Por qué no leeré ficción escrita por LLM: perfiles estadísticos y el problema de la escritura mediana

Chris McCormick, un desarrollador de software independiente, tiene una posición clara: no leerá ficción escrita por LLM. En una reciente entrada de blog, explica por qué, y no se trata de calidad o trama, sino de la huella estadística de la prosa.
El argumento central
McCormick señala que cada escritor tiene un perfil estadístico único: una tendencia a elegir ciertas palabras sobre otras. Cuando lees el trabajo de alguien, absorbes ese perfil, y empuja tu propia escritura hacia nuevas direcciones. Este efecto es especialmente fuerte con la ficción, que tiende a ser escrita desde el corazón y más cercana a la creatividad cruda y natural.
Los LLM, sin embargo, muestrean una distribución que representa un "modo mediano de escribir". Como dice McCormick: "El perfil estadístico de la escritura de LLM está cerca de lo normal. Así es como funcionan los LLM literalmente". Para él, leer ficción debería empujar tu mente hacia lo inesperado, no hacia el promedio.
Escribe: "Simplemente no quiero que mi mente sea empujada hacia lo estadísticamente normal cuando leo ficción. Es exactamente lo opuesto de lo que quiero de la experiencia".
Por qué esto importa para desarrolladores y usuarios de IA
Para los desarrolladores que construyen o usan herramientas basadas en LLM, esta es una lente útil: la "voz" de un LLM es inherentemente promedio. Si usas el mismo modelo para toda tu escritura, ya sea en comentarios de código, documentación o proyectos creativos, tu producción puede derivar hacia un estilo homogeneizado. Eso está bien para texto estándar, pero si la unicidad importa, variar conscientemente tus entradas (incluyendo leer autores humanos) puede ayudar.
McCormick incluso señala que ha dejado de leer ficción por completo en ocasiones, pero siempre regresa, porque refresca su propio perfil estadístico. "Tus palabras comienzan a brillar ligeramente", dice.
El requisito humano
Su conclusión: "Para cualquier pieza de ficción que lea de la década de 2020 en adelante, quiero saber que este texto fue escrito por un ser humano con sus propias palabras".
La entrada es un ensayo en primera persona más que una guía técnica, pero plantea una pregunta práctica para cualquiera que use herramientas de escritura con IA: ¿cómo preservas tu propio sesgo creativo?
📖 Lea la fuente completa: HN LLM Tools
👀 Ver también

DeepSeek v4 Flash en Mac Studio: LLM local encuentra errores reales en código de compilador
Un desarrollador comparte que DeepSeek v4 Flash ejecutándose en una Mac Studio de 128GB identifica con éxito errores válidos en un código base de compilador, una tarea que no era posible con LLMs locales hace 5 meses.

Etiquetas Automáticas de YouTube para Videos de IA: Etiquetas Simplificadas y Detección Automática en 2026
YouTube actualiza las etiquetas de IA: ubicación más destacada, detección automática de contenido fotorrealista y etiquetas permanentes para videos creados con las herramientas propias de YouTube o metadatos C2PA.

Codex Converses: El Sucesor de OpenClaw en la Automatización de IA
Codex ahora puede comunicarse consigo mismo, marcando el comienzo de una nueva era en la automatización impulsada por IA y reemplazando eficazmente a OpenClaw, el anterior líder del sector.

Verificación del chip Claude de Samsung: Problemas reales con la IA en el diseño de semiconductores
Samsung está utilizando Claude de Anthropic para verificar diseños de chips, pero el proceso no va bien. Esto es lo que sabemos.