What Influences Readers' and Writers' Perceived Necessity of AI Disclosure?

Este estudio investiga los factores que influyen en la percepción de la necesidad de revelar el uso de la IA en la escritura mediante un estudio de viñetas con 727 participantes, revelando que los lectores exigen más transparencia que los escritores y que los juicios están significativamente moldeados por la sustituibilidad de la IA, su directitud y la intencionalidad del escritor, mientras que el esfuerzo en la escritura no tiene un impacto significativo.

Lo esencial

La Gran Pregunta: ¿Quién Necesita Saber sobre la IA?

Imagina que estás horneando un pastel. A veces lo horneas completamente desde cero. Otras veces, usas una mezcla preelaborada, o quizás le pides a un amigo que te ayude a glasearlo.

Ahora, imagina que se está debatiendo una nueva regla: "¿Tienes que decirle a la gente si usaste ayuda (o una máquina) para hacer tu pastel?"

Este artículo plantea una pregunta muy específica: ¿Cuándo piensan las personas (los lectores) y los hornadores (los escritores) que es necesario admitir que se usó una IA?

Los investigadores descubrieron que los lectores y los escritores a menudo ven esta situación a través de lentes muy diferentes, y la respuesta depende en gran medida de cómo se utilizó la IA.

---

Los Tres Ingredientes Principales del Estudio

Para averiguarlo, los investigadores diseñaron un "menú de degustación" de 727 escenarios diferentes (llamados viñetas). Mezclaron y combinaron tres ingredientes principales para ver cómo cambiaban la opinión de las personas:

1. La Perspectiva (¿Quién está hablando?): ¿Eres el Lector (comiendo el pastel) o el Escritor (horneándolo)?
2. El Propósito (¿Para qué es el pastel?): ¿Es para una entrevista de trabajo seria (Evaluación), una lección escolar (Aprendizaje) o simplemente una historia divertida para un blog (Entretenimiento)?
3. El Procedimiento (¿Cómo se hizo el pastel?): Esta es la parte más compleja. Examinaron cuatro formas específicas en las que la IA estuvo involucrada:
   • Sustituibilidad: ¿Podría el escritor haber hecho este pastel sin la IA? (Si la respuesta es "No", la IA fue esencial).
   • Esfuerzo: ¿El escritor todavía trabajó duro, o la IA hizo casi todo?
   • Intencionalidad: ¿El escritor dio a la IA una receta estricta y tomó el mando, o simplemente dijo "¡Hazme un pastel!" y dejó que la IA tomara el control?
   • Directividad: ¿El escritor copió la salida de la IA directamente al plato, o la usó solo como referencia?

---

Los Resultados Sorprendentes

Esto es lo que encontró el estudio, traducido a un lenguaje claro:

1. La Brecha "Auto-Servicial"

El Hallazgo: Es mucho más probable que los lectores digan: "¡Sí, debes decirnos!" que los escritores.
La Analogía: Imagina a un mago. La audiencia (lectores) quiere saber si un truco es real o si es una máquina haciendo el trabajo. Pero el mago (escritor) podría pensar: "Aún así, yo actué el espectáculo; la máquina fue solo un accesorio". El estudio sugiere que los escritores a menudo sienten menos necesidad de revelar porque aún se sienten como los "dueños" de la obra, incluso si usaron IA.

2. El Mito del "Propósito"

El Hallazgo: Sorprendentemente, no importaba mucho por qué se escribió el texto.
La Analogía: Podrías pensar que a la gente le importa más la honestidad cuando el texto es para una solicitud de trabajo seria (Evaluación) que para una entrada divertida en un blog (Entretenimiento). Pero el estudio encontró que la necesidad de las personas de saber sobre el uso de la IA fue aproximadamente la misma, ya fuera para la escuela, el trabajo o el ocio. Las "apuestas" no cambiaron la necesidad de revelar.

3. El "Cómo" Importa Más (Factores Procedimentales)

El estudio encontró que cómo se utilizó la IA lo cambió todo. La revelación se consideró más necesaria cuando:

• La IA fue Irremplazable: Si el escritor no podría haberlo hecho solo sin la IA, la gente sintió que era crucial admitirlo.
• La IA Tomó el Control (Baja Intencionalidad): Si el escritor simplemente escribió "Escribe una historia" y dejó que la IA decidiera la trama, los lectores sintieron una fuerte necesidad de saberlo.
• La Salida de la IA se Usó Directamente: Si el escritor simplemente pegó el texto de la IA con muy pocos cambios, la revelación se consideró necesaria.

El Giro sobre el Esfuerzo:
Los investigadores pensaron que si un escritor ponía muy poco esfuerzo (dejando que la IA hiciera el 90% del trabajo), la gente exigiría revelación. Se equivocaron. La cantidad de esfuerzo que puso el escritor no cambió significativamente si la gente pensaba que la revelación era necesaria. No se trataba de lo cansado que estaba el escritor; se trataba de cuánto hizo realmente la IA.

4. La Paradoja de la "Dirección"

El Hallazgo: Esta es la parte más confusa.

• Los Lectores piensan: "Si dejaste que la IA condujera el coche (Baja Intencionalidad), ¡debes decirnos!"
• Los Escritores piensan: "Si dejé que la IA condujera el coche, siento menos necesidad de decirle a nadie".
• La Analogía: Es como un conductor que dice: "No conduje realmente; el GPS condujo". El conductor se siente menos responsable, pero los pasajeros (lectores) sienten que necesitan saber que el coche estaba en piloto automático.

---

¿Qué Significa Esto para el Futuro?

El artículo sugiere que, como los escritores y los lectores ven las cosas de manera diferente, no podemos confiar solo en que los escritores "hagan lo correcto" por su cuenta.

La Solución: Necesitamos mejores herramientas.
En lugar de simplemente pedirle a los escritores que "revelen el uso de la IA", las plataformas deberían ayudarles a explicar cómo la usaron.

• No digas solo: "Usé IA".
• Di: "Usé IA para generar el esquema, pero escribí las oraciones yo mismo", o "Dejé que la IA escribiera todo el borrador, y solo lo edité".

El artículo sugiere diseñar herramientas que redacten automáticamente estas explicaciones para los escritores, facilitándoles ser transparentes de una manera que coincida con lo que realmente les importa a los lectores (como si la IA hizo el trabajo pesado o solo ayudó con algunas palabras).

Resumen

• Los Lectores quieren saber más sobre el uso de la IA que los Escritores.
• Por qué se escribió el texto (escuela vs. diversión) no cambia la necesidad de revelar.
• Cómo se utilizó la IA importa más: Si la IA hizo el trabajo pesado, tomó la iniciativa o se copió directamente, la gente siente que la revelación es necesaria.
• El Esfuerzo no importa tanto como pensábamos.
• Los Escritores a menudo sienten menos necesidad de revelar cuando dejan que la IA tome la iniciativa, aunque los Lectores sienten lo contrario.

Resumen técnico

A continuación se presenta un resumen técnico detallado del artículo "What Influences Readers' and Writers' Perceived Necessity of AI Disclosure?" de Fang, Wen y Lee (FAccT '26).

1. Planteamiento del Problema

La rápida integración de la Inteligencia Artificial (IA) en los procesos de escritura ha creado una "brecha de autoría", donde el texto generado o asistido por IA a menudo es indistinguible de la escritura humana. Esta ambigüedad desafía la capacidad de los lectores para contextualizar el contenido, evaluar su fiabilidad y juzgar la responsabilidad. Si bien las regulaciones existentes a menudo exigen la divulgación, existe una desalineación entre las políticas de arriba hacia abajo y las percepciones "de base" de los verdaderos interesados: lectores (consumidores de contenido) y escritores (creadores de contenido).

El problema central de la investigación es comprender los factores específicos que influyen en la necesidad percibida de la divulgación de la IA. Específicamente, los autores investigan cómo la perspectiva (lector vs. escritor), el propósito del texto (evaluación, aprendizaje, entretenimiento) y los factores procedimentales (cómo se utilizó la IA) moldean estas percepciones.

2. Metodología

El estudio emplea un experimento de viñetas (un diseño experimental basado en encuestas que utiliza escenarios hipotéticos) para manipular sistemáticamente las variables y medir las percepciones.

• Participantes: $N = 727$ participantes reclutados en Prolific (basados en EE. UU., con dominio del inglés y alfabetizados en IA).
• Diseño: Se utilizó un diseño factorial fraccionado de Resolución IV para gestionar la complejidad combinatoria de las variables.
• Variables Independientes:
  1. Perspectiva: Dos niveles (Lector vs. Escritor).
  2. Propósito: Tres niveles (Evaluación, Aprendizaje, Entretenimiento), cada uno operacionalizado con dos escenarios específicos (por ejemplo, solicitud de empleo vs. carta de presentación para Evaluación).
  3. Factores Procedimentales: Cuatro dimensiones, cada una con niveles Alto/Bajo:
     • Reemplazabilidad: ¿Puede el escritor producir un trabajo similar sin IA?
     • Esforzamiento: ¿Cuánto tiempo/esfuerzo invirtió el escritor?
     • Intencionalidad: ¿El escritor dirigió la IA (Alto) o dejó que la IA liderara (Bajo)?
     • Directitud: ¿Se incorporó directamente la salida de la IA (Alto) o se utilizó solo como referencia (Bajo)?
• Procedimiento: Se asignó a los participantes una única viñeta que describía un escenario de escritura con combinaciones específicas de los factores anteriores. Se les hizo una pregunta binaria: "¿Es necesaria la divulgación de la IA en esta situación?" (Sí/No). También proporcionaron justificaciones abiertas.
• Análisis:
  • Cuantitativo: Modelado de regresión logística para predecir el resultado binario (Necesidad: Sí/No), incluyendo efectos principales, términos de interacción (Perspectiva $\times$ Factores Procedimentales) y covariables (autoeficacia en la escritura, alfabetización en IA, juicios internos).
  • Cualitativo: Análisis temático reflexivo de las respuestas abiertas para complementar los hallazgos cuantitativos.

3. Contribuciones Clave

1. Perspectiva de Abajo hacia Arriba: Desplaza el enfoque de los mandatos regulatorios a la "necesidad percibida" sostenida por los interesados directos (lectores y escritores), abordando una brecha en la investigación sobre transparencia en FAccT.
2. Síntesis de Factores Procedimentales: Consolida marcos anteriores (por ejemplo, marco CCC, matriz CoCo) en cuatro factores procedimentales distintos y operacionalizables (Reemplazabilidad, Esforzamiento, Intencionalidad, Directitud) específicos para la escritura asistida por IA.
3. Identificación de la Brecha de Perspectiva: Demuestra empíricamente una divergencia significativa entre cómo los lectores y los escritores perciben la necesidad de divulgación, particularmente en relación con el papel de la intencionalidad.
4. Directrices de Diseño: Propone intervenciones de diseño concretas para herramientas de divulgación de IA, incluyendo "andamiaje" (plantillas de divulgación automatizadas y granulares) y empujones conductuales basados en patrones de uso específicos.

4. Resultados Clave

La regresión logística y el análisis cualitativo arrojaron los siguientes hallazgos:

• Efecto de la Perspectiva (RQ1):

  • Los lectores perciben la divulgación como significativamente más necesaria que los escritores (los escritores tienen aproximadamente un 80% menos de probabilidades de percibir la divulgación como necesaria).
  • Interpretación: Los escritores pueden sufrir de un sesgo de auto-servicio o ver la IA como una infraestructura "ambiental", lo que reduce su sentido de obligación de divulgar.

• Efecto del Propósito (RQ2):

  • El propósito del texto (Evaluación, Aprendizaje, Entretenimiento) no tuvo ningún efecto principal estadísticamente significativo sobre la necesidad percibida de divulgación.
  • Nota: Aunque los datos cualitativos sugirieron algunos matices específicos del contexto, el modelo cuantitativo mostró que cómo se utilizó la IA importaba más que por qué se escribió el texto.

• Factores Procedimentales (RQ3):

  • Reemplazabilidad: La divulgación se considera más necesaria cuando la contribución de la IA es irreemplazable (Baja Reemplazabilidad).
  • Esforzamiento: Sorprendentemente, la cantidad de esfuerzo invertido por el escritor no tuvo ningún efecto significativo sobre la necesidad percibida. Esto contradice la "heurística del esfuerzo" (la idea de que menos esfuerzo implica menos propiedad).
  • Intencionalidad: La divulgación se considera más necesaria cuando el escritor no dirige intencionalmente la IA (Baja Intencionalidad).
  • Directitud: La divulgación se considera más necesaria cuando el contenido de la IA se incorpora directamente con cambios mínimos (Alta Directitud).

• Efectos de Interacción (RQ4):

  • Intencionalidad $\times$ Perspectiva: Esta interacción fue significativa y contraintuitiva.
    • Lectores: Perciben la divulgación como más necesaria cuando la Intencionalidad es Baja (la IA lidera).
    • Escritores: Perciben la divulgación como menos necesaria cuando la Intencionalidad es Baja.
  • Esto sugiere que los escritores pueden sentir menos propiedad (y por tanto menos necesidad de divulgar) cuando dejan que la IA tome la iniciativa, mientras que los lectores sienten que esta falta de control humano hace que la divulgación sea crítica para la confianza.

• Covariables:

  • Una mayor Autoeficacia en la Escritura y Alfabetización en IA se correlacionaron con una menor necesidad percibida de divulgación.
  • Un Juicio Interno de Divulgación más fuerte (valorar la transparencia) se correlacionó con una mayor necesidad percibida.

5. Significado e Implicaciones

El estudio proporciona una base basada en datos para diseñar mejores mecanismos de divulgación de IA:

• Más allá de las Etiquetas Binarias: Las etiquetas actuales de "generado por IA" son insuficientes. La divulgación debe ser granular, detallando la reemplazabilidad, la intencionalidad y la directitud del uso de la IA, ya que estos son los factores que realmente importan a los lectores.
• Andamiaje de la Divulgación: Las plataformas deben ofrecer herramientas que generen automáticamente borradores de divulgación basados en registros de interacción (por ejemplo, "Utilizó IA para generar el 80% del texto con edición mínima"). Es crucial que estas herramientas minimicen el énfasis en el esfuerzo (ya que no importó para los participantes) y destaquen la intencionalidad (ya que este es un punto mayor de divergencia entre lectores y escritores).
• Empujones Conductuales: Para alinear el comportamiento de los escritores con las expectativas de los lectores, los sistemas deben desplegar empujones dirigidos cuando se detecta Baja Intencionalidad (es decir, cuando el escritor deja que la IA tome la iniciativa), recordándoles que este escenario específico es altamente valorado para la transparencia por los lectores.
• Reforma de Políticas: Las regulaciones deben alejarse de reglas rígidas de "todo o nada" hacia directrices conscientes del contexto que reflejen los factores procedimentales matizados identificados en el estudio.

En conclusión, el artículo argumenta que una transparencia efectiva de la IA requiere ir más allá de la detección simple o el etiquetado obligatorio hacia un sistema que comprenda la naturaleza de la colaboración humano-IA y cierre la brecha perceptual entre quienes crean el contenido y quienes lo consumen.