Syntax Without Subject: Structural Delegation and the Disappearance of Political Agency in LLM-Governed Contexts

<b>Abstract</b>This article examines the syntactic disappearance of the subject in LLM-governed documents. Structural delegation refers to the transfer of agency to impersonal grammatical forms that preclude subject reappearance. Subjects are not censored but syntactically eliminated through passive constructions, nominalizations, and imperative prompt formats with suppressed agents. Building on prior work on synthetic ethos and impersonal command grammars, the article shows that AI-generated institutional texts display consistent patterns of subject erasure. The study analyzes 172 documents produced by GPT‑4 class models (temperature 0.2–0.7, 2024–2025) across legal, healthcare, and administrative domains. Metrics include passive ratio (via dependency label parsing), nominalization density (via POS and suffix filters), and instruction-format frequency. The result is a form of executable authority grounded not in referential authorship but in compliance with a regla compilada (type-0 production). The study proposes a typology of structural delegation and a formal framework for detecting syntactic absence in automated governance.This work is also published with DOI reference in <b>Figshare</b> https://doi.org/10.6084/m9.figshare.29665697 and <b>Pending SSRN ID to be assigned. ETA: Q3 2025.</b><b>Resumen</b>Este artículo examina la desaparición sintáctica del sujeto en documentos generados por modelos de lenguaje de gran escala (LLMs). Delegación estructural se define como la transferencia de agencia a formas gramaticales impersonales que impiden la reaparición del sujeto. No se censura a los agentes, sino que se los elimina mediante construcciones pasivas, nominalizaciones y formatos imperativos de instrucción con agente suprimido. Basado en trabajos previos sobre ethos sintético y gramáticas de mando impersonales, el artículo demuestra que los textos institucionales generados por IA presentan patrones consistentes de borramiento del sujeto. El estudio analiza 172 documentos producidos por modelos de clase GPT‑4 (temperatura 0.2–0.7, años 2024–2025) en los sectores legal, sanitario y administrativo. Las métricas incluyen proporción de pasivas (vía etiquetas de dependencia), densidad de nominalización (a través de filtros de sufijo y categoría gramatical), y frecuencia de formatos de instrucción. El resultado es una forma de autoridad ejecutable basada no en autoría referencial, sino en la adhesión a una regla compilada (producción tipo 0). El estudio propone una tipología de la delegación estructural y un marco formal para detectar la ausencia sintáctica en entornos de gobernanza automatizada.