Los modelos de lenguaje generan errores cuya ubicación y forma son impredecibles y cambiantes, lo que obliga a verificar cada resultado. Cuando esa verificación recae sobre otra persona, el sistema se vuelve adversarial: quien usa el LLM internaliza los beneficios y externaliza los costes del fallo. El artículo recorre cuatro manifestaciones de este patrón.
La primera es la del "reverse centaur" descrita por Cory Doctorow: el empleador convierte al trabajador en verificador del robot. La comprensión humana, que antes era implícita al escribir el código, ahora se traslada a la fase de revisión, sin desaparecer. En entornos donde la promoción se mide por líneas producidas, el promptador puede presentar features tan grandes que el revisor no puede comprobarlas a fondo, absorbiendo el crédito del éxito y derivando la culpa del fracaso.
La segunda es la "gish gallop generativa": los LLM multiplican la ley de Brandolini y permiten inundar debates políticos con内容量 superior al que un humano puede responder. El texto señala a un sector ideológico concreto como principal beneficiario de esta asimetría.
La tercera es el fraude y el spam a escala, donde basta subir la tasa de éxito del 1% al 5% para que la herramienta se amortice, externalizando el coste de verificación sobre la víctima.
La cuarta son los chatbots de atención al cliente, conceptualizados por las empresas como un centro de coste adversarial cuyo rendimiento se mide en métricas internas, no en satisfacción del usuario.