Cuando delegas demasiado: lo que una IA puede cambiar sin que lo notes
Un estudio con 19 modelos explora la degradación de documentos durante ediciones largas. La lección: revisar el resultado también forma parte del trabajo.
Fecha del hecho o publicación original: · Fuentes consultadas el 23 sept 2026.
Pides un cambio de tono. Después, una nueva sección. Luego, una versión más breve. Al final, el documento parece mejor escrito, pero ¿sigue diciendo lo mismo donde debía? Esa pregunta importa cuando una cadena de pequeñas revisiones termina cambiando una cifra, una condición o una referencia que nadie pidió tocar.
Qué evaluaron los investigadores
Philippe Laban, Tobias Schnabel y Jennifer Neville presentan DELEGATE-52, una evaluación de edición delegada en 52 ámbitos. En sus pruebas con 19 modelos observaron degradación acumulada; incluso los modelos de frontera estudiados alteraron, según su métrica, una media del 25 % del contenido al terminar flujos largos. Es un resultado de ese protocolo, no la probabilidad de error de cualquier resumen ni una medición de Folio. El trabajo se publicó como preprint en arXiv el 17 de abril de 2026.
Una revisión que puedes hacer tú
Antes de pedir cambios, guarda una versión que puedas recuperar. Define qué debe permanecer intacto: nombres, importes, fechas y referencias. Después de cada modificación importante, compara el resultado con esa versión, especialmente las partes que no querías modificar.
En un ejemplo de trabajo, podrías pedir que se simplifique la introducción de una propuesta manteniendo intacta la tabla de servicios. La revisión posterior tendría dos preguntas: ¿la introducción es más clara?, y ¿la tabla sigue siendo exactamente la misma? Son comprobaciones diferentes.
Qué significa para tus documentos en Folio
Nuestra conclusión editorial es favorecer cambios acotados y revisables. Si una salida automática te ayuda a encontrar el párrafo relevante, úsala para volver a ese párrafo. Si necesitas una copia editable, contrasta las secciones importantes después de convertir.
El estudio no dice que haya que abandonar la IA. Sí ofrece una razón concreta para no equiparar un texto fluido con un documento fiel. Conservar el original y revisar diferencias permite valorar una mejora sin perder de vista el contenido que querías proteger. La verificación debe responder al uso real del archivo.
Fuentes y contexto
- LLMs Corrupt Your Documents When You Delegate (abre una pestaña nueva)
arXiv · Laban, Schnabel y Neville · 2026-04-17
Preprint. El 25 % es una medida del experimento descrito, no una tasa general de error ni una evaluación de Folio.
Artículo de síntesis y análisis de Folio. Los ejemplos prácticos se presentan como ilustrativos. Las afirmaciones de los fabricantes se atribuyen a su fuente; las investigaciones no son pruebas de rendimiento de Folio.
Comunicar una corrección ↗Tu próximo documento empieza aquí.
Elige la herramienta para tu tarea y revisa siempre el resultado.
Sigue la curiosidad.
Ver todo el blog →
La próxima frontera de la IA: entender la página, no solo leerla
Una tabla, una nota al pie y un gráfico también cuentan una historia. Una investigación de 2026 explora cómo conectar las respuestas con regiones concretas del documento.
Del PDF al informe: los asistentes de investigación cambian de papel
Google amplía NotebookLM hacia el análisis y la creación de archivos. Qué significa pasar de preguntar por un documento a trabajar con sus fuentes.
26 minutos al día: el dato de productividad que merece contexto
Un ensayo con 20.000 empleados públicos pone cifras al trabajo con IA. Leemos qué se midió, cómo se obtuvo el dato y qué puedes aprender de él.