
70% de orden, 30% de complejidad
Cuando descomponemos lo bello, resulta sorprendentemente regular.
Las fugas de Bach siguen estrictamente las reglas del contrapunto. La arquitectura de Le Corbusier se alza sobre una cuadrícula modular. La proporción áurea de la tipografía, la armonía de la música, la perspectiva de la pintura — la mayor parte de la belleza es matemática.
La investigación sobre fractales lo ha cuantificado. La dimensión fractal en la que el ser humano percibe mayor belleza es D ≈ 1.3 (Spehar et al. 2003, Taylor et al. 2011). Si D=1.0 es el orden total y D=2.0 es el caos total, 1.3 es aproximadamente un 70% de orden y un 30% de complejidad. El mismo resultado se ha confirmado repetidamente en paisajes naturales, fractales matemáticos, las pinturas de Pollock, y tanto en niños como en adultos. Al contemplar un patrón D=1.3, el estrés se recupera un 60% más rápido.
La música apunta a la misma proporción. Voss & Clarke (1978) descubrieron que, entre el ruido blanco (completamente aleatorio) y el ruido marrón (excesivamente correlacionado), el ser humano prefiere de forma consistente el ruido rosa (1/f) — el punto medio matemático exacto entre la previsibilidad y la sorpresa.
¿Entonces basta el orden para que algo sea bello? No.
Bach es grande no porque respetara el contrapunto, sino porque sobre el contrapunto colocó una nota en un lugar inesperado. Le Corbusier es grande porque sobre la cuadrícula torció una columna. El jazz es bello porque sobre la forma fija de la progresión de acordes hay improvisación.
El 70% de orden crea los cimientos, y el 30% de complejidad crea la belleza. La complejidad sin orden es ruido, y el orden sin complejidad es aburrimiento.
El diseño es verificable
La frase “el diseño es subjetivo” solo es cierta a medias.
| Lo que se puede juzgar (70%) | Lo que no se puede juzgar (30%) |
|---|---|
| 1+3 en una cuadrícula de 4 celdas deja una celda vacía | La asimetría intencional de la sección hero |
| Un espaciado de 13px en un sistema de 8px | Una colocación fuera de cuadrícula para enfatizar |
| Un contraste de color por debajo de 4.5:1 | Una elección de bajo contraste para crear ambiente |
| Un tamaño de fuente que no está en la escala tipográfica | Una desviación de tamaño intencional en el título |
| Un z-index fuera de las capas declaradas | — |
Todo lo de la izquierda lo puede juzgar una máquina. Las reglas existen de forma declarativa, y se comprueba que la implementación las siga. Tiene la misma estructura que go test verificando el código.
Lo de la derecha lo decide el ser humano. Pero, una vez decidido, se declara explícitamente.
@allow-break: "asimetría intencional de la sección hero"
Lo que hace esta anotación: declarar a la máquina que “esto no es un error, sino una intención”. Ahora la máquina no toca esta excepción y solo verifica el 70% restante de orden.
57 : 23 : 20
Existe un análisis de Deque Systems sobre unas 300.000 incidencias de accesibilidad en más de 13.000 páginas (Deque, 2021):
| Ámbito | Proporción | Quién juzga |
|---|---|---|
| Detectable con automatización completa | 57% | Máquina (reglas deterministas) |
| Detectable de forma semiautomática (asistida por IA) | 23% | IA + máquina (reconocimiento de patrones + reglas) |
| Solo juzgable por un ser humano | 20% | Ser humano |
El 57% es el ámbito del orden, donde las reglas son claras. Contraste de color por debajo de 4.5:1, falta de texto alternativo, imposibilidad de acceso por teclado — la máquina lo juzga sin preguntar.
El 20% es el ámbito de la complejidad que solo el ser humano puede juzgar. “¿Es intuitivo este flujo?”, “¿Transmite realmente el significado este texto alternativo?” — hay que entender el contexto para responder.
El 23% es la frontera. No se captura del todo con reglas, pero es el ámbito que puede capturarse si la IA reconoce el patrón. Es el lugar donde la IA juzga por el contexto “¿esto es una asimetría intencional o un error?”.
El marco de Evals de Anthropic (“Demystifying Evals for AI Agents”, 2026) refleja exactamente estas tres capas. Divide a los evaluadores en tres tipos: basados en código, basados en IA y basados en humanos. Y la recomendación oficial es:
“Usa en la medida de lo posible un grader determinista (basado en código), usa el LLM grader solo como apoyo cuando sea necesario, y usa el human grader únicamente para calibración.”
Anthropic mismo reconoce la superioridad de la verificación determinista. La recomendación de “basado en código en la medida de lo posible” apunta al ámbito del 57%. En el ámbito fronterizo del 23% que asume el LLM grader, la IA media entre el orden y la complejidad. El 20% restante lo decide el ser humano.
No hace falta preguntarle a un LLM por una violación de la cuadrícula. Es el ámbito del 57%. Tampoco hace falta preguntarle a un LLM por una asimetría intencional. Es el 20% que el ser humano ya decidió. Lo que la IA necesita es el 23% intermedio — el ámbito fronterizo donde hay reglas pero se necesita contexto.
Bloquea lo formal, permite lo informal
En el código, esta estructura ya está funcionando.
filefunc — bloquea la estructura del código con 22 reglas. La excepción es //filefunc:allow
yongol — bloquea la coherencia entre capas con 10 SSOT. La excepción es una anulación explícita
Hurl — bloquea el comportamiento de la API en plain text. Sin excepciones (el comportamiento no debe cambiar)
Si aplicamos la misma estructura al diseño:
SSOT del sistema de diseño → declara la cuadrícula, la escala tipográfica, los colores, el espaciado
CLI de verificación → juzga mecánicamente si la implementación sigue el SSOT
@allow-break → permite explícitamente la desviación intencional
ratchet (trinquete) → no se puede retroceder por debajo de la verificación superada
Documentos, música, vídeo — el mismo principio se aplica a todo ámbito creativo donde existan reglas formales.
El 70% de todos los ámbitos
Reins Engineering no es una herramienta de codificación con IA. Es el principio de bloquear el orden de forma determinista y dejar al ser humano solo la complejidad.
Empezó en la codificación. La codificación solo fue la primera demostración.
“El arte es libre” es el prejuicio de quien no ha recibido una educación artística. La novela sigue la estructura de tres actos, la siembra y recolección de pistas, la coherencia del punto de vista, la coherencia temporal. La pintura sigue la composición, la teoría del color, la estructura de valores de luz y sombra, la perspectiva. La música sigue la armonía, el contrapunto, la forma. Si analizamos las 28.000 etiquetas armónicas de los cuartetos de cuerda de Beethoven, siguen una ley de potencias — un puñado de reglas domina la mayor parte (Moss et al. 2019). Picasso dominaba a la perfección el dibujo clásico antes de hacer cubismo. Coltrane tocó los estándares miles de veces antes de hacer free jazz. La creación es romper intencionalmente las reglas tras haberlas interiorizado por completo; empezar sin reglas es ruido.
El límite del alcance de aplicación de Reins Engineering es precisamente la proporción de orden. La investigación sobre fractales muestra que esa proporción es superior al 70% en todas partes.
Lo que el ser humano debe hacer no es respetar el 70%. Es decidir el 30%. Del resto se encarga la máquina.
La pregunta
En lo que tú creas, ¿qué porcentaje es orden?
¿Está una máquina verificando ese orden?
¿O lo está comprobando un ser humano con sus ojos cada vez?
¿Crees que “el arte es libre”?
Pregúntaselo a Picasso.
Artículos relacionados
Internos
- Reins Engineering — IA con riendas — el enfoque de ingeniería que bloquea de forma determinista el 70% de orden
- filefunc — un concepto por archivo — la anotación
//filefunc:allow= declaración explícita de una excepción intencional - El sesgo de adulación de la IA es una característica de negocio — por qué un LLM no puede ser un juez estético
- Topología de retroalimentación por encima del CI del modelo — mismo modelo, distinto entorno, distinto resultado
- Qué significa construir un sistema en el que un agente pueda trabajar — no solo el código. También el diseño
Externos
- Dieter Rams, Good Design — “Nothing must be arbitrary or left to chance.”
- Tim Brown, More Meaningful Typography — escala modular: toda la tipografía surge de una sola proporción
- Josef Muller-Brockmann, Grid Systems in Graphic Design — el padre de los sistemas de cuadrícula. “Cuando haces explícita la estructura, el diseño gana fuerza.”
- Le Corbusier, Le Modulor — integra toda la arquitectura en un único sistema matemático con la proporción del cuerpo humano + la proporción áurea + Fibonacci
- Daniel DeStefanis, Design Lint — plugin de linting que detecta automáticamente en Figma las capas que no aplican tokens de diseño
- Toptal, Design Constraints Are Not Restraints — la restricción no es opresión, sino catalizador de la creatividad
- Sciforce, Computational Aesthetics — historia de la cuantificación matemática de la belleza, desde Birkhoff (1933) hasta los algoritmos modernos
Fuentes
Fractales y preferencia estética
- Spehar, Clifford, Newell & Taylor, “Universal aesthetic of fractals”, Computers & Graphics 27 (2003) — preferencia por D=1.3~1.5 en naturaleza, matemática y pintura
- Taylor, Spehar et al., “Perceptual and Physiological Responses to Jackson Pollock’s Fractals”, Frontiers in Human Neuroscience 5:60 (2011) — recuperación del estrés un 60% más rápida en D=1.3
- Aks & Sprott, “Quantifying Aesthetic Preference for Chaotic Patterns” (1996) — dimensión fractal media de los patrones preferidos F=1.26
- Robles et al., “A shared fractal aesthetic across development”, Humanities and Social Sciences Communications (2020) — preferencia por la complejidad media tanto en niños como en adultos
Música y teoría de la información
- Voss & Clarke, “1/f noise in music”, J. Acoustical Society of America 63 (1978) — el ruido rosa (1/f) es el punto medio matemático entre previsibilidad y sorpresa
- Cheung et al., “Uncertainty and Surprise Jointly Predict Musical Pleasure”, Current Biology 29 (2019) — análisis de 80.000 acordes. Baja incertidumbre + alta sorpresa = placer máximo
- Moss et al., “Statistical Characteristics of Tonal Harmony”, PLOS ONE (2019) — las 28.000 etiquetas armónicas de Beethoven siguen una ley de potencias
- Manaris et al., “Zipf’s Law, Music Classification, and Aesthetics”, Computer Music Journal 29(1) (2005) — la música estéticamente agradable sigue la ley de Zipf-Mandelbrot
Teoría de la medida estética
- Birkhoff, Aesthetic Measure, Harvard University Press (1933) — M = O/C. el primer intento de cuantificar la belleza con matemática
- Berlyne, Aesthetics and Psychobiology (1971) — curva en U invertida: la complejidad media produce el placer máximo
- Chmiel & Schubert, “Back to the inverted-U for music preference”, Psychology of Music 45(2) (2017) — el 87,7% de 57 estudios respalda el modelo de la U invertida
- Schmidhuber, “Driven by Compression Progress”, arXiv:0812.4360 (2009) — el interés = la primera derivada del progreso de compresión
Neurociencia
- Ishizu & Zeki, “Toward A Brain-Based Theory of Beauty”, PLOS ONE 6(7) (2011) — tanto la belleza musical como la visual activan la corteza orbitofrontal medial (mOFC)
- Vessel, Starr & Rubin, “The brain on art”, Frontiers in Human Neuroscience 6:66 (2012) — activación de la red neuronal por defecto (DMN) ante el arte más conmovedor
- Reber, Schwarz & Winkielman, “Processing Fluency and Aesthetic Pleasure”, Personality and Social Psychology Review 8 (2004) — a mayor fluidez de procesamiento, más positiva la respuesta estética
- Dibot et al., “Sparsity in an artificial neural network predicts beauty”, PLOS Computational Biology 19(12) (2023) — la dispersión neuronal explica entre el 28% y el 47% de la varianza de la belleza
Arquitectura y diseño
- Alexander, A Pattern Language (1977) / The Nature of Order (2002-2005) — “la belleza es objetiva, perceptible y reproducible”
- Salingaros, “Life and Complexity in Architecture From a Thermodynamic Analogy” — L = T × H. para que la sensación de vida sea máxima debe ser complejo pero armónico
- Muller-Brockmann, Grid Systems in Graphic Design (1981) — “cuando haces explícita la estructura, el diseño gana fuerza”
- WCAG 2.1, Contrast Minimum (2018) — AA 4.5:1, AAA 7:1. completamente verificable de forma mecánica
Evaluación de IA y LLM-as-Judge
- Anthropic, Demystifying Evals for AI Agents (2026) — “usa en la medida de lo posible un grader basado en código”
- Zheng et al., Judging LLM-as-a-Judge (2023) — sesgo de posición, sesgo de longitud, sesgo de autorrefuerzo
- Ye et al., Justice or Prejudice?, ICLR 2025 — los 12 sesgos latentes del juez LLM
- Zhou et al., IFEval (2023) — califica instrucciones verificables con un programa determinista
- Deque Systems, Automated Testing Study (2021) — solo con pruebas automatizadas se detecta el 57% de las incidencias de accesibilidad, el 80% incluyendo IGT