectar la mayor parte de esto sin ninguna formación especial. Lea un párrafo y marque la longitud de cada oración en palabras. Si todas sus marcas están a pocos palabras de la anterior, el ritmo es la pista. Use el comprobador gratuito de burstiness de TextPulse para automatizar el conteo y representarlo en un gráfico, útil para un pasaje demasiado largo como para evaluarlo a simple vista, una oración a la vez.

El guion largo y otras pistas de puntuación

Por qué la marca se convirtió en la opción habitual

El guion largo es probablemente la marca de puntuación más atribuida a la escritura de máquina. Quizá lo conozca como el guion largo que sustituye una coma, dos puntos o un punto para conectar dos mitades de una oración. El guion largo no es nuevo y no es algo inventado por AI. Mientras han existido las guías de estilo, desde Chicago hasta AP, han permitido usarlo para dar énfasis e indicar interrupción. Y muchos escritores profesionales lo usan de manera intencional.

La razón probable de que aparezca con tanta frecuencia en la salida de máquina es mundana: la marca es común en la prosa editada y compuesta profesionalmente sobre la que se entrenan los modelos de lenguaje, y permite que una oración siga avanzando sin llegar a un punto. Un modelo construido para producir texto fluido y conectado recurre a esa flexibilidad con frecuencia, más a menudo de lo que la mayoría de las personas lo hace al redactar a mano.

La frecuencia varía enormemente según qué sistema produjo el texto. Una prueba comparativa realizada a mediados de 2025 dio a seis chatbots la misma instrucción y contó las marcas: tres sistemas la devolvieron ocho o nueve veces en menos de seiscientas palabras, uno la usó dos veces en casi mil palabras, y dos no la usaron en absoluto. La frecuencia es una propiedad del modelo que produjo el párrafo que tiene delante, no un rasgo fijo de la escritura de AI. OpenAI añadió en noviembre de 2025 una configuración que permite a un usuario decirle a ChatGPT que deje de usar la marca y que realmente lo cumpla, lo que hace que incluso esta pista sea ahora en parte opcional.

Nada de eso convierte la marca en evidencia de nada. Muchos escritores cuidadosos la usan deliberadamente, y muchos ensayos de estudiantes que nunca tocaron un chatbot también la usan, a veces porque un profesor se lo enseñó. Lo que merece comprobarse es la densidad: una página que apoya la marca en cada segunda frase se lee de manera distinta de otra que la usa dos veces a propósito. El eliminador gratuito de em dash de TextPulse comprueba esa densidad y propone la coma, el dos puntos, el punto o el guion que cada caso requiere.

Viñetas, texto en negrita y encabezados

El mismo nivel abarca decisiones de formato por debajo de la frase. Una lista con viñetas en medio de una prosa que nunca fue una lista en la mente del autor. Encabezados en mayúsculas y minúsculas de título cuando el resto del documento está en mayúsculas y minúsculas de frase. Una frase en negrita al comienzo de cada viñeta, como un pequeño titular. Ninguno de estos son signos de puntuación, pero todos proceden del mismo lugar: un modelo que da formato para una ventana de chat, donde la estructura visual sustituye a las transiciones que la prosa normalmente llevaría.

Estructura y forma del argumento

El último nivel se sitúa por encima de la frase y es el más difícil de corregir con un simple cambio de palabras, porque es la forma misma del argumento. Una sección escrita por una máquina a menudo se abre reformulando su propio encabezado con palabras ligeramente distintas, avanza mediante dos o tres puntos de apoyo a los que concede un peso aproximadamente igual, con independencia de cuánto importe realmente cada uno, y luego concluye resumiendo lo que acaba de decir en lugar de añadir algo nuevo.

Un hábito relacionado aparece constantemente en textos más largos: una sección enumera lo que algo hace bien, gira sobre una palabra como sin embargo, enumera los problemas en la misma secuencia ordenada de tres, y luego alude a un futuro que presumiblemente los resolverá. Los argumentos reales son más irregulares que eso. Un escritor humano suele preocuparse más por un punto que por los otros dos, le dedica más espacio y no le debe al lector un cierre simétrico.

Este es también el nivel en el que la escritura académica formularia puede parecer engañosamente similar a la escritura de una máquina, ya que se supone que una sección de métodos o una revisión de la literatura sigue una forma fija. La diferencia está dentro de esa forma. Una revisión de la literatura escrita por una máquina menciona los puntos habituales de un campo en el orden habitual. Una escrita por una persona argumenta sobre qué puntos importan y por qué, incluso dentro de una plantilla rígida, porque se está defendiendo una posición real.

Juzgar un texto que usted no escribió

Las cuatro señales que más valen

La brecha de especificidad es la señal más fuerte disponible para un lector sin herramientas en absoluto. La prosa redactada por una máquina hace afirmaciones que se sostienen en cualquier nivel de generalidad y no quedan fijadas a ninguno de ellos. Informa de que la investigación ha examinado la cuestión sin nombrar un estudio, de que el efecto es significativo sin dar un tamaño, de que la práctica es común en el sector sin nombrar una empresa o un año. Un escritor humano que trabaja con el mismo límite de palabras tiende a gastar esas palabras en una cosa concreta, porque tenía una cosa concreta y quería incluirla.

Las citas que no se resuelven son la única señal de la lista que se acerca a la evidencia, y también son las más raras. Una referencia formateada de manera impecable, atribuida a una revista real, con un identificador que no devuelve ningún registro, es muy difícil de producir por accidente. Compruebe tres referencias antes de comprobar cualquier otra cosa en una entrega de la que no esté seguro. Lleva dos minutos y o bien pone fin a la cuestión o bien elimina la señal más fuerte de la tabla.

La densidad léxica es la señal a la que la mayoría de los lectores recurre primero y la que falla con mayor frecuencia. La señal es la densidad, no ninguna palabra individual. Un solo verbo formal es un registro académico ordinario, mientras que cinco en un solo párrafo sin realizar ninguna función específica constituyen un patrón. Contar a mano en una entrega larga es lento, y el limpiador de palabras de IA gratuito de TextPulse free AI word cleaner marca los grupos automáticamente, lo que convierte una impresión vaga en algo que usted puede señalar en la página.

La más sutil de las cuatro es un registro que nunca se rompe. Un escritor humano casi siempre hace algo ligeramente fuera de tono a lo largo de dos mil palabras: una frase breve después de tres largas, una observación entre paréntesis, un juicio que no tenía por qué hacer, una palabra elegida porque le gustó. La prosa redactada por una máquina mantiene un solo registro desde la primera línea hasta la última. Hay géneros que prohíben todas estas cosas, así que este indicio vale mucho menos en una sección de métodos que en una declaración personal.

Los indicios que parecen fuertes y no lo son

Una gramática impecable no prueba nada. La ortografía y la puntuación se han automatizado durante dos décadas, y cualquier escritor cuidadoso que use un corrector produce la misma superficie limpia. Un registro formal tampoco prueba nada, ya que la formalidad es lo que la mayoría de los géneros académicos y profesionales necesitan por norma. El uso abundante de encabezados, texto en negrita y listas con viñetas es un hábito de estilo editorial mucho antes que cualquier otra cosa, y muchos escritores fueron entrenados en ello años antes de que un chatbot se lo mostrara a nadie. Los hábitos de puntuación tienen el mismo peso bajo, y el guion largo, en particular, ha sido llamado a soportar mucho más de lo que puede soportar una sola marca.

Las puntuaciones de los detectores también pertenecen a este grupo, lo que suele sorprender a la gente. Una puntuación es un juicio estadístico sobre cuán predecible es el texto, y la prosa predecible es lo que los humanos cuidadosos producen todos los días, que es como surgen en absoluto los falsos positivos. La salida del detector es una entrada más en una decisión que una persona todavía tiene que tomar, y la explicación de TextPulse sobre cómo funcionan los detectores de IA expone qué está midiendo el número antes de que alguien lo trate como un veredicto.

Qué hacer cuando un texto activa varios indicios

Compruebe primero lo comprobable. Extraiga tres citas, un número y un dato nominal, y verifique cada uno de ellos. Ese único paso separa un texto escueto de un texto fabricado, y ambos exigen respuestas muy distintas. Después, compare la entrega con algo que la misma persona escribió antes bajo supervisión, ya que un cambio repentino de registro dentro de un mismo autor tiene más peso que cualquier lectura absoluta de un solo documento. Luego haga una pregunta que solo el autor podría responder sobre su propio texto: por qué esta fuente y no la alternativa obvia, qué iba a sostener originalmente la tercera sección, qué párrafo le dio más problemas. Quien escribió el texto responde de inmediato.

Siga la política que existe, no la que usted habría escrito. La mayoría de las instituciones ahora especifican quién puede plantear una preocupación, qué pruebas son admisibles y qué se le dice al autor, y omitir esa secuencia es lo que convierte una pregunta razonable en una queja. Los autores del otro lado de este problema, a quienes se les dice que su propio trabajo parece redactado por una máquina, tienen una tarea distinta, y el humanizador de IA de TextPulse informa una puntuación humana estimada calculada a partir del texto, no un veredicto de ningún detector.

Aplicar la misma prueba a sus propios borradores es más difícil, y si su escritura suena como AI tiene su propia página. El vocabulario mismo se cataloga por separado, en una lista de las palabras que delatan a ChatGPT.

Los nueve indicios son un motivo para hacer una pregunta, y siempre es la misma pregunta: ¿qué sabe este texto que una conjetura fluida no sabría? Hágasela primero a las citas. Esa es la única parte de cualquier entrega que responde por sí sola, sin que nadie tenga que ser acusado de nada.

¿Estos indicios prueban que un texto está escrito por AI?

Ningún indicio por sí solo prueba nada, y tampoco lo hace un conjunto completo de ellos. Bajo la presión de un editor o profesor, un escritor académico cuidadoso puede crear párrafos con varias de estas características, como la ausencia de pronombres, pero sin la ayuda de un chatbot. Los escritores de inglés no nativos también pueden usar palabras seguras que les enseñaron en clase, y los estudiantes a quienes se les enseña a usar conectores formales pueden usar también muchas de estas características. Una lista de palabras no es prueba de mala conducta, es un error que puede hacer que a escritores cuidadosos se les acuse falsamente. Debemos señalar este error, no repetirlo en silencio.

Lo que una herramienta puede hacer de manera responsable es mostrar el patrón, no juzgar la escritura. Lo que tenemos para ofrecer con el humanizador de IA de TextPulse es una estimación de una puntuación humana basada en el texto que tiene delante. Se trata de una lectura de dónde se sitúa un borrador frente a estos patrones superficiales, no de un veredicto de ningún detector ni de una promesa sobre lo que diga otra herramienta mañana. Es un número que puede usar como punto de partida para una decisión, del mismo modo que un corrector ortográfico señala una palabra sin decidir si la frase que la rodea es buena o no.

Cada indicio anterior tiene su propia página. El vocabulario en sí se cataloga en un artículo sobre palabras que delatan a ChatGPT, con tratamientos separados de el hábito de la raya larga y de por qué los modelos recurren a un verbo en particular. También se abordan las etiquetas más amplias: qué significa AI slop, qué significa AI fluff, y una guía práctica para saber si algo fue escrito por IA. Si la preocupación son sus propios borradores y no los de otra persona, hay un artículo sobre eliminar palabras de IA de su escritura.

La próxima vez que estés leyendo tu prosa y algo en ella no te parezca del todo bien, no te limites a encontrar un sinónimo para reemplazarlo. Prueba a leerla en voz alta en su lugar. Cuenta el número de palabras de cada oración. Pregúntate qué está haciendo exactamente cada palabra ahí. Esa es la misma lectura que un editor cuidadoso estaba haciendo mucho antes de que todo esto tuviera un nombre.