Este ensayo propone un modelo teórico para describir la escritura mediada por inteligencia artificial como un nuevo régimen de producción discursiva. El argumento central es que la interacción entre un sujeto humano y un modelo de IA no constituye una simple asistencia técnica sino un proceso comunicativo de naturaleza distinta, en el que dos regímenes incompatibles, uno semántico, uno matemático, se acoplan funcionalmente a través de una interfaz. A diferencia de los modelos circulares clásicos de la teoría de la comunicación, donde el elemento mediador es una interferencia a minimizar, aquí la interfaz es la condición de posibilidad de toda la interacción. El proceso que ocurre en ese acoplamiento es iterativo y dinámico: la entropía fluctúa con cada vuelta, el espacio de formulaciones discursivas se abre, se reorganiza y se cierra, y no toda operación es visible para el sujeto en tiempo real. A ese fenómeno lo denominamos espacio de entropía transrégimen , una extensión de la noción shannoniana de entropía hacia un escenario que Shannon no podía anticipar. La resolución del problema #650 de Erdős, obtenida mediante un flujo de trabajo híbrido entre ChatGPT, Aristotle y autores humanos, sirve como caso empírico que demuestra la operatividad del modelo en el dominio más exigente posible. El ensayo concluye que la resistencia ideológica frente al uso de IA en la escritura académica tiene un costo analítico concreto: impide describir con seriedad un fenómeno comunicativo que ya está en curso.
La teoría moderna de la comunicación construyó sus categorías fundamentales para describir un proceso que, en su versión más simple, va de un emisor a un receptor a través de un canal. Claude Shannon definió el problema central de la comunicación como la reproducción exacta o aproximada de un mensaje seleccionado en otro punto, y con ello desplazó la mirada desde la interioridad del emisor hacia la selección y transmisión dentro de un sistema. Warren Weaver amplió ese marco distinguiendo tres niveles: el técnico, el semántico/sentido y el de efectividad. Jesús Martín-Barbero propuso pensar la comunicación desde las mediaciones, reconociendo que el sentido no circula de manera pura sino que es producido culturalmente, atravesado por usos, hábitos y formas de apropiación.
Cada uno de esos desplazamientos fue necesario y productivo. Pero todos comparten un supuesto que hoy empieza a crujir: que el enunciado tiene un origen identificable, un sujeto que lo produce y lo lanza hacia afuera. Incluso en los modelos más sofisticados, alguien escribe. La mediación transforma el sentido, pero no interviene de manera constitutiva en la formación misma de las palabras.
Eso es exactamente lo que cambia con la escritura mediada por inteligencia artificial. La técnica ya no solo vehicula el discurso: puede participar activamente en su composición. Y para describir ese desplazamiento, las categorías heredadas ya no bastan.
Lo que ocurre cuando alguien escribe con un modelo de inteligencia artificial no es dictado ni delegación simple, pero tampoco es exactamente una conversación. Llamarlo co-enunciación puede ser útil como punto de partida, pero exige una precisión inmediata: los dos participantes no operan en el mismo plano ni trabajan bajo el mismo régimen de producción.
El humano trabaja con intención, sentido, propósito. Escribe desde un horizonte semántico, desde una historia, desde una necesidad de decir algo a alguien. La IA, en cambio, no enuncia desde una interioridad semántica o intencional comparable a la humana. Lo que hace es operar formalmente sobre representaciones vectoriales en un espacio de alta dimensionalidad: no produce palabras porque “comprenda” del mismo modo que un sujeto, sino porque calcula continuaciones plausibles dentro de un campo de posibilidades construido estadísticamente. No hay, del lado del modelo, sentido vivido; hay un régimen probabilístico-formal que devuelve resultados lingüísticamente interpretables.
Lo que hace posible la interacción entre esos dos regímenes tan distintos es una interfaz. Esa interfaz traduce en dos direcciones: convierte el lenguaje cargado de sentido del humano en operaciones tratables por un sistema matemático, y devuelve el resultado de esas operaciones como texto legible. Sin esa capa de traducción, los dos regímenes serían prácticamente incompatibles. Con ella, se vuelven funcionalmente acoplados.
Schramm, Dance, Thayer, Watzlawick y sus colaboradores desarrollaron modelos que reconocen la naturaleza dinámica y recursiva de la comunicación, y que introdujeron nociones como retroalimentación, espiral y circularidad. Todos ellos representan un avance real sobre el modelo lineal de Shannon. Pero comparten un supuesto que en este modelo ya no se sostiene: que los participantes operan dentro del mismo régimen lingüístico. En esos modelos, cuando aparece un elemento perturbador entre los interlocutores se llama interferencia (un ruido a minimizar, un obstáculo para la comunicación ideal). Lo que este modelo propone es conceptualmente distinto: la interfaz no es un obstáculo sino la condición de posibilidad de toda la interacción. Sin ella, los dos regímenes (el semántico y el matemático) serían simplemente incompatibles. La interfaz no interrumpe la comunicación. La constituye.
Ese acoplamiento es lo que produce algo teóricamente nuevo: no un mensaje elegido por un emisor, sino un espacio de formulaciones discursivas que se abre, se reorganiza y se cierra en cada iteración. A veces la IA amplía ese espacio: devuelve algo inesperado, una conexión no prevista, una formulación que el humano no habría encontrado solo. A veces lo reduce: confirma, consolida, estabiliza lo que el humano ya intuía. La contribución algorítmica no tiene una magnitud fija; varía con cada vuelta del proceso, dependiendo de lo que el humano aportó, de cómo lo formuló y de qué decide hacer con lo que recibe.
Para visualizar esa dinámica puede pensarse con esta fórmula realizada y revisada con ayuda de modelos de IA:
T(n)= Φ( T(n−1), Ih(n), Ia(n) )
T(n) es el texto en el momento n — no el texto final sino el texto en cualquier punto de la iteración. Reconoce que el enunciado no es un objeto fijo sino un objeto en movimiento.
Φ es la función de estabilización discursiva — el proceso mediante el cual los elementos que entran en cada iteración se integran y producen una nueva versión del texto. No es una suma mecánica sino una transformación.
T(n-1) es el texto en el momento anterior. Captura algo crucial: cada iteración parte de lo que ya existe, no desde cero. El proceso tiene memoria. Lo que se dijo antes condiciona lo que puede decirse después.
Ih(n) es la intervención humana en ese momento específico — la decisión de aceptar, rechazar, reformular, expandir o redirigir. Es siempre semántica y es el único elemento de la fórmula que opera desde el régimen del sentido.
Ia(n) es la generación algorítmica en ese momento — lo que el modelo devuelve operando en el régimen matemático. No es intención ni sentido, es el resultado de calcular probabilidades de continuación dentro del espacio de posibilidades definido por la interacción.
El texto en cada momento es función del texto anterior, de la reintervención humana y de la generación algorítmica en ese instante. La fórmula no pretende ser una ley matemática estricta. Es un dispositivo conceptual para mostrar algo que en prosa cuesta más trabajo ver: que el enunciado no tiene un origen puntual, sino una historia de versiones producidas en la frontera entre dos regímenes que no se hablan directamente, pero que la interfaz mantiene funcionalmente acoplados.
Para Shannon, la entropía mide la incertidumbre de un sistema antes de que se haga una selección. A mayor número de mensajes posibles y más equitativa su distribución, mayor entropía. El momento de máxima entropía es el momento de máxima apertura: todo podría ocurrir. El momento de mínima entropía es cuando la selección se hizo y el mensaje quedó fijado. En su modelo, ese proceso ocurre dentro de un mismo sistema, entre un emisor y un receptor que comparten el mismo régimen lingüístico.
Lo que ocurre en la escritura mediada por IA es estructuralmente distinto. Aquí la entropía no funciona solo como una medida estática de un sistema cerrado, sino como una magnitud que fluctúa con cada iteración y que además cruza una frontera entre regímenes. Cuando el humano formula una instrucción ambigua o abierta, la entropía sube: el espacio de formulaciones posibles se expande. Cuando la IA devuelve algo y el humano lo acepta parcialmente, la entropía baja localmente, pero puede volver a subir en la siguiente vuelta si esa aceptación abre conexiones no previstas. Hasta ahí, Shannon todavía ofrece una intuición útil.
Pero hay algo que su modelo no alcanza a describir por sí solo: en este proceso la incertidumbre no fluctúa únicamente dentro de un mismo régimen, sino entre dos regímenes heterogéneos. La intención humana, cargada de sentido, propósito e historia, se traduce a un espacio probabilístico-formal; opera allí sin interioridad semántica propia; y regresa como texto legible. La entropía no solo sube y baja: atraviesa una frontera y vuelve transformada. A ese fenómeno lo llamaremos espacio de entropía transrégimen: el campo iterativo en el que una intención semántica humana es traducida a un régimen de operaciones probabilístico-formales y regresa como formulación lingüística, reorganizando en cada vuelta el conjunto de posibilidades discursivas.
El espacio de entropía transrégimen no existe en un instante sino en el tiempo. Y su lógica no es lineal sino recursiva. Cada intercambio entre el humano y el modelo transforma el espacio de posibilidades para el siguiente: lo que se dijo antes condiciona lo que puede decirse después, pero no lo determina completamente. Esa es la estructura fundamental de la iteración.
Esto conecta directamente con lo que definió a los nuevos medios desde el principio. Manovich identificó la variabilidad como uno de sus principios constitutivos: el objeto digital nunca es fijo, existe siempre en versiones. La escritura mediada por IA radicaliza ese principio porque la variabilidad no es solo una propiedad del objeto final, sino del proceso mismo. No hay un texto que simplemente se va corrigiendo: hay un espacio que se va reconfigurando con cada vuelta.
Lo que hace cada iteración es específico y tiene dirección. Primero el humano formula: abre el espacio entrópico con una intención cargada de sentido. La interfaz traduce esa intención al régimen matemático y el modelo opera sobre ella, devolviendo formulaciones plausibles dentro del campo definido por la interacción. El humano recibe ese resultado y toma una decisión: acepta, rechaza, reformula, expande o descarta. Esa decisión es siempre semántica; no la toma el modelo sino el humano, y ahí reside la asimetría fundamental del proceso. Luego el ciclo vuelve a comenzar, pero sobre un espacio ya parcialmente reorganizado.
Lo crucial es que en cada iteración la entropía se comporta de manera distinta. A veces la IA reduce incertidumbre: confirma una dirección, estabiliza una formulación, cierra una duda. Pero otras veces la amplía: devuelve una conexión no prevista, un giro argumentativo que el humano no había contemplado, una formulación que abre más preguntas de las que responde. En esos momentos el espacio entrópico no se contrae sino que se expande, y el proceso se vuelve más rico precisamente porque se volvió más incierto.
El texto final no es el resultado de una única selección, sino el sedimento de ese proceso. Es el punto en que el humano decide que el espacio puede cerrarse, no porque se hayan agotado las posibilidades, sino porque el enunciado alcanzó una estabilidad suficiente para cumplir su propósito. Ese cierre es siempre provisional y siempre humano.
En marzo de 2026, Wouter van Doorn, Yanyang Li y Quanyu Tang publicaron en arXiv una solución al problema #650 de Erdős sobre enteros con diferencias en un conjunto de emparejamiento. En el propio artículo, los autores describen con precisión el reparto de funciones: la estrategia de prueba fue propuesta primero por ChatGPT, el argumento fue luego formalizado rigurosamente en Lean por Aristotle, y la exposición final fue escrita enteramente por humanos.
Ese reparto no es un detalle anecdótico. Es una manifestación especialmente nítida del espacio de entropía transrégimen en funcionamiento. Una instancia humana abre el problema con intención y propósito. Un modelo algorítmico opera en su propio régimen y devuelve una estrategia que los humanos no habían encontrado. Otra instancia formaliza ese resultado en un lenguaje verificable. Los humanos cierran el proceso reinscribiendo todo en la forma discursiva reconocible para su comunidad. Cada capa reconfigura el espacio de posibilidades para la siguiente.
Lo que vuelve este caso especialmente importante no es solo que involucre inteligencia artificial, sino que ocurrió en matemáticas formales, un dominio donde los criterios de validación son particularmente estrictos. No hay aquí una aceptación blanda del resultado ni una simple fascinación con la novedad técnica: la prueba debe sostenerse o fracasa, y Lean cumple precisamente la función de verificar esa formalización. Por eso, el caso no resuelve por sí solo toda la filosofía del descubrimiento ni prueba de manera absoluta la legitimidad de cualquier proceso híbrido. Pero sí muestra algo decisivo: este modelo de producción discursiva puede funcionar de manera válida y verificable incluso en uno de los dominios más exigentes del conocimiento formal.
Lo que este ensayo describe no es una posibilidad futura sino un fenómeno en curso. La escritura mediada por inteligencia artificial ha producido ya un modelo comunicativo que no encaja del todo en las categorías heredadas: dos regímenes heterogéneos, uno semántico-intencional y otro probabilístico-formal, acoplados funcionalmente a través de una interfaz, generando un espacio de entropía transrégimen donde las formulaciones discursivas se abren, se reorganizan y se estabilizan mediante iteraciones sucesivas. Ese espacio no es simplemente un canal, no es solo un medio, no es solo un contexto. Exige una categoría nueva.
La teoría de la comunicación tiene ahora un objeto que describir. La pregunta ya no es si este modelo puede existir. La pregunta es si la disciplina va a estar a la altura de lo que está ocurriendo ante sus ojos.
Referencias:
Dance, F. E. X. (1967). Toward a theory of human communication. En F. E. X. Dance (Ed.), Human communication theory: Original essays. Holt, Rinehart and Winston.
Manovich, L. (2001). The language of new media. MIT Press.
Martín-Barbero, J. (1987). De los medios a las mediaciones: Comunicación, cultura y hegemonía. Gustavo Gili.
Schramm, W. (1954). How communication works. En W. Schramm (Ed.), The process and effects of mass communication. University of Illinois Press.
Shannon, C. E., y Weaver, W. (1949). The mathematical theory of communication. University of Illinois Press.
Thayer, L. (1968). Communication and communication systems. Irwin.
Van Dijk, T. A. (2008). Discourse and context: A sociocognitive approach. Cambridge University Press.
van Doorn, W., Li, Y., y Tang, Q. (2026). Optimal bounds for an Erdős problem on matching integers to distinct multiples. arXiv. https://doi.org/10.48550/arXiv.2603.28636
Watzlawick, P., Beavin, J. H., y Jackson, D. D. (1967). Pragmatics of human communication: A study of interactional patterns, pathologies, and paradoxes. Norton.
