Ajusta un LLM para que escriba como en 1995 y gana foco

Un desarrollador entrenó un modelo de lenguaje para generar documentación técnica con el estilo de 1995. El resultado no es nostalgia: es un 40% menos de palabras de relleno y una legibilidad que duplica la media actual.

Por qué importa

La mayoría de la documentación generada por IA suena a plástico corporativo: párrafos inflados, adjetivos innecesarios, estructura predecible. Eso no solo aburre, sino que consume tiempo. Cada palabra extra es un micro-robo de atención.

Al forzar al modelo a imitar el estilo directo y conciso de los manuales de los 90 —sin florituras, sin jerga de marketing—, el desarrollador logró que el output fuera útil de inmediato. Menos lectura, más acción.

Qué dice el contexto

• El fine-tuning permite adaptar un modelo preentrenado a un dominio o estilo específico con pocos ejemplos. En este caso, se usaron manuales técnicos de los 90 como dataset.
• La documentación resultante tiene una densidad de información un 60% mayor que la generada por un LLM sin afinar.
• El autor reporta que los lectores entienden las instrucciones en la primera lectura, sin necesidad de releer.
• Este enfoque contrasta con la tendencia actual de alargar textos para aparentar profundidad o cubrir SEO.
• El fine-tuning por instrucciones (instruction tuning) permite controlar el tono y la estructura sin necesidad de miles de ejemplos.

Lo que puedes hacer

1. Define tu estilo objetivo: busca ejemplos de documentación que admires por su claridad (manuales antiguos, guías técnicas de los 80-90). Úsalos como dataset para fine-tuning.
2. Ajusta el prompt: si no puedes afinar un modelo, escribe un prompt que exija concisión: “Escribe como si fuera 1995, sin adjetivos, solo hechos y pasos.”
3. Mide la legibilidad: usa herramientas como Hemingway Editor para comparar el texto generado. Busca un índice de legibilidad por debajo de grado 8 (fácil de entender).