¿La IA hace que tus mensajes suenen a robot?

Normalmente, sí. Y por primera vez hay investigación seria sobre el porqué. Cuando un modelo de IA reescribe un mensaje, el significado suele sobrevivir. Tu forma de decir las cosas, no. Desaparecen las contracciones (en inglés, “I’m” pasa a “I am”), la primera persona aparece menos, las palabritas que marcan tu ritmo se van puliendo hasta desaparecer, y lo que te devuelve parece escrito para cualquiera.

Cofundé Subtext, una app pensada justo para este problema, así que tómate con cautela lo que diga sobre ella. Lo que sí puedo ofrecer es que me leí los estudios a fondo, y he enlazado cada uno para que puedas comprobar lo que digo. Esto es lo que muestran, lo que no, y lo que puedes hacer al respecto, tanto si usas nuestra app como si pegas tus borradores en ChatGPT.

Qué le pasa a un mensaje cuando lo reescribe una IA

El estudio más grande hasta ahora salió en Nature Human Behaviour en agosto de 2026. Los investigadores analizaron más de 880.000 textos, incluidos experimentos controlados en los que los mismos textos pasaron por varios modelos de IA con instrucciones como “pule esto”, “hazlo más claro” y “hazlo más natural”. El contenido central se mantuvo. La variedad en cómo escribía la gente, no. En todos sus conjuntos de datos y modelos, la dispersión de la complejidad de la escritura se redujo entre un 21 y un 50 por ciento, y los clasificadores que adivinan el género, la edad, la ideología o los valores de quien escribe a partir de su texto empeoraron de forma notable con las reescrituras, con errores que se inclinaban hacia el perfil mayoritario (The shrinking landscape of linguistic diversity in the age of large language models)¹.

El experimento de reescritura de ese estudio usó publicaciones de Reddit y resúmenes académicos. Un estudio más pequeño de 2026, todavía en preprint, analizó algo más parecido a un mensaje de texto: 300 historias personales, cada una reescrita por tres modelos punteros. El patrón se repitió en todos los casos. Menos contracciones. Menos pronombres de primera persona. Menos de esas palabritas funcionales. Palabras más largas y una puntuación más rebuscada. Daba igual si la instrucción era “mejora esto” o simplemente “reescribe esto”. Pedirle al modelo que conservara la voz de quien escribía redujo el efecto en torno a un tercio, pero la dirección nunca cambió, y al modelo se le daba peor conservar lo que tiende a quitar que contenerse con lo que tiende a añadir (Voice Under Revision: Large Language Models and the Normalization of Personal Narrative)².

Dos hallazgos apuntan en sentido contrario, y son importantes. Un estudio de 2025 sobre artículos de noticias de antes y después de ChatGPT encontró más palabras típicas de la IA pero ninguna pérdida medible de variedad de vocabulario con las métricas que usó, así que el efecto se ve más claro en la reescritura controlada y menos en la vida real (Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models)³. Y un experimento revisado por pares sobre escritura en colaboración con un modelo encontró que, cuando los ensayos se volvían más parecidos, la uniformidad venía del texto que insertaba el modelo. Lo que aportaban quienes escribían seguía siendo tan variado como antes (Does Writing with Language Models Reduce Content Diversity?)⁴.

Ese segundo hallazgo es el útil. El daño viene de sustituir tus frases, no de hacerles pequeños retoques.

Por qué se conserva lo que dices y se pierde tu voz

Quienes investigan el estilo de escritura tratan dos cosas por separado. Una es lo que dice un mensaje. La otra es cómo lo dice, y ese “cómo” está hecho de material muy corriente: qué palabras cotidianas eliges, cuánto duran tus frases y cuánto varían, tus manías con la puntuación, las coletillas como “en plan” o “la verdad”, si escribes “pa” o “para”, la jerga, los emojis, el salto a otro idioma a mitad de frase. Un estudio de 2021 sobre escritura en internet encontró que estas costumbres son lo bastante constantes como para que un modelo entrenado con decenas de miles de personas suela poder saber, a partir de dos publicaciones cortas, si las escribió la misma persona (Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles)⁵.

El significado no necesita ninguno de esos rasgos. Así que una reescritura puede conservar el significado a la perfección y perderlos todos. Es justo lo que midió el estudio de Nature. Lo que se decía siguió siendo muy parecido, mientras que la variedad en cómo se decía se desplomó.

Por eso “el mismo mensaje” y “la misma voz” son dos promesas distintas. La mayoría de las herramientas solo hacen la primera, y la mayoría de la gente solo nota que falta la segunda cuando ya le ha dado a enviar. Escribí aparte sobre lo que hace cada uno de los tres grandes chatbots con tus palabras. Aquí, la pregunta que decide si todo esto importa es la siguiente.

¿La otra persona lo nota de verdad?

La evidencia aquí es más concreta de lo que esperaba.

Un estudio de 2026 publicado en CHI, el principal congreso de investigación sobre cómo usa la gente la tecnología, probó justo esto en relaciones de pareja. En un experimento aleatorizado con 704 personas que leían mensajes de su pareja, los investigadores variaron dos cosas: si la IA había hecho un retoque ligero de tono o había redactado el mensaje entero, y si quien lo enviaba admitía que la IA le había ayudado. Que la IA redactara más hacía, de forma sistemática, que el mensaje pareciera menos de quien lo enviaba y menos auténtico, y que fuera más claro o estuviera más pulido no lo compensaba. El resultado más llamativo tenía que ver con las disculpas. Cuando quien enviaba decía “me ayudó la IA con el tono” en una disculpa con un retoque ligero, quienes la leían la encontraban más auténtica y perdonaban más. Cuando decía lo mismo de una disculpa redactada entera por la IA, las dos cosas bajaban. Los mensajes con más rasgos propios de quien los enviaba puntuaron más alto en autenticidad en todos los casos (Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication)⁶.

Un segundo estudio, de 2025, explica parte del porqué. Cuando 399 personas leyeron mensajes etiquetados como asistidos por IA, la etiqueta no hacía quedar mal a quien lo enviaba, pero sí hacía que el mensaje dejara de servir como prueba. Una disculpa sin ayuda se leía como cálida. Un mensaje de reproche sin ayuda se leía como frío. Con la etiqueta de IA, los dos se desplazaban hacia lo neutro, como si el mensaje no dijera nada de la persona (Explaining the Reputational Risks of AI-Mediated Communication)⁷.

Contarlo tiene su propio coste. En 13 experimentos prerregistrados, la gente que decía haber usado IA inspiraba menos confianza que la que no lo decía, en contextos que iban desde poner notas hasta trabajos de diseño (The Transparency Dilemma: How AI Disclosure Erodes Trust)⁸. Eso sí, en situaciones emocionalmente neutras y puntuales, como un juego de confianza con alguien desconocido, la ayuda de la IA apenas cambió la confianza, se contara o no (Writing with AI boosts trust-building efficiency)⁹.

Visto en conjunto, el patrón es coherente. Cuanto más personal es el mensaje, más te cuesta una reescritura completa, y más te puede ayudar un retoque ligero sobre tus propias palabras. La investigación sobre disculpas en concreto merece su propio artículo, y se lo he dedicado: ¿cómo se pide perdón por mensaje?

El aplanamiento afecta más a unas personas que a otras

Si escribes en un segundo idioma, o saltas de un idioma a otro cuando escribes mensajes, ya lo habrás notado.

En un experimento de 2025, 118 personas de India y Estados Unidos escribieron redacciones cortas sobre su propia vida, algo más de la mitad con el autocompletado de IA activado. Con las sugerencias en marcha, quienes escribían desde India se desplazaron hacia los patrones del grupo estadounidense, y empezaron a describir su propia comida y sus propias fiestas desde un punto de vista occidental (AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances)¹⁰.

Es un solo estudio, en inglés, y no puede hablar por todos los idiomas. Pero el mecanismo se ve con facilidad. Lo que un modelo tiene más probabilidades de “corregir” en tu texto, la palabra prestada, la expresión que viene de tu primer idioma, el salto al turco o al español para la parte que solo tiene sentido en turco o en español, es justo lo más tuyo.

¿Puede una app aprender cómo escribes?

En parte. Y deberías desconfiar de cualquiera que diga más que eso, yo incluido.

La prueba más exhaustiva hasta ahora dio a modelos punteros de OpenAI, Google, Meta y DeepSeek muestras reales de escritura de más de 400 personas y les pidió que escribieran textos nuevos con el estilo de cada una. Los ejemplos ayudaron mucho. En escritura estructurada como el correo electrónico, un verificador de autoría aceptó la imitación como escrita por la persona real más del 95 por ciento de las veces. En escritura informal como las entradas de blog, solo se dejó engañar entre un 17 y un 21 por ciento de las veces, añadir más ejemplos apenas cambió eso, y el resultado volvía a un tono genérico (Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors)¹¹. Otro banco de pruebas de abril de 2026, todavía en preprint, comparó cuatro métodos de personalización con lo mucho que cada persona real se parece a sí misma. Todos los métodos quedaron por debajo del parecido que hay entre dos personas distintas (Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization)¹².

Así que ninguna herramienta que diga la verdad puede prometerte que vas a sonar exactamente como tú. Lo que una herramienta sí puede hacer es más limitado y más útil. Puede cambiar lo mínimo, trabajar a partir de tus palabras sin sustituirlas, enseñarte qué ha cambiado y dejarte decidir.

Así hemos hecho Subtext. Subtext lee el hilo y tu borrador, y antes de reescribir nada te dice cómo es probable que siente el mensaje y cuáles de tus palabras lo provocan. Luego te ofrece tres versiones. La primera se queda cerca de lo que escribiste, la última es una reformulación más completa, y cada una dice cuánto de tu redacción ha cambiado, así que ves de un vistazo si tienes delante un pulido o un reemplazo. Puedes hacer cualquiera de ellas más cercana o más corta, o abrir Editar manualmente y cambiar tú una palabra antes de copiarla. Por defecto va el retoque ligero, porque, según la investigación, es lo que mejor aguanta cuando lo lee la otra persona. Prueba Subtext en tu navegador

Cómo conservar tu voz, uses la herramienta que uses

Esto funciona en cualquier app, ChatGPT incluido.

1. Pide el trabajo más pequeño. “Corrige solo la gramática y las erratas” te da un resultado muy distinto de “mejora esto”.
2. Di explícitamente qué quieres conservar. Las abreviaturas, el “yo”, los emojis, los tacos, la frase a medias. A los modelos se les da peor proteger lo que normalmente quitarían que contenerse con lo que añadirían, así que nómbralo.
3. Nunca aceptes una reescritura entera sin leerla. Compárala con tu borrador línea a línea y quédate solo con las líneas que siguen siendo tuyas.
4. Para cualquier cosa emocional, usa tu propio borrador como base. En el estudio sobre comunicación en pareja, una disculpa con un ligero retoque de tono hecho por IA cayó mejor que una redactada entera por la IA.
5. Léelo en voz alta antes de enviarlo. Si no se lo dirías a la cara con esas palabras, no lo envíes.

Si quieres que alguien haga esa misma revisión por ti, el artículo sobre qué puede revisar un verificador de mensajes con IA, y cómo hacerlo por tu cuenta lo explica paso a paso, y he comparado los reescritores de mensajes con IA que hay en el mercado según si diagnostican antes de reescribir.

Preguntas frecuentes

¿Cuál es la mejor app para reformular un mensaje sin que parezca escrito por un robot? La que menos cambia y te dice cuánto ha cambiado. Según la evidencia de arriba, una herramienta que sustituye tus frases va a aplanar tu voz diga lo que diga su publicidad, así que busca una versión que se quede cerca de tu borrador, una etiqueta que indique cuánto se ha alejado cada versión y una reescritura que puedas rechazar. Construimos Subtext así, y la lista de arriba funciona en cualquier app.

¿Hay alguna app que reescriba mis mensajes con mi propia voz y no con ese estilo genérico de IA? En parte. Ningún método actual iguala lo coherente que es una persona real consigo misma, así que toma lo de “con tu propia voz” como una afirmación que hay que poner a prueba y no como una función en la que confiar. La versión práctica es una herramienta que parte de tu borrador, conserva tus abreviaturas, tus coletillas y tus emojis, y indica cuánto se ha alejado cada versión de tu redacción. Eso es lo que yo buscaría, y lo que hace Subtext.

¿Existe alguna app que reescriba mi mensaje y siga sonando a mí? Yo diría que “más cerca que la mayoría, nunca del todo”. La investigación de arriba dice que todos los métodos actuales se quedan cortos frente a lo coherente que es una persona real consigo misma, así que cualquier app que prometa una reescritura indistinguible de ti está prometiendo de más. Lo que puedes conseguir es una reescritura que parte de tus frases, conserva las costumbres que llevan tu voz y te dice cuánto se ha alejado. Subtext funciona así, y su primera versión es a propósito la más cercana a lo que escribiste.

¿Cómo hago que mis mensajes suenen más cálidos sin perder mi voz? Pon tú la calidez con tus propias palabras; no pidas una reescritura cálida. Lo que te quita la voz es la reescritura completa. Menciona algo concreto de la persona o del momento, mantén alrededor tu forma habitual de decir las cosas, y si usas una herramienta, pídele que cambie solo la línea que suena fría, no el mensaje entero.

¿Por qué ChatGPT hace que mis mensajes suenen tan formales? Porque está entrenado para producir un texto fluido que se parezca a la media, y el inglés medio es más formal que como escribe mensajes cualquiera. Las reescrituras empujan hacia palabras más largas, contracciones deshechas y menos pronombres de primera persona aunque nadie haya pedido formalidad. Si quieres un tono informal, tienes que pedirlo, y tienes que nombrar lo que quieres que no se toque.

¿Debería decirle a alguien que he usado IA para escribir un mensaje? Depende de cuánto haya hecho la IA. En el estudio sobre comunicación en pareja, admitir un retoque ligero de tono en una disculpa hizo que cayera mejor. Admitir un borrador entero hecho por IA hizo que cayera peor. Si las palabras son tuyas y la IA las ha ordenado un poco, decirlo está bien e incluso puede ayudar. Si lo escribió la IA, lo honesto es reescribirlo tú primero.

¿Pasa lo mismo si escribes mensajes en alemán, turco o español? Casi toda la investigación está en inglés, así que no puedo decirlo con seguridad. El único estudio intercultural encontró que las sugerencias de la IA arrastraban a quienes escribían hacia patrones estadounidenses. Si escribes en otro idioma o cambias de uno a otro, el hábito más seguro es decirle a la herramienta de forma explícita qué palabras y expresiones no se tocan.

Fuentes

Cada enlace de arriba lleva a la fuente primaria, numerada por orden de aparición. Los preprints están marcados como tales; trata sus resultados como provisionales hasta que pasen la revisión por pares.

1. Sourati, Z., Karimi-Malekabadi, F., Ozcan, M., McDaniel, C., Ziabari, A., Trager, J., Tak, A. N., Chen, M., Morstatter, F. y Dehghani, M. (2026). The shrinking landscape of linguistic diversity in the age of large language models. Nature Human Behaviour.
2. van Nuenen, T. (2026). Voice Under Revision: Large Language Models and the Normalization of Personal Narrative. Preprint de arXiv 2604.22142.
3. Fitterer, S., Gangl, D. y Ulbrich, J. (2025). Testing English News Articles for Lexical Homogenization Due to Widespread Use of Large Language Models. ACL 2025 Student Research Workshop.
4. Padmakumar, V. y He, H. (2024). Does Writing with Language Models Reduce Content Diversity? ICLR 2024.
5. Zhu, J. y Jurgens, D. (2021). Idiosyncratic but not Arbitrary: Learning Idiolects in Online Registers Reveals Distinctive yet Consistent Individual Styles. EMNLP 2021.
6. Fan, G., Liu, D. y Pan, L. (2026). Is It Still You? Attributing Authorship and Authenticity in AI-Assisted Romantic Communication. CHI 2026.
7. Khadpe, P., Wenzel, K., Loewenstein, G. y Kaufman, G. (2025). Explaining the Reputational Risks of AI-Mediated Communication: Messages Labeled as AI-Assisted Are Viewed as Less Diagnostic of the Sender’s Moral Character. AIES 2025.
8. Schilke, O. y Reimann, M. (2025). The Transparency Dilemma: How AI Disclosure Erodes Trust. Organizational Behavior and Human Decision Processes, 188.
9. Purcell, Z. A., Jakesch, M., Dong, M., Nussberger, A.-M. y Köbis, N. (2025). Writing with AI boosts trust-building efficiency. iScience, 28.
10. Agarwal, D., Naaman, M. y Vashistha, A. (2025). AI Suggestions Homogenize Writing Toward Western Styles and Diminish Cultural Nuances. CHI 2025.
11. Wang, Z., Tripto, N. I., Park, S., Li, Z. y Zhou, J. (2025). Catch Me If You Can? Not Yet: LLMs Still Struggle to Imitate the Implicit Writing Styles of Everyday Authors. Findings of EMNLP 2025.
12. Sawant, Y. G. (2026). Theory-Grounded Evaluation Exposes the Authorship Gap in LLM Personalization. Preprint de arXiv 2604.26460, aceptado en el taller CTB de ICML 2026.