¿Describir mi tono de escritura a la IA? Los adjetivos no son su voz

Resumen: Si quiere describir mi tono de escritura a la IA y recibir algo que suene como usted, los adjetivos no lo van a conseguir. "Profesional pero cercano" describe a miles de personas, así que el modelo devuelve el promedio de todas ellas. La IA no conoce su tono; conoce palabras que describen un tono. Una voz vive en la longitud de las oraciones, la posición de los matizadores, los conectores y la puntuación, y cada uno de esos rasgos se puede contar. Mídalos en sus propios textos, formúlelos como instrucciones y pegue el resultado en ChatGPT, Claude o Gemini. Esa es la diferencia entre una etiqueta de tono y un perfil de estilo.

Usted creó un Custom GPT llamado "Escribe como yo". Las instrucciones dicen: cálido pero profesional, conciso, seguro, sin relleno. El primer borrador que produjo abría con "Espero que este mensaje le encuentre bien" y cerraba con "No dude en ponerse en contacto conmigo". Reescribió las instrucciones dos veces. La tercera versión suena exactamente igual que la primera.

Las instrucciones se siguieron. El problema es lo que contenían.

¿Se puede describir el tono de escritura a la IA con adjetivos?

Puede escribirlos, el modelo los obedecerá y el resultado no será su voz. Un adjetivo es un puntero hacia un registro que el modelo ya conoce. No dice nada sobre cuál de los miles de escritores que caben en ese registro es usted.

Piense en lo que tiene el modelo cuando usted escribe "profesional pero cercano" en las instrucciones personalizadas. Durante el entrenamiento vio una cantidad enorme de texto etiquetado o descrito con esas palabras: artículos de blogs corporativos, correos de recursos humanos, respuestas de atención al cliente, publicaciones de LinkedIn. La frase apunta ahora al centro estadístico de todo ese texto. Cuando usted la invoca, obtiene ese centro. Su colega que escribe la misma frase obtiene el mismo centro. Ustedes dos no escriben nada parecido en la vida real, y el modelo no tiene forma de saberlo, porque lo único que le dio cada uno fue la etiqueta.

Haga el experimento usted mismo. Ponga "profesional pero cercano, conciso y cálido" en un chat nuevo y pida un correo de seguimiento tras una reunión con un cliente. Pida a alguien de su equipo que haga lo mismo. Los dos borradores se parecerán más entre sí que cualquiera de ellos a algo que usted haya enviado de verdad el mes pasado. Ninguna acumulación de adjetivos cambia eso. "Seguro, directo, accesible, humano" son cuatro punteros a cuatro registros, y el modelo los mezcla en un solo promedio.

Hemos medido lo estrecho que es ese promedio. En nuestros datos sobre por qué la escritura con IA suena genérica, puntuamos 320 muestras de IA de cinco modelos en seis dimensiones de estilo, y la diferencia entre modelos era pequeña comparada con la distancia entre cualquier modelo y un escritor individual. La etiqueta de tono no mueve al modelo de su valor por defecto. Nada en la etiqueta le dice adónde ir.

¿Por qué "profesional pero cercano" produce el mismo correo para todos?

Porque la IA no conoce su tono; conoce palabras que describen un tono. Una etiqueta de tono es la descripción de un efecto, y el modelo no tiene ningún registro de cómo produce usted ese efecto.

Piense en todo lo que abarca "cercano". Una persona es cercana porque abre con una línea personal antes de la petición. Otra es cercana porque usa nombres de pila y oraciones cortas. Una tercera es cercana porque añade una broma ligera al final y nunca en medio. Las tres marcarían "cercano" en un formulario. Las tres escriben correos completamente distintos. La palabra aplasta esas diferencias en un único registro, y el modelo solo puede producir el registro.

El mismo aplastamiento ocurre con cada adjetivo de cada plantilla de tono que circula por internet:

Cada fila termina igual. La etiqueta nombra el efecto, y el modelo rellena la mecánica con su valor por defecto. La propia guía de instrucciones personalizadas de OpenAI describe el campo como un lugar para decirle a ChatGPT cómo quiere que responda. La mayoría de la gente lo llena de efectos. El modelo necesita mecánica.

Por eso también su tercer Custom GPT suena como el primero. Un Custom GPT es un contenedor. Reescribir los adjetivos que hay dentro reordena punteros hacia el mismo promedio. Nuestra guía sobre las mejores instrucciones personalizadas para ChatGPT muestra qué aspecto tienen esos campos cuando transportan mecánica en lugar de efectos.

¿De qué está hecha realmente una voz?

Una voz vive en la longitud de las oraciones, la posición de los matizadores, los conectores y la puntuación. En esos cuatro rasgos es donde los lectores le reconocen, y ninguno de ellos es un adjetivo. Cada uno es una medición que puede tomar de textos que ya ha escrito.

Longitud de las oraciones. No "conciso", sino una distribución. Su oración típica puede tener doce palabras. Las cortas pueden bajar a cuatro cuando está tomando una decisión. Las largas pueden llegar a treinta cuando está exponiendo contexto. El ritmo con que alterna entre ellas es suyo, y un modelo al que le dan "conciso" producirá oraciones uniformes de catorce palabras para siempre.

Posición de los matizadores. Si "probablemente" abre la cláusula o la cierra. Si usted matiza antes de una recomendación y nunca después. Si usa "creo que" alguna vez una vez que ya ha decidido. Dos escritores con vocabularios idénticos difieren aquí en cada párrafo, y los lectores lo notan sin poder nombrarlo.

Conectores. "Así que" frente a "por lo tanto" frente a una oración nueva sin más. Si sus párrafos abren con la conclusión o van construyéndola. Si empieza oraciones con "y". Si alguna vez escribe "sin embargo". Los conectores por defecto del modelo son los que más veces vio, y son los que hacen que un borrador huela a IA.

Puntuación. Frecuencia de los dos puntos. Densidad de comas por oración. Si los incisos van entre paréntesis o reciben su propia oración. Si usa signos de exclamación en correos profesionales (algunas personas lo hacen, una vez por mensaje, siempre en el mismo sitio).

Sobre esos cuatro se asientan el vocabulario y las evitaciones: las palabras a las que recurre y las frases que jamás escribiría. La idea es la misma en todos los casos. Son contables. Puede tomar diez correos que envió y producir un número para cada rasgo. Un número se puede formular como instrucción, y una instrucción con un número dentro se puede comprobar. Nuestra explicación de cómo funciona la extracción de estilo recorre el conjunto completo de dimensiones que medimos, y son más de cuatro, pero estas cuatro son las que separan una etiqueta de tono de una voz.

¿Por qué las muestras y los Custom GPT también se quedan cortos?

Las muestras superan a las etiquetas y aun así dejan al modelo infiriendo. Los Custom GPT son contenedores y heredan cualquier debilidad que haya dentro. Ninguno de los dos cierra por sí solo la brecha de fondo, que es que nadie le ha dicho al modelo cuáles son sus patrones.

Pegar tres correos en las instrucciones de un Custom GPT, o subirlos como archivos de conocimiento, le da al modelo evidencia en bruto. Eso es una mejora real frente a los adjetivos. El modelo ahora puede ver que sus oraciones son cortas y que sus peticiones van primero. Lo que tiene que hacer a continuación es adivinar cuáles de los patrones de esos tres correos son suyos y cuáles pertenecen a aquel martes en concreto. Tres muestras no pueden separar un hábito de un estado de ánimo. La inferencia además se desvía. Una conversación larga arrastra al modelo de vuelta a su valor por defecto con cada turno, porque las muestras están al principio del contexto y la propia producción del modelo se acumula debajo.

Hay también un techo práctico. El campo de instrucciones personalizadas tiene un tamaño, y las muestras lo consumen rápido. Llénelo con tres correos y no quedará sitio para las reglas que de verdad necesita. Mueva las muestras a archivos de conocimiento y el modelo las consultará cuando decida que son relevantes, lo cual no ocurre en cada petición.

Este es el patrón en los tres enfoques que prueba la mayoría de la gente:

La cuestión del contenedor (instrucciones personalizadas, Custom GPT, Project, Gem) importa mucho menos que lo que se pone dentro. Comparamos lo que la memoria de ChatGPT almacena en realidad con un perfil medido en nuestra comparación entre memoria y perfiles de estilo, y la conclusión vale para cualquier contenedor: la memoria almacena hechos sobre usted, y los hechos sobre usted tampoco son su voz.

¿Cómo debería describir entonces su tono de escritura a la IA?

Mídalo en sus propios textos, formule las mediciones como instrucciones y pegue esas instrucciones en el contenedor que le ofrezca su IA. Sustituya cada adjetivo por un número o una regla que el modelo pueda seguir sin interpretar.

La versión manual lleva una hora y supera a cualquier plantilla de tono:

1. Reúna entre diez y quince piezas que escribió y con las que quedó satisfecho, en el registro que más necesita. Correos a clientes, actualizaciones internas, propuestas. Elija aquellas a las que la gente respondió bien. Nuestra guía para seleccionar muestras de escritura explica qué hace útil a una muestra y qué dejar fuera.
2. Cuente las palabras por oración en todas ellas. Anote el valor típico, el mínimo al que llega y el máximo al que llega. Escríbalo como un rango.
3. Enumere cada matizador que usó y dónde estaba situado. Al principio de la cláusula, al final de la cláusula, o ausente después de una decisión.
4. Enumere sus conectores. Los que usó y los que nunca usó. La segunda lista suele ser más útil que la primera.
5. Anote sus hábitos de puntuación. Dos puntos por correo, comas por oración, paréntesis u oraciones separadas para los incisos.
6. Escriba los hallazgos como instrucciones. "Las oraciones tienen una media de 12 palabras, rango de 4 a 28. Abrir con la petición. Matizar solo antes de las recomendaciones, nunca después de las decisiones. No usar nunca 'sin embargo' ni 'asimismo'. Como máximo dos puntos una vez por correo." Sin adjetivos en ninguna parte.

Ese bloque va a las instrucciones personalizadas de ChatGPT, al campo de instrucciones de un Custom GPT, al system prompt de un Claude Project o a la información guardada de Gemini. El mismo bloque, en todas las herramientas.

Esto es lo que es un perfil de estilo de MyWritingTwin.com: el paso de medición hecho por usted, en más dimensiones de las que contaría a mano, a partir de muestras que ya tiene. El resultado es un análisis de ADN de escritura expresado como restricciones, empaquetado como un Master Prompt que usted implementa una sola vez dentro de la IA por la que ya paga. Su Writing Twin para ChatGPT, Claude y Gemini es ese bloque de instrucciones, no un chatbot aparte, y vive dentro del contenedor que ya utiliza.

Dos propiedades de un perfil medido importan para el argumento de este artículo.

Se puede comprobar. "¿Fue lo bastante cercano?" no tiene respuesta. "¿Estuvo la longitud media de las oraciones dentro del rango?" sí la tiene. Cuando un borrador se desvía, usted cuenta, ve dónde falló y corrige una regla. Un adjetivo no le da nada que corregir.

Sobrevive a la próxima versión del modelo. Las mediciones tratan sobre usted, así que no cambian cuando cambia el modelo. Un modelo mejor ejecuta el mismo perfil con más fidelidad que el anterior, y por eso un perfil medido se vuelve más útil con cada lanzamiento, mientras que una plantilla de tono sigue exactamente igual de vaga que el día en que la escribió.

¿Cómo comprobar si su descripción de tono funcionó?

Dele al modelo el encargo de un correo que ya envió y luego compare su borrador con el suyo contando. Cinco minutos, sin herramientas, y el resultado es un número y no una sensación.

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

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

Si los números difieren, su descripción no funcionó, diga lo que diga el asistente cuando se lo pregunte directamente. Si coinciden en un correo, pruebe con tres más en registros distintos. Los adjetivos de tono suelen superar la primera prueba y fallar en la segunda, porque la etiqueta se escribió para un solo estado de ánimo y usted tiene varios.

Repita la misma prueba después de sustituir los adjetivos por mediciones. Los números convergen. Esa convergencia es todo el sentido del asunto, y es lo que "describir mi tono de escritura a la IA" debería haber significado desde el principio: no una descripción del efecto que usted espera, sino una especificación de cómo escribe en realidad.

Su voz nunca fue un adjetivo. Siempre fue un conjunto de hábitos que se podían contar. En cuanto le entrega al modelo el recuento, deja de promediarle con todos los demás.

Vea a qué distancia está su configuración actual de su escritura real en aproximadamente un minuto con la prueba Humanity Score, o construya un perfil de estilo a partir de sus propias muestras y péguelo en la IA que ya utiliza.