¿Funcionan los detectores de IA para saber si un texto fue escrito con IA?

¿Son confiables los detectores de texto de IA?

Son confiables como indicio y poco confiables como veredicto. En un texto largo, generado de una vez y sin retoques, un detector suele reconocer el patrón. Fuera de ese caso ideal, los errores aumentan.

Hay dos tipos de error y ambos importan. El falso positivo atribuye a una IA un texto escrito por una persona. El falso negativo da por humano un texto generado. Ningún detector elimina los dos a la vez: si se ajusta para atrapar más textos de IA, también marca a más personas inocentes.

¿Cómo funciona un detector de texto de IA?

Un detector no sabe quién escribió el texto. Mide rasgos estadísticos del texto y los compara con lo que espera de una persona o de una máquina. Hay dos enfoques comunes, que a veces se combinan.

• Previsibilidad y uniformidad. Los modelos de lenguaje tienden a elegir palabras probables, así que su texto resulta más previsible. Esa medida se suele llamar perplejidad. También se observa cuánto varían las frases en largo y estructura, lo que a veces se llama ráfaga o burstiness: las personas suelen mezclar frases cortas y largas; el texto generado tiende a ser más parejo.
• Clasificador entrenado. Un modelo aprende a partir de muchos ejemplos de textos humanos y generados, y luego decide a cuál grupo se parece más un texto nuevo.

En ambos casos el resultado es una semejanza estadística. Un texto previsible y ordenado se parece a uno de IA, lo haya escrito quien lo haya escrito.

¿Por qué fallan los detectores de IA?

Fallan porque muchas personas escriben de forma previsible y porque un texto generado deja de parecerlo apenas alguien lo modifica. Los casos más frecuentes:

• Textos cortos. Un párrafo o una respuesta breve no tiene suficiente material para medir nada con seguridad.
• Texto de IA editado o parafraseado. Cambiar palabras, reordenar frases o pasar el texto por otra herramienta borra buena parte de la señal.
• Escritura formal o con fórmulas. Informes, textos legales, resúmenes académicos y cartas tipo siguen estructuras fijas y vocabulario esperable, igual que un texto generado.
• Personas que escriben en un segundo idioma. Suelen usar un vocabulario más acotado y frases más simples, y existe una preocupación documentada de que sus textos se marcan como IA con más frecuencia.
• Textos traducidos. La traducción automática deja un estilo uniforme que puede confundirse con texto generado, aunque el original sea humano.
• Uso mixto. Una persona que escribe y luego pide corregir la redacción, o que parte de un esquema generado y lo desarrolla, produce un texto que no cabe en ninguna de las dos categorías.

¿Sirve el resultado de un detector como prueba?

No. Un resultado dice que el texto se parece estadísticamente a uno generado; no dice quién lo escribió ni cómo. No se puede reproducir como una pericia, cambia de un detector a otro y a veces cambia en la misma herramienta con una edición mínima del texto.

Por eso nadie debería ser acusado ni sancionado solo por un detector. El riesgo es mayor para estudiantes y trabajadores, que tienen poco margen para defenderse frente a un número que parece objetivo. Una acusación de plagio o fraude necesita más que una semejanza: necesita evidencia sobre cómo se hizo el trabajo.

Si tu institución o empresa usa detectores, la regla sana es que un resultado solo sirve para abrir una conversación. La decisión se toma con otros antecedentes.

¿Qué pueden hacer profesores y editores en vez de depender de un detector?

Evaluar el proceso además del resultado. Quien escribió un texto puede mostrar cómo llegó a él y hablar de su contenido; eso es mucho más difícil de simular que el texto final.

• Pide borradores e historial de versiones. Los procesadores de texto en línea guardan cómo fue creciendo el documento.
• Conversa sobre el trabajo. Unas pocas preguntas orales sobre las ideas, las fuentes y las decisiones muestran rápido si la persona domina lo que entregó.
• Evalúa etapas. Esquema, primera versión y versión final, con retroalimentación entre medio.
• Compara con textos anteriores de la misma persona, sabiendo que el estilo cambia y que esto es solo un indicio.
• Fija reglas claras de antemano. Qué uso de IA se permite, cuál no y cómo se declara. Muchas disputas nacen de reglas ambiguas.

¿Cómo leer con criterio el resultado de un detector?

Desconfía de los porcentajes. Un número como un supuesto porcentaje de IA aparenta una precisión que el método no tiene, y no significa que esa fracción del texto haya sido generada.

Una lectura responsable incluye tres cosas: una estimación en niveles amplios, qué tan segura es esa estimación y cuáles son sus límites. Así funciona nuestro detector de IA en texto: entrega una estimación automática hecha por un modelo de IA general, en tres niveles (probablemente escrito por una persona, no concluyente o probablemente escrito con IA), con un nivel de confianza y los límites declarados. Es una orientación, no una prueba, y puede equivocarse igual que cualquier otro detector.

Si el resultado es no concluyente, tómalo literalmente: no hay base para afirmar nada. Lo mismo vale para las imágenes, como se explica en cómo saber si una imagen fue hecha con IA.

¿Qué hacer si te acusan injustamente de usar IA?

Responde con evidencia de tu proceso, no con otro detector. Reúne lo que muestre cómo escribiste el texto:

1. Guarda y presenta el historial de versiones del documento.
2. Junta borradores, apuntes, esquemas y fotos de notas a mano.
3. Lista las fuentes que consultaste y, si puedes, cuándo.
4. Ofrece explicar el trabajo en persona y responder preguntas sobre él.
5. Pide por escrito en qué se basa la acusación y qué herramienta se usó.
6. Revisa el reglamento de tu institución o empresa sobre uso de IA y procedimiento de reclamo.

Como hábito, escribe en herramientas que guarden versiones y no borres tus borradores hasta que el trabajo esté evaluado.

¿Qué errores se cometen al usar detectores de IA?

• Tratar el resultado como un veredicto. Es un indicio estadístico.
• Analizar textos muy cortos. No hay material suficiente.
• Leer un porcentaje como una medida exacta. No lo es.
• Probar varios detectores hasta que uno confirme la sospecha. Eso solo elige el resultado que se quería.
• Ignorar quién escribe. Idioma, formación y género del texto cambian el riesgo de falso positivo.
• Sancionar sin escuchar a la persona. La conversación es parte de la verificación.