¿Realmente la IA nos está haciendo hablar como IA?
Aunque los modelos de lenguaje (LLM, o simplemente "IA") llevan poco tiempo entre nosotros (ChatGPT salió el 30 de noviembre de 2022, así que ni siquiera cumple cuatro años), ya hay prácticas bastante instaladas en el mundo académico, en el laboral y en las propias redes sociales: la redacción se le encarga primero a ChatGPT, después a Gemini y ahora a Claude.
Un síntoma interesante es que no cuesta mucho sospechar cuando un texto fue hecho "sintéticamente", sin una intervención real de su autor. Pienso en los ya enfermantes "No es X, es A", "Y acá viene lo incómodo" o "Pero esto lo cambia todo", y también en cosas más formales, como el guión largo, los emojis o el encadenamiento de verbos.
¿Importa?
Se puede leer como algo superficial o anecdótico. Pero esas muletillas podrían ser apenas la parte visible de procesos más grandes (y epistemológicos): la comprensión lectora, la eficiencia del aprendizaje o la agilización de las comunicaciones.
Incluso se puede argumentar que la forma da lo mismo. Si quiero explicar el argumento de Jujutsu Kaisen, da igual que me detenga a decir "y acá viene lo que nadie te dice", mientras se cumpla el objetivo de que me entiendan. Pero ¿qué pasa si una IA hace el resumen (con las limitaciones de su dataset, de las webs que explora o de las líneas argumentales que prioriza) y ese resumen lo lee otra IA, sin pasar jamás por un humano? Creo que ya es bastante común, como esos correos o audios que, por largos, se responden sin haberse leído o escuchado completos.
Lo que dice el estudio
El estudio «Empirical evidence of Large Language Model's influence on human spoken communication» (Yakura et al., 2024), del Instituto Max Planck para el Desarrollo Humano, en Alemania, parte de esa pregunta. Se inscribe en la tradición de los estudios sobre tecnologías de la comunicación (escritura, imprenta, TV, redes sociales) y su papel en la transformación de la cultura y de la estructura social.
Lo que hicieron fue analizar 740.249 horas de habla (unos 7.350 millones de palabras transcritas) de 360.445 charlas académicas en YouTube y 771.591 episodios de podcasts conversacionales, desde cuatro años antes hasta 18 meses después del lanzamiento de ChatGPT. Luego compararon la frecuencia de las palabras que ChatGPT prefiere (delve, comprehend, boast, swift, meticulous) con la que habrían tenido sin él, usando un control sintético: la herramienta de la econometría para estimar qué habría pasado si el evento no hubiera ocurrido.
Encontraron un aumento abrupto, asociado causalmente a la fecha de lanzamiento. En las charlas académicas, varias de esas palabras crecieron entre 25% y 50% al año. Hay matices: no todas crecieron, y en los podcasts el efecto fue significativo en ciencia y tecnología, negocios y educación, pero no en religión ni en deportes. Lo más interesante es que el fenómeno pasó de las charlas, que pueden leerse desde un guión, a conversaciones espontáneas.
Lo que dicen los autores, y lo que no
Proponen que estamos ante el comienzo de un bucle de retroalimentación cultural cerrado (closed cultural feedback loop): las máquinas absorben datos humanos, desarrollan rasgos propios y esos rasgos vuelven a modificar la cultura.
Ojo con un matiz: los propios autores reconocen que no se sabe por qué ocurre. Puede ser imitación, comodidad cognitiva o una integración más profunda en nuestros procesos de pensamiento, o las tres cosas a la vez. Que aparezca en el habla espontánea es una pista de internalización, no una prueba.
Entre los riesgos advierten sobre la homogeneización cultural y la erosión de la diversidad lingüística. Suman uno que afecta a la propia IA, el colapso del modelo (model collapse), si las próximas generaciones se entrenan con datos humanos que ya fueron moldeados por modelos. Y plantean algo que me parece clave: palabras como delve podrían terminar asociadas a menor habilidad o autoridad intelectual, y con eso cambiaría cómo percibimos la credibilidad del otro.
Una limitación que me interesa
El estudio mide palabras sueltas y solo en inglés (descartaron los videos y podcasts en otros idiomas). Lo que yo detecto en castellano son más bien estructuras: el "No es X, es A", el "acá viene lo incómodo", el guión largo. Eso el estudio no lo mide. Y justo ahí queda abierta la pregunta del título.
Nota: el link corresponde a la versión 3 del artículo, que es la de las cifras que cito. En julio de 2026 apareció una versión 4 con datos ajustados (737.083 horas y 824.634 episodios) y un experimento con 496 participantes, donde una breve conversación con un chatbot bastó para que adoptaran sus palabras.