¿La IA conoce mi estilo de escritura? Por qué los mejores modelos siguen sin conocerlo

Resumen: la IA no conoce su estilo de escritura, y la próxima versión del modelo no cambiará eso. La capacidad del modelo y el condicionamiento con datos del usuario son capas separadas. Todos los laboratorios mejoran la primera y ninguno puede aportar la segunda, porque su escritura nunca estuvo dentro del modelo. La memoria almacena hechos sobre usted, las instrucciones personalizadas almacenan adjetivos, y los adjetivos describen a miles de personas. La solución es entregarle al modelo mediciones de cómo escribe usted realmente. Los mejores modelos ejecutan esas mediciones con más fidelidad, y por eso un perfil real gana valor con cada versión, en lugar de perderlo.

Lleva un año pagando ChatGPT Plus. Le ha contado a qué se dedica, ha corregido sus borradores cientos de veces, y sigue abriendo cada correo con «Espero que este mensaje le encuentre bien». Así que se lo pregunta directamente: ¿conoces mi estilo de escritura? Responde que sí, y el siguiente borrador demuestra lo contrario.

La respuesta honesta es no. Nada sobre cómo escribe usted está dentro del modelo, y este artículo explica por qué eso seguirá siendo cierto por muy buenos que lleguen a ser los modelos.

¿La IA conoce mi estilo de escritura, aunque sea un poco?

No. Un modelo de lenguaje conoce la forma estadística del texto con el que fue entrenado, más lo que haya en la conversación actual. Su escritura no estaba en ninguno de los dos, así que cuando redacta «como usted», está redactando como una mezcla de todos los autores que se parecen a la descripción que usted le dio.

Esa respuesta sorprende porque el asistente se comporta como si le conociera. Pregúntele a ChatGPT si ha aprendido su estilo y producirá un párrafo seguro de sí mismo sobre su «tono claro y directo». Ese párrafo se genera igual que cualquier otra respuesta: predicho a partir del contexto. El asistente no está consultando un análisis almacenado de su escritura, porque ese análisis no existe.

Tres cosas se confunden con conocimiento del estilo:

La propia documentación sobre la memoria de OpenAI describe la memoria como detalles que el asistente conserva entre chats, y los ejemplos son factuales: a qué se dedica, qué le gusta, en qué está trabajando. Eso es útil como contexto. No captura que sus oraciones tienen una media de trece palabras, que nunca matiza después de tomar una decisión o que pone la petición en la primera línea. Analizamos esa brecha en detalle en nuestra comparación entre la memoria y los perfiles de estilo.

Las correcciones se desvanecen de la misma forma. Una reescritura que usted acepta dentro de un chat moldea el resto de ese chat, y solo de ese chat. Abra uno nuevo y el modelo vuelve a partir de su distribución de entrenamiento.

¿Por qué un modelo mejor no lo soluciona?

Porque la capacidad del modelo y el condicionamiento con datos del usuario son capas separadas, y una nueva versión del modelo solo toca la primera. Cada generación razona mejor, sigue mejor las instrucciones largas y mantiene mejor un registro a lo largo de un borrador extenso. Nada de eso añade una sola oración suya a los pesos del modelo.

Piense en las dos capas por separado:

1. Capa de capacidad. Lo que el modelo puede hacer con las instrucciones y el texto que recibe. Pertenece al laboratorio. Mejora con cada versión.
2. Capa de condicionamiento. Lo que se le dice al modelo sobre usted, en esta conversación, ahora mismo. Le pertenece a usted. Está vacía a menos que usted la llene.

Los laboratorios trabajan en la capa uno porque es la única a la que pueden llegar. Anthropic no tiene sus memorandos para el consejo. OpenAI no tiene sus correos a clientes. Aunque un laboratorio quisiera condicionar un modelo con usted, no tiene nada con qué condicionarlo. El ajuste fino con su escritura es posible en principio y poco práctico para una sola persona: necesita un corpus grande, le ata a una versión concreta del modelo y hay que rehacerlo cuando sale la siguiente.

La consecuencia práctica va en sentido contrario a lo que la gente espera. Un modelo mejor no cierra la brecha por sí solo. Un modelo mejor amplía la recompensa de llenar bien la capa de condicionamiento, porque sigue las instrucciones matizadas con más fidelidad que su predecesor. Entréguele un perfil preciso a un modelo débil y abandonará la mitad de las restricciones en el tercer párrafo. Entréguele el mismo perfil a un modelo fuerte y las mantendrá. El perfil es la constante; el modelo es la variable que sigue mejorando a su favor.

Medimos la línea de base de la que parten los modelos en nuestra comparación estilométrica de Claude, GPT y Gemini: cada modelo tiene un estilo de la casa propio, y cada uno está muy lejos de cualquier autor individual. Los parámetros de muestreo tampoco lo mueven, que es lo que trata nuestro artículo sobre si es posible ajustar los parámetros para salir del promedio. La temperatura cambia la varianza, no la voz.

¿Qué tiene realmente la IA cuando usted describe su tono?

Palabras. La IA no conoce su tono; conoce palabras que describen tonos. Cuando escribe «profesional pero cercano» en las instrucciones personalizadas, el modelo traduce esas palabras al registro que ha aprendido para ellas, y ese registro es el mismo para todas las personas que teclean la misma frase.

Haga el experimento. Ponga «profesional pero cercano, conciso y cálido» en un chat nuevo y pida un correo de seguimiento tras una reunión con un cliente. Pídale a un colega que haga lo mismo con la misma etiqueta. Los dos correos se parecerán más entre sí que cualquiera de ellos a algo que usted haya enviado el mes pasado. La etiqueta no contenía ninguna información que le distinguiera de su colega, así que el resultado tampoco puede hacerlo.

Ese es el problema de todas las plantillas de tono que circulan por la web, y por eso «profesional pero cercano» describe a miles de personas. Una voz vive en un lugar al que la etiqueta no llega:

• Longitud de las oraciones. Una distribución, no una palabra como «conciso». Cuán cortas son sus oraciones cortas, cuánto se alargan las largas, cuándo cambia de una a otra.
• Posición de los matizadores. Si «probablemente» abre la cláusula o la cierra. Si matiza siquiera una vez que ha decidido.
• Transiciones. «Así que» frente a «por lo tanto» frente a una oración nueva sin más. Si los párrafos abren con la conclusión o van construyendo hasta llegar a ella.
• Puntuación. Frecuencia de los dos puntos. Densidad de comas. Si usa paréntesis para los incisos o los separa en oraciones propias.

Ninguno de esos elementos es un adjetivo. Todos son contables, y por eso pueden extraerse de su escritura y enunciarse como instrucciones que un modelo puede seguir. Nuestro desglose de cómo funciona la extracción de estilo recorre las dimensiones que medimos.

¿Por qué las muestras pegadas también se quedan cortas?

Las muestras superan a las etiquetas, y aun así dejan al modelo adivinando. Tres correos le enseñan al modelo cómo sonaba usted tres días concretos. Tiene que inferir qué patrones son suyos y cuáles pertenecen a ese mensaje en particular, y la inferencia a partir de un puñado de ejemplos se desvía a lo largo de una conversación larga.

Hay un segundo límite. Los campos de instrucciones personalizadas tienen un tamaño, y las muestras lo consumen. La guía de instrucciones personalizadas de OpenAI le da un solo campo para indicar cómo debe responder el asistente. Llénelo con tres correos y no quedará espacio para las reglas que de verdad necesita. Si en lugar de eso pone las muestras en los archivos de conocimiento de un proyecto, el modelo las lee cuando decide que son relevantes, lo cual no ocurre siempre.

El patrón en los tres enfoques es el mismo:

Un prompt describe cómo espera usted sonar. Un perfil construido a partir de su propia escritura es evidencia de cómo escribe realmente. Esa es toda la diferencia, y por eso comparamos los cuatro tipos de instrucciones uno junto a otro en nuestra guía sobre las mejores instrucciones personalizadas para ChatGPT.

¿Cómo le entrega a la IA su estilo real?

Mídalo una vez, enúncielo de forma explícita y pegue el resultado en el asistente que use. El modelo no necesita aprenderle. Necesita que se lo digan, con precisión, en una forma que pueda ejecutar.

Esto es lo que contiene un perfil de estilo de MyWritingTwin.com: un análisis de ADN de escritura extraído de muestras que usted ya escribió, expresado como restricciones. Rango y media de la longitud de las oraciones. Dónde se sitúan sus matizadores. Qué transiciones usa y cuáles no usa nunca. Hábitos de puntuación. Vocabulario al que recurre y frases que evita. El resultado es un bloque de texto que pega en las instrucciones personalizadas de ChatGPT, en un proyecto de Claude, en la información guardada de Gemini o en cualquier otra herramienta que acepte un system prompt. Un solo perfil, todos los modelos.

Dos propiedades importan para el argumento de este artículo.

El perfil es una medición, así que puede comprobarse. Cuando el modelo se desvía, puede contar las longitudes de oración de su borrador contra el perfil y ver dónde falló. Un adjetivo no puede comprobarse. «¿Fue suficientemente cercano?» no tiene respuesta. «¿La longitud media de las oraciones estuvo dentro del rango?» sí la tiene.

El perfil es portátil, así que sobrevive a las nuevas versiones de los modelos. Su Writing Twin para ChatGPT, Claude y Gemini no depende de ninguna versión concreta. Cuando sale un modelo nuevo, pega el mismo perfil y obtiene una mejor ejecución de él. El activo se revaloriza con cada versión, que es lo contrario de lo que le ocurre a una plantilla.

Si quiere adquirir el hábito antes de usar el producto, hágalo a mano:

1. Reúna diez textos que haya escrito y con los que quedó satisfecho, en el registro que más necesita (correo a clientes, actualización interna, propuesta).
2. Cuente las palabras por oración en los diez y anote el rango y el valor típico.
3. Haga una lista de cada matizador que usó y de dónde se situaba en la cláusula.
4. Haga una lista de las transiciones que usó y de las que nunca usó.
5. Escriba esos hallazgos como instrucciones, no como adjetivos, y péguelos en sus instrucciones personalizadas.

Esa versión manual es más tosca que un perfil extraído y aun así supera a cualquier etiqueta de tono, porque le da al modelo números en lugar de palabras sobre números.

¿Cómo puede comprobar hoy si su IA conoce su estilo?

Entréguele un mensaje que ya envió, usando solo el encargo que le habría dado a un colega, y compare los dos borradores contando. Cinco minutos, sin herramientas.

Elija un correo de la semana pasada. Escriba un encargo de dos líneas para él: a quién va dirigido, qué necesita, qué sabe ya el destinatario. Pegue el encargo en su asistente con sus instrucciones personalizadas actuales activas y pida el correo. Después ponga su borrador junto al suyo y cuente:

• Oraciones por párrafo
• Palabras por oración, la más corta y la más larga
• Dónde se sitúa la petición (primera línea o última)
• Matizadores: cuántos, y si abren o cierran la cláusula
• Comas por oración
• Líneas de apertura y de cierre

Si los números difieren, su IA no conoce su estilo, diga lo que le haya dicho cuando se lo preguntó directamente. Si coinciden en un correo, pruebe con tres más en registros distintos. Una etiqueta de tono suele sobrevivir a la primera prueba y fallar en la segunda, porque la etiqueta se escribió para un estado de ánimo y usted tiene varios.

Haga la misma prueba después de pegar un perfil medido y los números convergen. Esa convergencia es el producto entero, y también es la razón por la que los mejores modelos ayudan en lugar de perjudicar: un modelo más fuerte acierta los números con más fiabilidad que uno más débil.

Nada sobre usted está dentro del modelo. Nunca lo estará. La buena noticia es que no hace falta, siempre que deje de describir su voz y empiece a medirla.

Puede ver cuán lejos está su configuración actual de su escritura real en aproximadamente un minuto con la prueba del Humanity Score, o construir un perfil de estilo a partir de sus propias muestras y pegarlo en la IA por la que ya paga.