Esta guía explica dónde mira un editor de IA cuando crea, corrige o revisa un artículo, qué prioriza y cómo combina pruebas sólidas con un poco de humor, siguiendo el estándar vigente de calidad de artículos v5.
No incluye información que identifique a nadie. Los detalles de vida privada, lugares de trabajo, direcciones y datos de cuentas están generalizados.
La respuesta en 5 segundos: se miran ocho capas
Un editor de IA mira, a grandes rasgos, ocho capas:
- El encargo de hoy — qué hay que hacer y qué no
- La memoria y las sesiones anteriores — estilo, reglas de calidad, excepciones que ya se decidieron
- La última versión de main en GitHub — los acuerdos, la época de calidad (epoch), las reglas de edición y el control de calidad (QA) vigentes ahora
- El artículo original y sus fuentes — el "terreno que no se puede romper": cifras, fechas, citas, nombres propios e incertidumbre
- Fuentes primarias, oficiales y de investigación en la web — actualidad, normativa, especificaciones, estudios y pruebas en contra
- El artículo en sí — necesidad del lector, enfoque, estructura, afirmaciones y pruebas, humor y naturalidad
- Las 12 versiones en otros idiomas — se localizan las ideas, no solo las palabras, y los nombres exactos se conservan
- El sitio real, los datos reales y las pruebas de QA — móvil, zoom, textos largos, enlaces, tablas, hasta los casos de error
Es decir, no se trata de "leer la guía de Google y escribir".
Si solo miras a Google, te posee el fantasma de un empleado de Google; si solo miras a Microsoft, el manual empieza a parir más manuales. Lo que necesita una fábrica de artículos es criterio editorial que conecte varias fuentes fuertes con el propósito de cada artículo.
1. Lo primero que se mira es "el pedido de hoy"
La máxima prioridad es la instrucción del usuario en este momento.
Hay condiciones que valen solo esta vez: "que sea exhaustivo", "corto", "con muchos chistes", "basado en investigación", "sin imágenes", "en 12 idiomas", "sin datos personales". Por muy bonita que sea una plantilla vieja, si piden ramen y sirves curry, eso es simplemente un accidente.
Aquí se deciden sobre todo cinco cosas:
- Para quién es el artículo
- Qué duda tiene el lector
- Qué debería entender o poder hacer después de leerlo
- Hasta dónde hay que investigar
- Qué prohibiciones, formatos y tono valen solo esta vez
En esta etapa se fijan la "Reader Need" (necesidad del lector) y el "Reader Outcome" (lo que se lleva el lector al terminar).
2. Después se mira la memoria y las sesiones anteriores
A un artículo no le basta con las instrucciones del momento. Necesita las reglas de edición que se han ido acumulando.
Por ejemplo, el estándar actual incluye cosas como:
- Que suene natural para un adulto corriente, pero que hasta un estudiante de secundaria pueda seguir el sentido
- Conclusión en 5 segundos, panorama general en 30
- Que el título solo ya diga de qué trata
- Que leyendo solo los H2 (los títulos de sección) se vea el hilo
- Por norma, un tema por párrafo
- Conclusión, luego razón, luego ejemplo concreto
- Explicar qué es un término técnico antes de dar su nombre
- Usar el humor para que el argumento se entienda mejor
- Generalizar cualquier dato que pueda identificar a una persona
- No traducir los 12 idiomas palabra por palabra
Lo importante aquí es no usar la memoria como fuente de hechos.
"Antes decidimos esto" sirve para la política de producción. Pero si dejas que "ya lo dijimos antes" resuelva precios, leyes, especificaciones, resultados de estudios o el estado actual de un sistema, el artículo se convierte en una cápsula del tiempo.
La memoria se usa para mantener la coherencia de la política editorial; los hechos se vuelven a comprobar con pruebas actuales.
3. El main más reciente de GitHub es el "manual de instrucciones actual"
En la operación a largo plazo, el main más reciente de GitHub es la fuente de verdad de la fábrica de artículos.
El sistema de calidad actual no añade un eje de calidad número 29. En cambio, integra el saber de la edición profesional como subpuertas bajo los 28 ejes principales existentes.
Las fuentes de verdad que suele mirar la IA son:
- La época de calidad (epoch) actual
- Los 28 ejes de calidad
- Experiencia del lector y accesibilidad cognitiva
- Calidad del contenido
- Estándares ampliados de Microsoft y Google
- El flujo de trabajo de edición profesional
- Reglas de edición del japonés
- Estilo de escritura natural
- Estándares multilingües y de localización
- Pasaporte de información y vigencia
- Las definiciones de PASS, SAMPLE_PASS y COMPLETE_100
- El contrato de adopción formal, publicación y verificación
Lo importante es que las reglas más recientes mandan sobre los éxitos del pasado.
Un artículo que ayer sacó 100 puntos pasa a ser "el 100 de ayer" en cuanto cambian las reglas de calidad. Es como ganarlo todo con el reglamento de la temporada pasada: no puedes presentarte a un torneo con las reglas nuevas diciendo "ayer gané, así que hoy soy campeón".
4. El artículo original y sus fuentes son "el terreno que no se puede romper"
Lo que se puede editar es cómo se presenta el texto, no reescribir los hechos a conveniencia.
Lo que se protege especialmente es:
- Cifras
- Fechas
- Importes
- Unidades
- Número de personas
- Nombres de sistemas y programas
- Especificaciones de producto
- URL
- Citas
- Fuentes
- Nombres propios
- Diseño del estudio
- Incertidumbre
- El estado de "no lo sabemos"
Si para que se lea mejor conviertes "alrededor del 30 %" en "más o menos la mitad", ya no es más legible: es otra línea temporal.
Lo básico del editor de IA es arreglar el orden, las explicaciones, los ejemplos, los títulos y la redacción sin cambiar el significado.
5. En la web se empieza por "la evidencia más fuerte"
Cuando un artículo necesita información actual o hechos externos, se investiga en la web. Pero no se hace una reverencia a lo que salga primero en los resultados.
Las fuentes se valoran, más o menos, en este orden de fuerza:
- Normas, leyes y fuentes primarias
- Guías y especificaciones del proveedor oficial
- Investigación primaria y estudios revisados por pares
- Normas profesionales de edición y periodismo
- Fuentes secundarias fiables
- Comunidades, redes sociales y testimonios personales
Por supuesto, depende del tipo de artículo.
Si la pregunta es "cómo se sintieron los usuarios de verdad", Reddit y las redes sociales pueden pesar. Pero si la pregunta es "qué exige la WCAG (el estándar de accesibilidad web)", decidirlo con un "creo que son 24 px, jaja" de un foro haría llorar a la norma.
Además, en artículos de análisis, comparación, investigación, recomendación o de alto impacto, se buscan también fuentes que puedan echar abajo tu propia conclusión.
"¡Reuní cinco fuentes que apoyan esta teoría!" no es investigar. Es un club de fans.
6. Los 28 ejes de calidad no son "28 dioses"
El sistema actual mantiene 28 ejes principales. A grandes rasgos, son 17 ejes de experiencia del lector y 11 de calidad del contenido.
Los 17 ejes de experiencia del lector
- Atención
- Memoria
- Decisión
- Velocidad de procesamiento
- Comprensión
- Rastro de información (pistas que indican al lector dónde está lo que busca)
- Saturación visual
- Jerarquía
- Maquetación
- Texto
- Color y visión
- Interacción
- Multilingüismo
- Tecnologías de apoyo
- Movimiento
- Cambios de estado
- Resistencia a datos reales
Los 11 ejes de calidad del contenido
- Lector, propósito y resultado tras la lectura
- Valor propio
- Confianza, autoría y método de elaboración
- Riesgo, cifras y toma de decisiones
- Significado de tablas, figuras e imágenes
- Pasos, acciones y carga de memoria
- Inclusión y cultura
- Que la tarea del lector salga bien
- Acabado por región
- Rendimiento y lectura concentrada
- El texto como sonido (cómo suena al leerlo en voz alta)
No hace falta recitar los 28 en el texto cada vez, como si fueran una lista de comprobación.
El objetivo no es "rellenar ejes", sino pensar antes dónde va a tropezar el lector y usar los ejes relacionados con ese obstáculo.
Si en una fábrica de artículos alguien empieza a decir "a la ofrenda de esta noche a los 28 dioses le faltan todavía tres ejes", eso ya no es control de calidad. Es una organización religiosa.
7. Se miran las 14 subpuertas de la edición profesional
Bajo los 28 ejes principales hay 14 subpuertas que vienen del proceso de edición profesional.
- Necesidad del lector y resultado tras la lectura
- El enfoque del artículo
- El gancho del comienzo
- De qué trata este artículo y por qué importa
- Adelantar la información clave
- La función de cada párrafo
- Correspondencia entre afirmaciones y pruebas
- Comprobación de contraevidencias
- Fuerza de las fuentes
- Editar en el orden estructura, hechos y redacción
- Cumplir en el cuerpo la promesa del título
- Señales que permitan prever lo que viene después
- Coherencia de notación y términos
- Vigencia tras la publicación y deuda de contenido
Eso sí, no se aplican todas de forma mecánica a todos los artículos.
Un artículo de experiencia gastronómica no necesita ponerse entera la estructura de noticia de Reuters, y la especificación de una API no necesita empezar con "De repente, los fideos se rieron."
Se usan solo las técnicas que encajan con el tipo de artículo. Eso es lo importante.
8. El orden de edición es "estructura, hechos, redacción"
Lo que más discretamente funciona en la edición profesional es el orden.
Primera pasada: estructura
- ¿Responde a la duda del lector?
- ¿Tiene un enfoque?
- ¿La conclusión llega demasiado tarde?
- ¿Se entiende el hilo solo con los H2?
- ¿Hay secciones repetidas?
- ¿Hay secciones que sobran?
Segunda pasada: hechos y pruebas
- ¿Cada afirmación tiene respaldo?
- ¿El respaldo sostiene de verdad esa afirmación?
- ¿Hace falta indicar el tamaño de la muestra o con qué se compara una cifra?
- ¿Hay pruebas en contra?
- ¿Hay información desactualizada?
Tercera pasada: redacción
- ¿Hay frases sobrecargadas?
- ¿Se explicó la jerga técnica?
- ¿Hay pronombres como "esto" o "aquello" que no apuntan a nada claro?
- ¿Funcionan los chistes?
- ¿Se ha llenado de negritas decorativas con aire de IA o de una ráfaga de "Nota:"?
Si inviertes este orden, obtienes una edición que le pone papel pintado nuevo y reluciente a una casa que van a demoler la semana que viene.
9. Las reglas para las cifras se dividen en tres tipos
Cuando aparecen números, la IA a veces siente de pronto ganas de inventarse un "valor de referencia". Ahí se la frena.
Las cifras se clasifican siempre en tres tipos.
Cifras fijadas por una fuente oficial o una norma
Por ejemplo: el reflujo (reorganización del contenido al cambiar el ancho de pantalla) a un equivalente de 320 px CSS de la WCAG, la ampliación del texto al 200 %, el tamaño de los elementos pulsables, etc.
Estas pueden ser puertas obligatorias (hard gates) dentro del alcance y las excepciones que defina esa norma.
Cifras obtenidas de investigaciones
Si cambian los sujetos de estudio, el idioma, las condiciones o la muestra, no se pueden convertir tal cual en un criterio universal.
No se puede tomar un "X palabras en inglés" de un estudio y, con una calculadora, hacer alquimia hasta obtener "X caracteres en japonés".
Reglas prácticas internas del sitio
Por ejemplo: "si hay 4 o más H2, comprueba si hace falta un índice".
Sirven para encontrar candidatos a revisión, pero una regla práctica no debe ascender a agente de policía.
La propia Google no da cifras mágicas como "la longitud que le gusta a Google". Lo que hay que mirar no es la extensión, sino si se cubre lo que el propósito necesita.
10. Los 12 idiomas se localizan, no se traducen sin más
Los idiomas admitidos son:
- Japonés
- Inglés
- Coreano
- Chino (simplificado)
- Chino (tradicional)
- Español
- Portugués (Brasil)
- Indonesio
- Tailandés
- Vietnamita
- Francés
- Alemán
Al hacerlo multilingüe, las palabras se dividen en tres tipos.
LOCALIZE_CONCEPT
Las ideas generales se sustituyen por palabras que se entiendan con normalidad en ese idioma.
KEEP_EXACT_NAME
Lo que exige el nombre exacto, como nombres de productos, de normas, API, URL, código, nombres de archivo e identificadores de artículos científicos, se conserva tal cual.
KEEP_EXACT_NAME_WITH_LOCAL_DESCRIPTOR
Si se conserva el nombre pero solo con él no se sabe qué es, se añade una explicación breve en ese idioma.
Copiar el orden de palabras, los saltos de línea y los juegos de palabras del japonés a 12 idiomas no es traducir.
Es meter a la fuerza un enchufe japonés en una pared extranjera.
Los chistes también se localizan en su sentido. Los que no viajan se cambian por otra gracia natural.
11. PASS no es una nota media, es un sistema de puertas
El enfoque básico actual es gate-first-score-second (primero las puertas, después la puntuación).
Es decir, no existe esto:
"Los hechos están mal, pero el diseño tiene 95, la redacción 96 y la media pasa de 90. ¡Aprobado!"
Un FAIL grave no se borra con un promedio.
SAMPLE_PASS
En la muestra revisada no se encontraron problemas graves.
PASS
El alcance del objetivo actual está definido con exactitud, las pruebas necesarias están vinculadas a la identidad actual del contenido, a la época de calidad y a la versión de las reglas, y no queda ningún UNKNOWN grave sin resolver en los puntos requeridos.
COMPLETE_100
Se cumplen las hard gates aplicables, la revisión semántica y las pruebas externas o de runtime necesarias, y todo queda cerrado en todos los objetivos actuales.
Que ningún humano lo haya puntuado no lo convierte en FAIL. Hoy, el responsable oficial de la revisión semántica es el source-grounded AI semantic editor (un editor semántico de IA basado en fuentes).
Pero si la IA escribe algo y luego dice:
"Tras una rigurosa revisión del maestro IA, se ha determinado que el texto del maestro IA es completamente correcto",
eso no vale como prueba.
El juez puede ser una IA. Pero el juez no debe modelar las pruebas con plastilina.
12. Después del texto, se mira la pantalla real
Aunque el texto del artículo sea correcto, si se descompone en pantalla no se puede leer.
En el sitio real se comprueban, al menos, estados como estos:
- Un móvil de unos 320 px
- Un móvil de unos 390 px
- Un móvil en horizontal
- Una tableta
- Un PC de 1280 px / 1440 px
- Ampliación del texto al 200 %
- WCAG Text Spacing (criterio de que la página no se rompa al aumentar el espaciado entre letras y líneas)
- Crecimiento del texto con pseudolocalización (una prueba que estira el texto como lo haría una traducción)
- forced-colors (modo de visualización de alto contraste)
- reduced-motion (ajuste que reduce las animaciones)
Y se usan las "minas" de los datos reales.
- El título más largo
- La cadena más larga que no se puede partir
- El cuerpo de texto más largo
- El cuerpo de texto más corto
- El artículo con más títulos
- El artículo con más enlaces
- El artículo con más tablas
- El artículo con más elementos parecidos a definiciones
- El artículo con más bloques code / pre
- Artículos que mezclan varios sistemas de escritura
Si pruebas solo artículos corrientes y dices "¡todo bien!", la diferencia de cobertura es la de dar por terminada una revisión médica haciendo sentadillas en una biblioteca.
Los errores, los cero resultados, los fallos de carga y las traducciones que faltan también forman parte de la experiencia del artículo.
13. Las reglas de investigación también funcionan solas
Las propias reglas de calidad también se quedan viejas.
Por eso se incorporan las actualizaciones de investigación a la auditoría central que ya existe.
- Refresh habitual: por norma, cada 7 días
- Deep sweep: por norma, cada 30 días
- Cambios oficiales importantes: se adelantan si hace falta
Entre lo que se revisa están W3C/WCAG, ISO 24495, Microsoft, Google, Reuters, AP, GOV.UK, ciencia cognitiva, HCI (interacción persona-ordenador), comprensión lectora, búsqueda de información, accesibilidad e investigación multilingüe y de edición.
Los hallazgos nuevos se examinan así:
¿Se solapa con las reglas existentes? → ¿Es fuerte la fuente? → ¿A qué artículos se aplica? → ¿Cuál es el rango de las cifras? → ¿Hay pruebas en contra?
y se clasifican en una de estas categorías:
- ADOPT
- CONDITIONAL
- TEST
- DEFER
- REJECT
- SUPERSEDED
En el primer deep sweep de v5, el 28 de agosto de 2026, no se encontró ningún cambio lo bastante grande como para dar la vuelta al estándar PASS actual, y se decidió mantener v5.
14. Las guías oficiales no son oráculos
Microsoft, Google, Reuters, AP, W3C, ISO. Todas son fuentes fuertes, pero su ámbito de aplicación es distinto.
Por ejemplo, en la documentación técnica, moderar los modismos y el humor puede ayudar a la traducibilidad y a la precisión.
Pero si aplicas esa regla sin matices a un artículo de experiencia gastronómica o de entretenimiento, obtienes esto:
Se ingirió la hamburguesa. Se produjo jugo de carne. La satisfacción aumentó.
Una frase que dejó los sentimientos en el departamento de cumplimiento normativo.
De una guía oficial hay que mirar en qué contexto tiene razón.
No es "como es oficial, ADOPT para todos los artículos". Si hace falta, es CONDITIONAL.
15. Aunque GitHub se caiga, el cerebro del artículo no debe morir
Cuando no se puede acceder a GitHub, tampoco hace falta parar toda la redacción y la revisión semántica.
Como base de recuperación (baseline), también se guardan en un sistema aparte:
- Los 28 ejes principales
- La política del editor de IA
- El flujo de trabajo de edición profesional
- La fuerza de las fuentes
- Los criterios numéricos
- Cómo se actualiza la investigación
- El criterio de PASS
- El principio de no parar la fábrica
Pero cuando GitHub no se ve, lo siguiente no se debe rellenar con suposiciones:
- El SHA actual (el identificador del commit)
- El último recibo (receipt)
- Si ya se aplicó al repositorio
- El avance oficial actual
Eso es UNKNOWN.
Cuando GitHub se recupera, se contrasta el último main con la baseline de recuperación y con la información primaria y oficial más reciente, y se vuelve a la operación normal.
"Gana el último que escribe" (blind last-write-wins) no es una política editorial. Es piedra, papel o tijera.
16. Lo que no se hace
Esta fábrica de artículos evita, como mínimo, lo siguiente:
- Usar solo la respuesta de una IA como prueba de un hecho
- Escribir "verificado por expertos" sin haber hecho una revisión humana
- Llamar "estándar de Google" a una cifra que Google nunca dijo
- Producir en masa artículos de poco valor solo por el posicionamiento en buscadores
- Poner un título sensacionalista y no responder en el cuerpo
- Cambiar las cifras o la incertidumbre del original para que se lea mejor
- Meter todos los artículos en el mismo molde de noticia o de documento técnico
- Copiar mecánicamente los títulos, el orden de palabras y los chistes del japonés a otros idiomas
- Machacar todo el texto con negritas
- Dejar que las "Notas" crezcan como malas hierbas
- Parar fábricas que no tienen nada que ver porque falló un artículo
- Proclamar "100 puntos en todo el sitio" solo con revisiones de muestras
Resumen: un editor de IA trabaja más antes y después de escribir
Si solo miras el acto de escribir, un editor de IA parece un generador de texto.
Pero el trabajo real es:
Leer el encargo → leer las reglas anteriores → leer la fuente de verdad de GitHub → proteger el material de origen → comprobar fuentes primarias, oficiales y de investigación → intentar refutarse a uno mismo → construir la estructura → verificar los hechos → pulir la redacción → localizar a 12 idiomas → intentar romperlo en la pantalla real → cerrarlo con QA → y seguir investigando las propias reglas de forma periódica.
"Escribe un artículo" es el botón de inicio, no la descripción del trabajo.
El editor de IA de una fábrica de artículos hace la ronda como escritor, corrector, investigador, editor de traducciones, QA y mantenimiento de equipos, todo en uno.
Y lo más importante no es producir un texto que cumpla las reglas, sino un artículo en el que el lector capte el sentido enseguida, pueda seguir las pruebas y tomar las decisiones que necesita.
Las reglas son herramientas para eso. Esto es una fábrica de artículos, no un lugar para adorar la caja de herramientas.
