Por qué los humanizadores genéricos fallan en LinkedIn

La mayoría de los humanizadores del mercado se crearon para un trabajo diferente: superar una puntuación de detección de IA en un ensayo o en una página de marketing. Parafrasean frase por frase y reorganizan el vocabulario para reducir un porcentaje.

En LinkedIn ese esfuerzo está mal orientado, porque el feed no pasa un detector a tu publicación; recompensa las publicaciones en las que la gente se detiene y descarta aquellas que se leen como cualquier otra publicación con plantilla en el scroll.

Y el vocabulario que persiguen ya está extinto. En 129.000 publicaciones en inglés de 2026, leverage aparece 3.479 veces y unlock 1.923, mientras que delve se queda en 65, tapestry en 20 e "in the realm of" en 5 (el desglose completo está en las palabras de IA que debes evitar ya están muertas).

La pista que delata la IA pasó del vocabulario a la estructura. Cuando medimos lo que penaliza el alcance en 2026, comparando a cada autor con sus propias publicaciones para que el tamaño de la audiencia no distorsionara el resultado, los culpables fueron cuatro estructuras de plantilla, no las palabras.

Ese es el estudio de alcance realizado sobre 287.120 publicaciones, y el efecto estuvo estadísticamente ausente antes de 2026. Coincide con la propia medida adoptada por LinkedIn a principios de 2026 contra el contenido genérico (94% de detección, distribución reducida para los genéricos).

Hay una razón por la que la pista delatora se volvió estructural. Cuanto mejor se volvía la IA imitando a los creadores más populares que todos estudian, más convergían todos los borradores en la misma cantidad de estructuras idénticas, de modo que el formato que antes caracterizaba a una publicación original ahora se lee como generado.

Pierre Hérubel, que gestiona una cuenta con 170.000 seguidores, lo llama la "trampa del slop de IA" (porquería generada por IA). Un humanizador centrado en sinónimos deja las cuatro estructuras intactas. Cambia la pintura, no el marco.