En resumen: qué ha pasado y por qué es importante para los equipos de contenido
A finales de julio de 2026, LinkedIn tomó una decisión inesperada para muchos: la plataforma eliminó la función «enhance your post» — una herramienta que permitía a los usuarios generar y «mejorar» publicaciones con IA — y la reemplazó por una función de corrección (proofreading). No es un cambio cosmético. Es una señal pública de una de las plataformas de publicación social más grandes de que el modelo de «IA como autor» no funciona en el feed.
Para los equipos editoriales, de contenido y editores, este paso no es una noticia sobre una plataforma ajena, sino un indicador de un cambio en la industria. Cuando una plataforma con miles de millones de usuarios retrocede conscientemente en una función generativa y la reemplaza por una editorial, significa que la calidad de la generación de IA en aplicaciones masivas resultó ser inferior al umbral en el que mejora la experiencia del usuario. El «AI-slop» — contenido de IA de baja calidad, genérico e indistinguible — comenzó a destruir el valor del feed, y la plataforma eligió la edición en lugar de la generación.
En este artículo analizaremos por qué la generación de publicaciones fracasó a nivel de plataforma, qué es el cambio de IA-como-escritor a IA-como-editor, y cómo los equipos de contenido pueden reestructurar su flujo de trabajo para que la IA mejore el proceso editorial en lugar de reemplazarlo.
Qué hizo exactamente LinkedIn
LinkedIn reemplazó la función «enhance your post» — que permitía a los usuarios generar texto para publicaciones o «mejorar» un borrador con IA — por una herramienta de corrección de textos. En esencia, la plataforma pasó del modelo «escribe por mí» al modelo «revisa y corrige mi texto».
Esta decisión es notable por varias razones. En primer lugar, LinkedIn fue una de las plataformas que adoptó más agresivamente la generación de IA en el feed. La función «enhance your post» existía precisamente para reducir la barrera de creación de contenido: el usuario escribe un borrador, la IA lo convierte en una publicación «lista». En segundo lugar, la decisión llega en medio de datos que muestran que una parte significativa de las publicaciones largas en la plataforma ya es generada por IA; según Pangram, esta cifra alcanzó el 41% para las publicaciones largas.
En tercer lugar, y lo más importante, LinkedIn no solo eliminó la función, sino que la reemplazó por una cualitativamente diferente. La corrección de textos no es la generación de un texto nuevo, sino la revisión del existente: gramática, estilo, claridad, estructura. La IA funciona como un editor-corrector, no como un autor. El usuario sigue siendo el autor; la IA ayuda a mejorar lo que ya está escrito por un humano.
Por qué fracasó «enhance your post»
La función «enhance your post» era un producto lógico desde el punto de vista de la métrica de «cantidad de contenido creado». Cuanto menor sea la barrera, más publicaciones. Pero las plataformas no viven de la cantidad, sino del compromiso y la retención. Y aquí la generación de IA creó un problema que la industria ya ha bautizado: AI-slop.
El AI-slop es contenido de baja calidad, genérico e indistinguible, generado masivamente por herramientas de IA. El problema no es que sea «malo» en un sentido absoluto; una publicación de IA individual puede ser perfectamente legible. El problema es que cuando miles de usuarios aplican el mismo tipo de generación, el feed se llena de textos monótonos con la misma estructura, las mismas transiciones y las mismas conclusiones. La plataforma pierde valor informativo.
Para LinkedIn, esto es especialmente crítico porque la plataforma se posiciona como un espacio de contenido profesional. Cuando el feed se inunda de «insights» generados por IA de la misma calidad, los usuarios dejan de confiar en el contenido, y esto afecta a la métrica central: el tiempo en la plataforma y la frecuencia de retorno.
La decisión de LinkedIn de reemplazar la generación por la corrección es, en esencia, un reconocimiento: la IA funciona mejor como una herramienta para mejorar el texto humano que como un reemplazo de la autoría humana.
El cambio de IA-como-escritor a IA-como-editor: qué significa
El modelo de «IA como autor» (IA-como-escritor) supone que la IA genera el texto principal — un borrador, una publicación, un artículo — y el humano solo lo edita o aprueba. Este es el modelo que muchos equipos de contenido intentaron implementar en 2024-2025: prompt → generación → ligera edición → publicación.
El modelo de «IA como editor» (IA-como-editor) invierte la secuencia. El humano escribe el borrador — o al menos el esqueleto estructural con los puntos clave, datos y ejemplos. La IA se utiliza para la corrección, comprobación de claridad, optimización de la estructura, identificación de lagunas, comprobación de hechos y adaptación al formato. La IA no crea el contenido, mejora la forma.
La diferencia parece sutil, pero es fundamental para la calidad. En el modelo de IA-como-escritor, el contenido a menudo se promedia: el modelo se inclina hacia las formulaciones más probables y el resultado es un texto competente pero impersonal. En el modelo de IA-como-editor, el contenido sigue siendo humano — con experiencia única, datos específicos y un ángulo de autor — y la IA trabaja con la calidad de la expresión.
LinkedIn, al reemplazar la generación por la corrección, eligió de hecho el segundo modelo a nivel de plataforma. Y esta es una señal que los equipos de contenido deberían tomar en serio.
El AI-slop como problema económico de las plataformas
El problema del AI-slop no es solo una cuestión estética. Para las plataformas, es un problema económico. Cuando el feed se llena de contenido de IA monótono, el compromiso cae. Los usuarios comentan menos, comparten menos y vuelven menos. Los ingresos publicitarios están vinculados a la atención, y la atención al AI-slop se apaga rápidamente.
LinkedIn no es la única plataforma que se enfrenta a esto. Pinterest, como se señala en los mismos informes, implementó herramientas de IA generativa y detección de IA simultáneamente, y se enfrentó a una caída del 20% en sus acciones. Omnicom lanzó «Brave Bot», un agente que evalúa si un creativo generado por IA es «verdaderamente único, innovador y culturalmente relevante, o simplemente otro ruido».
El patrón es el mismo: las plataformas y los holdings publicitarios se dan cuenta de que la generación de IA sin control editorial destruye el valor. Y reaccionan no prohibiendo la IA, sino desplazándose hacia el control de calidad: detección, corrección, evaluación de originalidad.
Para los equipos de contenido, la conclusión es directa: las plataformas fomentarán cada vez más el contenido creado por humanos y mejorado por IA, y penalizarán cada vez más el contenido generado por IA y solo «revisado» formalmente por un humano.
Cómo reestructurar el flujo de trabajo: de la generación a la edición asistida por IA
Reestructurar el flujo de trabajo del modelo de IA-como-escritor al de IA-como-editor requiere cambios en varios niveles: el sistema de prompts, los roles en el equipo y los puntos de control de calidad.
1. El humano escribe primero
En lugar del prompt «escribe un artículo sobre X», el humano crea el borrador. Puede no ser un texto completo, sino un esqueleto estructural: puntos clave, datos, ejemplos, conclusiones. Lo principal es que el contenido y el ángulo sigan siendo humanos. La IA no inventa sobre qué escribir; mejora lo que ya está escrito.
2. Prompts de IA para editar, no para generar
En lugar de prompts generativos, usa prompts de edición. Ejemplos:
- «Revisa este texto en busca de claridad y sugiere mejoras en la estructura sin cambiar el contenido»
- «Encuentra lagunas lógicas y afirmaciones no respaldadas en este borrador»
- «Comprueba la coherencia entre el título y las conclusiones del artículo»
- «Sugiere 3 formas de mejorar el párrafo introductorio para un mejor gancho (hook)»
- «Resalta los argumentos que no están respaldados por datos o ejemplos»
Estos prompts no piden a la IA que cree contenido, piden que evalúe y mejore el existente.
3. Separar la generación y la edición en el pipeline
Si en tu cadena de contenido la IA genera el borrador y el humano lo edita, separa estas fases formalmente. La generación debe realizarse a partir de un briefing estructurado con datos, argumentos y un ángulo específicos, no a partir del prompt «escribe sobre X». La edición debe incluir una verificación de originalidad, fact-checking y una evaluación de diferenciación: en qué medida este texto difiere de lo que cualquier modelo generaría sobre el mismo tema.
4. La capa de corrección (proofreading) como una fase separada
Añade a tu flujo de trabajo una fase separada de corrección con IA antes de la publicación. No es la revisión final humana; es una capa intermedia donde la IA comprueba la gramática, el estilo, la legibilidad, la conformidad con el tono de voz, la longitud de las frases y los parámetros SEO. El humano luego valida las correcciones de la IA y decide cuáles aceptar.
Dónde funciona mejor la edición con IA que la generación
La experiencia de las plataformas y los equipos de contenido muestra que la IA es más eficaz como editor en varias zonas específicas:
- Corrección estructural. La IA identifica bien las transiciones débiles, las secciones desproporcionadas y las conclusiones faltantes. El prompt «evalúa la estructura de este texto y sugiere una redistribución de los puntos» funciona de manera más fiable que «escribe un artículo».
- Claridad y legibilidad. La comprobación de la longitud de las frases, la complejidad del léxico y la densidad de la información es una tarea en la que la corrección con IA supera sistemáticamente a la revisión manual en velocidad.
- Detección de afirmaciones no respaldadas. La IA puede señalar argumentos que no están respaldados por datos o ejemplos, lo cual es especialmente valioso para el contenido editorial extenso.
- Adaptación al formato. Convertir un artículo largo en una serie de publicaciones cortas, adaptar al formato de LinkedIn, crear un resumen para un boletín: la IA funciona como un empaquetador, no como un creador.
- Comprobación SEO y AEO. Verificar la presencia de entidades clave, la estructura de los encabezados y la exhaustividad de la respuesta a la consulta: un editor de IA puede evaluar la preparación del contenido para la visibilidad en buscadores y respuestas.
Métricas de calidad en la edición con IA
Al pasar de la generación a la edición, también cambian las métricas que conviene seguir:
- Proporción de contenido humano conservado. Qué porcentaje del borrador original (en argumentos, datos, ejemplos) permanece en la versión final. Si la edición con IA cambia más del 50% del contenido, ya es generación, no edición.
- Originalidad del texto final. Comprobación a través de detectores de IA y comparación con el resultado típico de IA sobre el mismo tema. El objetivo es un texto que los detectores no clasifiquen como generado por IA.
- Tiempo de edición vs. generación. En el modelo de IA-como-editor, el tiempo humano se desplaza de la escritura a la edición. Si el tiempo total no se reduce, es normal; el valor no está en la velocidad, sino en la calidad.
- Métricas de plataforma. Para el contenido publicado en plataformas como LinkedIn: compromiso, retención, calidad de los comentarios. Si el contenido editado con IA muestra mejores métricas que el generado por IA, es una confirmación del modelo.
- Diferenciación. En qué medida el texto final difiere del contenido medio sobre el tema. La métrica se puede evaluar con el prompt: «compara este texto con el resultado típico de IA sobre el mismo tema y resalta los elementos únicos».
Señales de las plataformas y estrategia de distribución
La decisión de LinkedIn no es un caso aislado. Es parte de una tendencia más amplia en la que las plataformas están reevaluando su relación con el contenido de IA. Para los equipos de contenido, esto significa que la estrategia de distribución debe tener en cuenta las políticas de las plataformas:
- Las plataformas intensificarán la detección. Pinterest, LinkedIn, Substack: todos están implementando mecanismos para reconocer el contenido de IA. El contenido detectado como generado por IA puede recibir menos distribución.
- El contenido corregido tendrá ventaja. Si la plataforma ve que el texto está escrito por un humano y mejorado por IA (y no generado por IA y «revisado» por un humano), esto puede convertirse en una señal de calidad.
- La divulgación de la IA se convierte en la norma. Las políticas de transparencia — SynthID, etiquetado de contenido de IA, divulgación obligatoria — ya no son una opción, sino un requisito. Los equipos de contenido necesitan establecer un sistema de etiquetado que distinga lo «generado por IA» de lo «editado por IA».
- Estrategia dual. Para el contenido en plataformas, el modelo de IA-como-editor (el humano escribe, la IA mejora). Para el contenido en el propio sitio web, un enfoque más flexible, pero con el mismo principio: el contenido debe ser humano.
Lista de comprobación: transición de la generación con IA a la edición con IA
- Auditoría del flujo de trabajo actual: determina en qué fases la IA genera contenido y en cuáles lo edita. Separa estas funciones formalmente.
- Reescribe el sistema de prompts: reemplaza los prompts generativos («escribe un artículo sobre…») por los editoriales («revisa la estructura», «resalta las afirmaciones no respaldadas», «sugiere mejoras de claridad»).
- Implementa la regla de «el humano escribe primero»: incluso si la IA genera el borrador, debe trabajar a partir de un briefing estructurado con datos y argumentos, no a partir del prompt «escribe sobre X».
- Añade una capa de corrección: una fase separada de corrección con IA antes de la revisión humana final — gramática, estilo, legibilidad, parámetros SEO.
- Configura las métricas: proporción de contenido humano conservado, originalidad según los detectores de IA, compromiso en la plataforma, diferenciación del resultado típico de IA.
- Revisa las políticas de las plataformas: asegúrate de que el contenido para LinkedIn, Substack y otras plataformas cumpla con sus requisitos de divulgación de IA y calidad.
- Capacita al equipo: los editores deben entender la diferencia entre generación con IA y edición con IA, y saber aplicar los prompts correspondientes.
Conclusión práctica
LinkedIn reemplazó la generación de IA por la corrección no porque la IA sea inútil para escribir, sino porque en aplicaciones masivas la generación sin control editorial destruye el valor. Esta es una lección que los equipos de contenido pueden aplicar a nivel de su propio flujo de trabajo: la IA funciona mejor como editor que como autor.
La reestructuración no significa renunciar a la IA; al contrario, es un uso más maduro. La corrección con IA, la comprobación estructural, la identificación de lagunas y la adaptación al formato son tareas en las que la IA añade valor de forma sistemática. La generación de contenido «desde cero» a partir de un prompt es una tarea en la que la IA produce sistemáticamente un resultado promedio.
Los equipos editoriales que primero reestructuren su flujo de trabajo de la generación a la edición obtendrán una doble ventaja: contenido que las plataformas fomentan y una calidad que los lectores distinguen.
FAQ
¿En qué se diferencia la edición con IA de la generación con IA en el flujo de trabajo de contenido?
En la generación con IA, el modelo crea el texto principal — un borrador, una publicación, un artículo — y el humano lo edita. En la edición con IA, el humano escribe el borrador o el esqueleto estructural, y la IA comprueba la gramática, el estilo, la claridad y la estructura, identifica lagunas y sugiere mejoras. El contenido sigue siendo humano; la IA trabaja con la forma.
¿Por qué LinkedIn eliminó la función «enhance your post»?
LinkedIn reemplazó la generación de publicaciones con IA por la corrección debido al problema del AI-slop — la inundación masiva del feed con contenido de IA monótono que reducía el compromiso y la confianza de los usuarios. La plataforma reconoció que la IA es más eficaz como herramienta de corrección que como un reemplazo de la autoría.
¿Qué prompts usar para la edición con IA de contenido extenso?
Usa prompts de edición: «revisa la estructura y sugiere una redistribución de los puntos», «resalta las afirmaciones no respaldadas», «evalúa la claridad y sugiere mejoras», «comprueba la coherencia entre el título y las conclusiones», «sugiere formas de mejorar la introducción». Estos prompts no piden a la IA que cree contenido, piden que evalúe y mejore el existente.
¿Cómo medir la calidad al pasar a la edición con IA?
Realiza un seguimiento de: la proporción de contenido humano conservado en el texto final, la originalidad según los detectores de IA, el compromiso en la plataforma (para contenido en LinkedIn y otras plataformas), la diferenciación del resultado típico de IA sobre el tema, y el tiempo de edición vs. generación.
¿Significa esto que la generación de contenido con IA ya no es necesaria?
No. La generación de IA es útil para tareas específicas: crear borradores estructurados a partir de briefings con datos, reempaquetar contenido, resúmenes, localización. No se trata de prohibir la generación, sino de desplazar el centro de gravedad: el contenido debe ser humano, y la IA debe potenciar la forma, no reemplazar el contenido.
