Hay un experimento que puedes hacer ahora mismo. Busca en Google 'beneficios de la creatina' y abre cinco artículos distintos. Léelos.
Lo más probable es que todos mencionen exactamente los mismos estudios, en el mismo orden, con las mismas conclusiones. Algunos incluso usarán frases casi idénticas.
No es casualidad. Es el resultado de cómo funciona la inteligencia artificial generativa cuando se usa para producir contenido a escala: captura el consenso, lo empaqueta y lo reproduce. Miles de veces. Lo que antes era una web con perspectivas diversas y voces reconocibles se ha convertido, en muchos sectores, en un eco constante de las mismas ideas.
Lo llamamos contenido clon. Y en el mundo del wellness, donde la información de salud afecta decisiones reales sobre lo que comes, lo que tomas y cómo cuidas tu cuerpo, tiene consecuencias concretas.
Cómo funciona la IA cuando escribe sobre salud
Los modelos de lenguaje aprenden a partir de enormes volúmenes de texto existente. Cuando se les pide que escriban sobre un tema, no investigan: sintetizan lo que ya existe. El resultado tiende hacia la media estadística del corpus de entrenamiento.
En la práctica, esto significa que si la mayoría del contenido sobre proteína recomienda 1,6-2,2 g por kilo de peso corporal, el modelo reproducirá ese rango. Sin contexto. Sin matices. Sin mencionar que esa recomendación varía significativamente según el tipo de actividad, la edad o el estado de salud. Sin avisar de que un consumo elevado en personas con función renal comprometida puede ser problemático.
No es que la IA mienta aposta; es que opera por probabilidad, no por criterio clínico. Y la probabilidad, en nutrición (imagino que será igual para el resto de investigación), no siempre coincide con lo que la evidencia más actualizada dice para tu caso concreto.
El problema no es que la IA se equivoque más que un humano. El problema es que puede equivocarse a escala industrial, de forma perfectamente presentada y con apariencia de autoridad.
El autor que no ha leído lo que escribe
Hay algo más silencioso pero más grave que el error técnico: Cuando alguien usa IA para generar contenido sin haberlo pensado antes, sin haber leído los estudios, sin tener criterio propio, se rompe la cadena de responsabilidad intelectual.
Escribir sobre un tema obliga a entenderlo. Obliga a enfrentarse a las contradicciones, a decidir qué pesa más, a ser capaz de defender una postura (Ezra Klein lo define muy bien como la "Matrix-theory of AI". Ese proceso es exactamente lo que da valor a la opinión de quien escribe. Cuando se saltea con IA, lo que queda es la apariencia de conocimiento sin el conocimiento real detrás.
La barrera de entrada para publicar ha caído casi a cero. Según estimaciones de investigadores como Originality.AI, más del 50% del contenido escrito publicado en Linked en 2025 fue generado por la IA. En nichos como el wellness y la nutrición, la cifra es probablemente mayor. Lo que no ha bajado son las consecuencias de tomar decisiones de salud basadas en información incorrecta.
Cómo detectar el contenido clon
No hay una señal infalible, pero sí patrones que se repiten:
Cita estudios pero no enlaza a ellos directamente, ni explica sus limitaciones. La buena comunicación científica siempre reconoce dónde termina la evidencia.
Usa dosis genéricas sin contextualizar. '500 mg de magnesio' no dice nada sin saber qué forma, para quién, con qué objetivo. El glicinato y el óxido de magnesio no son la misma cosa.
La estructura es perfecta. Introducción, tres puntos, conclusión, llamada a la acción. La IA escribe bien en términos formales. Demasiado bien, a veces. El pensamiento real tiene irregularidades.
No hay perspectiva propia. Nunca dice 'esto no lo sabemos seguro' o 'en mi experiencia esto funciona de otra manera'. Solo afirmaciones limpias y redondas.
Busca el nombre del autor. ¿Tiene historial claro? ¿Escribe en primera persona sobre su proceso? ¿Hay algo en juego para él si se equivoca?
Lo que hacemos en Alma para evitarlo
Esto no es solo una crítica al sector. Es también una explicación de por qué trabajamos como trabajamos, aunque sea más lento.
Empezamos leyendo los estudios originales. Antes de escribir sobre un ingrediente o un proceso fisiológico, revisamos la literatura primaria y construimos nuestra posición. No porque el medio importe, sino porque llegar a una conclusión propia antes de consultar cualquier herramienta es lo que separa el criterio del eco.
Un ejemplo concreto: cuando formulamos Alma Balance, la revisión de la evidencia sobre espirulina nos llevó a incluir 2,8 g diarios, la dosis donde los estudios muestran efectos consistentes. Eso significó que Balance sabe más a espirulina que otros greens del mercado. Podríamos haber reducido la dosis y rellenado con ingredientes más baratos que disimulan el sabor, como hace gran parte de la competencia. Pero al revisar la evidencia más allá de lo que cualquier IA sintetiza, quedó claro que no podíamos respaldar la inclusión de ingredientes de relleno a costa de las dosis que funcionan. Esa decisión no la toma un modelo de lenguaje. La toma alguien que ha leído los estudios y está dispuesto a defender las consecuencias.
Consultamos con expertos independientes. Nuestro trabajo con el CSIC y con investigadores de la Universidad de Alcalá de Henares no es un sello decorativo. Cuando hay duda sobre una dosis o una interacción, preguntamos a alguien que lo haya estudiado de verdad.
Usamos herramientas de IA para contrastar, no para generar. Sí, usamos Consensus AI para revisar si nuestra posición resiste frente a la literatura general; una herramienta que sintetiza consenso científico, exactamente lo que criticamos cuando se usa sin criterio previo. La diferencia es que llegamos con una tesis propia antes de consultarla. Si el argumento no resiste el escrutinio, lo revisamos antes de publicar. La IA nos ayuda a encontrar los puntos débiles de nuestro razonamiento, no a sustituirlo.
La diferencia no está en si usas IA o no. Está en si delegas el razonamiento a la IA o la usas para potenciar el tuyo propio.
Hacemos algo parecido con la formulación de nuestros productos. Cada ingrediente en Alma Balance tiene una dosis fundamentada en evidencia, una fuente trazable y una razón que podemos explicar en una frase. El mismo principio: criterio primero, herramientas después.
Lo que está en juego
El contenido clon es un problema de incentivos. Publicar más es más barato que publicar mejor. Los algoritmos, durante un tiempo, no distinguieron.
Pero los incentivos no cambian el hecho de fondo: quien toma decisiones de salud merece información que alguien ha pensado de verdad. Que alguien ha puesto en juego su reputación al defender. Que viene con sus limitaciones explicadas, no escondidas.
En Alma intentamos ser eso. No siempre lo conseguimos igual de bien. Pero el proceso que seguimos existe precisamente para que el estándar no baje cuando las herramientas hacen que bajar sea más fácil que nunca.
La información sobre salud no debería ser un producto de escala. Debería ser un acto de responsabilidad.
Share:
Adaptógenos: qué dice realmente la ciencia sobre ashwagandha, rhodiola y azafrán
Habit stacking con suplementos: por qué el cuándo importa más que el qué