Por qué la IA se equivoca con la matemática de la escala tipográfica

La IA se equivoca a menudo con la matemática de la escala tipográfica porque una escala modular es aritmética exponencial —base × ratio^n— y un modelo de lenguaje que responde directamente desde el lenguaje aproxima esa aritmética en lugar de ejecutarla. Los resultados parecen correctos: valores de píxel plausibles, cercanos a los reales. Pero derivan, sobre todo en los medios pasos y cada vez que un nuevo tamaño se multiplica a partir de uno anterior ya redondeado.

La distinción que conviene trazar de inmediato: esto no va sobre el juicio tipográfico. Pídele a un modelo qué ratio le conviene a un dashboard denso en texto y el consejo suele ser acertado. El fallo vive una capa más abajo, en la aritmética, y mapear exactamente dónde empieza esa capa es el objetivo de este artículo, parte de nuestra guía sobre la IA y los sistemas de diseño. No para burlarse del modelo, sino para marcar la frontera: el lenguaje es su terreno; la precisión exponencial es la de la calculadora.

¿Qué matemática necesita realmente una escala tipográfica?

Una escala tipográfica modular deriva cada tamaño de fuente a partir de una base y un ratio:

size(i) = base × ratio^i

La operación que importa es el exponente. Cada paso multiplica el resultado completo del cálculo anterior, así que la precisión debe arrastrarse en decimales sin redondear hasta arriba del todo: un error de un tercio de píxel en el paso dos se convierte en un píxel entero en el paso tres y en dos píxeles en el paso cuatro. La exponenciación no perdona los pequeños errores; los acumula.

¿Por qué los modelos de lenguaje aproximan en lugar de calcular?

Un modelo de lenguaje produce texto un token cada vez, guiado por lo que es estadísticamente probable dado todo lo anterior. Los números también son tokens. El modelo ha leído suficiente aritmética como para haber absorbido patrones sólidos de cómo parece una respuesta —la magnitud correcta, el vecindario correcto, el número de dígitos correcto—, así que su salida cae cerca del valor real con la confianza de uno calculado. Lo que no tiene, cuando responde directamente desde el lenguaje, es una unidad aritmética que arrastre decimales exactos a través de un exponente.

Para la mayoría de los números cotidianos la aproximación es lo bastante cercana como para pasar. Una escala exponencial es precisamente el tipo de tarea donde “lo cercano” sale a la superficie: la acumulación castiga cada pequeño error, y el paso de redondeo final convierte una deriva de 0,4px en un entero visiblemente distinto.

Una advertencia honesta: muchos asistentes pueden invocar una herramienta de código, y cuando el modelo realmente ejecuta el cálculo, los números vuelven correctos. La clase de fallo pertenece a las respuestas producidas directamente desde el lenguaje, y nada en la formulación de una respuesta te dice cuál de las dos obtuviste.

¿Cómo se ve la deriva en números reales?

Toma la configuración más común que se ve por ahí: base 16, ratio 1,333 (una cuarta justa). El procedimiento correcto calcula cada valor exacto y luego lo redondea:

Ahora el modo de fallo acumulativo: multiplicar hacia adelante sobre valores ya redondeados, que es lo que un modelo que aproxima (y, para ser justos, muchas personas cuidadosas con una calculadora) tiende a hacer:

16 × 1.333 = 21.328 → 21
21 × 1.333 = 27.99  → 28
28 × 1.333 = 37.32  → 37   (escala real: 38)
37 × 1.333 = 49.32  → 49   (escala real: 51)

En el paso 3 la secuencia dice 37 donde la escala dice 38; en el paso 4 dice 49 donde la escala dice 51. Cada valor es un tamaño de encabezado creíble —nada en “49px” parece incorrecto—, pero el sistema al que pertenece ya no sigue su propio ratio declarado.

Los medios pasos exponen la aproximación aún más rápido. El valor exacto de 16 × 1,333^1,5 es 24,62, que redondea a 25. Un modelo que aproxima 1,333^1,5 como aproximadamente 1,5 responde 24 —un píxel de desvío—, en exactamente el tipo de tamaño (un párrafo de entrada entre el cuerpo y el encabezado) para el que los equipos recurren a un medio paso.

Abre la escala de cuarta justa calculada en Scale Composer — la misma base y el mismo ratio que la tabla, cada paso calculado a partir del valor exponencial exacto y redondeado una sola vez, al final.

¿Por qué es tan fácil pasar por alto la disciplina de redondeo?

Porque el procedimiento incorrecto se siente riguroso. Multiplicar cada tamaño redondeado por el ratio es aplicar la fórmula, solo que a la entrada equivocada. La disciplina correcta es calcular base × ratio^n con precisión completa y redondear ese valor exacto (en código, Math.round aplicado al resultado sin redondear), sin propagar nunca un número redondeado hacia la siguiente multiplicación. Scale Composer calcula cada paso de esta forma, y por eso sus escalas siguen siendo regenerables: las mismas entradas producen las mismas salidas, para siempre.

Esa regenerabilidad es lo que está en juego en la práctica. Una escala que se publicó como 16/21/28/37/49 no puede reproducirse con ningún cálculo correcto: la próxima vez que alguien la recalcule con honestidad, obtiene 38 y 51, y el diff parece una decisión de diseño cuando en realidad es una corrección aritmética.

¿Dónde ayuda de verdad la IA con la tipografía?

En todo lugar donde la tarea es juicio expresado en lenguaje. Recomendar un ratio para un tipo de contenido —donde su consejo tiende a alinearse con nuestra guía para elegir el ratio de una escala tipográfica—, explicar el equilibrio entre jerarquías sutiles y dramáticas, nombrar los niveles, emparejar pesos, redactar la documentación. Esas son tareas de muestreo sobre un gran corpus de escritura tipográfica, y el modelo las hace bien. La división del trabajo es estrecha y limpia: deja que el modelo te lleve hablando hasta una base y un ratio, y luego deja que algo determinista eleve la potencia.

Siente la disciplina con un ratio más suave

La sutileza es más fácil de sentir que de memorizar: abre la misma base de 16px con una tercera menor —ratio 1,2 — y observa los pasos redondeados. Cuanto más suave es el ratio, más cerca se sitúan los tamaños vecinos, y más importa a la jerarquía un solo píxel mal redondeado. Compara los pasos con lo que obtendrías multiplicando hacia adelante valores redondeados: en una escala apretada, la disciplina no es pedantería; es la diferencia entre que niveles adyacentes se lean como intencionales o accidentales.