Cómo la IA escribe de forma diferente en japonés, francés y español

La mayoría de la investigación sobre escritura con IA se centra en el inglés. La mayoría de los productos de escritura con IA están diseñados para el inglés. La mayoría de las comparaciones, benchmarks y guías de estilo asumen el inglés.

Esto es un problema, porque la IA escribe de forma muy diferente en otros idiomas.

No solo con palabras diferentes. Con un estilo diferente. Diferentes estructuras de oraciones, diferentes patrones de expresividad, diferentes valores predeterminados de formalidad. El mismo modelo, recibiendo el mismo prompt en japonés y en inglés, produce resultados con un ADN estilístico mediblemente diferente.

Lo sabemos porque lo medimos.

Los datos

Nuestro estudio de referencia generó 320 muestras de escritura en cinco modelos de IA (Claude Opus 4.6, Claude Sonnet 4.5, Claude Haiku 4.5, GPT-5.2, Gemini 3 Pro) en cuatro idiomas: inglés, francés, español y japonés. Ocho tipos de prompt. Dos variantes por combinación. Para saber cómo se comparan estos modelos directamente, consulte Estilos de escritura de modelos de IA comparados.

Cada muestra fue analizada usando el mismo marco de estilometría computacional — el sistema de seis ejes detrás de los Writing DNA Snapshots. Las fórmulas tienen en cuenta el idioma: el texto en japonés usa tokenización morfológica mediante Intl.Segmenter, y la línea base de cada idioma se mide de forma independiente.

Para la metodología completa: Cómo medimos la "IA promedio".

Estas son las líneas base de IA por idioma:

Eje	Inglés	Francés	Español	Japonés
Complejidad de las oraciones	65	75	71	62
Riqueza del vocabulario	48	49	44	37
Expresividad	76	74	59	retirado — ver la corrección
Formalidad	58	42	46	59
Consistencia	53	52	55	53
Concisión	42	32	36	45

Cada número en esta tabla cuenta una historia sobre cómo la estructura del idioma moldea el resultado de la IA. Analicemos las mayores diferencias.

Corrección: nuestra cifra de expresividad en japonés era errónea

Esta sección informaba anteriormente que la expresividad en japonés era 100 sobre 100 y la calificaba como "el número más llamativo de la tabla". Argumentaba que la puntuación no era un error sino una consecuencia de cómo funciona la comunicación empresarial japonesa: que los marcadores de cortesía (丁寧語), las formas interrogativas y frases como "いかがでしょうか" o "よろしくお願いいたします" estaban siendo detectados por la fórmula de expresividad.

Eso era incorrecto en todos sus detalles. Retiramos el número y la explicación, y preferimos explicar el error antes que borrarlo en silencio.

Al volver al código de puntuación, nada se sostenía. La fórmula de expresividad solo cuenta los caracteres ASCII ?, ! y . — nunca cuenta 。 ni ？, por lo que las formas interrogativas japonesas no contribuyen en absoluto a la puntuación. Las frases de cortesía que mencionamos no aparecen en ninguna de nuestras listas de palabras. Y el único componente que sí busca marcadores de actitud japoneses mueve la puntuación en unos 4 puntos, no 100.

La causa real es un defecto de nuestro lado. Una función de nuestro proceso de puntuación nunca recibe la configuración de idioma, por lo que mide el texto japonés con un contador de palabras que solo reconoce caracteres latinos. Una página completa de japonés se registra como un puñado de "palabras", cada tasa de puntuación "por cada 1.000 palabras" se infla en un orden de magnitud, y la puntuación de expresividad supera el límite superior de la escala de 0 a 100 y se recorta a 100. La fórmula no está midiendo la expresividad en japonés. Está midiendo un error de división.

La señal que deberíamos haber detectado está en nuestros propios datos por modelo: cuatro de los cinco modelos obtienen una puntuación idéntica y perfecta de 100 en japonés. Que cuatro modelos de dos laboratorios distintos caigan exactamente en el límite no es un hallazgo sobre el japonés, es un instrumento roto.

Qué significa esto si escribe en japonés. Su puntuación de expresividad en japonés, y su distancia respecto a la línea base japonesa, no son fiables actualmente. También debemos retractarnos de la garantía que este artículo ofrecía antes — que la comparación seguía siendo válida porque tanto el texto de la IA como el humano pasaban por la misma fórmula. Ese razonamiento falla cuando la línea base está fijada en el límite superior: una línea base atascada en la cima de la escala hace que casi cualquier escritor parezca menos expresivo que la "IA promedio", y la brecha que leería en el gráfico no mide su estilo.

Los otros cinco ejes no se ven afectados. La complejidad de las oraciones, la riqueza del vocabulario, la formalidad, la consistencia y la concisión pasan todos por la ruta consciente del idioma, y las cifras en japonés de esos ejes en la tabla anterior se mantienen. Lo mismo ocurre con los seis ejes en inglés, francés y español. Estamos corrigiendo el defecto subyacente y volveremos a medir la línea base japonesa antes de publicar de nuevo una cifra de expresividad para ese idioma.

Un punto de la sección original sí se mantiene, y vale la pena conservarlo: no se puede comparar la expresividad entre idiomas directamente. Las fórmulas miden patrones internos de cada idioma, por lo que el inglés en 76 y el español en 59 reflejan características lingüísticas diferentes, no diferentes cantidades de emoción.

La IA en japonés muestra la riqueza de vocabulario más baja (37) — significativamente por debajo de los otros tres idiomas. Esto refleja la naturaleza del análisis morfológico japonés: con menos tokens únicos por segmento después de la tokenización, la relación tipo-token es más baja. La IA en japonés también obtiene la puntuación más alta en concisión (45) de cualquier idioma — el japonés naturalmente permite una expresión más compacta a través de la gramática aglutinante y la omisión de sujetos dependiente del contexto.

Francés: complejo, expansivo e informal

El resultado de la IA en francés cuenta una historia completamente diferente.

Complejidad de las oraciones: 75. La más alta de cualquier idioma por 10 puntos. La IA en francés construye oraciones más largas y estructuralmente densas que la IA en inglés, español o japonés. Esto refleja las tradiciones de la prosa francesa — cláusulas subordinadas, construcciones relativas y estructuras temporales complejas que son estándar en el francés escrito pero que se sentirían barrocas en inglés.

Concisión: 32. La más baja de cualquier idioma. La IA en francés escribe extensamente. Donde la IA en inglés promedia oraciones que producen una puntuación de concisión de 42, la IA en francés produce oraciones que puntúan 32. Combinado con la alta complejidad, esto significa que el resultado de la IA en francés es denso y expansivo — el tipo de prosa que esperaría en un informe empresarial bien elaborado pero con el que tendría dificultades en un mensaje de Slack.

Formalidad: 42. Sorprendentemente, la más baja de cualquier idioma. La IA en francés tiende por defecto a un registro menos formal que el inglés o el japonés, a pesar de la complejidad estructural. Esto podría parecer contradictorio, pero tiene sentido: la comunicación empresarial francesa a menudo combina una estructura de oraciones elaborada con un tono relativamente cálido y personal. La fórmula de formalidad capta esta paradoja — la densidad de palabras funcionales es menor en francés que en inglés, y los patrones de cobertura difieren.

La implicación práctica: un profesional francés que use IA sin calibración de estilo obtendrá un resultado que es estructuralmente complejo pero tonalmente casual. Si necesita prosa formal y concisa — un requisito común en contextos empresariales franceses — cada dimensión necesita ajuste. Entender cómo funciona la extracción de estilo es el primer paso para corregir esto.

Español: el valor atípico moderado

La IA en español ocupa un terreno intermedio interesante, pero con una excepción notable.

Expresividad: 59. Esto es drásticamente más bajo que el inglés (76) y el francés (74). La IA en español es la menos expresiva de los tres idiomas que actualmente podemos puntuar de forma fiable en este eje. Usa menos preguntas retóricas, menos signos de exclamación y menos marcadores de actitud que la IA en cualquier otro idioma.

Este fue uno de nuestros hallazgos más sorprendentes. La comunicación en español a menudo se asocia con calidez y expresividad en contextos informales. Pero los tipos de prompt en nuestro estudio — correos profesionales, informes, presentaciones — pueden provocar un registro más formal en la IA en español, que suprime los marcadores expresivos que la fórmula mide.

Consistencia: 55. La más alta de cualquier idioma, aunque solo marginalmente. La IA en español produce las longitudes de oración más uniformes — un ritmo estable que hace que el resultado se sienta mesurado y predecible.

Riqueza del vocabulario: 44. La más baja después del japonés. La IA en español reutiliza palabras con más frecuencia que la IA en inglés o francés, produciendo resultados con menor diversidad léxica. Esto podría reflejar cómo los modelos de IA manejan la morfología española — la conjugación verbal española crea muchas formas superficiales de la misma palabra, y dependiendo de cómo la tokenización las maneje, la relación tipo-token puede verse afectada.

Inglés: el "predeterminado" no es predeterminado

Las líneas base del inglés se tratan como referencia en la mayoría de las investigaciones de IA. Pero nuestros datos muestran que el resultado de la IA en inglés tiene su propio perfil distintivo — no es neutral.

Expresividad: 76. La más alta de los tres idiomas que actualmente podemos puntuar de forma fiable en este eje, justo por encima del francés (74) y muy por encima del español (59). El proceso de entrenamiento RLHF es predominantemente en inglés, y los evaluadores RLHF en inglés parecen preferir prosa enérgica y comprometida. Este sesgo se traslada al resultado en inglés del modelo con más fuerza que a otros idiomas.

Formalidad: 58. La segunda más alta después del japonés (59). La IA en inglés tiende por defecto a un registro moderadamente formal que refleja el contexto de comunicación profesional de la mayoría de los datos de entrenamiento RLHF.

Concisión: 42. En la mitad del grupo. La IA en inglés escribe oraciones más cortas que la IA en francés o español pero más largas que la IA en japonés.

La idea clave: las líneas base de la IA en inglés son específicas del inglés, no universales. Si ha estado comparando su escritura en francés o japonés con líneas base de IA en inglés (como la mayoría de los competidores le obligan a hacer), su gráfico de radar le estaba mintiendo. Las diferencias que veía reflejaban la estructura del idioma, no su estilo personal.

Por eso My Writing Twin mide líneas base por localización. Su escritura en japonés se compara con la IA en japonés. Su escritura en francés se compara con la IA en francés. Las brechas en su gráfico de radar representan sus desviaciones de estilo reales, no artefactos de traducción.

Patrones entre idiomas

A pesar de las diferencias, algunos patrones se mantienen en los cuatro idiomas:

Todos los idiomas escriben extensamente

La concisión está por debajo de 50 en cada idioma. La más alta (japonés con 45) todavía está por debajo del punto medio. Los modelos de IA son universalmente verbosos — una consecuencia del entrenamiento RLHF que recompensa la exhaustividad. Este sesgo trasciende el idioma.

La consistencia es universal

Las puntuaciones de consistencia se agrupan entre 52 y 55 en los cuatro idiomas — la agrupación más cerrada de cualquier eje. Independientemente del idioma, los modelos de IA producen una variación moderada en la longitud de las oraciones. Esta puede ser la evidencia más fuerte del efecto homogeneizador del RLHF: el proceso de entrenamiento no solo estandariza el resultado en inglés. Estandariza los patrones rítmicos en todos los idiomas.

La riqueza del vocabulario varía según la morfología

La riqueza del vocabulario muestra la dispersión más amplia vinculada a la estructura lingüística. El francés y el inglés (ambos idiomas analíticos con morfología relativamente simple) obtienen las puntuaciones más altas (48-49). El japonés (aglutinante) y el español (con morfología verbal compleja) obtienen puntuaciones más bajas (37-44). Esto no se trata de los modelos — se trata de cómo la relación tipo-token interactúa con diferentes sistemas morfológicos.

Por qué esto importa para los profesionales multilingües

Si escribe en más de un idioma — y muchos profesionales lo hacen — estos datos tienen implicaciones prácticas:

1. Su estilo cambia entre idiomas, y el de la IA también. Un profesional bilingüe francés-inglés probablemente escribe de forma diferente en cada idioma. Oraciones más largas y complejas en francés. Más conciso y directo en inglés. La IA hace lo mismo. Una comparación de escritura válida debe tener en cuenta ambos cambios.

2. La elección del modelo importa de forma diferente según el idioma. Un modelo que coincide con su estilo en inglés podría fallar en francés. Las fortalezas relativas de GPT, Claude y Gemini cambian entre idiomas. Para el desglose por modelo e idioma, consulte Qué modelo de IA escribe mejor en cada idioma.

3. Un solo perfil de estilo no es suficiente para escritores multilingües. Un perfil de estilo calibrado para su escritura en inglés no funcionará para su escritura en japonés. Las líneas base de IA son diferentes, sus patrones son diferentes y las diferencias de calibración son diferentes. Por eso My Writing Twin admite extracción de estilo por idioma.

La ventaja bilingüe

Hemos escrito antes sobre profesionales bilingües y la escritura con IA. Los datos de líneas base entre idiomas añaden una nueva dimensión a esa historia.

Los escritores bilingües tienen una ventaja medible en un mundo con líneas base de IA por localización. Ya saben — intuitivamente si no cuantitativamente — que su estilo de comunicación cambia entre idiomas. Hacen cambio de código de forma natural. Un perfil de estilo que capture ambos registros, calibrado contra las líneas base de IA correctas por idioma, produce resultados de IA que hacen cambio de código con ellos.

Los productos de IA monolingües no pueden hacer esto. Aplican líneas base en inglés a texto que no es en inglés y lo llaman personalización. Nuestros datos muestran por qué la escritura de IA suena genérica — y por qué es peor en otros idiomas: un escritor francés comparado con líneas base en inglés parece artificialmente alto en complejidad y bajo en concisión. Esas no son características de estilo. Son características del idioma.

Vea su Writing DNA en su idioma

¿Tiene curiosidad por saber cómo se compara su escritura con la IA en su idioma — no con el predeterminado en inglés? Pruebe su Writing DNA Snapshot gratuito. Envíe muestras de escritura en cualquiera de nuestros idiomas soportados (inglés, francés, español, japonés) y vea su gráfico de radar contra la línea base de IA correcta por localización.

Las brechas que vea serán sobre su estilo, no sobre su idioma.

Obtenga su Writing DNA Snapshot gratuito