Un botón de denuncia es una herramienta de etiquetado

El 30 de julio LinkedIn añadió una opción al menú de tres puntos de cada publicación: Parece slop de IA. Las publicaciones denunciadas pierden alcance, de forma muy parecida a como la plataforma ya trata el contenido marcado como no me interesa. Con ello llegaron nuevos clasificadores destinados a sacar el slop de las recomendaciones ajenas a su red, avisos privados a quienes publican textos que resultan poco auténticos por un uso intensivo de IA, un acceso más amplio a la verificación de perfiles y páginas, y la opción de bloquear comentarios de páginas de empresa.

El mecanismo se ve mejor en lo que dijo la propia compañía. El director de producto, Hari Srinivasan, calificó el slop de difícil de definir, añadió que la definición cambia y explicó que las denuncias permiten a LinkedIn afinar sus modelos y construir mejores feeds. Leído como afirmación técnica y no como comunicación corporativa, eso describe con precisión para qué sirve el botón. Las personas producen etiquetas. El clasificador entrenado con ellas aplica la degradación a una escala que ningún equipo de revisión alcanzaría. El botón es la mitad barata.

El criterio está abierto a propósito

Por qué importa: casi cualquier otra norma de moderación con la que trata está publicada. Puede leer la política de una plataforma sobre spam, desnudos o suplantación y prever con bastante fiabilidad cómo se tratará una publicación. Esta se plantea explícitamente como móvil. Es ingeniería honesta, porque una definición fija de slop quedaría burlada en una semana, y es un problema real para quien depende del feed, porque no se puede cumplir una definición que se reajusta sin parar contra etiquetas nuevas.

Conviene además precisar qué se penaliza. Srinivasan fue explícito: el uso de IA no es en sí el problema cuando afina un pensamiento auténtico. Lo que atrae la denuncia es una textura que los lectores reconocen: la cadencia genérica, la pulcra estructura en tres partes, la frase final que encajaría bajo cualquier publicación. La textura no es una regla que se cumpla marcando una casilla. La juzga un público, y se desplaza a medida que ese público aprende a detectarla.

Los lectores ya habían aplicado la sanción

La magnitud está documentada fuera de LinkedIn. Pangram Labs, cuya extensión de detección salió en abril, analizó más de un millón de publicaciones en LinkedIn, X, Reddit, Medium y Substack. En LinkedIn, más del 40 por ciento de las publicaciones largas, es decir las de más de 250 palabras, resultaron generadas por completo por una máquina. En X la cifra fue del 25 por ciento escritas íntegramente por IA y otro 23 por ciento asistidas. Reddit y Substack rondaban el 10 por ciento. Según el recuento del estudio, LinkedIn aloja cerca del 62 por ciento de todo el contenido de IA que examinó en las grandes redes.

La conclusión está en otra cifra. Aquellas publicaciones escritas por IA recibieron alrededor de un 45 por ciento menos de interacción que las humanas, y eso se midió antes de que se lanzara nada de esto. El coste de alcance ya se estaba cobrando, en silencio, por lectores que pasaban de largo. Lo anunciado el 30 de julio añade una sanción mecánica sobre otra de comportamiento que ya funcionaba. Si su empresa publica contenido redactado con IA, no necesita esperar a que la denuncien para saber cuánto le cuesta: la comparación ya está en su propia analítica.

En Europa la degradación hay que explicarla

LinkedIn fue designada plataforma en línea de muy gran tamaño bajo el Reglamento de Servicios Digitales en la primera ronda de la Comisión, en abril de 2023, sobre el umbral de 45 millones de usuarios activos mensuales en la Unión. Esa designación acarrea consecuencias que afectan de lleno a este anuncio. Conforme al artículo 17, restringir la visibilidad de la información aportada por un usuario, lo que cubre expresamente degradar contenido, obliga a la plataforma a entregarle una declaración de motivos que indique el fundamento invocado y los hechos en que se apoya. El artículo 20 exige un sistema interno de reclamaciones. El artículo 21 abre la resolución extrajudicial certificada.

Es una asimetría a su favor que conviene usar. La definición cambia resulta una respuesta aceptable ante un periodista y bastante más débil frente a un deber de motivación, que ha de nombrar un fundamento. Una empresa europea cuya página o cuya publicación del fundador pierda alcance puede solicitar esa declaración en lugar de adivinar la causa. Las declaraciones de motivos se remiten además a la base de datos pública de transparencia de la Comisión, con lo que el comportamiento agregado de un clasificador indefinido se vuelve verificable con el tiempo. El mecanismo existe, invocarlo no cuesta nada y casi nadie lo hace.

Propio no significa respaldado

Un detalle del anuncio merece más atención que el botón. En el mismo movimiento, LinkedIn retiró Mejora tu publicación, su propia función generativa de escritura, y la sustituyó por una herramienta más estrecha de corrección que arregla gramática y ortografía sin reescribir al autor en una voz genérica. La plataforma que lanzó el generador lanza ahora el botón de denuncia para el tipo de texto que ese generador producía, y ambas cosas dentro de una sola actualización de producto.

La lección duradera va mucho más allá de este feed. Que una función sea propia de la plataforma no prueba que la plataforma vaya a seguir premiando lo que produce. El incentivo para lanzar una herramienta es su adopción; el incentivo para posicionar su resultado es otro cálculo distinto, que puede invertirse sin aviso y sin incumplir nada de lo pactado. Antes de montar un flujo de publicación sobre la función de IA de un proveedor, pregúntese cuánto vale su resultado si esa función desaparece el trimestre que viene, y conserve lo que escribió la persona.

Leer a continuación: Bruselas multó la evaluación de riesgos, no las falsificaciones  |  Bruselas dijo que la auditoría era débil y la aprobó