Por qué el inglés de la IA suena traducido (y la gramática no es el problema)

En resumen: el inglés de la IA suena traducido porque el modelo escribe el promedio estadístico del inglés, y el promedio del inglés tiene la forma de una traducción cuidadosa: cada oración de más o menos la misma longitud, un conector al inicio de cada párrafo, atenuantes apilados antes de cada petición, sin contracciones, una fórmula en cada extremo. Un lector nativo oye el ritmo antes de revisar la gramática. Pedir un inglés "natural" o "nativo" no cambia nada, porque esas palabras describen un efecto al que el modelo ya apunta. Lo que funciona es medir sus propios hábitos en inglés a partir de correos que ya envió y entregárselos al modelo como reglas. Cada modelo nuevo ejecuta esas reglas mejor que el anterior.

Usted le pide a ChatGPT que pula un correo para un cliente en Londres. Cada oración vuelve correcta. Lo lee dos veces, no encuentra nada mal y aun así siente que suena traducido. Lo envía. La respuesta es cortés y un poco más distante que la de la semana pasada.

Nada en el borrador estaba mal. Nada en él era suyo, tampoco.

¿Por qué el inglés de la IA suena traducido?

Porque el modelo escribe el centro de todo el inglés que ha visto, y el centro del inglés tiene la forma de una traducción. La prosa traducida se reconoce por la estructura mucho antes que por el vocabulario: oraciones de longitud casi igual, una palabra de enlace al inicio de cada párrafo, más acolchado del que la petición necesita, ninguna contracción, y una apertura y un cierre que podrían intercambiarse con los de cualquier otro correo sin perder nada. La IA produce esa estructura por defecto, ya sea que la solicitud llegara en japonés, en francés o en inglés.

La planitud es medible. Nuestra línea base de IA promedio, construida a partir de 320 muestras de cinco modelos y cuatro idiomas, sitúa la producción de IA en inglés en una puntuación de consistencia de entre 52 y 55, y la cifra apenas se mueve entre idiomas. En nuestra escala eso significa una variación de longitud de oración moderada y distribuida de manera uniforme: el modelo no escribe ni la oración de seis palabras que remata un punto ni la de treinta que carga el contexto. Cómo construimos esa línea base explica el método; la versión corta es que el ritmo es el mismo en todas partes, que es exactamente lo que quiere decir un lector cuando afirma que un texto "suena traducido".

Así se ve la forma promedio en un solo correo, y esto es lo que un lector fluido nota en cada fila:

Cada fila es una decisión de ubicación o de ritmo. Un corrector gramatical aprueba las siete. Su cliente, no.

¿Qué ocurre cuando el borrador empieza en japonés o en francés?

El modelo corrige las oraciones y conserva la arquitectura. Pegue un borrador en japonés y pida inglés, o escriba en inglés con un plan japonés en la cabeza, y el modelo corregirá cada oración preservando el orden que usted le dio: la relación primero, las circunstancias después, la disculpa en tercer lugar, la petición al final, la gratitud para cerrar. Un inglés correcto dispuesto en un orden japonés es la definición más precisa que existe de "suena traducido".

Tome a una gerente de cuentas en Tokio que escribe a un cliente en Londres sobre una entrega que se ha retrasado una semana. La lógica japonesa de ese correo es sólida: reconocer la relación, explicar las circunstancias, disculparse, indicar la nueva fecha, pedir comprensión. El inglés de IA del mismo plan sale así: "I hope this email finds you well. I am writing to inform you regarding the delivery schedule. Due to unforeseen circumstances in our production process, we regret to inform you that the delivery will be delayed." La fecha llega en el segundo párrafo. La petición nunca llega del todo.

La misma persona, escribiendo en su propio inglés en un buen día, envía algo más parecido a: "Quick update on the delivery: it's moving from the 20th to the 27th. The cause was a supplier delay on our side, and we've already switched to a second source. Sorry for the knock-on effect on your planning. Does the 27th still work for your team?" Los mismos hechos, la misma disculpa, la misma cortesía. La petición va en la primera línea y el acolchado ocupa una sola oración.

La versión francesa del problema es estructural de otra manera. Nuestros datos por idioma muestran que la producción de IA en francés obtiene 75 en complejidad de oración y 32 en concisión, la más alta y la más baja de los cuatro idiomas que medimos. Un responsable de producto francés que redacta en francés y pide inglés obtiene el vocabulario pulido y las subordinadas intactas: una oración en inglés con esqueleto francés, de cuarenta palabras, con el verbo principal en algún punto del medio. Cómo escribe la IA de forma distinta en japonés, francés y español tiene la tabla completa.

Algo que conviene dejar claro: la solución no es hacer que ninguno de los dos suene como un londinense. El inglés de la gerente de cuentas es algo propio. Ella sí pone el contexto por delante, en dos oraciones cortas en lugar de cinco largas, y sí se disculpa una vez, después de indicar la solución. Esos son sus hábitos. El problema de la traducción es lo que el modelo añade encima de ellos, y la guía para profesionales bilingües explica por qué esa adición golpea con más fuerza a quienes escriben en una segunda lengua.

¿Por qué "escriba en inglés natural" no lo soluciona?

Porque "natural", "nativo", "fluido" y "conversacional" son etiquetas de un efecto, y el modelo ya apunta a ese efecto. Esas palabras describen a millones de escritores y ninguno de sus hábitos. La IA no conoce su tono; conoce palabras que describen el tono. Pida un inglés natural y obtendrá el promedio de todo lo que los datos de entrenamiento etiquetaron como natural, que es el mismo borrador con dos contracciones añadidas.

"Profesional pero cercano" tiene el mismo problema, y es la frase a la que recurre la mayoría. Describe a miles de escritores. Su colega, que escribe las mismas tres palabras en la misma casilla, recibe el mismo correo que usted. Una voz no vive en los adjetivos. Vive en la longitud de las oraciones y en cuánto varía, en dónde se ubican los matizadores, en qué transiciones usa y cuáles no usa nunca, en cómo puntúa. Escribimos sobre esto en detalle en Los adjetivos no son su voz, y el argumento se sostiene con más fuerza para una segunda lengua, porque los adjetivos que usted elegiría para su inglés son los que el modelo ya usa por defecto.

La propia guía de instrucciones personalizadas de OpenAI plantea la función como dos preguntas: qué debería saber el modelo sobre usted y cómo debería responder. La mayoría contesta la segunda con un estado de ánimo. La respuesta que cambia el borrador es una regla: abrir con la petición, un atenuante como máximo, contracciones activadas, sin fórmula de cierre. Una regla se puede seguir. Un estado de ánimo solo se puede aproximar, y la aproximación es el promedio.

¿Un modelo mejor dejará de sonar traducido?

No, y la razón es estructural, no temporal. La capacidad del modelo y el condicionamiento con datos del usuario son capas separadas. Los laboratorios mejoran la primera con cada versión y no pueden aportar la segunda, porque la segunda se construye a partir de correos que usted envió y el laboratorio nunca los ha visto. Un modelo más potente sigue "inglés natural" con más fidelidad, lo que produce una versión más pulida de la misma forma promedio.

Nuestros propios datos por modelo lo demuestran en cifras. En la porción en inglés de 80 muestras de la línea base, los cinco modelos que medimos se dispersan 61 puntos en expresividad y quedan casi superpuestos en otros dos ejes. Cambiar de un modelo a otro cambia la energía del borrador. No cambia la ubicación de la petición, el número de atenuantes ni el ritmo, porque ninguno de los modelos tiene información alguna sobre los suyos. Lo que oculta la línea base de IA promedio desglosa las cifras por modelo.

La misma separación juega a su favor una vez que tiene un perfil. Cuanto mejor se vuelve el modelo siguiendo instrucciones matizadas, mejor ejecuta también su perfil. "Abrir con la actualización, un atenuante por petición, al menos una oración de menos de ocho palabras por párrafo" es una instrucción matizada, y cada generación la cumple con más precisión que la anterior. Dele un adjetivo vago a un modelo más potente y obtendrá un promedio más pulido. Dele un perfil medido y obtendrá una versión más precisa de usted. Cuál de las dos recibe depende por completo de lo que entregó, un punto que planteamos en Por qué los mejores modelos siguen sin conocer su voz.

¿Cómo darle a la IA su inglés en lugar del promedio?

Mida sus hábitos a partir de inglés que ya envió, escríbalos como reglas y coloque las reglas donde el modelo las lea en cada solicitud: las instrucciones personalizadas de ChatGPT o un Project, un Claude Project, un Gem de Gemini. Tres pasos, y los dos primeros no necesitan software.

Paso 1: reúna diez correos enviados en un mismo registro. Dirigidos a clientes, internos o de primer contacto; elija uno. Escoja los que le dejaron conforme al enviarlos, no los que reescribió durante una hora, porque el perfil debe capturar su martes normal y no su mejor día. Manténgalos separados de cualquier cosa que haya escrito en japonés o en francés. Su inglés no es una traducción de sus otros idiomas y no debería medirse como tal.

Paso 2: cuente, no describa. Para cada correo, anote:

• La oración más corta, la más larga y la longitud típica. A la mayoría le sorprende lo corta que es la más corta.
• Dónde va la petición: en la primera oración o después de un párrafo de contexto.
• Atenuantes antes de la petición: qué frases y cuántas. "Could you" y "I was wondering whether it might be possible" no son el mismo atenuante.
• Contracciones: presentes o ausentes.
• Sus aperturas y cierres reales, incluido "ninguno".
• Conectores que usa ("also", "so", "and") y conectores que nunca aparecen en su escritura.
• El patrón de disculpa: con qué frecuencia, cuán concreta, antes o después de la solución.

Paso 3: escriba los recuentos como reglas. Un bloque terminado para un registro se ve así:

English email, client-facing:
- Open with the update or the ask in sentence one. Context comes after.
- Vary sentence length: at least one sentence under 8 words per paragraph, none over 30.
- One hedge per ask, maximum. Use "could you". Never "I was wondering if".
- Contractions on: it's, we're, I'll.
- Connectors: "also", "so", "and". Never "in addition" or a linking adverb to open a paragraph.
- No opening formula. Close with the next step and my first name.
- Apologise once, concretely, after the fix is stated. Never "we regret to inform".

Ese bloque no es la descripción de un estado de ánimo. Cada línea puede verificarse contra el resultado, y cada línea salió de algo que usted escribió de verdad.

Una prueba de cinco minutos le dice si un borrador de IA aprobó. Ponga el borrador junto a uno de sus propios correos. Subraye cada oración de menos de ocho palabras en cada uno. Encierre en un círculo la petición en cada uno. Cuente los atenuantes que la preceden. Si el borrador de la IA no tiene oraciones cortas, la petición está en el tercer párrafo y lleva tres atenuantes delante, está leyendo el promedio, y el promedio suena traducido.

MyWritingTwin hace el recuento por usted. Un análisis de ADN de escritura mide su ritmo de oración, la ubicación de los atenuantes, los conectores y la formalidad a partir de sus propias muestras, por idioma y contra una línea base de IA promedio por idioma, y convierte el resultado en un perfil de estilo que usted lleva a ChatGPT, Claude y Gemini. Su perfil en inglés y su perfil en japonés se construyen por separado, a partir de muestras separadas, porque los cambios de registro que importan en el correo empresarial japonés son hábitos distintos de los que importan en su inglés, y a un modelo no se le debería permitir promediarlos. Si escribe en más de un idioma, Su voz al escribir cambia cuando cambia de idioma explica por qué un solo perfil nunca es suficiente.

---

Si quiere ver la forma de su propio inglés frente al promedio antes de escribir una sola regla, el Writing DNA Snapshot gratuito mide algunas de sus muestras contra la línea base de IA por idioma y le muestra dónde el modelo lo habría aplanado. Envíe las muestras en inglés y las muestras en japonés o en francés por separado, y obtendrá dos gráficos, no un promedio de ambos.