La página “Don’t Paste the AI” se volvió importante porque nombró una conducta que muchos equipos ya reconocen. Alguien hace una pregunta y recibe una pared de texto sin editar de ChatGPT o Claude en Slack, correo, ticket o revisión de código. El remitente ahorra tiempo; el receptor debe leer, filtrar, verificar y adivinar qué piensa realmente la persona.

Un borrador largo de IA convertido en un mensaje laboral breve y responsable

La regla es sencilla: si alguien te pregunta algo, quiere tu respuesta, no una salida cruda del modelo. El debate en Hacker News mostró acuerdo, irritación y objeciones razonables. Por eso la historia encaja en AI Practice: no es anti-IA, sino una guía para usar modelos sin convertir a los compañeros en editores de tu borrador privado.

La IA abarató la producción de texto. No abarató la atención ni eliminó la responsabilidad. Cada mensaje de trabajo todavía cuesta tiempo, riesgo, confianza y contexto. La norma nueva es clara: usa la IA como socia de borrador, pero envía una respuesta que puedas asumir.

Por qué estalló ahora

La discusión llega cuando conviven entusiasmo y fatiga. Las empresas despliegan Copilot, ChatGPT, Claude, Gemini, asistentes internos y flujos agentic. Pero la confianza pública no sube automáticamente. Pew Research informó que 52% de adultos estadounidenses están más preocupados que entusiasmados por el uso de IA en la vida diaria, frente a 37% en 2021. También dijo que 71% cree que la IA reducirá empleos en dos décadas. TechCrunch y The Register usaron esos datos para describir un rechazo más amplio.

El copiar y pegar IA en el trabajo es una parte pequeña pero visible de ese rechazo. La gente quizá no lea informes de productividad, pero nota cuando un correo tiene cinco párrafos elegantes y ninguna decisión. Nota un comentario de PR genérico que no entiende el diff. Nota una respuesta de soporte sin siguiente paso.

MIT Technology Review añadió otro contexto: todavía sabemos poco sobre cómo se usa realmente la IA. Los informes de proveedores muestran solo parte del panorama. Los patrones reales aparecen en hábitos cotidianos: correos, traducciones, resúmenes, tickets, respuestas a clientes y revisiones de código. La etiqueta se convierte en evidencia de dónde hay valor y dónde solo se mueve trabajo a otra persona.

El problema no es redactar con IA

Usar IA para preparar borradores puede ser útil. Ayuda a quien no domina el inglés, a un ingeniero con notas desordenadas, a un manager que debe resumir para directivos, o a un equipo que necesita encontrar riesgos y casos límite. También sirve para tono, traducción y estructura.

El problema es enviar el borrador como si fuera final. Redactar ocurre antes de pensar y editar. Volcar texto ocurre en lugar de pensar y editar. Un borrador es andamio privado; una salida cruda enviada a un colega es trabajo incompleto disfrazado de comunicación.

La diferencia se ve en el mensaje. Una buena respuesta asistida por IA dice: conclusión, evidencia revisada, siguiente paso e incertidumbre. Una mala respuesta dice: “esto dice el modelo”, seguida de 900 palabras plausibles. El receptor debe encontrar la respuesta, eliminar relleno, comprobar hechos y saber si el remitente está de acuerdo.

Qué discutió Hacker News

El hilo fue interesante porque no tuvo una moral única. Algunos compararon el pegado crudo con el nuevo LMGTFY: si querías una respuesta genérica de IA, podías preguntarle tú. Otros dudaban de que la gente realmente pegara respuestas completas en el trabajo. Las respuestas confirmaron que sí pasa.

También hubo críticas al propio sitio: algunos dijeron que sonaba como texto generado por IA. Eso revela algo. La “voz de IA” ya es reconocible: ritmo genérico, exceso de explicación, cortesía automática y confianza sin contexto reducen la confianza.

La mejor objeción fue la inclusión. La IA ayuda a personas con ansiedad, dislexia, mala escritura, sobrecarga o inglés limitado. Una explicación asistida puede ser mejor que un seco “x roto” o ningún mensaje. Por eso la regla no debe castigar el uso de herramientas. Debe exigir responsabilidad sobre el resultado.

El impuesto a la atención ajena

Cada pegado sin editar crea un impuesto. Primero, comprensión: el modelo suele responder más de lo necesario. Incluye definiciones, alternativas y transiciones que quizá sirven para pensar, pero sobran en un canal activo.

Segundo, verificación. Un modelo puede inventar fuentes, políticas, comandos, nombres de paquetes o pasos técnicos. Si no lo revisas, el receptor debe decidir si confía en ti, en el modelo o en nadie.

Tercero, responsabilidad. En un mensaje humano, el remitente responde por la afirmación. En un texto pegado de IA, no queda claro si es opinión, borrador, cita o posición oficial. Si está mal, ¿quién corrige?

Cuarto, cultura. Si un equipo aprende que muchos mensajes son salidas no revisadas, confía menos, lee por encima y pide confirmaciones extra. Una herramienta de productividad se convierte en fricción.

Dónde sí ayuda

La práctica madura no prohíbe escribir con IA. Define escenarios. Traducción, ajuste de tono, resumen verificado, preparación de decisiones, listas de riesgos y estructura son buenos usos. Un transcript puede convertirse en decision log; un hilo largo de cliente, en handoff; un debate técnico, en preguntas abiertas.

En code review ocurre lo mismo. La IA puede resumir un diff o señalar zonas de inspección. Pero un comentario genérico molesta si no apunta a línea, riesgo y cambio solicitado.

Checklist antes de enviar

Lee toda la salida. Si no quieres leerla, no pidas que otros la lean. Recorta hasta la respuesta. Quita introducciones genéricas, contexto amplio, cautelas vacías y repeticiones. Añade tu criterio: qué recomiendas, decides o necesitas.

Verifica hechos: enlaces, números, políticas, comportamiento de código, comandos, paquetes y claims sobre clientes o regulación. Declara incertidumbre: si algo es sugerencia del modelo, dilo. Si es borrador para revisión, márcalo.

Un buen mensaje laboral tiene forma simple: respuesta, razón, siguiente paso. Puede haber empezado con IA, pero el valor final está en la decisión humana.

Política sin pánico moral

Los managers no necesitan prohibir IA en Slack. Necesitan normas breves: escribe como tú; no subcontrates la comprensión; el mensaje representa a la persona y al equipo. También deben definir cuándo revelar uso de IA importa. Una frase casual reescrita quizá no necesita etiqueta. Una respuesta legal, de seguridad o para cliente sí requiere revisión y claridad.

Algunos canales aceptan borradores crudos: notas privadas, brainstorms o pruebas de prompts. Incidentes, clientes, ejecutivos, aprobaciones de PR y decisiones de seguridad exigen más verificación humana. Cuanto mayor la consecuencia, mayor el estándar.

Flujos visibles, no vertederos de chat

GitHub ha escrito sobre canvases agentic como una dirección útil: flujos visibles, steerable, con estado, decisiones, validación y aprobación. Eso es lo contrario de pegar un historial de chat en un canal.

Las mejores herramientas de IA no producirán solo más texto. Mostrarán qué se pidió, qué evidencia se usó, qué cambió, quién aprobó y qué requiere decisión humana. Con agentes, esto es aún más importante: automatizar aumenta el valor del ownership humano.

La regla duradera

El meme pasará, pero la regla queda. Usa IA para pensar más rápido, escribir claro, traducir mejor y detectar omisiones. No hagas que tus colegas lean una sesión sin editar. No conviertas al cliente en editor final. El estándar no es anti-IA; es pro-responsabilidad. El modelo puede preparar el mensaje. El remitente debe hacerlo suyo.