La inteligencia artificial generativa hizo que producir contenido fuera extraordinariamente barato.

Un guion, una publicación de LinkedIn, un artículo, una voz sintética o incluso un video completo pueden generarse en minutos.

Pero esa abundancia está creando su propio problema:

cuando producir contenido cuesta casi cero, internet también puede llenarse de contenido que vale casi cero.

YouTube, LinkedIn y Substack están empezando a reaccionar.

Las tres plataformas han introducido mecanismos para identificar, etiquetar o reducir la presencia de determinado contenido generado con inteligencia artificial. No estamos ante una prohibición general de la IA. De hecho, sus propias políticas dejan bastante claro que utilizar IA como herramienta puede ser perfectamente válido.

El cambio importante parece estar en otra parte:

separar la creación asistida por IA del contenido industrializado, repetitivo, engañoso o sin aportación humana real.

Un artículo reciente de Amy Zwagerman en Inc., republicado y comentado también por otros medios, resume bien la señal de fondo: las plataformas ya están construyendo su propia infraestructura para decidir cómo comunicar al público que un contenido fue creado o alterado con IA.

Y eso cambia las reglas del juego para creadores, empresas y medios.

YouTube quiere saber cuándo lo que vemos parece real, pero no lo es

YouTube lleva desde 2024 pidiendo a los creadores que informen cuando utilizan IA para generar o modificar significativamente contenido realista.

En mayo de 2026 dio un paso adicional.

La plataforma movió las etiquetas de contenido fotorealista generado o alterado con IA a posiciones mucho más visibles: debajo del reproductor en videos largos y directamente sobre la imagen en Shorts.

Además, YouTube comenzó a desplegar señales internas capaces de detectar determinados usos de IA y aplicar automáticamente una etiqueta cuando el creador no haya declarado el uso correspondiente.

La política se centra especialmente en contenido que:

  • hace parecer que una persona real dijo o hizo algo que nunca ocurrió;
  • altera imágenes de un acontecimiento o lugar real;
  • genera una escena realista de un hecho que nunca sucedió.

Aquí hay una distinción fundamental.

Usar IA no significa automáticamente tener que etiquetar un video.

La propia documentación de YouTube enumera varios usos de IA que considera asistencia a la producción y que, por sí solos, no requieren disclosure: generar o mejorar un guion, desarrollar ideas, crear un título, una miniatura o una infografía, producir subtítulos, mejorar audio o incluso clonar la propia voz para narraciones y doblajes.

Eso desmonta una interpretación demasiado simple de estas políticas.

YouTube no está diciendo:

“No uses IA”.

Está diciendo algo más parecido a:

“Si utilizas IA para representar como real algo que no ocurrió, queremos que el espectador lo sepa”.

Y hay otra precisión importante: YouTube afirma explícitamente que la mera presencia de una etiqueta de IA no cambia cómo se recomienda un video ni afecta por sí sola su elegibilidad para monetización.

El problema, por tanto, no es simplemente utilizar inteligencia artificial.

El problema empieza cuando la IA altera la relación de confianza entre creador y audiencia.

LinkedIn va directamente contra el “AI slop”

LinkedIn está enfrentándose a un problema diferente.

En una red diseñada alrededor de personas compartiendo experiencia profesional, la llegada masiva de textos generados automáticamente amenaza con convertir los feeds en una colección infinita de publicaciones perfectamente redactadas y perfectamente olvidables.

LinkedIn utiliza ya una expresión explícita para describir ese fenómeno:

AI slop.

La compañía lo define como contenido probablemente generado mediante IA que requiere poco esfuerzo, puede parecer pulido en la superficie, pero carece de un punto de vista claro, experiencia propia o sustancia.

Puede ser genérico, repetitivo, reciclado o diseñado principalmente para capturar atención.

Lo interesante es que LinkedIn no está definiendo el problema únicamente por la herramienta utilizada.

Su documentación lo expresa de forma bastante directa:

el foco no está en cómo se creó el contenido, sino en si aporta valor.

El contenido asistido por IA sigue siendo bienvenido cuando refleja la perspectiva, experiencia o conocimiento de una persona real. El contenido genérico o repetitivo, por el contrario, tiene menos probabilidades de obtener una distribución amplia.

LinkedIn también incorporó la opción “Seems like AI slop” para que los usuarios puedan señalar publicaciones o comentarios que perciben como contenido vacío generado con IA.

Durante las primeras semanas, más de un millón de personas utilizaron esa función, según cifras difundidas por LinkedIn y recogidas por Social Media Today.

La misma publicación señala que el contenido que LinkedIn clasifica internamente como AI slop estaba registrando alrededor de 40 % menos visualizaciones que unas semanas antes.

Pero conviene no confundir correlación con un castigo automático.

LinkedIn ha aclarado que un reporte individual de “AI slop” no funciona como una infracción de políticas ni provoca automáticamente que una publicación sea degradada para todo el mundo. La señal afecta principalmente a la experiencia del usuario que reporta y también ayuda a LinkedIn a entender qué tipo de contenido su comunidad considera de poco valor.

Aquí encontramos probablemente la señal más clara del cambio que está ocurriendo.

Durante los primeros años de la explosión generativa, el incentivo era:

producir más.

Ahora las plataformas empiezan a preguntarse:

¿producir más de qué?

Substack convierte la detección de IA en una herramienta para el lector

Substack ha tomado un camino distinto.

Desde julio de 2026 ofrece una función llamada Scan for AI text, que utiliza tecnología de Pangram para estimar qué porcentaje de un texto parece escrito por una persona y qué porcentaje podría haber sido generado o asistido mediante IA.

La herramienta funciona sobre posts y Notes publicados desde el 21 de julio de 2026, y también puede utilizarse en comentarios y respuestas.

Substack explica además que ni la plataforma ni Pangram utilizan el contenido de los publishers para entrenar modelos generativos.

Esto abre otro debate inevitable.

Los detectores de IA no son oráculos.

Pueden convertirse en una señal adicional para el lector, pero determinar matemáticamente dónde termina la asistencia de una máquina y comienza la autoría humana será cada vez más complicado a medida que ambas cosas se mezclen durante el proceso creativo.

Un escritor puede investigar personalmente una historia, construir su argumento y después utilizar un modelo para corregir el texto.

Otro puede pedirle a una IA que escriba el artículo entero y limitarse a pulsar “publicar”.

En ambos casos hubo IA.

Pero son procesos creativos radicalmente diferentes.

El verdadero problema no es la IA: es eliminar al humano del proceso

Las políticas que están apareciendo permiten identificar una tendencia común.

La división importante probablemente no será:

contenido humano vs. contenido generado por IA.

Será:

contenido con intención, criterio y responsabilidad vs. contenido automatizado sin valor añadido.

Una publicación puede utilizar IA para investigar, estructurar información, corregir gramática o generar materiales visuales y seguir teniendo una tesis, una investigación y una decisión editorial humana detrás.

En el otro extremo, es posible conectar una API a una base de datos, fabricar miles de artículos, videos o publicaciones y distribuirlos automáticamente.

Ambos sistemas utilizan la misma tecnología.

Pero uno utiliza la IA como multiplicador del trabajo humano.

El otro intenta convertir al humano en opcional.

Y ese segundo modelo parece ser precisamente el que empieza a encontrar resistencia.

La automatización de contenido tendrá que evolucionar

Esto tiene consecuencias especialmente interesantes para los pipelines automatizados de creación.

Hasta ahora, una métrica evidente podía ser cuánto contenido era capaz de producir un sistema:

10 artículos por día
50 videos
500 publicaciones

Con modelos cada vez más baratos y capaces, esa métrica pierde importancia.

La pregunta pasa a ser otra:

¿qué hace que cada pieza merezca existir?

Eso obliga a introducir en los sistemas automatizados cosas que paradójicamente no tienen mucho que ver con generar más tokens:

  • selección editorial;
  • fuentes verificables;
  • fact-checking;
  • perspectivas originales;
  • revisión humana o revisión independiente;
  • criterios para descartar contenido;
  • transparencia sobre el uso de IA.

El mejor pipeline generativo quizá no sea el que publique 100 piezas automáticamente.

Puede ser el que genere 100 candidatos y tenga suficiente criterio para publicar solamente cinco.

Esta idea conecta con una transformación más amplia de la ingeniería con agentes: cuando generar se abarata, verificar, seleccionar y gobernar adquieren más valor relativo.

Las marcas tendrán que explicar cómo usan IA

Amy Zwagerman plantea además otra consecuencia importante: las organizaciones deberían empezar a establecer públicamente sus propias políticas de IA antes de que sean las plataformas quienes definan la percepción del público mediante una simple etiqueta.

Una política razonable debería explicar:

  • dónde se utiliza IA;
  • dónde no se utiliza;
  • qué decisiones permanecen bajo supervisión humana;
  • cómo se protege información privada o confidencial;
  • qué debe saber el cliente sobre el proceso de creación.

Porque una etiqueta como “Made with AI” transmite muy poca información.

Puede significar que una imagen fue generada artificialmente.

Puede significar que un periodista utilizó IA para organizar veinte fuentes.

Puede significar que un video entero fue fabricado automáticamente.

Meter esos procesos dentro de una misma categoría será cada vez menos útil.

La transparencia útil no consiste simplemente en admitir que hubo IA.

Consiste en explicar qué hizo la IA y quién conserva la responsabilidad sobre el resultado.

De “AI-generated” a “AI-assisted”

Quizá estamos llegando al final de la primera etapa de internet generativo.

La etapa de la fascinación por generar cualquier cosa.

Texto.

Imágenes.

Videos.

Voces.

Avatares.

Todo automáticamente.

La siguiente etapa puede ser mucho más interesante: decidir qué merece automatizarse y qué debe seguir siendo responsabilidad de una persona.

YouTube, LinkedIn y Substack están enviando señales distintas, pero todas apuntan en una dirección parecida.

La inteligencia artificial no está desapareciendo de la creación de contenido.

Todo lo contrario.

Probablemente terminará incorporada en prácticamente todas las herramientas creativas.

Lo que empieza a desaparecer es la idea de que “generado por IA” es por sí solo una propuesta de valor.

Cuando cualquiera puede generar contenido infinito, generar deja de ser la ventaja competitiva.

La ventaja vuelve a estar en otra parte:

tener algo que decir.

Fuentes