Escribir en la era de los LLM

• A medida que aumenta la escritura con LLM, se vuelven mucho más visibles ciertos patrones de redacción poco naturales
• Frases de resumen pobres, uso excesivo de viñetas y ritmo monótono en las oraciones son problemas representativos de la escritura con LLM
• Tienden a aparecer con frecuencia textos de baja densidad informativa o con expresiones ambiguas, lo que reduce los insights reales
• En cambio, la repetición intencional, las frases de señalización y la estructura paralela suelen confundirse con estilo de LLM, aunque en realidad son herramientas efectivas de escritura
• La autora enfatiza que, aunque usa LLM para diseñar esquemas, generar borradores y reescribir partes, el juicio final y la construcción de contenido con profundidad siguen siendo tarea humana

---

Common Patterns of Bad Writing I See from LLM Tools

• En los últimos años, mientras escribía y revisaba artículos técnicos y posts de blog, la autora notó repetidamente en textos basados en LLM una sensación sutil de que algo se siente “raro y menos atractivo”
• Al mismo tiempo, también ha comprobado que los LLM son de gran ayuda para hacer borradores, resumir materiales complejos y ordenar ideas dispersas
• En este texto comparte malos patrones de escritura que los LLM generan con frecuencia, hábitos que suelen confundirse con “estilo LLM” aunque en realidad no están mal, y las reglas de escritura y prompting que usa en la práctica

Empty “summary” sentences that pretend to conclude a thought

• Al final de muchos párrafos aparecen con frecuencia frases de resumen que parecen una conclusión pero en realidad no dicen nada sustancial, como “By following these steps, we achieve better performance.” o “By internalizing these principles, you can cut through the noise.”
  • “Si sigues este proceso, puedes obtener un mejor rendimiento”
  • “Si interiorizas estos principios, podrás abrirte paso entre la confusión”
• Estas frases no aportan al lector ningún insight nuevo ni algo sobre lo cual pensar
• La autora tampoco ha encontrado una forma segura de hacer que un LLM escriba este tipo de frases con un mensaje realmente sustancial

Overuse of bullet points and outlines

• Los LLM tienden a abusar de las viñetas y de los esquemas
• Las listas son útiles cuando los elementos son paralelos e independientes, pero cuando las ideas están conectadas o el contexto importa, suele ser mejor usar párrafos

Flat sentence rhythm

• Cuando todas las oraciones repiten una longitud y estructura similares, el texto se vuelve aburrido y más difícil de seguir

• Variar la longitud y el ritmo de las oraciones permite enfatizar, recuperar la atención y controlar la velocidad de lectura

  • Bad example:
    "We recently launched a conversational AI feature that lets users ask questions in plain English and get responses based on their past activity and current session. The system searches a database of help articles, ranks the most relevant ones using a custom scoring function, and passes the top result into a language model to generate the final answer. We spent weeks optimizing each step to keep latency under 300 milliseconds, including caching, pruning irrelevant articles, and tuning prompt templates."
    "Recientemente lanzamos una función de IA conversacional que permite a los usuarios hacer preguntas en lenguaje natural y recibir respuestas basadas en su actividad previa y la sesión actual. El sistema busca en una base de datos de artículos de ayuda, clasifica los más relevantes con una función de puntuación personalizada y pasa el mejor resultado a un modelo de lenguaje para generar la respuesta final. Pasamos semanas optimizando cada paso para mantener la latencia por debajo de 300 milisegundos, incluyendo caché, eliminación de artículos irrelevantes y ajuste de plantillas de prompt"

  • Good example:
    "We just launched a new conversational AI feature. It answers user questions in plain language, using context from the current session. The system searches help articles, scores them with a custom ranking function, feeds the top result into a fine-tuned language model, and runs in under 300ms using caching, pruning, and prompt tuning techniques."
    "Acabamos de lanzar una nueva función de IA conversacional. Responde preguntas de los usuarios en lenguaje natural usando el contexto de la sesión actual. El sistema busca artículos de ayuda, los puntúa con una función de ranking personalizada, envía el mejor resultado a un modelo de lenguaje ajustado y funciona en menos de 300 ms gracias a técnicas de caché, filtrado y prompt tuning"

Not the right subject

• Cuando la elección del sujeto es inadecuada, el punto central de la oración se vuelve difuso
  • Bad example:
    "Readers are better guided when the subject matches the main idea of the sentence."
    "El lector recibe mejor orientación cuando el sujeto coincide con la idea principal de la oración"
  • Good example:
    "Choosing the right subject keeps the writing clear and focused."
    "Elegir el sujeto correcto mantiene la escritura clara y enfocada"
• Elegir bien el sujeto es importante para la coherencia y el enfoque del texto

Low information density

• A continuación, un ejemplo de texto generado por LLM obtenido de Gemini 2.5 Pro:
  > "As someone who writes, reviews, and deconstructs complex information for a living, I’ve developed a strong allergy to bad writing. And lately, a lot of that bad writing has a specific, synthetic flavor—the unmistakable scent of an LLM. This post is a guide to navigating the new world of writing, with or without LLM assistance. First, I’ll cover the true pitfalls of LLM-generated text—the red flags that make it feel sterile and unconvincing."
  > "Como alguien que vive de escribir, revisar y desmenuzar información compleja, he desarrollado una fuerte alergia a la mala escritura. Y últimamente, gran parte de esa mala escritura tiene un sabor artificial muy específico: el olor inconfundible de un LLM. Este post es una guía para moverse en el nuevo mundo de la escritura, con o sin ayuda de LLM. Primero cubriré los verdaderos problemas del texto generado por LLM: las señales de alerta que lo hacen sentirse estéril y poco convincente."
• La estructura de las oraciones y la gramática son perfectas, pero no hay insight real, información concreta ni avance en el argumento

Vagueness

• Los textos de LLM muestran una fuerte tendencia a evitar la concreción
• No definen con claridad las ideas, hacen afirmaciones sin evidencia o escriben de forma que no queda claro de quién se está hablando
  “Some experts say prompt engineering is becoming less important. The ability to simply prompt LLMs can have a major impact on productivity.”
  “Algunos expertos dicen que la ingeniería de prompts se está volviendo menos importante. La capacidad de simplemente dar prompts a los LLM puede tener un gran impacto en la productividad”
  → Faltan fundamentos concretos y un sujeto claro, como quién lo dice, en qué contexto o a quién afecta

Overuse of demonstrative pronouns

• También es frecuente el abuso de pronombres demostrativos como "this", "that", "these" o "those"
• Si no queda claro a qué sustantivo remiten, al lector le resulta fácil perder el hilo
  “This creates friction in production.”
  “Esto genera fricción en producción”
  Aquí no está claro a qué se refiere "this/esto"

Fluency without understanding

• Aparecen con frecuencia oraciones que suenan fluidas pero en realidad explican poco
  “LLMs use attention mechanisms to generate contextually appropriate responses.”
  “Los LLM usan mecanismos de atención para generar respuestas apropiadas al contexto”
  → Si el lector no sabe qué es attention, la frase no transmite casi nada
• Los LLM también inventan términos que no existen con bastante frecuencia
  “We used GPT-4 for summarization, but it hallucinated details, so we added retrieval grounding.”
  “Usamos GPT-4 para resumir, pero alucinó detalles, así que agregamos retrieval grounding”
  → “retrieval grounding” no es un término real
• Los LLM no distinguen bien el conocimiento previo del lector ni cuándo hace falta explicar más, así que a menudo se saltan las partes difíciles

Writing Patterns People Flag as “LLM-Like,” But Are Actually Fine

• También hay patrones que la gente mira con demasiada sospecha por parecer estilo LLM, aunque en realidad son recursos eficaces y comunes de escritura
• Lo importante no es escribir algo que no parezca hecho por un modelo, sino escribir con claridad, intención y control

Intentional repetition

• La repetición puede ser efectiva para aclarar o enfatizar ideas complejas
  "Vector databases store embeddings, or mathematical representations that capture semantic meaning in hundreds of dimensions. In other words, vector databases help find results that are “close” in meaning, not just exact text matches."
  “Las bases de datos vectoriales almacenan embeddings, es decir, representaciones matemáticas que capturan significado semántico en cientos de dimensiones. Dicho de otro modo, las bases de datos vectoriales ayudan a encontrar resultados ‘cercanos’ en significado, no solo coincidencias exactas de texto”

Signposting phrases

• Frases de señalización como "essentially", "in short" o "the point is..." son útiles si después realmente viene información sustancial
  Ejemplo:
  "Essentially, instead of classifying the document as a whole, we classify each section independently."
  “En esencia, en lugar de clasificar el documento completo, clasificamos cada sección de manera independiente”

Parallel structure

• La estructura paralela ayuda a organizar las ideas y hace que la lectura sea más fluida
  "The system scales across inputs, stays responsive under load, and returns consistent results even with noisy prompts."
  “El sistema escala con distintos tipos de entrada, se mantiene responsivo bajo carga y devuelve resultados consistentes incluso con prompts ruidosos”

Section headings that echo a structure

• Encabezados de sección con estructuras predecibles, como “Why X fails”, “What to do instead” o “How to know if it worked”, son perfectamente efectivos si el contenido es claro

Declarative openings

• Empezar una sección con oraciones declarativas y firmes puede incluso reforzar el foco del texto, siempre que luego haya evidencia o explicación que las sostenga
  Ejemplo:
  "LLM evaluations are hard to get right. Many rely on user-defined gold labels or vague accuracy metrics, which do not work for subjective or multi-step tasks."
  “Hacer bien las evaluaciones de LLM es difícil. Muchas dependen de etiquetas de referencia definidas por el usuario o de métricas vagas de exactitud, que no funcionan para tareas subjetivas o de múltiples pasos”

Em dashes

• La raya larga (—) es útil dentro de una oración para agregar aclaraciones, cambiar el ritmo o hacer transiciones rápidas
• Usada con criterio, ayuda a dar fluidez conversacional y énfasis

How I Write with LLMs

• La autora considera que lo más importante al escribir es mantener el impulso
• En la práctica, su proceso para trabajar en artículos o posts de blog suele ser el siguiente
  • Planear el esquema (en papel o mentalmente)
  • Generar un borrador
  • Leer lo escrito y revisarlo críticamente
  • Editar
• Este proceso puede repetirse en distintas escalas, desde una sola oración hasta una sección completa
• Cada persona se traba en etapas distintas: planificación, redacción del borrador o revisión
  • La autora arma esquemas rápido, pero suele trabarse en el phrasing
  • Usa activamente los LLM como herramienta para destrabar partes difíciles o acelerar la construcción del borrador

Narrate the story to the model

• Al empezar un borrador, escribe una versión informal de la idea, como si le explicara la estructura a un colega, la pega en el LLM y le pide que genere un esquema detallado
• Repite este proceso hasta que la estructura queda clara

Write the paragraph myself, even if it’s rough

• Una vez listo el esquema, intenta escribir cada párrafo por su cuenta, aunque quede tosco
• Cuando le cuesta terminar una oración, le pide al LLM algo como “finish it”, elige la mejor entre varias versiones y, si hace falta, la ajusta un poco
  “In the last couple of years, I’ve written and reviewed several technical papers and blog posts. Something always feels slightly off, enough to make the writing quietly uninviting. At the same time, I feel like I get tremendous value from using LLMs to write…” “finish it”
  “En los últimos años he escrito y revisado varios artículos técnicos y posts de blog. Siempre hay algo que se siente ligeramente raro, lo suficiente como para volver el texto discretamente poco atractivo. Al mismo tiempo, siento que obtengo muchísimo valor al usar LLM para escribir…” “finish it”
  → El modelo propone varias continuaciones, ella escoge la mejor y la ajusta ligeramente antes de seguir

Use scoped rewrite strategies during revision

• Cuando un párrafo u oración se siente raro, en vez de pedir “make it better”, le da al LLM solicitudes concretas o patrones específicos como cierta estructura retórica
• Estrategias de ejemplo:
  • Mantener el sujeto y el verbo lo más cerca posible, idealmente al inicio de la oración
  • Usar la estructura SWBST (quién, qué quería, qué obstáculo apareció, cómo respondió y cuál fue el resultado)
    • Ejemplo:
      "We used GPT-4 for summarization. We wanted fluent answers, but it hallucinated facts. So we added a retrieval step. Then we re-ranked outputs based on citation accuracy."
      “Usamos GPT-4 para resumir. Queríamos respuestas fluidas, pero alucinó hechos. Entonces agregamos un paso de retrieval. Después reordenamos las salidas según la precisión de las citas”
    • La estructura SWBST también es útil en textos técnicos para transmitir de forma concisa motivación, problema, respuesta y resultado

Parting Thoughts

• Ya vivimos en una época en la que es fácil generar con LLM texto de calidad media
• Pero decidir qué escribir, qué perspectiva y estructura elegir y en qué partes profundizar sigue siendo responsabilidad humana
• La escritura realmente buena debe ofrecer una contribución sustancial acorde con su longitud y valer el tiempo que el lector invierte
• Ese es el estándar que la autora busca alcanzar

[crawler]

Creo que GeekNews está bueno en ese sentido porque tiene una alta densidad de información.
Y el hecho de que termine en estilo telegráfico de verdad parece una optimización de densidad.