Cómo funciona esto

¿Qué es deslopify, exactamente?

deslopify es un diagnóstico. Pegas un texto y obtienes un Slop Score de 0 (suena humano) a 100 (slop de grado industrial). No es un detector binario de IA — esos tienen un historial de marcar falsamente a autoras no nativas y llevar a sus fabricantes a juicio. Es un medidor de registro, descompuesto en tres señales independientes para que puedas discutir el número de portada.

¿Cómo funciona el Slop Score?

Tres motores se ejecutan en cada pega. Cada uno devuelve su propio sub-score 0–100 más una lista de tramos resaltados. El compuesto es una media ponderada fija:

slop_score = round(0,15 × lexical + 0,30 × structural + 0,55 × epistemic)

El peso epistémico es el mayor porque captura el modo de fallo más específico de la IA (postura matizada, especificidad genérica, no-conclusión balanceada). El compuesto pasa luego por una pequeña curva que deja en paz la escritura humana y lee el slop fronterizo un punto más alto — la curva está en /calibration si quieres ver la forma exacta.

¿Qué hacen los tres motores?

Lexical — determinista, sin LLM. Un diccionario ponderado por frecuencia de palabras y frases que en aislado están bien, pero que se agrupan en texto IA (profundizar, navegar, en el panorama actual, además). Normalizado por cada 500 palabras. Atrapa delaciones de vocabulario.

Structural— determinista + NLP ligero. Densidad de tricolon (listas «X, Y y Z»), el pivote "no es solo X, es Y", uniformidad de longitud de párrafo, densidad de guiones largos, varianza de oración aplanada. Suma ponderada de señales. Atrapa el ritmo.

Epistemic — el único motor que llama a un LLM (Claude Sonnet 4.6). Lee el texto como lo haría un editor crítico y devuelve un veredicto estructurado: ¿la postura está matizada, las afirmaciones son específicas, el texto se moja o balancea, los ejemplos son reales o solo nombrados? El peso mayor porque aquí es donde el texto de IA se filtra de verdad. Timeout duro de 12 segundos; en caso de fallo la API devuelve el resultado determinista con un flag partial en vez de fallar la petición.

¿Qué significan las bandas de veredicto?

Asignación score-a-etiqueta. Más alto = más slop (intencional — «mi score es 12» debería ser el alarde).

• 0–20: Suena humano. Raro. Sobre todo ensayo personal, escritura vivida, crítica con opinión.
• 21–40: Bastante limpio. El default para escritura humana implicada que comparte modismos pero compromete con lo específico.
• 41–60: Slop en partes. Algunos motores se disparan. Lee las barras por motor para saber cuáles.
• 61–80: Slop pesado. Varios motores calientes. O fuerte asistencia de IA o un registro que la imita (copy corporativo de marketing, newsletters pulidas).
• 81–100: Slop de grado industrial. Los tres motores encendidos. O generación pura por IA o boilerplate tan genérica que se confunde con ella.

¿Qué es el perfil de voz, y para qué sirve?

Una vez con sesión iniciada, /account te deja construir un perfil de voz en dos partes:

Un arquetipo — elige por idioma uno de nuestros seis anclas de calibración como voz objetivo (ensayo en habla llana, folletín, literario-personal, etc.). El rewriter apunta a esa voz cuando reformula texto.

Una huella — pega 1–3 muestras de tu propia escritura. Las puntuamos, nos quedamos con los cuatro números (medias de lexical / structural / epistemic más la banda de veredicto modal), y descartamos la prosa. Lo que queda son los números. Por idioma, para que tu registro alemán se perfile aparte del inglés.

Ambos alimentan el prompt del rewriter. Ambos alimentan también el banner de score: si un motor lee > 20 puntos fuera de tu baseline habitual, mostramos una nota — desviarse de tu habitual es información más útil que un veredicto genérico.

¿Qué hace el rewriter?

Debajo de cada score se sitúa una previsualización del rewriter en línea. Para usuarios anónimos transmite el intento de Sonnet de reformular tu texto hacia un registro llano genérico. Para usuarios autenticados con perfil de voz fijado, el prompt nombra tu arquetipo y tus números de huella explícitamente — la reescritura apunta a tu voz, no a una homogeneizada.

La previsualización es una muestra, no el producto de pago. El rewriter completo (reescribir todo el texto con ediciones) está en la lista de espera.

¿Se guarda mi texto pegado en algún sitio?

El texto pegado se envía a Anthropic para la llamada epistémica y no se guarda en ningún sitio del lado nuestro — score, hash, recuento de caracteres, highlights sí; texto crudo no. Las muestras usadas para construir tu huella se puntúan en memoria y se descartan. Las IP se hashean antes de guardarse. La versión completa con retención, proveedores y tus derechos está en /privacy.

¿Qué idiomas se admiten?

Inglés, alemán, español están en vivo hoy. Cada idioma tiene su propio diccionario léxico, banco de regex estructurales, anclas de calibración, prompt de Sonnet como juez y (por usuaria autenticada) huella. Si pegas inglés en la página alemana detectamos el desajuste, puntuamos con el motor correcto y ofrecemos cambiar el idioma del sitio.

¿Qué pide el onboarding, y para qué?

Inicia sesión con magic-link o Google. La primera pantalla pregunta por roles de escritura (autora de newsletter, ghostwriter, copywriter de marketing, blogger, estudiante post-IA, escritora técnica, ensayista, otro) — selección múltiple; mínimo uno. Los roles ajustan los objetivos del rewriter y (después) qué piezas de research surfaceamos.

La misma pantalla ofrece un bloque opcional de muestras de voz. Pega 1–3 muestras breves y construimos la huella ahí mismo. Sáltatelo y completa el mismo paso más tarde en /account cuando tengas tu material a mano.

Dónde seguir

¿Curiosidad por los fallos? /limitations los cataloga — texto corto, escritoras L2, posts cargados de código, los sospechosos habituales. /calibration muestra los seis textos ancla por idioma y las bandas de score que pegan. Las siete piezas de /research profundizan en las afirmaciones subyacentes sobre detectores, preferencia de lectoras a ciegas y prevalencia de IA.