Una herramienta open source en GitHub obliga a los LLM a escribir en ASD-STE100, el lenguaje controlado que la aviación usa desde 1983 porque un mecánico cansado no cometa errores al leer una instrucción. El repositorio SimpleEnglish de AminBlg alcanzó 333 puntos en Hacker News en 24 horas.

Qué hace. En lugar de pedir al modelo que escriba con claridad y esperar lo mejor, le cargas una skill que aplica las reglas del Simplified Technical English: vocabulario limitado, frases cortas, un verbo por instrucción, sin ambigüedades. Los ejemplos antes/después del repositorio transforman el típico output lleno de “seamlessly” y “leveraging” en instrucciones secas de manual técnico.

Por qué te importa. Si usas agentes para producir documentación o instrucciones para públicos no especializados, el contenido mediocre de la IA es un problema diario. Aquí el enfoque es restringir la escritura en su origen, no corregirla después. Los números del repositorio (96 ejecuciones en 6 modelos Claude para 8 tareas, datos del 30 de julio de 2026) muestran violaciones de las reglas STE reducidas un 72,9% en cada modelo, longitud promedio de frases de 11,2 a 9,7 palabras, y la palabra “seamlessly” eliminada.

La skill sigue el estándar Agent Skills: funciona en Claude Code, Cursor, Copilot, Codex, Gemini CLI y otros entornos. El repositorio proporciona instrucciones de instalación y una versión para pegar en el system prompt para quien no tenga soporte nativo. Licencia MIT, sin dependencias.

En detalle

ASD-STE100 es un estándar formalizado en 1986 (con antecedentes desde 1979) por la European Association of Aerospace Industries, creado por una necesidad práctica: los manuales de mantenimiento aeronáutico los leen técnicos de todo el mundo, a menudo cuya lengua materna no es el inglés, frecuentemente bajo presión o cansados. Una frase ambigua en esas condiciones cuesta vidas. El estándar resuelve el problema de raíz con un vocabulario de aproximadamente 900 palabras aprobadas, reglas gramaticales restrictivas (una frase, una instrucción; nada de voz pasiva cuando genera ambigüedad; una palabra por concepto, sin sinónimos) y una estructura de escritura fija.

Qué cambia con un LLM. Los modelos producen texto fluido pero siguen el estilo de sus datos de entrenamiento, que está lleno de inglés coloquial, marketing y esa verbosidad que llamamos contenido mediocre de IA: “leveraging”, “seamlessly”, “robust”, disculpas ceremoniales, subordinadas anidadas. Pedir al modelo que “escriba con claridad” no es suficiente, porque el modelo no tiene un criterio formal de qué es “claro”. La skill inyecta ese criterio: las reglas STE se convierten en parte del system prompt o del contexto del agente, y el modelo las sigue como sigue cualquier instrucción de estilo.

Cómo se mide. El repositorio reporta 96 comparaciones: 6 variantes de la familia Claude, 8 tareas de escritura técnica (README, mensajes de error, reportes de incidente, notas de lanzamiento), cada una con y sin la skill. El resultado reportado es una reducción del 72,9% de violaciones STE por 100 palabras, con mejoras en todos los modelos probados. La longitud promedio de frases baja de 11,2 a 9,7 palabras, y los tokens de salida disminuyen, porque el lenguaje controlado también es más conciso.

Dónde tener cuidado. Los números provienen del repositorio mismo, no de una evaluación independiente. Los 6 modelos probados son todos Claude: faltan GPT, Gemini, modelos open source. Los ejemplos antes/después en el README se dice que no están retocados, pero están seleccionados: no sabemos qué porcentaje de output realmente mejora y cuánto aún requiere corrección manual. ASD-STE100 es un estándar para inglés técnico: quien escriba documentación en italiano u otros idiomas puede inspirarse en las reglas pero no aplicarlas mecánicamente.

La idea más amplia. El patrón es interesante incluso más allá del STE: en lugar de corregir el output de la IA después de que lo produce, lo restringes mientras lo produce con un conjunto de reglas formales. Es la misma lógica del traductor de jerga técnica en el sitio, donde declaras el público y el glosario antes de dejar que el modelo trabaje. La diferencia es que aquí las reglas son un formalismo estable, probado durante décadas, no una lista escrita sobre la marcha.