La fórmula «no es solo X, es Y» se ha convertido en una marca inequívoca de los textos de IA

Hay una forma sencilla de comprobar si un texto lo ha escrito una IA: buscar la construcción «no es solo X, es también Y». Si aparece aunque sea una vez, la probabilidad de autoría sintética tiende al cien por cien. Esa es la conclusión que se desprende de las observaciones que TechCrunch resumió en abril de 2026. La construcción de contraste «no solo... sino también...» se ha vuelto un rasgo tan característico de los materiales generados por IA que ha dejado de ser un mero indicio indirecto: ahora es casi una garantía.

¿Por qué precisamente esta? Los modelos de lenguaje se entrenaron con miles de millones de textos, entre ellos reportajes periodísticos de largo aliento, análisis y materiales de marketing. En esos géneros el recurso es frecuente: crea apariencia de profundidad y matices. El modelo lo asimiló como señal de «escritura inteligente» y ahora lo reproduce automáticamente cada vez que necesita reforzar un argumento o mostrar que un tema se ha examinado desde todos los ángulos.

El problema es la dosis. En un texto humano, esta construcción aparece pocas veces y en el lugar adecuado. Cuando un modelo de lenguaje la usa varias veces seguidas en un mismo texto, ya no es estilo: es un fallo que salta a la vista de cualquier editor.

No es la primera ni la última «pista» de este tipo. Antes, los investigadores habían detectado otras marcas de IA: la palabra «delve» (profundizar) en contextos poco habituales, arranques como «Certainly!» y «Great question!», listas pulcras de exactamente cinco puntos y cierres del tipo «esto abre nuevos horizontes para futuras investigaciones». Cada patrón sigue la misma trayectoria: primero lo notan los editores, luego entra en las listas de los detectores, después los desarrolladores intentan eliminarlo, y el ciclo se repite.

La magnitud del problema es considerable. Según varias estimaciones, en ciertos nichos (blogs de marketing, noticias corporativas, granjas de contenido) la proporción de material generado por IA ya supera el 60-70 %. Estos patrones se han extendido por internet y los lectores empiezan a reconocerlos de forma intuitiva, aunque no sepan formular qué es exactamente lo que les chirría.

Para las empresas y los autores que usan modelos de lenguaje en su trabajo, esto supone una señal práctica en varios niveles.

Primero: la edición final no es opcional. Pasar un texto por un modelo y publicarlo de inmediato supone arriesgar la reputación. El lector que detecta una fórmula repetida no solo juzga la calidad de ese texto, sino también la actitud del autor hacia su audiencia.

Segundo: ajustar los prompts funciona. Una prohibición explícita de clichés en el prompt del sistema («no uses la construcción X», «evita los contrastes simétricos») reduce de forma radical su frecuencia. No es una garantía, pero sí una mejora sustancial.

Tercero: la lista de marcas debe actualizarse. Los patrones cambian con los modelos. Lo que funcionaba como detector hace un año puede estar ya corregido en las versiones nuevas. Y al revés: los modelos nuevos traen clichés nuevos que todavía nadie ha detectado.

La historia de «no es solo X, es Y» ilustra bien la naturaleza de la carrera entre los modelos de lenguaje y quienes los editan. Los modelos aprenden rápido recursos estilísticos que resultan convincentes a nivel estadístico, pero precisamente por eso los repiten demasiado y de forma demasiado predecible. Un buen editor todavía se impone al algoritmo. Por ahora.