El AI slop es un problema de proceso

Dos diccionarios fijaron el vocabulario el año pasado. En noviembre, el Macquarie Dictionary de Australia eligió AI slop como palabra del año y lo definió como contenido de baja calidad creado con IA generativa, a menudo con errores, que nadie ha pedido. En diciembre, los editores del diccionario Webster de Estados Unidos eligieron simplemente slop: «contenido digital de baja calidad que se produce, por lo general en grandes cantidades, mediante inteligencia artificial». Su presidente, Greg Barlow, declaró a Associated Press: «Es casi una palabra desafiante cuando se trata de la IA».

El desarrollador Simon Willison propuso la prueba más sencilla en mayo de 2024: «si se ha generado sin pensar y se le impone a alguien que no lo ha pedido, slop es el término perfecto».

Para una empresa, la palabra nombra un juicio que los clientes hacen ahora en un segundo. Nuestra lectura es que el slop no es una propiedad de la herramienta. Es lo que sale de un proceso sin referencias, sin reglas y sin nadie que diga que no. Por eso tiene arreglo.

Cómo es el slop en el trabajo

El slop no es solo el video extraño en un feed. Investigadores de BetterUp Labs y del Stanford Social Media Lab pusieron nombre a la versión de oficina en la Harvard Business Review: workslop, trabajo hecho con IA que parece bueno pero carece de sustancia. En su encuesta a 1'150 empleados de oficina a tiempo completo en Estados Unidos, el 40 por ciento había recibido algo así en el último mes, y cada caso llevó unas dos horas resolverlo.

El marketing tiene su propia versión: la publicación que podría ser de cualquier empresa, la imagen con esa luz satinada tan conocida, el texto que no dice nada en tres párrafos. Cada uno cuesta poco de hacer, y lo paga el lector.

Por qué ocurre

Hay cuatro causas que aparecen una y otra vez.

La primera es el comportamiento por defecto. El equipo de IA aplicada de Anthropic explicó el pasado noviembre por qué su propio modelo, sin indicaciones, sigue produciendo los mismos diseños seguros: muestrea del centro más probable de lo que ha visto. Lo llaman convergencia distribucional, y señalan que los usuarios llaman al resultado la estética del AI slop. Un estudio en la revista Patterns encontró lo mismo en imágenes. Los investigadores dejaron que un modelo de imagen y un modelo de descripción de imágenes se alimentaran mutuamente durante 100 rondas, 700 veces, y cada ejecución derivó hacia unos pocos motivos genéricos que llamaron música de ascensor visual. Sospechan que el ingrediente que falta es la presión correctora de la interacción humana.

La segunda es la falta de referencias. Un prompt describe, una referencia muestra. Sin fotos reales del producto y de la luz, el modelo rellena los huecos con su promedio.

La tercera es la falta de reglas. El modelo no sabe que tu marca nunca usa degradados, nunca llama a nada «solución» y siempre muestra el producto real. Si esas reglas no están escritas donde la máquina las lee, para la máquina no existen.

La cuarta es la falta de revisión. Willison lo dijo sin rodeos: «compartir con otras personas contenido generado artificialmente sin haberlo revisado es de mala educación».

El público lo nota, aunque no sepa distinguirlo

La prueba más sólida de este año procede de un test de Ipsos y la Newhouse School de la Universidad de Syracuse, publicado en mayo. Mostraron 20 anuncios a 3'000 consumidores estadounidenses: diez hechos por personas para marcas como Febreze, H&M y Chewy, y diez hechos íntegramente con IA a partir del mismo briefing, usados tal como se generaron. Solo el 25 por ciento de quienes vieron un anuncio de IA estaban al menos algo seguros de que lo había hecho una IA. Aun así, los anuncios humanos fueron un 14 por ciento más fuertes en la medida de Ipsos del efecto en ventas a corto plazo y un 17 por ciento más fuertes en el efecto de marca a largo plazo. Los autores lo resumieron en una frase: ser creíble no es convencer.

Las actitudes declaradas apuntan en la misma dirección. En una encuesta de junio de The Harris Poll con la 4As e Infillion, el 73 por ciento de los consumidores dijo que confiaría menos en un anuncio si sospechara que se había hecho con IA, y el 63 por ciento dijo que sería menos probable que comprara a una marca que usa anuncios generados con IA.

Una encuesta global a 22'000 consumidores de 22 mercados, encargada por la empresa de verificación publicitaria DoubleVerify y publicada en julio, añade el matiz que importa. El 42 por ciento dijo que la publicidad de IA de baja calidad o inquietante empeoraría su opinión sobre una marca, mientras que el 40 por ciento veía con buenos ojos los anuncios de IA cuidados y profesionales. Su director ejecutivo, Mark Zagorski, lo resumió así: «No es la IA en sí lo que determina la interacción. Lo que la determina es la calidad del resultado».

Las plataformas responden

Las plataformas han pasado de la tolerancia a las reglas. En su carta para 2026, el director ejecutivo de YouTube, Neal Mohan, dedicó una sección a gestionar el AI slop y dijo que YouTube se apoya en los sistemas que usa contra el spam y el clickbait para reducir la difusión de contenido repetitivo y de baja calidad. En julio, según informó TechCrunch, YouTube concretó qué ya no puede generar ingresos publicitarios: videos genéricos, repetitivos o basados en plantillas, contenido creado para angustiar y personajes de IA que hablan de temas sensibles como la salud y las finanzas.

Pinterest añadió en octubre de 2025 ajustes que permiten ver menos imágenes de IA en las categorías donde más se acumulan: belleza, arte, moda y decoración. Deezer informó en julio de que las canciones generadas íntegramente con IA superaron la mitad de toda la música nueva que recibía cada día en su pico de junio, pero solo representaban entre el 1 y el 3 por ciento de las reproducciones. Las mantiene fuera de sus recomendaciones algorítmicas y de sus listas editoriales.

La dirección es la misma en todas partes. Lo hecho con IA está permitido. Lo hecho en masa, sin cuidado, queda relegado.

Cómo lo mantenemos fuera

Hacemos imágenes, películas y publicaciones con IA cada día, así que hemos tenido que responder a esto en la práctica, con un paso para cada causa.

Estilos fijados. En Reel, cada estilo se construye a partir de referencias reales, con la luz, el objetivo y el escenario elegidos como lo haría un fotógrafo, y se prueba hasta que el cliente lo aprueba. Cada imagen y cada clip siguen esa receta, de modo que la imagen número cien se parece a la primera.

Reglas de marca en el cerebro. Studio recoge una sola vez el ADN, la voz, el posicionamiento y las reglas de redacción de una marca, y los fija. Twin guarda las reglas de la empresa y su forma de escribir en su cerebro de IA, para que cada asistente trabaje dentro de ellas en lugar de adivinar.

Personas en las ideas y en la selección, y una revisión antes de que salga nada. En Reel, las ideas, las referencias y los estilos se acuerdan antes de producir nada, cada resultado se revisa antes de que lo vea el cliente y una persona elige cada imagen y cada clip que se usa. En Tempo, cada idea se prueba antes de programarse y una persona aprueba cada publicación.

Queremos que la IA haga, revise y acelere todo el trabajo que pueda. Las ideas, la selección y la responsabilidad de lo que sale siguen en manos de personas, porque ahí es donde se decide la calidad y donde está en juego un nombre.

Qué puede hacer una empresa

Empieza por las cuatro causas. Reúne veinte fotos reales que te enorgullezcan y úsalas como referencias. Escribe tus reglas de marca donde cualquier herramienta pueda leerlas: los colores, las palabras que usas y las que nunca usas, cómo debe verse siempre el producto. Nombra a la persona que elige y dale derecho a decir que no a la mayor parte de lo que produce la máquina. Pon una revisión entre el generador y el público, siempre.

Hacer slop es barato; que te conozcan por él sale caro. La solución no es menos IA. Es más criterio a su alrededor.