Algo extraño ocurre cuando miles de historias distintas acaban oliendo al mismo papel. Un estudio de la Universidad de Cornell, publicado en arXiv tras revisar más de 20.000 relatos generados por inteligencia artificial, encontró que un grupo reducido de palabras se repite en el 88% de los textos.
Ahí aparece una primera pista. El escenario del faro surge en más de la mitad de los relatos, mientras profesiones como farero, relojero y bibliotecario vuelven una y otra vez, como si la máquina se refugiara en un decorado reconocible.
Los nombres cambian poco cuando la máquina improvisa
No solo se repiten los paisajes. Los nombres propios más frecuentes son Elias, Mara y Elara, y Elias aparece en más de una cuarta parte de las historias.
Daniel May, ingeniero de software, detectó que las búsquedas de Elias Thorne crecieron con rapidez en 2026. El dato tiene algo de espejo deformante, porque ese personaje ficticio figura como autor de libros, músico o creador de contenidos en distintas plataformas, como si hubiera escapado del relato para instalarse en internet.
Hasta un nombre inventado acaba dejando huella fuera de la pantalla.
Esa clase de repetición no es un detalle anecdótico. La incapacidad para comprender por sí misma ayuda a entender por qué muchos sistemas regresan a las mismas fórmulas cuando deben escribir ficción, sobre todo si buscan la opción que menos fricción genera en el usuario.
El modelo repite porque aprende a no salirse del carril
La diversidad cae cuando los patrones se vuelven sistemáticos. Si una misma combinación de nombres, oficios y ambientes aparece una y otra vez, el resultado termina pareciéndose menos a una biblioteca y más a una estantería llena del mismo libro con cubiertas distintas.
Parte de esa uniformidad nace en el proceso de alineación. Ese ajuste limita el contenido para evitar personajes con derechos de autor o temas problemáticos, y al cerrar unas puertas deja más transitadas otras.
Luego entra en juego el aprendizaje basado en preferencias de usuarios. Ese sistema refuerza estructuras narrativas y elecciones similares, porque premia aquello que ya funcionó antes y castiga, de manera indirecta, lo que se aparta demasiado del molde.
El circuito se estrecha cuando las máquinas leen a otras máquinas
Hay otro elemento todavía más inquietante. Las inteligencias artificiales también se entrenan con contenido generado por otras máquinas, de modo que el proceso puede cerrarse sobre sí mismo.
Si un modelo escribe historias con faros, relojeros y un tal Elias, y otro modelo aprende después de ese material, la copia deja de ser una excepción para convertirse en ambiente. Las sospechas sobre relatos literarios muestran hasta qué punto esa huella estilística empieza a resultar visible incluso fuera del laboratorio.
El hallazgo de Cornell retrata precisamente esa tensión. Cuantas más historias produce una máquina con apariencia de variedad, más fácil resulta descubrir que, en el fondo, muchas vuelven al mismo faro y al mismo nombre.