Model collapse: la trampa que borra tu estilo de escritura

¿Por qué tu escritura empieza a sonar «igual» a la de todos?

La jefa de diseño Murphy Trueman mantiene en su escritorio un archivo llamado Literary Graveyard, una lista de palabras y estructuras que ya no usa porque podrían hacer que su texto se lea como generado por IA. Ahí van los em dashes, «genuinely», «honest», «quiet» y «worth». El bucle que describe es simple de dibujar y difícil de romper: ella escribe como siempre lo hizo, los modelos aprenden esos patrones de personas como ella, los lectores asumen que cualquier prosa limpia y estructurada viene de una máquina, y entonces ella se edita para no parecer una máquina.

El fenómeno está mejor documentado de lo que parece. Investigadores de la Universidad Estatal de Florida rastrearon por qué ChatGPT usa la palabra «delve» con tanta frecuencia. El culpable fue la etapa de feedback del entrenamiento: humanos calificaron respuestas y, sin saberlo, empujaron al sistema a usar esa palabra. En pruebas ciegas, los mismos humanos calificaron esa respuesta más bajo que cualquier otro término similar. Las palabras que hoy culpamos a la IA nacieron de una sala llena de personas decidiendo, en un instante del entrenamiento, qué era «bueno».

Luego el sentido se invirtió. Investigadores del Instituto Max Planck analizaron más de 737.000 horas de podcasts no guionados y pudieron fechar con precisión el crecimiento de palabras como «delve» después del lanzamiento de ChatGPT: los hablantes estaban absorbiendo el vocabulario del modelo. Cuando «delve» se volvió meme, la gente la usó menos que antes de que existiera la IA, mientras los modelos nuevos se ajustaban para dejarla de usar. Las dos partes —humanos y máquinas— se editaban mutuamente para no parecerse entre sí.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Model collapse: cuando lo raro desaparece primero

A este mecanismo técnico lo llaman model collapse. En julio de 2024, Shumailov y otros publicaron en Nature un paper que mostraba qué ocurre cuando los modelos se entrenan recursivamente sobre sus propios outputs: la información rara y específica desaparece primero. En la novena ronda de entrenamiento, lo distintivo ya se había evaporado. Las colas de la distribución —los hechos excepcionales, los dialectos, las metáforas— se promedian hasta dejar solo la versión más genérica de cualquier cosa.

Lo que el paper describe a nivel de tokens aplica palabra por palabra a la creación de contenido de las startups. Cuando lanzas un prompt genérico, obtienes un párrafo genérico. Cuando publicas ese párrafo, entrenas a tu audiencia —y a cualquier modelo que se alimente después— a esperar lo genérico. Trueman describe una consecuencia que muchos founders ya sienten: los detectores automáticos castigan la prosa clara, estructurada y técnica, exactamente el estilo que una madre dedicada a la escritura técnica le enseñó desde chica. Las herramientas no distinguen entre el redactor que invirtió semanas en una pieza y el usuario que publicó el primer output de un prompt único. Los dos quedan en la misma banda de sospecha.

Trueman también señala algo que conviene repetir: el slop —el contenido vacío— no nace del modelo, nace del descuido. Es irrelevante si el redactor usó IA o no; lo que cuenta es si alguien leyó, dudó, ajustó y firmó el texto con su nombre. Esa diferencia es la que un detector todavía no puede leer.

El caso Tailwind: cuando el conocimiento se vuelve commodity

Hay un caso reciente que ilustra el costo humano de esta dinámica. En enero de 2026, Tailwind Labs despidió a tres de sus cuatro ingenieros, según el blog de la autora. El fundador Adam Wathan explicó que el tráfico a la documentación había caído cerca de un 40% desde inicios de 2023, aun cuando el framework siguió creciendo en adopción. Los desarrolladores dejaban de visitar los docs porque sus asistentes de código ya conocían el framework.

El desenlace llegó en septiembre de 2026: Shopify adquirió Tailwind Labs el 9 de septiembre para darle al framework «un hogar de largo plazo», según Wathan. El equipo se integró a Shopify para trabajar en storefronts y agentic commerce. El framework en sí —instalado más de 110 millones de veces por semana y presente en productos como ChatGPT, X, Cloudflare, Reddit y el propio Shopify— se mantiene como proyecto open source bajo licencia MIT, según reportó CMSWire.

El patrón importa más que las cifras. Cuando un activo de conocimiento se vuelve commoditizado por los modelos que aprendieron de él, sus autores dejan de recibir el tráfico, los ingresos y el reconocimiento que financiaban el trabajo que produjo esos modelos. Es el equivalente editorial de lo que el paper de Nature describe a nivel de tokens: las colas —los detalles raros, los commits con historia, los posts largos con contexto— se promedian y pierden frente a la respuesta inmediata del asistente.

¿Qué significa esto para tu startup?

Lo que Trueman describe no es un problema de escritores literarios: toca directamente a los founders que construyen contenido, documentación y marca personal en un mercado saturado de texto maquinal. Tres acciones concretas que puedes aplicar esta semana:

Invierte la Literary Graveyard. Trueman entierra palabras que la IA popularizó. Tú deberías hacer lo contrario: identifica tus tres o cuatro marcas estilísticas más distintivas —frases recurrentes, estructuras, ejemplos favoritos— y rodéales. Un lector que distingue tu voz es un activo; un detector que te confunde con el promedio no lo es.
Documenta lo que no se puede prompt-ear. Tailwind perdió tráfico porque su docs era replicable. Lo que un founder puede documentar y que ningún prompt resume son las decisiones que tomaste y por qué, los errores que cometiste y el camino que llevó a cada feature. Esa capa narrativa es la que los modelos todavía no pueden comprimir sin perder el contexto.
Usa la IA como sparring, no como ghostwriter. La regla práctica: cada pieza que publiques con tu nombre debe pasar por tus manos. Si no puedes señalar qué parte escribiste tú, no la firmes. Tu voz es el activo que el model collapse está erosionando; protegerla es proteger la empresa.

Conclusión

La autora no tiene una solución para la crisis de identidad que describe, y probablemente no la haya. Pero el dato incómodo es este: los modelos aprendieron de las personas que se tomaron el trabajo de escribir bien, y son esas mismas personas las que ahora tienen que defender su prosa como si fuera una sospecha. Si eres founder, la pregunta no es si la IA va a leer lo que escribes —la va a leer—. La pregunta es si dentro de cinco años vas a poder reconocerte en lo que publicas.