21 de enero de 2026.

Imagine un estudiante que se encuentra ante esta tarea: “Analizar la expansión internacional de Starbucks en mercados emergentes. Considere factores culturales, económicos y de gobernanza”. En lugar de investigar y reflexionar, el estudiante copia la instrucción completa y la pega en ChatGPT con un simple “desarrolla esto”. 

Algunos minutos después recibe un texto perfectamente estructurado. Párrafos elaborados, vocabulario académico, referencias a teorías de gestión internacional y conclusiones que suenan profundas. Sin leerlo en profundidad, lo entrega. 

El profesor lo lee y se encuentra con párrafos como estos:  “La expansión internacional de Starbucks en mercados emergentes representa un caso paradigmático de la tensión entre estandarización global y adaptación local. Desde la perspectiva del modelo CAGE de Pankaj Ghemawat, la compañía ha navegado exitosamente las distancias culturales, administrativas, geográficas y económicas. Su enfoque híbrido, que combina elementos universales de la marca con ajustes contextuales, ilustra la sofisticación necesaria para triunfar en mercados heterogéneos.”

Suena impecable. Jerga académica correcta, teoría legítima citada, estructura impecable. Pero es completamente intercambiable: podría ser sobre Nike, Coca-Cola o Inditex sin cambiar una palabra. No menciona ningún mercado específico. No reflexiona sobre contradicciones reales. No muestra investigación personal.

Eso que acaba de leer es workslop: contenido que aparenta estar bien elaborado pero que carece completamente de sustancia.

Contenido ‘basura’ con buen aspecto

El término, que ha ganado tracción recientemente en los círculos académicos y empresariales, describe un fenómeno cada vez más común en la era de las herramientas de inteligencia artificial generativa. El sustantivo “slop” se refiere, en inglés, a una comida más líquida de lo que debería con un aspecto nada apetecible, o a un líquido sucio de desecho. Una posible traducción al castellano de este neologismo podría ser “contenido basura”, “palabrería vacía” o “relleno de baja calidad”…

No se trata simplemente de plagio o copia textual. El workslop es más insidioso: es contenido nuevo, que parece académicamente sólido, y supera una lectura superficial. En realidad, no aporta valor intelectual alguno porque nunca fue producto del pensamiento genuino. Es la basura con aspecto de joyería: algo perfecto en forma pero vacío en esencia.

La carga de procesar el ‘workslop’

El workslop no se detecta a simple vista porque cumple los estándares formales: jerga académica apropiada, estructura lógica, citas correctas. Pero le falta profundidad. Las conclusiones son genéricas, los argumentos superficiales, aplicables a múltiples contextos. Para el receptor, tramitar este contenido supone una pérdida de tiempo en decodificación, evaluación y retroalimentación. La experiencia es equivalente a la de un espejismo académico: promete conocimiento donde sólo hay vacío.

Este tipo de contenido basura con aspecto solvente crea una ilusión engañosa: la apariencia del progreso mientras que la realidad es que la carga cognitiva se transfiere del que crea al que recibe.

En el entorno académico, además de la pérdida de productividad, este tipo de contenidos erosiona la confianza entre profesores y alumnos. Cuando alguien recibe workslop, no solo ha perdido tiempo decodificando el contenido; también ha formado juicios negativos sobre quien lo envió. Se pregunta: “¿Por qué enviaron esto? ¿No pueden hacer su trabajo? ¿No valoran mi tiempo?”.

La IA como problema y como solución

Pero la misma tecnología que genera workslop también puede ayudarnos a evitarlo. Todo depende de cómo usemos la inteligencia artificial.

Uno de nuestros estudios recientes revela patrones sorprendentes sobre los factores que influyen en que la IA devuelva contenido inane o vacío, o contenido de más calidad. Tras analizar conversaciones de estudiantes de educación superior con chatbots de IA durante tareas de análisis estratégico, descubrimos que la forma en que un estudiante se comunica con la IA determina la calidad del contenido obtenido.

Los estudiantes que adoptan un tono relacional con la IA demuestran pensamiento crítico más profundo, produciendo así respuestas académicas de más calidad. Por ejemplo, ante una respuesta del chatbot un estudiante prosige: “Interesante, puedes darme una explicación a ….?”. Este estilo y tono más “relacional” se consigue a través de preguntas de seguimiento y muestras de curiosidad cognitiva. Con ello, los alumnos logran indagar en mayor profundidad el caso que se les planteaba.

Por el contrario, aquellos que empleaban un tono neutral y realizaban preguntas pasivas mostraban menor compromiso cognitivo con la tarea. En otras palabras, cuando los estudiantes interactúan con la IA confiando en el valor esperado, emulando una conversación genuina, el contenido resultante refleja ese pensamiento más sofisticado. Cuando simplemente envían instrucciones frías y esperan respuestas, obtenemos el workslop.

Tratar a la IA como a un colaborador

He aquí dos ejemplos de cómo utilizar una herramienta de inteligencia artificial para elaborar un trabajo académico:

Enfoque que genera workslop: Copiar el enunciado de la tarea y pedir “desarrolla esto” (sin ninguna reflexión previa sobre qué es lo que realmente necesita analizar o entender).

Enfoque que evita el workslop:  “He leído que Starbucks enfatiza la adaptación local. ¿Eso contradice su posicionamiento global como marca "premium”? ¿Cómo lo resuelven en Asia? Y si lo resuelven así en Asia, ¿por qué no aplican la misma estrategia en América Latina?“

En el segundo caso, el estudiante está creando un diálogo real, está cuestionando, está buscando consistencia lógica. La IA, a su vez, proporciona respuestas más profundas porque se le está pidiendo que lo haga de manera reflexiva. El resultado es contenido académico que refleja genuina cognición crítica, no frases bien construidas sin una aportación de contenido útil o de calidad.

Pensamiento crítico imprescindible

La IA no genera necesariamente workslop. Lo hace cuando la usamos sin pensamiento crítico genuino. Cuando la usamos para profundizar razonamientos, manteniendo diálogo auténtico y buscando alineación real entre intenciones intelectuales y respuestas, la IA se convierte en amplificador de pensamiento, no sustituto.

Del resultado de nuestro estudio se destilan tres recomendaciones para estudiantes: usar la IA como compañero de pensamiento, no como sustituto, prestar atención al tono emocional utilizado en la comunicación, y validar el texto generado y su aportación de valor respondiendo a la pregunta: "¿el texto añade algo nuevo o reorganiza lo obvio?” Si es lo segundo, puede usted estar generando workslop.

El desafío no es la tecnología. Es nuestra disposición a usarla de manera genuinamente reflexiva. La verdadera pregunta que todo estudiante o investigador debe hacerse no es “¿Puede la herramienta hacer esto?”, sino “¿Estoy usando esto para mejorar realmente mi pensamiento?”. De nosotros depende la diferencia.

Con la colaboración de la Fundación Española para la Ciencia y la Tecnología - Ministerio de
Ciencia, Innovación y Universidades