Generado artificialmenteSemantic Scorecard: en cuanto tachas una palabra, algo se pierde
Una visión estadística de la producción mediática: qué parte viene de mí, qué parte de mis herramientas de IA, y qué ha hecho la IA con el sentido.
Semantic Scorecard es la medición de cuánta formulación original hay en una pieza, cuánto ha añadido la IA, y si el sentido se ha vuelto más fino o más grueso. Un resumen es siempre lossy compression. En un resumen algo tiene que perderse, si no seguiría siendo el texto original. En cuanto tacho una palabra, algo se ha perdido. Medir eso es Semantic Scoring. Ninguna reducción sin pérdida. Una clasificación que se pasa la cuenta a sí misma.
No quién lleva el byline. Quién ha construido la frase, y qué ha pasado con el sentido.
La producción mediática con redes neuronales genera una nueva mentira si permanece invisible: todo parece de una sola voz. La Scorecard hace visibles las partes. Pertenece debajo del artículo, no en un log interno que nadie lee. Esperando a Grok Godot ha recibido la primera tarjeta. Aquí se construye el aparato con el que rellenas la tarjeta igual cada vez.
Eso es Semantic Mining aplicado al propio output. La mina esta vez es el dictado. El mineral son mis frases. La máquina de clasificación es la herramienta de IA. La Scorecard dice cuánto mineral se ha colado y cuánto ha molido la máquina.
Origen, operación, delta de sentido. Tres números, no uno.
Un porcentaje «72 por ciento John» es la entrada, no toda la tarjeta. Mide la formulación, frases visibles que estaban así o casi así en el dictado. No mide si la IA ha desplazado el sentido mientras dejaba las mismas palabras.
| Eje | Qué | Unidad |
|---|---|---|
| Origen | Porción de la formulación visible que ya estaba en el input, contra porción que la herramienta ha puesto de nuevo | Porcentaje de la cantidad de palabras en la pieza terminada |
| Operación | Lo que la IA ha hecho al texto: gramática, elección de palabras, sinónimos, posición de oraciones, pegamento, estructura, fuentes, imagen | Porción del trabajo de la IA, no de la cantidad de palabras. Puede solaparse, debe sumarse al lado de la IA, no al texto completo |
| Delta de sentido | ¿Se ha vuelto el sentido más fino, más grueso, igual o se ha añadido de nuevo? | Porcentaje del significado, estimado a grandes rasgos, con cesta: refinado, engrosado, pasado, añadido |
Operaciones de la IA, finas:
- Limpiar gramática (casos, comas, errores tipográficos: Grog a Grok)
- Elección de palabras y sinónimos
- Cambiar la posición de las oraciones
- Pegamento: oraciones nuevas que solo conectan
- Estructura: secciones, TOC, orden
- Pruebas: fuentes, tabla de hechos
- Imagen: Canvas, tarta, Cover
Delta de sentido, fino:
- Pasado: La oración se mantiene, el sentido se mantiene.
- Refinado: el mismo pensamiento, más nítido. Capa 4 y 5 después de la consulta en el orden correcto.
- Engrosado: lossy. Beckett en una oración. El lookup en la propia revista tachado. Una palabra menos.
- Añadido: Afirmación que no aparecía en el dictado. Investigación que John no ha dicho.
En un resumen algo tiene que perderse, si no seguiría siendo el texto original.
Puedes engrosar el sentido al seleccionar y resumir cosas. En eso necesariamente se pierde algo. Es una lossy compression, no una reducción sin pérdida. En cuanto tacho una palabra, algo se ha perdido. Eso vale para el humano que edita y para la IA que «limpia». Limpiar ya es delta. Quien actúa como si Grammar fuera un filtro neutro miente sobre el sentido.
La scorecard hace visible esta pérdida, en vez de esconderla bajo el estilo. Un alto porcentaje John con mucho engrosado significa: las palabras son suyas, el corte ha costado significado. Un bajo porcentaje John con mucho añadido significa: la pieza es investigación, no dictado. Ambas cosas pueden ser. Ambas tienen que estar en la tarjeta.
Tres piezas, tres tipos de producción. El mapa muestra la diferencia que el byline no muestra.
Aplicado a los tres artículos más recientes de McGrinsey antes de este. Estimación por inspección visual contra el dictado, sin conteo de tokens del log. Los números están redondeados porque una precisión fingida al 1,3 por ciento sería una mentira aquí.
1 · Esperando a Grok Godot
Origen: 72 por ciento formulación original, 28 por ciento IA.
Operación de los 28: Gramática y erratas 6, pegamento 9, estructura 7, pruebas 3, imagen 3. Puntos porcentuales del texto entero.
Delta de sentido: pasado 70, refinado 6 (capa 4/5 después de la consulta), engrosado 8 (Beckett a una frase, lookup eliminado, repeticiones en el dictado condensadas), añadido 16 (frase de Godot, enlaces, tabla de hechos, tarta de outline, primera scorecard).
2 · Semantic Mining
Origen: 61 por ciento formulación original, 39 por ciento IA.
Operación de los 39: Gramática 4, pegamento 14, estructura 8, pruebas 6, imagen 7.
Delta de sentido: pasado 58, refinado 10 (dos máquinas una detrás de otra hechas explícitas), engrosado 12 (encargo de atelier, botón de editing, meta del paradigma de escritura tomado de la pieza pública: eso es pérdida contra el dictado, ganancia contra el lector), añadido 20 (tabla de hechos, Canvas, reglas de scraper como arquitectura en vez de workshop).
3 · American Pie
Origen: 14 por ciento formulación original, 86 por ciento IA.
Operación de los 86: Gramática 2, pegamento 8, estructura 12, pruebas 28, imagen 10, frases de investigación 26. El dictado eran preguntas más una lectura política, no un cuerpo de artículo.
Delta de sentido: pasado 12, refinado 8 (Miss American Pie, dique, no D/R), engrosado 4, añadido 76 (historia, fuentes, White Terror, Christie’s, Telegraph). Ese es el otro tipo de operación: no clasificar mineral, sino abrir una mina de nuevo, porque el mineral solo eran preguntas.
Chinamerica, un día más viejo, está más cerca de American Pie que de Grok Godot: cuerpo de investigación, tesis de John, frases casi todas herramienta. La scorecard para Chinamerica pertenece a un mapa posterior, no a estos tres, si no "últimos tres" se convierte en cuatro.
El refinamiento es el punto que un solo porcentaje se traga.
En las tres piezas, juntas, la herramienta ha hecho sobre todo cuatro cosas. Primero ha sacado errores tipográficos y límites de frase de lo hablado. Segundo ha puesto pegamento donde los fragmentos de otro modo pierden al lector. Tercero estructura: secciones, para que el flujo se convierta en una escalera. Cuarto pruebas e imágenes que no aparecían en el dictado.
El sentido cambiado, da igual si más fino o más grueso, ronda el 14 por ciento del significado en Grok Godot (6 refinado más 8 engrosado), en Semantic Mining alrededor de 22, en American Pie alrededor de 12 de cambio en el sentido aportado más 76 de sentido añadido. El sentido añadido es la variedad más cara: puede ser falso, y parece voz. Por eso la tabla de hechos. Por eso esta tarjeta debajo.
Regla para la siguiente pieza: si John dicta, el origen apunta por encima de 60. Si John solo hace preguntas, el origen por debajo de 20, y la tarjeta debe decirlo antes de que alguien crea que él habría formulado el White Terror así él mismo.
| Afirmación | Cesta | Origen |
|---|---|---|
| El resumen siempre es lossy | Tesis, aquí como método | John, 9 de septiembre de 2026. Teoría de la información: más corto sin pérdida solo con redundancia. Una palabra de contenido tachada es pérdida. |
| Grok Godot 72 / 28 | Estimación | Inspección visual del dictado contra la pieza, redondeada. Ningún diff de tokens del log de la sesión. |
| Semantic Mining 61 / 39 | Estimación | el mismo método. |
| American Pie 14 / 86 | Estimación | El dictado eran preguntas, el cuerpo es investigación. |
| Los porcentajes son exactos | No | Redondeados, inspección visual. Un segundo conteo puede desplazarlos unos cuantos puntos. La dirección de las tres piezas no. |
- Esperando a Grok GodotPrimera scorecard en la pieza. 72 / 28.https://mcgrinsey.com/magazin/warten-auf-grok-godot/
- Semantic MiningSentido a partir de lo desconocido. La mina sobre la que esta tarjeta pone su propio output.https://mcgrinsey.com/magazin/semantic-mining-sinn-unbekanntes/
- American PiePreguntas más lectura, cuerpo investigación. Origen 14.https://mcgrinsey.com/magazin/american-pie-miss-american-pie-deich/
- McGrinsey Writing SkillRegla de tono original, 9 de septiembre de 2026: Diktat permanece Erz.MCGRINSEY_SKILLS/WRITING___DE.md
Corte: 9 de septiembre de 2026. Semantic Scorecard de esta pieza misma: Origen aproximadamente 48 John (frases lossy, tres ejes como encargo), 52 IA (construcción de aparatos, las tres aplicaciones, Canvas). Delta de sentido: refinado 15, engrosado 5, sumado 32, pasado 48. La tarjeta no miente sobre sí misma.
