Pangram Labs Inc., un laboratorio de investigación de inteligencia artificial que desarrolla software de detección de IA, anunció hoy que recaudó $9 millones, liderado por Menlo Ventures, para mejorar la precisión de su detección de texto principal y expandirse a otros medios, comenzando con imágenes.
Haystack, ScOp Venture Capital, Script Capital y Cadenza también participaron en la ronda de inversión. La financiación eleva el total recaudado por la empresa a casi 13 millones de dólares después de recaudar 2,7 millones de dólares en junio de 2025.
Pangram es mejor conocido por su plataforma de detección de IA que, según la compañía, es capaz de generar 1 de cada 10.000 falsos positivos, líder en la industria.
“El contenido totalmente generado por IA está en todas partes ahora, y gran parte de él no se divulga”, dijo el cofundador y director ejecutivo Max Spero. “Pangram existe para hacer que la autoría sea legible para editores, profesores, periodistas y cualquiera que dependa de la comunicación veraz y auténtica de la información.”
La empresa utiliza lo que llama un “modelo clasificador”, un tipo de red neuronal que puede estimar si una parte del texto es generada por IA o escrita por humanos. Según la página de Pangram sobre cómo funciona el producto, dice que el sistema funciona intentando determinar cómo “suena” un pasaje como un LLM o un humano.
El entrenamiento del clasificador implicó extraer texto humano conocido extraído antes de 2021 y combinarlo con texto generado por IA para que el clasificador pudiera distinguir fácilmente los dos. La empresa reconoció que esto funciona bien ahora, pero el estilo y el uso del lenguaje varían con el tiempo, y el modelo de capacitación tendrá que adaptarse con ello.
La compañía también anunció Pangram 4, el detector de IA más poderoso de la compañía hasta la fecha, e introdujo la detección de imágenes Pangram en la vista previa de la investigación.
La compañía dijo en pruebas comparativas internas que Pangram 4 tiene una tasa de falsos positivos del 0,0041%, o alrededor de una vez por cada 24.000 documentos. La compañía agregó que el nuevo modelo también reduce en gran medida los falsos negativos, cuando no detecta la IA, y es robusto contra los humanizadores, que intentan hacer que el texto de la IA parezca escrito por humanos.
El modelo de imagen de la compañía para detectar imágenes generadas por IA puede capturar imágenes creadas por proveedores de imágenes, incluidos GPT Image de OpenAI Group PBC, Gemini Nano Banana de Google LLC, Midjourney Inc., FLUX y Grok Imagine, y algunos proveedores de videos de IA, incluido Kling AI Pte. Limitado. Ltd., Seedance, Veo y Wan de Google.
La compañía dijo que se necesita una nueva generación de detectores de imágenes de IA porque los deepfakes y las imágenes generadas por IA que se hacen pasar como verdad son cada vez más frecuentes. Aunque otras empresas han comenzado a incorporar marcas de agua invisibles y otros marcadores en su contenido, por ejemplo, SynthID de Google, estos solo funcionan en modelos fronterizos que las incorporan.
Aun cuando proliferan las imágenes de IA, los humanos son cada vez peor a la hora de detectarlas. Según un informe de Let's Enhance, un blog centrado en herramientas creativas de IA, las tasas generales de detección rondan el 63,7%, pero para los generadores de imágenes de alta capacidad como FLUX, las tasas caen a cerca del 29%. Las investigaciones demostraron que distinguir la IA de la natural se está reduciendo a cerca del 50% en promedio, esencialmente como lanzar una moneda al aire.
Los detectores de IA y la brecha de confiabilidad
La precisión de la detección de Pangram y las afirmaciones sobre la tasa de falsos positivos provienen de lo que parecen ser principalmente puntos de referencia internos, un documento técnico y una pequeña cantidad de estudios favorables de terceros. La empresa quiere diferenciarse de otros detectores de IA porque la precisión es importante.
Un punto clave a examinar en el caso de los detectores de IA es que, en general, no son confiables. MIT Sloan Teaching and Learning Technologies señaló que la tecnología está “lejos de ser infalible” y a menudo presenta altas tasas de error que pueden dar lugar a acusaciones falsas.La Fundación Mozilla descubrió que las herramientas de detección no son tan confiables como afirman y que los detectores de IA pueden estar sesgados en contra de hablantes no nativos de inglés.
La confiabilidad en sí misma depende en gran medida del contexto, siendo los falsos positivos la principal preocupación.
Si bien algunos proveedores de detección de IA más nuevos, incluido Pangram, afirman mejoras importantes, la literatura más amplia sobre el tema aún se basa en la base de que la detección de IA es una señal probabilística en lugar de confiable para la escritura real.
El resultado es que numerosas instalaciones educativas han descontinuado o prohibido el uso de detectores de IA o han brindado orientación a profesores y profesores sobre que deben usarse como un punto de datos y no como un veredicto. La Universidad de Waterloo dejó de utilizar Turnitin LLC, uno de los detectores líderes, en septiembre; La posición del MIT es que los detectores de IA simplemente no funcionan; en cambio, los educadores y el trabajo profesional deberían basarse en políticas y expectativas adaptativas.
Imagen: /Microsoft Designer
