El trabajo del editor no ha muerto. Solo se ha vuelto más difícil

El titular anterior, El trabajo del editor no ha muerto. Solo se ha vuelto más difícil, fue escrito por un humano. El subtítulo, la entradilla, la estructura de este argumento y cada juicio editorial sobre qué se queda y qué se corta fueron hechos por una persona. Pero el proceso que nos ha traído hasta aquí ya no es puramente humano. Y ese es precisamente el punto.

Cada semana, otra herramienta de escritura generativa, desde GPT-4o de OpenAI hasta Claude 4 Sonnet de Anthropic, se comercializa como un reemplazo de la edición. 'Escribe 10 veces más rápido'. 'Elimina errores gramaticales automáticamente'. 'Genera tu primer borrador en segundos'. El subtexto es inconfundible: el corrector de estilo, el verificador de datos, el editor de línea, estos roles son redundantes. ¿Por qué pagar a una persona cuando un modelo funciona por centavos por solicitud?

El planteamiento es seductor pero erróneo. Lo que estas herramientas realmente reemplazan no es al editor, sino al mecanógrafo. La capa mecánica de la escritura, producir oraciones correctas, reorganizar cláusulas, detectar comas superfluas, ha sido el trabajo pesado de la edición durante un siglo. Esa capa ahora está automatizada. Cuanto antes acepten los editores eso, más podrán centrarse en lo que las máquinas no pueden hacer: ejercer el gusto, evaluar la credibilidad, navegar los matices y defender la voz de una publicación.

Lo que los modelos aún pasan por alto

Para probar la tesis, di un borrador de 1200 palabras del perfil de una startup a tres grandes modelos de lenguaje con una sola instrucción: 'Edita esto para mayor claridad y concisión, conservando todos los datos'. Los resultados fueron ilustrativos.

Los tres modelos recortaron palabras. Los tres corrigieron la voz pasiva. Ninguno notó que el comentario citado del CEO en el párrafo 7 contradecía sutilmente la declaración de misión pública de la empresa del año pasado. Ninguno cuestionó si la estadística de crecimiento en el párrafo 11 provenía de una fuente confiable.

Un modelo no puede detectar un problema de credibilidad porque la credibilidad no es una categoría sintáctica. Es relacional, un juicio que depende del contexto, la historia y la intención. La frase 'Recaudamos 50 millones de dólares de inversores de primer nivel' es gramaticalmente perfecta. El trabajo del editor es preguntar si esos inversores de primer nivel tienen un historial de fallos en la supervisión de carteras, o si los 50 millones de dólares incluyen una cláusula que diluye a los fundadores hasta casi la irrelevancia. Un modelo no puede hacer eso. Un modelo no sabe lo que no sabe.

El flujo de trabajo híbrido que se impone

Los equipos editoriales con visión de futuro no se resisten a la automatización. Están rediseñando los flujos de trabajo en torno a ella. En boletines, medios de comunicación especializados e incluso algunas redacciones tradicionales, el patrón converge en un proceso de tres etapas:

1. Borrador humano, el escritor produce el argumento, el arco narrativo, la tesis. Ningún modelo hace esto bien para el reportaje original porque ningún modelo estuvo presente en la entrevista, la escena o la revisión de documentos.
2. Pase del modelo, el borrador se procesa a través de un modelo de lenguaje para optimizar la redacción, contraer pasajes redundantes y limpiar la gramática. Esta es la capa mecánica, y los modelos se destacan en ella.
3. Edición humana, la salida del paso dos es leída, cuestionada, enriquecida o rechazada por un editor. Este paso no se puede automatizar porque requiere entender lo que el texto significa en un contexto más amplio, no solo lo que dice.

Las empresas que comercializan estas herramientas como sistemas de edición totalmente autónomos están vendiendo una fantasía. Los profesionales que las tratan como una amenaza para su carrera están cometiendo un error de categoría. La realidad es más mundana y más exigente: los editores ahora deben ser buenos escribiendo, buenos juzgando y buenos en ingeniería de indicaciones. El listón no bajó. Se movió de lado y hacia arriba.

Un nuevo conjunto de habilidades

La evidencia de los equipos que han adoptado este flujo de trabajo híbrido es clara: la producción por editor aumenta significativamente, según algunos informes, de dos a tres veces, pero la tasa de error solo disminuye si el humano es activamente escéptico con las sugerencias del modelo. Un modelo reescribirá con confianza una cita en una forma que la fuente nunca quiso, o suavizará una ambigüedad fáctica que la reputación de la redacción depende de preservar.

Esto significa que el conjunto de herramientas del editor debe expandirse. El editor del mañana necesita los instintos tradicionales, un olfato para las fuentes débiles, un oído para la prosa torpe, más una nueva fluidez: la capacidad de leer la salida de una máquina en busca de fluidez engañosa. Cuando el modelo hace que todo suene seguro, el editor debe ser quien diga: 'Suena genial, pero ¿es cierto?'

El prestigio del rol puede incluso aumentar. Si las máquinas se encargan del trabajo pesado, la función editorial ya no se trata de encontrar errores tipográficos, sino de defender la integridad intelectual del producto final. Esa es una vocación más elevada, no una menor.

Lo que sobrevive

Al final, la relación más importante en la publicación no es entre humano y máquina, sino entre escritor y lector. La confianza es la única moneda que importa. Un modelo no puede construir esa confianza artículo por artículo. Un editor sí puede, y si ese editor sabe cómo usar la herramienta, la confianza se construye más rápido que nunca.