Revisado el 2026-04-28 a la v1.1. Vea el historial de revisiones más abajo.

Mire cualquier feed escéptico de la IA en 2026 y verá la palabra slop haciendo trabajo pesado. Nombra algo real: texto de baja entropía, producido en masa, sin un autor detrás, inundando feeds, resultados de búsqueda, secciones de comentarios, reseñas de productos. Hay ya un pequeño género de ensayos explicando por qué esto es malo para la civilización. Algunos son excelentes. Algunos son slop ellos mismos.

Quiero hacer una pregunta distinta. No si el slop generado por IA es malo — buena parte claramente lo es — sino por qué estamos tan seguros de saber reconocerlo. Porque si uno mira de cerca buena parte de la vida profesional, mucho de lo que producimos un martes cualquiera ya califica. Boilerplate legal. Memo-jerga corporativa. Informes trimestrales que sobreviven solo porque nadie los lee. Status updates que no dicen nada. Notas médicas estandarizadas cuya función es, en su mayor parte, forense.

Es texto producido en masa, de baja entropía, formulario. Se lo defiende invocando cumplimiento, cobertura, debida diligencia. Y está en todas partes.

Entonces: ¿cuál es la diferencia?

I. El argumento de la similitud

Pase un párrafo de boilerplate corporativo por un algoritmo de compresión. Pase un post de marketing promedio generado por IA por el mismo algoritmo. Las tasas de compresión no se distancian demasiado. Ambos son, en términos de teoría de la información, de baja entropía: predecibles, redundantes, rellenables a partir de plantillas.

Y ambos comparten la misma superficie: una secuencia de oraciones formalmente correctas dispuestas en el orden formalmente esperado, indistinguibles de la prosa, sin comunicar nada nuevo.

Lea el acuerdo de confidencialidad promedio. Lea el discurso de graduación promedio. Lea el correo boilerplate de “tomamos su privacidad en serio” después de una filtración de datos. Lea la sección de divulgación de un balance financiero. No están comunicando. Están cumpliendo.

Si yo le dijera que esos cuatro artefactos fueron generados por GPT-9, quizás me creería. La razón por la que dudaría no es que parezcan más “autorados” que el slop de IA. Es que ya sabe quién los cumplió, y está acostumbrado a la idea de que ese es su trabajo.

II. Tres distinciones, y lo que solían hacer

Tres cosas han separado históricamente al slop burocrático del slop de IA.

A. Rendición de cuentas — la piel en el juego. Un abogado firma el boilerplate. Un contador certifica la planilla. Un médico firma el resumen de alta. El slop, en cambio, se caracteriza por la eliminación de la rendición de cuentas: nadie es responsable de la verdad del producto. Cuando una IA genera mil reseñas falsas de un producto, nadie está al frente. El artefacto es producido en masa precisamente porque nadie tuvo que ponerle el cuerpo.

Esta era la distinción más fuerte. Es también la primera en erosionarse. En el momento en que un abogado pega la salida de un LLM en un escrito sin chequearla — y los casos de apelación ya son legión — la firma sigue ahí, pero la piel ya no. El artefacto no cambió; lo que cambió es la responsabilidad detrás.

B. Intención — utilidad versus captura. El trabajo profesional suele ser guiado por la utilidad: resolver un problema, satisfacer un requisito, transmitir información específica a alguien que la necesita. El slop de IA es guiado por la captura: inundar feeds, secuestrar el SEO, ocupar espacio en el índice de búsqueda, cosechar atención o clics. El trabajo profesional intenta resolver una tarea. El slop intenta ganar un juego de volumen.

Esta distinción también se sostiene — hasta que uno nota que una buena parte del trabajo profesional es ella misma un juego de volumen. Informes trimestrales de desempeño para un departamento que nadie dirige. Documentación de cumplimiento para una auditoría que nadie lee. Decks construidos para existir, no para ser entendidos. La intención ya se había desviado; la IA no la desvió.

C. Relación valor-ruido. Las plantillas existen para que la señal sea localizable — un marco fijo para que el lector encuentre rápido la información nueva. Las partes boilerplate de un contrato se saltan a propósito; las cláusulas negociadas son donde aterriza la atención. En esta lectura, el slop habilita la señal: hace el trabajo cognitivo que vuelve legible al resto.

El slop, por contraste, mimetiza la apariencia de información sin entregar ninguna. Le cuesta más al lector filtrarlo que al escritor producirlo. Esa asimetría es lo que lo vuelve nocivo.

Esta es la más defendible de las tres distinciones. Es también donde la cosa se pone interesante.

III. El punto de inflexión: cuando el profesionalismo se vuelve slop

La línea donde el trabajo profesional se vuelve slop no es sutil. Se cruza cuando el costo de producir el artefacto cae por debajo del valor de la información que carga.

Un médico usando un LLM para resumir el historial de un paciente en una nota de alta limpia: eficiencia. La atención del clínico quedó liberada para el paciente.

Un médico usando un LLM para generar mil notas de alta para satisfacer una auditoría de facturación: slop. El artefacto quedó desacoplado de la realidad subyacente que decía describir.

La misma herramienta. La misma plantilla. La misma superficie. La diferencia está en si el artefacto está río abajo de la atención o río arriba del fraude.

Esta es la parte del argumento que debería ponernos nerviosos. El costo de producir artefactos profesionales cayó, en muchos campos, a casi cero. Los artefactos no cambiaron. Lo que cambió es si todavía hay alguien río arriba de ellos.

Esto es lo que Cory Doctorow viene llamando enshittification a escala de plataforma: el momento en que los incentivos se invierten y el interés del productor en el artefacto se desacopla del interés del lector. El punto de inflexión del slop es la enshittification comprimida en un único flujo de trabajo — el productor ya no tiene ninguna razón para preocuparse de si el documento se lee, porque producirlo no le cuesta nada. Una vez que esa asimetría se instala, el artefacto deja de ser un servicio al lector y empieza a ser una deuda que se le cobra.

IV. La inversión: tal vez la IA está retirando la inflamación

Ahora la lectura incómoda.

Tal vez la forma correcta de leer lo que está ocurriendo en 2026 no sea que la IA introdujo slop. Tal vez la IA reveló slop, al retirar la fricción que lo ocultaba.

Mucho de lo que llamábamos “trabajo profesional” siempre fue ritual de baja información — boilerplate mantenido porque alguien tenía que tipearlo, status reports escritos porque alguien tenía que ir a la reunión, decks construidos porque alguien tenía que llenar la agenda. La fricción cara de producir este material era, paradójicamente, lo único que le daba apariencia de sentido. No veíamos el slop porque estábamos ocupados generándolo.

Quítele la fricción y el slop queda desnudo. Las páginas siguen ahí; los sellos siguen ahí; las plantillas siguen ahí; lo único que se fue es el costo humano. Y lo que ahora estamos mirando — y llamando slop de IA, con indignación ofendida — es, en muchos casos, exactamente el mismo artefacto que nuestra propia profesión venía produciendo todo el tiempo. Graeber se adelantó por casi veinte años a la palabra slop, pero Bullshit Jobs es el libro sobre esa categoría de trabajo, y su diagnóstico resulta haber preparado el terreno para lo que la IA está revelando ahora.

Esto tiene un corolario filoso. Si la IA está retirando grasa, el pánico moral es en parte duelo. La grasa era un trabajo. La inflamación era una carrera. Estamos viendo a un mercado descubrir que buena parte de lo que pagaba era la experiencia de alguien cumpliendo el formulario, no el formulario en sí. Esa experiencia se fue, y el formulario, por fin, se está leyendo por sus propios méritos — que son, a menudo, ninguno.

La pregunta honesta

No creo que este argumento exonere por completo al slop de IA. Las reseñas falsas, el spam SEO, los artículos cebo de engagement, las cartas de comentario regulatorio generadas por millones — esos son daños reales bajo cualquier estándar, y la gente río abajo no está ejerciendo juicio profesional, está siendo atacada como lectora. On Bullshit de Harry Frankfurt fue ya el predecesor filosófico de esta queja: lenguaje indiferente a la verdad, desplegado para producir efecto. La IA no inventó la falsedad indiferente; la industrializó. Eso es un daño real.

Pero el argumento fuerza una pregunta que preferiríamos no hacer. Adentro de nuestro propio trabajo — el suyo, el mío, el del gremio al que pertenezcamos — ¿cuánto de lo que producimos un martes cualquiera sobreviviría el examen que con tanta alegría le aplicamos al slop de IA?

Si la respuesta es la mayor parte, el pánico es justo y útil.

Si la respuesta es honestamente, no tanto, entonces el pánico es también una confesión. Estamos viendo a una máquina hacer el trabajo que ya estábamos haciendo, un poco más rápido, un poco más barato, con la misma relación valor-ruido. Y la parte de nosotros que se sobresalta es la parte que ya lo sabía.

Historial de revisiones

  • v1.1 — 2026-04-28 — Se agregó una cita de Cory Doctorow sobre la enshittification al final del Movimiento III, planteando el punto de inflexión del slop como enshittification comprimida en un único flujo de trabajo.
  • v1.0 — 2026-04-28 — Primera publicación.

Lecturas recomendadas

⚠️ Por favor, consulte el Aviso sobre LLMs