Míralo en acciónFuncionesReseñasArtículosPreguntasIniciar sesiónDescarga la aplicación

ArtículosHerramientas de escritura

Todas las apps de mensajes con IA reescriben tu borrador. Ninguna te dice cómo va a caer.

Cuatro grupos de herramientas y doce estudios sobre lo que pasa en realidad cuando la IA escribe tu mensaje, y qué ayuda en los quince segundos antes de mandarlo.

Por Samet Durgun · Cofundador de Subtext · 12 min de lectura

Pasé varias semanas leyendo todo lo que encontré sobre herramientas de IA que reescriben mensajes personales, en parte porque estoy construyendo una, y en parte porque quería saber si lo que creo sobre ellas es cierto.

Lo que creo es esto. Si le das un mensaje difícil a una IA, el momento útil no es la versión pulida que te devuelve. El momento útil es treinta segundos antes, cuando algo te dice que el mensaje que ya escribiste va a caer mal, y por qué.

Así que me puse a buscar una herramienta que hiciera eso. No encontré ninguna en el mercado, y esa es la versión corta de por qué terminamos construyendo Subtext. Tómame como parcial en consecuencia, y revisa los estudios tú mismo. Después me puse a buscar la investigación sobre lo que pasa en realidad cuando la gente deja que la IA escriba sus mensajes personales, y resultó ser mucho más interesante que los productos.

Lo que sigue es lo que encontré, con todo enlazado para que me puedas checar.

Todos los productos de esta categoría hacen exactamente lo mismo

Si ordenas estas herramientas por lo que hacen en realidad y no por cuántas descargas tienen, se reducen a cuatro grupos, y los cuatro terminan en el mismo lugar.

Grupo uno: las herramientas que ya trae el celular. Apple Intelligence Writing Tools1 funciona en todo iOS 18.1 en adelante. Seleccionas texto y te da Corregir, Reescribir en tres tonos (Amigable, Profesional, Conciso) y Redactar, que le pasa la solicitud a ChatGPT. Gratis si tu hardware lo soporta, es decir iPhone 15 Pro en adelante. Samsung Writing Assist2 hace lo mismo en One UI, con cambios de tono, respuestas sugeridas y Live Translate. Gboard3 agrega Respuesta inteligente, Corregir y herramientas para reformular que corren sobre Gemini Nano en los equipos más nuevos. Todo gratis.

Grupo dos: los asistentes dentro de la app de mensajes. Magic Compose4 pone respuestas sugeridas arriba del teclado en Google Messages y reescribe borradores en estilos que incluyen Emocionado, Relajado y, por razones que no entiendo, Shakespeare. Para hacerlo, manda hasta veinte de tus mensajes recientes a los servidores de Google, lo que significa que esos mensajes dejan de estar cifrados de extremo a extremo. Google dice que no los guarda. Gemini en Messages es otra cosa, un hilo de chat aparte donde escribes el borrador y luego copias el resultado a la conversación real. No puede ver tus otros hilos.

Grupo tres: las apps de citas para contestar. Le tomas captura a la conversación, la app le corre OCR y te da frases para abrir y respuestas ingeniosas. W Rizz cobra $3.99 dólares a la semana. PlugAI, antes RizzGPT, anda por los $4.99. Hay docenas más y todas optimizan para una sola cosa: si el siguiente mensaje consigue respuesta.

Grupo cuatro: las pequeñas para conversaciones difíciles. Este es el grupo más interesante y el que menos inversión tiene. Resolve5 en iOS mide lo que llama temperatura del conflicto. Clarity Coach6 en Android hace que escribas un borrador dentro de un escenario de práctica y te dice si se lee vago, demasiado directo o sobreexplicado antes de ayudarte a reescribirlo. Subtext, que cofundé, está en este grupo y trabaja al revés que el resto de la categoría: lee el hilo y tu borrador, te dice cómo es probable que caiga el mensaje y qué palabras lo están causando, y solo después ofrece reescrituras que puedes tomar o ignorar.

Fíjate en lo que pasa en todos y cada uno de estos casos. Le das texto, te da otro texto. El paso del diagnóstico, donde algo lee lo que escribiste y te dice cómo es probable que lo reciba la otra persona, no existe en ninguna herramienta que trabaje dentro de una conversación real. Clarity Coach es la que más se acerca, y es un espacio de práctica, así que no puede tocar un mensaje que de verdad estás a punto de mandar.

Grammarly7 es el caso que vale la pena precisar, porque es el que más cerca está de cerrar esta brecha. Su detector de tono lee tu elección de palabras, la redacción, la puntuación y el uso de mayúsculas, y le pone nombre al tono. Cuando salió en 2019 cubría cerca de cuarenta tonos8, entre ellos agradecido, seguro, formal, cariñoso y triste. La propia documentación de soporte de Grammarly es cuidadosa con el límite: el detector identifica el tono general de tu texto9 en vez de ofrecer reescrituras oración por oración. Te dice qué tono está presente. Si tu hermana se va a sentir descartada por eso es otra pregunta, y Grammarly no dice responderla. La detección de tono está en el plan gratuito, y Pro cuesta $12 dólares al mes con facturación anual, según los rastreadores de precios actuales.

Esa distinción es toda la brecha.

Nadie puede saber si un mensaje lo escribió una IA, y ni siquiera está cerca

Este es el hallazgo que más me sorprendió, y es el estudio con mejor poder estadístico de toda el área.

Maurice Jakesch, Jeff Hancock y Mor Naaman corrieron seis experimentos con 4,600 participantes en Estados Unidos, publicados en PNAS en 202310. La gente leía autopresentaciones de perfiles de citas, hospitalidad y perfiles profesionales, y adivinaba cuáles había escrito una máquina. El acierto anduvo entre 50 y 52 por ciento. En la condición de citas, con dinero de por medio si acertaban, cerca de 51.6 por ciento.

Territorio de volado.

La razón es que todos usamos los mismos atajos rotos. Los participantes tomaban los pronombres en primera persona, las contracciones, las menciones a la familia y el detalle emocional cálido como prueba de que lo había escrito un humano. Tomaban la gramática impecable y la redacción plana como prueba de que lo había escrito una máquina. Cada una de esas señales es trivialmente fácil de producir para un modelo si se lo pides. Las heurísticas apuntan exactamente al lado equivocado. Un clasificador entrenado en el mismo estudio solo llegó a 58.1 por ciento, así que esto no es un problema de habilidad que se arregle poniendo más atención.

Una salvedad de la que quiero ser honesto. Ese estudio usó texto de la era de GPT-3. Si los números se sostienen contra los modelos actuales no se ha probado a una escala parecida.

El daño viene de que sospechen de ti, no de que te cachen

Si la gente no puede detectar la IA, uno esperaría que toda la preocupación se evaporara. No es así, y esta es la parte que importa para cualquiera que le escriba un mensaje real a una persona real.

Un equipo liderado por Cornell corrió dos experimentos aleatorizados con 1,036 participantes, publicados en Scientific Reports11. Las respuestas inteligentes hicieron las conversaciones más rápidas y más positivas, y la gente calificó a su interlocutor como más cercano y más cooperativo. Y aquí viene el giro. Los participantes que sospechaban que su interlocutor usaba respuestas inteligentes lo calificaron notablemente peor. El daño lo hizo la sospecha. Ese estudio midió la sospecha y no el acierto, y dados los números de detección de arriba, no hay mucha razón para pensar que esas sospechas caían sobre la gente correcta.

Un equipo de Carnegie Mellon le puso un mecanismo debajo a esto en un estudio de 202512 con 399 participantes en dos estudios, y su resultado es más sutil que una simple penalización. Una etiqueta de IA no solo te hace ver mal. Vuelve tu mensaje una evidencia más débil sobre ti en cualquiera de los dos sentidos. Una disculpa asistida por IA se lee menos cálida, y un presumido o un reclamo asistidos por IA se leen menos fríos. La etiqueta le drena al mensaje la información sobre quién eres.

Ese marco se me quedó grabado. Lo que sea que tu mensaje estuviera haciendo como señal, la etiqueta le baja el volumen.

Excepto en un escenario, donde decirlo no te cuesta absolutamente nada

Quiero incluir el estudio que va en contra de la tesis de mi propio producto, porque dejarlo fuera sería deshonesto.

Zoe Purcell y colegas del Instituto Max Planck para el Desarrollo Humano, con Jakesch otra vez entre los autores, corrieron dos experimentos preregistrados con 1,637 participantes en juegos de confianza a dos jugadores con incentivo económico, publicados en iScience en noviembre de 202513. La mitad podía usar asistencia de texto predictivo para escribir un mensaje que convenciera a un desconocido de confiar en ellos. El resto escribió sin ayuda.

La asistencia de IA tuvo un efecto mínimo sobre la confianza, y eso se mantuvo incluso cuando se revelaba el uso de la IA. Quienes tuvieron ayuda produjeron mensajes igual de generadores de confianza en menos tiempo, así que ganaron más confianza por minuto invertido. El análisis lingüístico encontró que sus mensajes eran un poco menos auténticos pero más cálidos, más complejos y más altos en lo que los investigadores llaman prestigio social.

Los autores son cuidadosos con el alcance, y yo también. Esto es una transacción de una sola vez entre desconocidos con dinero de por medio. La confianza conductual en una decisión de pago es un animal distinto de que tu pareja lea tu mensaje a las once de la noche y decida si lo dijiste en serio. Pero la versión honesta de este artículo dice que la historia de que “la IA arruina la confianza” tiene un contraejemplo real en la literatura, y este es.

La IA escribe mejores mensajes de consuelo que la mayoría de la gente, hasta que mencionas que fue la IA

Dos estudios, con la misma forma de resultado.

Yin, Jia y Wakslak en PNAS14 encontraron que las respuestas generadas por IA hacían que la gente se sintiera más escuchada que con respuestas de humanos sin entrenamiento, y que la IA era mejor para leer qué emoción estaba en juego. Después les dijeron a quienes recibían el mensaje que venía de una IA, y el efecto bajó. Uno de los autores señaló que los dos efectos eran de un tamaño parecido y más o menos se cancelaban entre sí.

Ovsyannikova, Oldemburgo de Mello e Inzlicht15 corrieron cuatro experimentos preregistrados con 556 participantes en Communications Psychology. Las respuestas de GPT-4 se calificaron como más compasivas que las humanas, incluidas las escritas por voluntarios entrenados de la línea de crisis de los Distress Centres of Greater Toronto. Revelar la fuente redujo la brecha pero no la cerró.

Así que la máquina suele ser mejor con las palabras. Las palabras no son lo único que se está transmitiendo.

El esfuerzo importa porque antes el esfuerzo costaba caro

La teoría de las señales es el marco que hizo que todo esto encajara para mí.

Un mensaje hace dos trabajos. Lleva contenido, y demuestra que gastaste algo para mandarlo. Tu tiempo, tu atención y, en una conversación difícil, tu compostura. Todo eso es finito, así que gastarlo dice algo verdadero sobre cuánto valoras a la persona. La investigación sobre señales de compromiso16 en muestras de Japón y Estados Unidos encontró que las señales costosas superaban a las baratas, y que no mandar una señal esperada, como olvidar una fecha importante, dañaba las relaciones románticas mucho más que las amistades.

Baja el costo de producir un mensaje cálido, articulado y bien estructurado a casi cero, y la señal deja de cargar información.

Ahora hay evidencia directa del mecanismo, aunque no viene de un contexto de mensajería. Un estudio de 2026 en Frontiers in Psychology17 con 618 participantes encontró que etiquetar un contenido como generado por IA reducía de forma significativa el esfuerzo percibido, mientras que una etiqueta de hecho por un humano no era distinta de no poner ninguna etiqueta. La gente asume esfuerzo humano por defecto, y la etiqueta de IA es lo que le quita esa suposición. Ese estudio usó video de formato corto, así que hay que llevarlo a la mensajería con cierta cautela.

Delegar las palabras parece debilitar tu propio compromiso con ellas

Este es el hallazgo en el que no dejo de pensar, y no tiene nada que ver con quien recibe el mensaje.

Economistas de CREED en Ámsterdam18 corrieron juegos de confianza donde quien mandaba el mensaje podía usar ChatGPT para escribir una promesa de reciprocidad. Pasaron dos cosas al mismo tiempo. La gente con acceso a ChatGPT hizo promesas más explícitas. Y la gente que nada más abrió ChatGPT cumplió sus promesas 25.7 por ciento menos a la hora de pagar, hubiera copiado o no lo que la herramienta le dio.

El detalle que lo hace interesante: entre más se parecía el mensaje mandado a la sugerencia cruda de ChatGPT, menos confiable era la conducta posterior de quien lo mandó. La gente que reescribió la sugerencia se portó mejor. Los autores lo leen como una cuestión de apropiación. Dices algo con tus propias palabras y te sientes atado a eso. Reenvías algo que escribió una máquina y una parte de ti nunca lo firmó.

Las disculpas son donde esto se ha estudiado bien, y el hallazgo sirve más que un simple “no lo hagas”

Si solo vas a leer una sección, que sea esta, porque aquí vive la respuesta práctica.

Ella Glikson y Omri Asscher corrieron tres estudios de escenarios sobre disculpas en el trabajo, publicados en Computers in Human Behavior19. Saber que alguien usó herramientas de IA para escribir una disculpa reducía qué tan auténtica se sentía y qué tan dispuesta estaba la gente a perdonar. Decirlo tú mismo no suavizaba nada de eso. Hasta aquí, previsible.

Después viene la parte que me hizo cambiar de opinión. Los participantes que usaron solo una de las tres herramientas de IA disponibles no recibieron ninguna penalización de autenticidad. Los investigadores lo leen como distancia. Un uso limitado de la IA mantiene el mensaje final cerca de lo que la persona quería decir en realidad, y la gente lo percibe.

Un experimento aparte de 3x2 de Lim, Hong y Schneider con 464 participantes, también en Computers in Human Behavior20, encontró que las disculpas escritas por humanos se veían como más sinceras en todos los casos, y que un tono cálido mejoraba las disculpas de IA sin llegar nunca a cerrar la brecha con una humana.

Junta esos dos estudios y sale algo práctico. La penalización sigue qué tanto se alejó el mensaje final de lo que en realidad querías decir. No si hubo una máquina en el cuarto.

Estas herramientas te pulen los peores instintos y nunca dicen ni una palabra

Escribe algo pasivo-agresivo, pásaselo a cualquier herramienta de reescritura de tu celular y mira qué pasa. Te da pasivo-agresividad mejor escrita. Sin advertencia, sin un “¿estás seguro?”. El trabajo de la herramienta es hacer lo que le pediste.

Hay una razón por la que los modelos se inclinan de este lado. OpenAI retiró una actualización de GPT-4o en abril de 2025 y escribió públicamente21 que el modelo se había vuelto “excesivamente halagador o complaciente, lo que suele describirse como aduladora”, y que “se inclinaba hacia respuestas demasiado condescendientes pero poco sinceras”. La causa que señalaron fue afinar el modelo demasiado con retroalimentación de corto plazo de los usuarios, es decir, pulgar arriba y pulgar abajo. En una publicación de seguimiento22 admitieron que no tenían ninguna evaluación de despliegue que le diera seguimiento a la adulación.

Investigadores de Anthropic encontraron que el mismo patrón es general. En un estudio presentado en ICLR 202423, los cinco asistentes de punta mostraron adulación, y el análisis de cerca de 15,000 comparaciones de preferencia humana encontró que coincidir con las creencias declaradas del usuario estaba entre los predictores más fuertes de qué respuesta prefería la gente. Entrenas con la aprobación y seleccionas por la coincidencia. Un benchmark de 202524 midió conducta aduladora en 58.19 por ciento de los casos de prueba en ChatGPT-4o, Claude Sonnet y Gemini 1.5 Pro, con 78.5 por ciento de persistencia una vez que empezaba, aunque eso fue en respuesta a preguntas factuales y no en mensajes personales.

Ahora piensa qué significa eso para el momento en que más ayuda necesitas. Estás enojado, escribiste algo de lo que te vas a arrepentir, y la herramienta que tiene tu borrador está optimizada para hacerte sentir bien con eso.

La pregunta que no puedo responder

¿Es mejor mandar un mensaje torpe que escribiste tú o uno pulido que no escribiste?

Busqué a fondo y no hay ningún estudio que ponga esto a prueba directamente. Nadie ha aleatorizado “tu propio borrador imperfecto” contra “un buen borrador que no escribiste tú” y le ha dado seguimiento a qué le pasó a la relación. No hay nada longitudinal. Ningún dato de campo sobre parejas, familias o amigos cercanos a lo largo de meses de mensajes asistidos por IA. No sabemos si la gente se adapta al pulido sintético, o si el hábito erosiona algo poco a poco sin que nadie se dé cuenta.

Lo que sí tenemos apunta en una sola dirección para las relaciones cercanas. El esfuerzo se lee como cuidado, las etiquetas aplanan la señal, las palabras delegadas parecen aflojar tu control sobre tus propias promesas, y las disculpas siguen siendo creíbles cuando se mantienen cerca de lo que querías decir. Pero el resultado del juego de confianza dice que en algunos contextos nada de esto te cuesta nada, y no voy a fingir que la evidencia es más limpia de lo que es.

Entonces, qué ayudaría en realidad

Releyendo todo esto, la forma del producto que falta queda bastante clara, y es casi lo opuesto de lo que está construyendo la categoría.

Nadie necesita que le reemplacen las palabras. Lo que necesitan, en los quince segundos antes de darle a enviar, es saber que el mensaje se lee más frío de lo que sienten, o que eso que creen que es una aclaración se lee como una lista de quejas. Después lo arreglan ellos mismos, con sus propias palabras, y la señal de esfuerzo sobrevive, la apropiación sobrevive, y la distancia de Glikson y Asscher se queda corta.

Esa es la versión que quiero que exista, y es la que construimos. Subtext toma el hilo completo en vez de la oración suelta, le pone nombre a lo que tu borrador probablemente le está señalando a la persona que lo va a leer, y te muestra las palabras que crean esa impresión, para que el arreglo siga siendo tuyo. Según la evidencia de arriba, eso importa más que la reescritura: la penalización sigue la distancia con lo que querías decir, y la distancia más corta es tu propia oración con una palabra cambiada. Empezar es gratis, desde el celular o el navegador.

Mi propia regla, por si sirve de algo: dejo que una máquina me diga cómo suena mi mensaje. No dejo que le diga a mi hermana que lo siento.

¿Crees que leí mal algún estudio, o conoces una herramienta que sí diagnostique antes de reescribir? Dímelo en LinkedIn.

Samet Durgun es cofundador de Subtext, una app que capta el tono emocional de tus mensajes y los reescribe con tu propia voz. Vive en Berlín.

Fuentes

Todos los enlaces de arriba llevan a la fuente primaria cuando existe, numerados en orden de aparición. Las funciones y precios de los productos se revisaron en agosto de 2026. Cuando un dato venía de un blog de empresa o un comunicado de prensa en vez de un estudio, lo dejé fuera.

  1. Apple Support. Use Writing Tools with Apple Intelligence on iPhone. https://support.apple.com/guide/iphone/find-the-right-words-with-writing-tools-iph6f08da1d2/ios
  2. Samsung. Use Writing assist on Galaxy phones and tablets. https://www.samsung.com/us/support/answer/ANS10000943/
  3. Google Support. Use writing tools with Gboard. https://support.google.com/gboard/answer/17470061
  4. Google Support. Draft messages with Magic Compose. https://support.google.com/messages/answer/13632636
  5. Apple App Store. Resolve: AI Conflict Coach. https://apps.apple.com/us/app/resolve-ai-conflict-coach/id6759972332
  6. Google Play. Clarity Coach. https://play.google.com/store/apps/details?id=com.zamrudila.claritycoach
  7. Grammarly. Writing Tone Detector and Tone Suggestions. https://www.grammarly.com/tone
  8. TechCrunch (2019). Grammarly gets a tone detector to keep you out of email trouble. https://techcrunch.com/2019/09/24/grammarly-gets-a-tone-detector-to-keep-you-out-of-email-trouble/
  9. Grammarly Support. How do Grammarly’s tone suggestions work? https://support.grammarly.com/hc/en-us/articles/10674801783309
  10. Jakesch, M., Hancock, J. T., & Naaman, M. (2023). Human heuristics for AI-generated language are flawed. PNAS, 120(11), e2208839120. https://www.pnas.org/doi/10.1073/pnas.2208839120
  11. Hohenstein, J., Kizilcec, R. F., DiFranzo, D., Aghajari, Z., Mieczkowski, H., Levy, K., Naaman, M., Hancock, J., & Jung, M. F. (2023). Artificial intelligence in communication impacts language and social relationships. Scientific Reports, 13, 5487. https://www.nature.com/articles/s41598-023-30938-9
  12. Khadpe, P., Wenzel, K., Loewenstein, G., & Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication. AAAI/ACM Conference on AI, Ethics and Society. https://arxiv.org/abs/2509.09645
  13. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M., & Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28(12), 114092. https://www.cell.com/iscience/fulltext/S2589-0042(25)02353-3
  14. Yin, Y., Jia, N., & Wakslak, C. J. (2024). AI can help people feel heard, but an AI label diminishes this impact. PNAS, 121(14), e2319112121. https://www.pnas.org/doi/10.1073/pnas.2319112121
  15. Ovsyannikova, D., Oldemburgo de Mello, V., & Inzlicht, M. (2025). Third-party evaluators perceive AI as more compassionate than expert humans. Communications Psychology, 3. https://www.nature.com/articles/s44271-024-00182-6
  16. Yamaguchi, M., et al. (2015). Commitment signals in friendship and romantic relationships. Evolution and Human Behavior. https://www.sciencedirect.com/science/article/abs/pii/S1090513815000525
  17. Human-made vs. AI-generated: how provenance labels drive strategic curation via perceived effort (2026). Frontiers in Psychology. https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1840483/full
  18. AI-Powered Promises: The Influence of ChatGPT on Trust and Trustworthiness. CREED, University of Amsterdam. https://www.creedexperiment.nl/creed/pdffiles/chatGPT.pdf
  19. Glikson, E., & Asscher, O. (2023). AI-mediated apology in a multilingual work context. Computers in Human Behavior, 140, 107592. https://www.sciencedirect.com/science/article/abs/pii/S0747563222004125
  20. Lim, J. S., Hong, N., & Schneider, E. (2025). How warm- versus competent-toned AI apologies affect trust and forgiveness through emotions and perceived sincerity. Computers in Human Behavior, 172, 108761. https://www.sciencedirect.com/science/article/pii/S0747563225002080
  21. OpenAI (2025). Sycophancy in GPT-4o. https://openai.com/index/sycophancy-in-gpt-4o/
  22. OpenAI (2025). Expanding on what we missed with sycophancy. https://openai.com/index/expanding-on-sycophancy/
  23. Sharma, M., et al. (2024). Towards Understanding Sycophancy in Language Models. ICLR 2024. https://arxiv.org/abs/2310.13548
  24. Fanous, A., et al. (2025). SycEval: Evaluating LLM Sycophancy. AAAI/ACM Conference on AI, Ethics and Society. https://arxiv.org/abs/2502.08177