Pangram escaneó 1.002.627 publicaciones en cinco redes y encontró que más del 40% del contenido largo de LinkedIn está escrito completamente por IA.

Doce días después, LinkedIn le puso a cada lector un botón para reportarlo.

Si publicas ahí para tu empresa, ese botón cambia una discusión que tu equipo probablemente venía teniendo en términos de gusto.

Sonar a IA pasó de ser tema de estilo a ser tema de distribución

En la mayoría de los equipos de marketing con los que hablo, la pregunta de si un texto suena a IA se resuelve en la revisión, y se resuelve por opinión. A alguien le parece que sí, a alguien le parece que no, se cambia una frase y sale.

Eso funcionaba mientras la respuesta solo afectara la percepción de marca, que es difícil de medir y fácil de posponer.

Ahora la misma pregunta toca el alcance. LinkedIn dijo que está desplegando clasificadores para identificar publicaciones de baja calidad o generadas con IA, y que usa esa señal para decidir cuánto se recomienda una publicación fuera de la red de quien la escribió. O sea que el juicio estético de tus lectores entra a un sistema que reparte impresiones.

Para un director de marketing eso reordena la prioridad. Un texto que suena automatizado ya no cuesta solo credibilidad. Cuesta impresiones que ya habías presupuestado, y las cuesta sin aparecer en ningún reporte como una penalización, porque se ve igual que un mal día de alcance.

Lo escribimos en su momento al hablar de que tu IA de marketing necesita un revisor. La diferencia es que ahora el revisor que importa no está en tu equipo. Está del otro lado del scroll y tiene un botón.

Lo que midió Pangram

Conviene mirar el estudio antes de la reacción, porque la cifra que circula viene recortada.

Pangram publicó el análisis de 1.002.627 publicaciones recogidas entre el 24 de abril y el 9 de julio de 2026 en LinkedIn, X, Reddit, Substack y Medium, con una extensión de navegador de uso voluntario. Solo contó publicaciones de más de 50 palabras y usó su modelo Pangram 3.3, con una tasa declarada de falsos positivos de 0,01%.

Los resultados por plataforma separan bastante. En LinkedIn, más del 40% del contenido largo quedó clasificado como completamente generado por IA. En artículos de X, 23,9% completamente generado y otro 22,9% asistido, dejando apenas 53,2% como enteramente humano. Reddit quedó en 4,4% combinado, la más baja del grupo.

El dato que más dice sobre la concentración es otro: LinkedIn aportó el 62% de todo el contenido marcado como IA, siendo apenas el 33% de lo escaneado.

Hay que ser justo con los límites del método. La muestra viene de usuarios que instalaron una extensión por voluntad propia, que no es una muestra aleatoria de la plataforma, y toda detección de IA tiene margen de error aunque el declarado sea bajo. Max Spero, director ejecutivo de Pangram, describió sus propias cifras como un piso y no como un techo. Vale tomarlas como orden de magnitud, y el orden de magnitud alcanza para el punto.

Lo que hizo LinkedIn, y lo que no dijo

El 30 de julio de 2026 LinkedIn agregó la opción “Seems like AI slop” al menú de reporte de cada publicación, el mismo donde se reporta spam. TechCrunch cubrió el lanzamiento el mismo día. Quien reporta deja de ver esa publicación, y la señal alimenta los clasificadores.

Hay dos movimientos alrededor que dicen más que el botón.

El primero es que LinkedIn retiró su propia función “enhance your post”, la que reescribía tu texto con IA, y la reemplazó por una herramienta de corrección que arregla la redacción sin cambiar la voz. La plataforma que bajó a cero la fricción para publicar texto generado acaba de subirla de vuelta a propósito.

El segundo es cuánto automatismo dice estar frenando: cientos de miles de intentos de comentario automatizado por día, y miles de millones de intentos de automatización en los últimos meses.

Queda un hueco incómodo, y prefiero decirlo en vez de redondear la nota. Forbes hizo notar que LinkedIn no explicó qué le pasa exactamente a una publicación reportada, más allá de que sirve para mejorar el feed. Sabemos que los clasificadores recortan recomendación fuera de tu red. No sabemos cuántos reportes hacen falta, ni si el efecto se acumula sobre la cuenta o muere con la publicación. Cualquiera que te diga hoy el número exacto se lo está inventando.

Un estándar móvil, sin rúbrica publicada

Hari Srinivasan, director de producto de LinkedIn, dijo dos cosas que conviene leer juntas. Que el slop es difícil de definir y que la definición cambia. Y que prefieren que decidan las personas y no los detectores automáticos, porque los detectores se equivocan.

Las dos afirmaciones son razonables por separado y bastante incómodas juntas.

Significan que el criterio que ahora influye en tu alcance no está publicado, se mueve con el tiempo, y lo aplica un lector cansado que va pasando el dedo. No hay apelación descrita ni definición contra la cual auditar tu contenido antes de publicarlo.

Un equipo de marketing no puede optimizar contra eso de la forma habitual, que sería buscar la regla y cumplirla. Lo que sí puede hacer es dejar de producir el material que dispara el reflejo, y ahí sí hay patrones estables, porque el lector no reacciona a un modelo sino a una forma.

Reacciona a la simetría. Párrafos del mismo largo, listas de tres con la misma cadencia, aperturas que se repiten entre publicaciones del mismo autor, cierres que resumen lo ya dicho. Un texto humano es más desparejo que eso.

Y reacciona a la ausencia de hechos propios. Cuando una publicación se puede escribir sin saber nada específico de tu empresa, alguien más ya la escribió esta semana con otras palabras. Es la misma idea que trabajamos en el panel de jueces de IA para control de calidad en marketing: la revisión sirve cuando evalúa si el contenido dice algo que solo tú podías decir.

Qué cambia en tu proceso de contenido esta semana

Nada de esto exige que dejes de usar IA para escribir. Sí conviene mover dos cosas de lugar.

La primera es el orden de la producción. Si el borrador nace del modelo y después alguien le busca datos propios, el resultado tiende a la forma promedio, porque el dato entra como adorno. Cuando el hecho propio existe primero, una cifra de tu operación, una decisión que tomaron el mes pasado, un error que corrigieron, el texto se organiza alrededor de algo que ningún modelo tenía.

La segunda es qué mide tu revisión. La mayoría de las revisiones de contenido verifican ortografía, mensaje y llamado a la acción. Ninguna de las tres detecta el problema del que estamos hablando. Agrega una pregunta al proceso y hazla explícita: ¿qué hay acá que no podría estar en el post de un competidor con el nombre cambiado? Si la respuesta tarda en llegar, todavía no está listo.

Vale además revisar la asimetría a mano. Lee tus últimas cinco publicaciones seguidas, en orden, como las ve alguien que te sigue. Si abren parecido y cierran parecido, el problema no está en ninguna de las cinco. Está en la plantilla que hay detrás, y es exactamente lo que un lector detecta sin poder explicarlo.

Ese ejercicio se hace mejor sobre tu propio archivo que sobre teoría, y toma menos de media hora. La ventana para hacerlo con calma es ahora, mientras el botón todavía es nuevo y los clasificadores están aprendiendo con lo que la gente reporte estas semanas.

Revisemos qué de tu contenido solo lo puede firmar tu empresa