¿Preferimos la IA, o solo la etiqueta "humano"? Lo que revelan los estudios sobre autoría y confianza

INTELIGENCIA ARTIFICIAL / INNOVACIÓN.

Descubre cómo los textos generados por IA cambian la confianza del lector y por qué una etiqueta puede alterar tu juicio antes de leer. Lee los estudios.

Imagina dos artículos idénticos, palabra por palabra. A uno le ponemos la firma de una persona; al otro, un aviso: escrito por inteligencia artificial. Retira las etiquetas y casi nadie acertará a decir cuál es cuál. Pero muéstralas y el juicio del lector se inclina antes de que sus ojos rocen la primera línea. Quizás, como sugiere la investigación sobre el vínculo entre digestión y cognición —creíamos que la memoria se cocinaba solo en el cerebro, pero tu estómago también decide qué recuerdas—, ese veredicto instintivo tiene raíces más viscerales de lo que imaginamos.

Esa asimetría es lo que empieza a documentar la investigación reciente sobre lectura y autoría. No valoramos un texto solo por lo que dice; pesa también lo que suponemos sobre quién lo escribió. La etiqueta de autoría opera como un atajo cognitivo, una especie de denominación de origen que fija la expectativa antes de que evaluemos el contenido. Y ese detalle reordena por completo el debate sobre la IA en los medios y en las aulas.

Qué dicen realmente los estudios sobre la etiqueta "IA".

Conviene separar dos operaciones que solemos confundir, no muy distinto de cómo la biología separa la activación de la represión génica —¿por qué la vida usa un idioma común para encender genes, pero mil dialectos para apagarlos?—. Una es detectar el origen de un texto; otra, muy distinta, es la nota que le ponemos al leerlo. La paradoja habita justo en esa distancia: fallamos en lo primero y, aun así, dejamos que lo segundo dependa de una información sobre la que apenas tenemos certeza.

Los experimentos sobre lectura de noticias demuestran que la identificación humana del texto generado por IA es poco fiable y a menudo roza el azar. No discernimos bien la procedencia. Basta, en cambio, que alguien nos la revele para que reajustemos la valoración.

El trabajo más directo sobre este fenómeno lo firman Sacha Altay y Fabrizio Gilardi en PNAS Nexus (2024), y su título ya anticipa el hallazgo: la gente desconfía de los titulares etiquetados como generados por IA, incluso cuando son exactos. Revelar el origen redujo la valoración de credibilidad de titulares informativos correctos. El efecto principal no residía en el mensaje, sino en la información sobre quién lo había producido.

Nada de esto significa que la IA escriba peor ni que el público prefiera siempre lo humano. La penalización depende del tema, del público y del tipo de tarea, y ese matiz altera todo lo que viene después. Donde la información persigue precisión y no calor emocional, la desconfianza se diluye; donde esperamos voz propia, se dispara. Es una cuestión de matiz, no muy distinta a preguntarse si ¿la piel de la patata es lo más sano del tubérculo o una parte que conviene retirar?: lo que importa no es la capa visible, sino qué hay debajo y para qué se usa.

Por qué el cerebro premia lo "humano": agencia, esfuerzo y autenticidad.

¿A qué obedece esa reacción? La psicología de la aceptación de algoritmos brinda un marco útil. La investigación de Longoni, Bonezzi y Morewedge (2019), junto a los trabajos previos de Dietvorst, Simmons y Massey (2018), traza un patrón claro: aceptamos mejor un algoritmo cuando lo asociamos con capacidad de análisis, consistencia o personalización, y lo rechazamos cuando la tarea roza la sensibilidad, el juicio moral, la creatividad o la identidad.

Traducido: la etiqueta IA penaliza con dureza aquello que percibimos como intrínsecamente humano —la empatía, la experiencia vivida— y afloja, o desaparece, en tareas que juzgamos técnicas y objetivas. Debajo late una intuición sobre la agencia. Al autor humano le atribuimos intención, esfuerzo y responsabilidad; cuando el texto emana de un modelo, no sabemos dónde imputar esa cuenta.

De ahí a la profecía autocumplida media un paso. Si esperamos que la IA sea fría o repetitiva, interpretaremos cualquier estilo neutro como prueba de automatización. La percepción se convierte en filtro previo, no en medición limpia. Y cuanto más cuesta distinguir el origen, más poder acumula la etiqueta: sin señales estilísticas fiables, la procedencia declarada suplanta a la prueba. La paradoja es evidente: en el momento en que las máquinas escriben de forma más indistinguible, la palabra que las delata pesa más que cualquier rasgo del propio texto. Son señales tan discretas como esas vibrisas ocultas —no están en el hocico ni son un capricho: los "bigotes" ocultos que guían cada movimiento de la pata de tu gato— que orientan una decisión sin que el lector repare en ellas.

Los riesgos: de la manipulación a la erosión de la autoría.

Que la etiqueta pese tanto plantea problemas concretos, y no solo para quien defiende la IA. El más grave es la manipulación a gran escala, porque la generación automática permite producir contenido en volumen y adaptar cada mensaje a un público distinto. Esa misma capacidad puede mejorar la accesibilidad, pero también abarata la propaganda y la desinformación hasta un punto que conviene observar de cerca.

El caso del sitio de propaganda DCWeekly.org, analizado por Patrick Warren y coautores en PNAS Nexus (2025), lo ilustra bien. Los investigadores situaron el inicio probable del uso de IA en torno al 20 de septiembre de 2023, fecha deducida a partir de indicios textuales e instrucciones de modelos de lenguaje filtradas en los propios artículos. Lo que hallaron fue un salto en la producción y en la amplitud de contenidos, sin una caída clara de la persuasión percibida. La máquina no hizo la propaganda más creíble; la hizo más barata y abundante, que es precisamente el tipo de ventaja que erosiona el ecosistema informativo sin que el lector lo advierta.

Los otros dos frentes son de otra naturaleza y conviene abordarlos juntos, porque ambos brotan de un mismo malentendido: creer que el problema es el algoritmo. En lo reputacional, una marca no pierde confianza tanto por usar la herramienta como por la ocultación engañosa del proceso; la crisis, cuando llega, casi siempre nace del engaño. Algo parecido sucede en la educación. No es lo mismo apoyarse en la IA para generar ideas, corregir la gramática o comparar explicaciones que entregar como propio un ensayo escrito casi entero por un modelo: confundir asistencia con sustitución erosiona la autoría y fomenta un aprendizaje de superficie. Y una advertencia que la dicotomía fácil suele encubrir: "humano" no equivale automáticamente a fiable. Una persona también inventa datos, copia o publica sin revisar. Presentar la autoría como un interruptor binario oculta la arquitectura real del trabajo.

El dilema de la transparencia: informar sin destruir la lectura.

Cabría pensar que basta con etiquetar todo como "generado por IA" y asunto resuelto. La realidad es más incómoda, y Toff y Simon (2025) la formulan como un auténtico dilema: revelar el uso de IA refuerza la percepción de honestidad y abre la puerta a la rendición de cuentas, pero también rebaja la autenticidad percibida cuando el público entiende que la máquina reemplazó al humano.

Por eso la etiqueta "generado por IA", suelta, informa poco. Rinde mucho menos que una explicación sobre qué hizo la herramienta, quién revisó el resultado y qué se verificó. La confianza migra del texto al proceso. La pregunta útil ya no es "¿lo escribió una IA?", sino quién decidió publicarlo, qué fuentes se consultaron y quién responde si aparece un error.

Queda, con todo, margen de maniobra. Un metaanálisis presentado en las Academy of Management Proceedings (2025) estimó que las intervenciones para reducir el rechazo a los algoritmos tienen un efecto global aproximado de g = 0,21, con contextos que alcanzaron valores mucho mayores, en torno a g = 0,76. La cifra procede de un resumen de congreso, no de un artículo final revisado, y conviene tomarla con cautela. Aun así apunta a algo esperanzador: el prejuicio anti-IA no es una constante fija; se modula según cómo se presente y acompañe el contenido, del mismo modo que cabe preguntarse si ¿más proteína es siempre más salud, o solo el último ingrediente de moda al que rendimos culto?: la respuesta depende del contexto, no de una regla universal.

Un marco de transparencia proporcional para Muy Interesante.

Nuestra decisión editorial parte de ahí: declarar la intervención de la IA cuando afecta de verdad al texto y enlazar a una explicación breve del proceso. Una nota exhaustiva sobre cada herramienta interrumpe la lectura y convierte la transparencia en ruido; la ausencia total de nota parece ocultación. Entre esos dos extremos se dirime el equilibrio.

Para graduarlo distinguimos tres usos según el peso real de la máquina. Cuando la IA solo presta apoyo instrumental —corrección ortográfica, traducción, lluvia de ideas, una búsqueda preliminar—, basta una nota discreta si el uso resulta relevante, con un responsable editorial que revise fuentes y sentido. La cosa cambia cuando la herramienta interviene de forma sustantiva en borradores, reescrituras amplias o síntesis de documentación: ahí exigimos una nota "Cómo se hizo" que aclare qué aportó la IA y quién editó, contrastó y aprobó el resultado. Y el caso más exigente, el de generación principal con supervisión humana, no admite discreción alguna: reclama una declaración visible, el nombre del responsable, la política de correcciones y una garantía explícita de verificación de datos, citas e imágenes.

Este esquema no es una clasificación oficial, sino una síntesis editorial que bebe de tres referencias: el enfoque de transparencia contextual del NIST (2023), la guía de UNESCO sobre IA generativa en educación (2023) y el trabajo de Toff y Simon sobre el dilema de la divulgación. Antes de confiar en un contenido, el lector debería poder averiguar quién firma y responde, si existen fuentes comprobables, qué parte tocó la IA, qué cifras e imágenes se verificaron y si hay una política visible de correcciones. El futuro de la lectura no se dirime en distinguir la mano que escribe, sino en saber quién responde por lo escrito.

Por: Muy Interesante.

Sitio Fuente: MuyInteresante