La frase "no es solo X — es Y" se ha convertido en un marcador infalible de textos generados por IA

Existe una forma simple de verificar si un texto fue generado por IA: encontrar la construcción "esto no es solo X — es también Y". Si aparece aunque sea una sola vez, la probabilidad de autoría sintética se aproxima al cien por ciento. Esta es la conclusión que se deduce de las observaciones que TechCrunch resumió en abril de 2026.

La construcción con la oposición "no solo... sino también..." se ha convertido en una característica tan distintiva de los materiales generados por IA que ha dejado de ser meramente evidencia circunstancial — ahora es casi una garantía.

¿Por qué exactamente esta? Los modelos de lenguaje fueron entrenados con miles de millones de textos, entre los cuales había artículos periodísticos largos, análisis y materiales de marketing. En estos géneros, la construcción aparece con frecuencia — crea una apariencia de profundidad y matices.

El modelo la ha aprendido como una señal de "escritura inteligente" y ahora la reproduce automáticamente cada vez que necesita reforzar un argumento o mostrar que el tema ha sido examinado desde todos los ángulos. El problema es la dosis. En un texto humano, tal construcción aparece rara vez y en el lugar adecuado.

Cuando un modelo de lenguaje la usa varias veces seguidas en un material, ya no es estilo — es un fallo que salta inmediatamente a la vista de cualquier editor. Esta no es la primera ni la última "pista" de este tipo. Antes de esta, los investigadores han documentado otros marcadores de IA: la palabra "profundizar" en contextos inadecuados, frases introductoras como "¡Ciertamente!"

y "¡Excelente pregunta!", listas perfectamente equilibradas de exactamente cinco puntos, conclusiones como "esto abre nuevos horizontes para futuras investigaciones". Cada uno de estos patrones sigue la misma trayectoria: primero los editores lo notan, luego entra en la lista de detectores, luego los desarrolladores intentan eliminarlo — y el ciclo se repite.

La escala del problema es significativa. Según varias estimaciones, en algunos nichos — blogs de marketing, noticias corporativas, granjas de contenido — la proporción de materiales generados por IA ya supera el 60-70%. Los patrones característicos se han esparcido literalmente por internet, y los lectores comienzan a reconocerlos intuitivamente, incluso sin poder articular qué es exactamente lo que les molesta.

Para empresas y autores que utilizan modelos de lenguaje en su trabajo, esta es una señal práctica en varios niveles. Primero: la edición final no es opcional. Pasar un texto por un modelo y publicarlo inmediatamente significa arriesgar la reputación.

Un lector que ha notado una construcción formulaica saca conclusiones no solo sobre la calidad de un material específico, sino también sobre la actitud del autor hacia la audiencia. Segundo: el ajuste de prompts funciona. Una prohibición explícita de clichés en el prompt del sistema — "no uses la construcción X", "evita oposiciones simétricas" — reduce radicalmente su frecuencia.

Esto no es una garantía, pero una mejora significativa. Tercero: la lista de marcadores necesita actualizarse. Los patrones cambian junto con los modelos.

Lo que funcionaba como detector hace un año puede ya haber sido corregido en nuevas versiones. Y al contrario — los nuevos modelos traen nuevos clichés que aún nadie ha notado. La historia con la construcción "esto no es solo X — es también Y" ilustra bien la naturaleza de la carrera entre modelos de lenguaje y quienes los editan.

Los modelos dominan rápidamente técnicas estilísticas que se ven convincentes a nivel estadístico — pero es precisamente por eso que las reproducen demasiado a menudo y de manera demasiado predecible. Un buen editor aún vence al algoritmo. De momento.