Un cliente me llamó el año pasado, genuinamente molesto. Había pagado a una agencia de contenido £4,000 por sesenta posts de blog, los recuperó en tres semanas, publicó todos, y vio su tráfico orgánico caer 22% durante los dos meses siguientes. Cuando me reenviò los posts, pude ver el problema en treinta segundos. Cada artículo abría con una pregunta retórica. Cada sección usaba "Además" o "Por otra parte" como transición. Las conclusiones todas empezaban con "En conclusión." Era salida de GPT-4, apenas tocada, publicada en masa en un sitio que Google previamente había confiado.
Esto ocurre constantemente. Y lo frustrante es que no es culpa de la IA. GPT-4, Claude, Gemini, realmente son impresionantes generando prosa estructurada. El fracaso está en cómo la gente trata la salida. La generación en bruto no es un producto terminado. Nunca lo fue.
Cómo se Ve Realmente el "Contenido de IA en Bruto"
Lo has visto. Podrías haber publicado algo. Yo lo hice, al principio en Seahawk, cuando estábamos probando workflows bajo presión en 2022 antes de saber mejor.
El contenido de IA en bruto tiene una textura específica. Las oraciones son notablemente uniformes en longitud. El vocabulario es amplio pero extrañamente plano, muchas palabras técnicamente correctas que nadie realmente dice. Las transiciones son formulaicas. La estructura es casi siempre: párrafo introductorio, tres a cinco H2s cada uno con dos a tres párrafos, un resumen. Cada vez. Es el equivalente en prosa de una foto de stock: técnicamente bien, instantáneamente reconocible como genérico.
El problema más grande es lo que falta. Sin punto de vista. Sin números específicos vinculados a situaciones reales. Sin fricción, sin contradicción, sin "en realidad esto es más complicado de lo que parece". La escritura humana real se cuestiona a sí misma. La escritura de IA simplemente... continúa adelante, confiadamente, para siempre.
Por qué a Google le importa (y por qué la "detección de IA" es solo parte de la historia)
Existe un mito persistente de que Google penaliza el contenido porque fue escrito por IA. Eso no es del todo correcto. La orientación de contenido útil de Google apunta a contenido que existe principalmente para motores de búsqueda en lugar de para personas. El resultado de IA sin procesar falla en esa prueba no porque una máquina lo escribiera, sino porque demostrablemente no ayuda a nadie. Responde preguntas superficiales con respuestas superficiales, y los lectores humanos capacitados pueden sentir el vacío aunque no puedan articularlo.helpful content guidance targets content that exists primarily for search engines rather than people. Raw AI output fails that test not because a machine wrote it, but because it demonstrably doesn't help anyone. It answers surface-level questions with surface-level answers, and trained human readers can feel the emptiness even if they can't articulate it.
El segundo problema es E-E-A-T. Experiencia, Expertise, Autoridad, Confianza. Un artículo de IA sin procesar no tiene ninguna de estas señales porque no tiene perspectiva de autor, sin experiencia específica citada, sin datos originales. Es sopa de citas. Lee como un resumen de Wikipedia escrito por alguien que nunca ha hecho realmente lo que está describiendo.
Los Patrones Específicos de Fallo que Sigo Viendo
Después de revisar contenido para cientos de sitios de clientes y construir procesos internos de contenido en Seahawk que hemos refinado durante dos años, los modos de fallo se agrupan en algunas categorías que se repiten.
El problema de confianza sin especificidad. La IA escribe de manera declarativa. "El email marketing logra un ROI promedio de 4,200%". Ese número viene de un reporte de Litmus y es real, pero en la salida de IA simplemente flota ahí, sin contexto, sin reconocimiento de qué tipo de campañas, qué tamaños de listas, qué industrias. Suena autoritario. No enseña nada. AI writes declaratively. "Email marketing achieves an average ROI of 4,200%." That number comes from a Litmus report and it's real, but in AI output it just floats there, uncontextualised, with no acknowledgment of what type of campaigns, what list sizes, what industries. It sounds authoritative. It teaches nothing.
El problema de estructura primero, insight después. La IA planea un artículo antes de escribirlo, y siempre puedes notarlo. Los títulos son perfectamente lógicos. El flujo es de libro de texto. Pero los insights reales parecen ingeniería inversa para llenar la estructura en lugar de que la estructura emerja de cosas genuinamente dignas de ser dichas. AI plans a post before it writes it, and you can always tell. The headings are perfectly logical. The flow is textbook. But the actual insights feel reverse-engineered to fill the structure rather than the structure emerging from genuine things worth saying.
El problema de las muletillas. "Es importante notar", "Vale la pena mencionar", "Ten en cuenta que". Estas frases existen para suavizar afirmaciones sobre las que la IA no está segura. También hacen que la prosa sea insoportable de leer. Conté once instancias de "vale la pena notar" en un artículo de 1,200 palabras que un cliente me envió la primavera pasada. Once. "It's important to note," "It's worth mentioning," "Keep in mind that." These phrases exist to soften claims that the AI isn't confident about. They also make the prose unbearable to read. I counted eleven instances of "it's worth noting" in a 1,200-word article a client sent me last spring. Eleven.
La pista del vocabulario. Ciertas palabras aparecen en contenido de IA a una tasa enormemente superior a su frecuencia natural. "Profundizar". "Tapiz". "Matizado". "Multifacético". "Subrayar". Si ves tres de estas en un solo artículo, alguien publicó salida sin procesar. Certain words appear in AI content at a rate wildly above their natural frequency. "Delve." "Tapestry." "Nuanced." "Multifaceted." "Underscore." If you see three of these in a single post, someone published raw output.
Qué es un Pipeline de Humanización (Y Qué No Es)
Mira, "humanización" suena como un paso único. Lo pasas por una herramienta y listo. Así no funciona.
Un pipeline de humanización es una secuencia de intervenciones deliberadas que transforman texto generado en algo que refleja experiencia genuina, tiene una voz consistente y contiene información que una persona real usaría.
No es:
- Cambiar el texto con sinónimos
- Pasarlo por Undetectable.ai y darlo por terminado
- Agregar un párrafo al inicio y otro al final
- Dejar que un editor junior "solo lo lea rápidamente"
Esos enfoques producen contenido que falla un poco menos obviamente. El vacío de fondo sigue ahí.
Lo Que Realmente Contiene el Pipeline
El pipeline que ejecuto en Seahawk tiene cinco etapas. No todos los posts necesitan las cinco a toda intensidad, pero cada post pasa por todas ellas en algún nivel.
- Enriquecimiento breve antes de la generación. La calidad de tu output está casi enteramente determinada por la calidad de tu input. Un brief que dice "escribe un post de 1,500 palabras sobre mejores prácticas de email marketing" produce basura genérica. Un brief que dice "escribe para el fundador de un SaaS de 10 personas que gestiona su propia cuenta de Klaviyo, tiene una lista de 4,000 suscriptores y ve las tasas de apertura caer por debajo del 20%, enfócate en higiene de lista y segmentación, no tips de copywriting" produce algo utilizable. Construimos briefs en Notion con una plantilla estructurada: audiencia, problema, ángulo específico, dos o tres cosas que el post NO debe decir (prohibiendo los clichés explícitamente), y cualquier dato interno o ejemplo de cliente para tejer. The quality of your output is almost entirely determined by the quality of your input. A brief that says "write a 1,500-word post about email marketing best practices" will produce generic garbage. A brief that says "write for a founder of a 10-person SaaS who manages their own Klaviyo account, has a list of 4,000 subscribers, and is seeing open rates drop below 20%, focus on list hygiene and segmentation, not copy tips" produces something usable. We build briefs in Notion with a structured template: audience, problem, specific angle, two or three things the post must NOT say (banning the clichés explicitly), and any internal data or client examples to weave in.
- Cirugía estructural. La estructura de primer borrador de la IA rara vez es la correcta para el lector real. Movemos secciones. Cortamos las que existen solo para rellenar conteo de palabras. Encuentro que casi todo borrador de IA tiene un insight genuinamente bueno enterrado en el párrafo seis de la sección cuatro, y ese insight típicamente debería ser el lede, no un detalle enterrado. The AI's first-draft structure is rarely right for the actual reader. We move sections around. We cut the ones that exist just to pad word count. I find that almost every AI draft has one genuinely good insight buried in paragraph six of section four, and that insight should usually be the lede, not a buried detail.
- Inyección de voz. Aquí es donde el post se convierte en algo que una persona real escribió. Agregamos ejemplos específicos ("un cliente del sector legal corriendo Mailchimp con una lista de 60,000 personas"), números concretos que vienen de situaciones reales, y opiniones. Opiniones reales, no "algunos expertos creen X mientras otros creen Y". Si pensamos que X está mal, lo decimos y explicamos por qué. This is where the post becomes something a real person wrote. We add specific examples ("a client in the legal sector running Mailchimp with a 60,000-person list"), concrete numbers that come from real situations, and opinions. Actual opinions, not "some experts believe X while others believe Y." If we think X is wrong, we say so and explain why.
- Fricción y contradicción. La expertise real reconoce dónde las cosas se complican. Si estamos escribiendo sobre rendimiento de WordPress, diremos: "sí, WP Rocket ayuda, pero en un sitio mal alojado es poner una cortina bonita sobre una ventana rota". Ese tipo de honestidad es lo que la IA elimina por defecto. Lo volvemos a meter. Real expertise acknowledges where things get complicated. If we're writing about WordPress performance, we'll say: "yes, WP Rocket helps, but on a poorly-hosted site it's putting a nice curtain over a broken window." That kind of honesty is what AI strips out by default. We put it back in.
- Pasada de lectura en voz alta. Alguien del equipo lee el artículo en voz alta. No lo ojea. Lo lee en voz alta. Atrapas cada oración que suena como si fuera generada en lugar de dicha. Cualquier cosa en la que tropezarías leyendo se reescribe. Este paso solo atrapa el 60% de los problemas que se cuelan en todo lo demás. Someone on the team reads the piece aloud. Not skims it. Reads it aloud. You catch every sentence that sounds like it was generated rather than said. Anything you'd stumble over reading gets rewritten. This step alone catches 60% of the problems that slip through everything else.
Las herramientas que realmente uso
Permíteme ser específico, porque "usa herramientas" es un consejo inútil.
Para generación: GPT-4o para la mayoría de largo formato, Claude 3.5 Sonnet para cualquier cosa que necesite un registro más conversacional. He probado Gemini 1.5 Pro y es capaz pero su verborragia por defecto es un problema, quiere escribir 2,400 palabras cuando pides 1,500.
Para detección y QA: Originality.ai es el detector más confiable que he encontrado para workflows de publicación. Winston AI es útil como segundo chequeo. Ninguno es un árbitro final, un artículo bien procesado debería puntuar alto en ambos sin ningún gaming, solo porque ha sido editado apropiadamente.Originality.ai is the most reliable detector I've found for publishing workflows. Winston AI is useful as a second check. Neither is a final arbiter, a well-processed piece should score high on both without any gaming, just because it's been properly edited.
Por consistencia de estilo: mantenemos una "biblia de voz" en Notion para cada cliente. Adjetivos de marca, frases prohibidas, ejemplos de tono, una lista de temas sobre los que el cliente tiene opiniones firmes. La plantilla de brief extrae esto automáticamente para clientes recurrentes.
Para la pasada de lectura en voz alta: honestamente, Natural Reader a 1.1x de velocidad funciona bien para detectar frases robóticas. Algunos editores prefieren simplemente leer en silencio. Cualquiera de los dos funciona.Natural Reader at 1.1x speed works well for flagging robotic phrasing. Some editors prefer just reading to themselves. Either works.
Por Qué la Mayoría de Agencias Saltan el Pipeline
Tiempo y margen. Un pipeline de humanización adecuado suma entre dos y cuatro horas a un post que una IA puede generar en noventa segundos. Si has vendido contenido a £30 por artículo, no puedes permitirte el pipeline. Publicas el output crudo y esperas que nadie se dé cuenta.
Este es el problema económico central del mercado de contenido de carrera hacia el fondo. El punto de precio hace imposible la calidad, así que obtienes volumen sin valor, y eventualmente el sitio del cliente se ve afectado y culpan al "contenido de IA" cuando el culpable real era una relación brief-margen imposible.
En Seahawk, hemos tenido conversaciones directas con clientes sobre esto. Dejamos de ofrecer contenido por debajo de un cierto precio por pieza porque no podíamos respaldar lo que la economía nos forzaba a producir. Algunos clientes se fueron. Los que se quedaron tienen sitios que realmente están rankeando.
En 2023, onboarding un cliente de e-commerce que había estado comprando contenido de IA en masa a escala de otra agencia, 200 posts al mes, aproximadamente £15 por pieza. Su blog tenía 1,400 posts y rankeaba para casi nada. Cortamos el output a 30 posts al mes, duplicamos la calidad del brief, ejecutamos cada post a través del pipeline completo, y dentro de cuatro meses estaban rankeando primera página para dieciocho términos objetivo que nunca habían tocado antes. El volumen no es la respuesta.
Cuándo el Output de IA Crudo Realmente Está Bien
No todo necesita el tratamiento completo. Seré honesto al respecto.
Documentación interna. Entradas de changelog de producto. Respuestas de preguntas frecuentes para un centro de soporte. Copia de página de categoría que es puramente funcional. Si el objetivo es informar en lugar de persuadir, y si no hay consideración de SEO o voz de marca, output semi-crudo con una edición ligera es completamente defendible.
El error surge cuando la gente aplica el estándar de "lo suficientemente bueno para documentos internos" al contenido editorial público. Son cosas diferentes que requieren estándares distintos. Sabe cuál es el que está produciendo.
FAQ
¿Realmente funcionan las herramientas humanizadoras para contenido generado por IA?
Respuesta corta: no, no de forma confiable. Herramientas como Undetectable.ai reformulan texto de maneras que reducen las puntuaciones de detección pero no resuelven el problema de fondo, que es que el contenido carece de experiencia genuina y especificidad. Puedes engañar a un detector y aún así publicar algo que lectores reales y Google reconocen como delgado. Lo único que funciona de forma confiable es la edición humana sustancial.
¿Cuánto tiempo lleva un pipeline de humanización adecuado por artículo?
Para un artículo de 1,500 palabras, calcula dos o tres horas de tiempo humano distribuidas entre enriquecimiento breve, edición estructural, inyección de voz y la pasada de lectura en voz alta. Un artículo pilar de 2,500 palabras puede llevar cuatro o cinco horas. Ese es el número honesto. Cualquiera que te diga que lo hace en cuarenta y cinco minutos está saltándose pasos.
¿Debo revelar que el contenido fue asistido por IA?
Esto es más matizado de lo que la mayoría de la gente admite. La guía de Google no requiere divulgación y no penaliza el uso de IA. Lo que importa es la calidad y la utilidad. Dicho esto, en ciertos sectores —salud, legal, finanzas— la transparencia sobre cómo se produce el contenido es cada vez más esperada, y probablemente sea lo correcto independientemente de lo que Google diga.Google's guidance doesn't require disclosure and doesn't penalise AI use. What matters is quality and helpfulness. That said, in certain sectors, healthcare, legal, finance, transparency about how content is produced is increasingly expected, and probably the right call regardless of what Google says.
¿Cuál es el error más grande que cometen las agencias con contenido de IA?
Confundir velocidad de generación con velocidad de producción. La IA puede hacer un borrador en noventa segundos. Ese es el inicio del proceso, no el final. Tratar el borrador como un producto casi terminado es donde todo se viene abajo.
---
El proceso no es glamoroso. Es una serie de intervenciones bastante tediosas y cuidadosas que en conjunto producen algo que vale la pena publicar. No hay un atajo que omita el juicio humano en el medio. He buscado uno durante dos años. Aún no existe.