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

Lea esta frase 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 la autorregulación desempeña 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 frases, 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 frases, 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 a nivel de la frase, 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 plano, 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 y 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, cubre 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 y identificaron un grupo de palabras que experimentó un aumento pronunciado de frecuencia cuando se lanzó ChatGPT. "Delve" fue la que más se extendió, el estudio, publicado en Science Advances en July 2025, estimó su frecuencia en 2024 en aproximadamente 28 veces más alta que antes de 2023. Las siguientes más cercanas fueron "underscore" y "showcase". Los autores estiman que al menos 13.5 percent de los resúmenes de 2024 presentan 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 en los resúmenes de revistas. En un estudio que comparó medio millón de ensayos de estudiantes y generados por IA, los investigadores compararon la extensión y la elección de palabras de los trabajos 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, incluidas ICLR 2024 y NeurIPS 2023, los investigadores utilizaron la misma técnica para estimar que entre el seis y el quince por ciento del texto de las revisiones 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 la IA usa en exceso	Lo que usa en su lugar un escritor cuidadoso
delve (into)	look at, examine
underscore	show, stress
showcase	present, demonstrate
pivotal	main, deciding
robust	solid, reliable
intricate	complex, detailed
meticulous	careful, thorough
tapestry	mix, range
testament	sign, evidence
boasts	has, includes
foster	encourage, support
garner	gain, attract
multifaceted	many-sided, complex
holistic	whole, overall
nuanced	careful, precise
invaluable	useful, valuable
realm	field, area
embark on	begin, start
unlock	open up, make possible
interplay	relationship, link

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 confesándose 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 TextPulse's free AI word cleaner señala esa densidad directamente.

¿Por qué las oraciones de AI 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 desarrollarla a lo largo de treinta en otro, de modo que el resultado tiende a mantenerse casi con la misma longitud en todo momento. Esa variación, o la falta de ella, es algo que se puede percibir al leer 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 alude a la 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 una tras otra. Los grupos ocasionales de tres siempre han formado parte del inglés. Un grupo de tres bien situado 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 basta 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 dentro de unas pocas palabras de la última, el ritmo es la señal. 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 señales de puntuación

Por qué la marca se convirtió en la opción habitual

El guion largo es probablemente la marca de puntuación más acusada en 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 interrumpir. Y muchos escritores profesionales lo usan de forma 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 el sistema que 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 señal 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 vale la pena comprobar es la densidad: una página que recurre a la marca en cada segunda oración se lee de manera distinta de una que la usa dos veces a propósito. El eliminador gratuito de em dash de TextPulse comprueba esa densidad y propone la coma, los 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 oración. Una lista con viñetas en medio de una prosa que nunca fue una lista en la mente del escritor. Encabezados en title case cuando el resto del documento está en sentence case. 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 oración y es el más difícil de corregir con un simple cambio de palabras, porque es la forma del argumento en sí. Una sección escrita por una máquina a menudo comienza reformulando su propio encabezado con palabras ligeramente distintas, avanza mediante dos o tres puntos de apoyo a los que se da aproximadamente el mismo peso, sin importar 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 however, enumera los desafíos 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 también es el nivel en el que la escritura académica formulaica puede parecer engañosamente similar a la escritura de máquina, ya que se supone que una sección de métodos o una revisión de la literatura siga 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 un ser humano discute qué puntos importan y por qué, incluso dentro de una plantilla rígida, porque se está defendiendo una posición real.

¿Demuestran Estas Señales Que Un Texto Está Escrito Por IA?

Ninguna señal por sí sola demuestra nada, y tampoco lo hace un conjunto completo de ellas. Bajo la presión de un editor o un 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 también podrían usar muchas de estas características. Una lista de palabras no es prueba de mala conducta, es un error que puede hacer que escritores cuidadosos sean acusados 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 AI humanizer de TextPulse es una estimación de una puntuación humana basada en el texto que tiene delante. Esta es una lectura de dónde se sitúa un borrador frente a estos patrones superficiales, no un veredicto de ningún detector ni 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 oración 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 ChatGPT, con tratamientos separados del hábito del guion largo y de por qué los modelos recurren a un verbo en particular. También se cubren las etiquetas más amplias: qué significa AI slop, qué significa AI fluff, y una guía práctica para determinar si algo fue escrito por AI. Si la preocupación son sus propios borradores y no los de otra persona, hay un artículo sobre eliminar palabras de AI de su escritura.

La próxima vez que esté leyendo su prosa y algo en ella no le parezca del todo bien, no se limite a encontrar un sinónimo para sustituirlo. Intente leerlo en voz alta en su lugar. Cuente el número de palabras de cada oración. Pregúntese qué hace exactamente cada palabra allí. Esa es la misma lectura que un editor cuidadoso realizaba mucho antes de que todo esto tuviera un nombre.