Por qué los humanizadores genéricos fallan en LinkedIn

La mayoría de los humanizadores del mercado fueron creados 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 número. En LinkedIn, ese esfuerzo está mal encaminado, porque el feed no pasa un detector a tu publicación; recompensa las publicaciones en las que la gente se detiene y entierra aquellas que se leen como cualquier otra 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 y "in the realm of" en 5 (el desglose completo está en las palabras de IA que debes evitar ya están muertas).

El indicio pasó del vocabulario a la estructura. Cuando medimos qué es lo que resta alcance en 2026, comparando a cada autor con sus propias publicaciones para que el tamaño de la audiencia no afecte el resultado, los culpables fueron cuatro estructuras de plantilla, no las palabras. Ese es el estudio de alcance a través de 287.120 publicaciones, y el efecto estuvo estadísticamente ausente antes de 2026. Esto coincide con el propio movimiento de principios de 2026 de LinkedIn contra el contenido genérico (94% de detección, distribución reducida para los genéricos).

Hay una razón por la que el indicio se volvió estructural. Cuanto mejor se volvía la IA imitando a los principales creadores que todos estudian, más convergía cada borrador en el mismo puñado de formas, por lo que la estructura que antes definía una publicación brillante ahora se lee como generada. Pierre Hérubel, que gestiona una cuenta con 170.000 seguidores, lo llama la "Trampa del contenido basura de IA". Un humanizador que solo busca sinónimos deja intactas las cuatro estructuras. Cambia la pintura, no el marco.