Cómo saber si un texto es de IA y por qué fallan los detectores

No puedes saber con certeza si un texto lo ha escrito una IA solo con leerlo ni pasándolo por un detector. Los patrones de estilo y las puntuaciones de los detectores son señales de que un texto se parece a lo que produce una máquina, no una prueba de quién lo escribió. Un juicio justo combina esas señales con pruebas del proceso de escritura, como borradores, el historial de versiones y una conversación con el autor.

Rasgos de estilo que delatan un texto escrito por IA

Los grandes modelos de lenguaje generan texto eligiendo una y otra vez las palabras siguientes más probables. Después, el ajuste fino los empuja hacia respuestas educadas, equilibradas y completas. El resultado tiene un estilo de la casa reconocible, sobre todo cuando el usuario acepta la primera respuesta sin editarla.

Vocabulario y expresiones

• Palabras favoritas. Ciertas palabras aparecen mucho más en las respuestas de los chatbots que en la escritura corriente: en inglés, "delve", "tapestry", "testament to", "pivotal", "seamless", "robust", "landscape", "navigate the complexities".
• Frases de transición. "It's important to note that", "In today's digital age", "When it comes to", "In conclusion" y "Overall" usadas como transiciones automáticas.
• Equilibrio con matices. Cada afirmación se suaviza y cada argumento va seguido de un "sin embargo, también conviene tener en cuenta". El texto rara vez toma partido.
• Construcciones de tres en tres. Listas de tres adjetivos o tres oraciones paralelas, repetidas párrafo tras párrafo.

Estructura

• Ritmo uniforme. Frases y párrafos de longitud parecida; cada párrafo empieza con una frase temática y termina con un minirresumen.
• Títulos y viñetas por todas partes, incluso donde una prosa fluida sería más natural, como en una carta de motivación o un correo electrónico.
• Un final a modo de resumen que repite la introducción sin aportar nada nuevo.

Contenido

• Falta de datos concretos. No hay nombres, fechas, lugares, cifras ni experiencias personales que se puedan comprobar, o hay detalles que suenan verosímiles pero son vagos ("un estudio reciente descubrió").
• Errores dichos con seguridad. Referencias inventadas, fechas equivocadas o citas que no existen. Los tratamos en nuestra guía sobre las alucinaciones de la IA.
• Un desajuste con quien escribe. Prosa pulida y genérica de alguien cuyos otros trabajos son muy distintos en tono, hábitos ortográficos o nivel de detalle.

Ninguno de estos rasgos es concluyente. Mucha gente escribe de forma formal y usa viñetas; la escritura corporativa, jurídica y académica es formularia por definición. Además, un usuario cuidadoso puede pedirle al modelo que evite todos estos hábitos. Trata los rasgos de estilo como un motivo para mirar con más atención, no como una prueba.

Cómo funcionan los detectores de IA

Los detectores automáticos se dividen en tres grandes familias.

Detectores basados en clasificadores

Un clasificador es una red neuronal, a menudo un transformer ajustado como RoBERTa, entrenada con muchos ejemplos etiquetados de texto humano y de máquina. Aprende las diferencias estadísticas que separan los dos grupos en sus datos de entrenamiento y devuelve la probabilidad de que un texto nuevo pertenezca a la clase "IA". Son precisos con textos parecidos a sus datos de entrenamiento y más flojos con modelos nuevos, géneros poco habituales u otros idiomas.

Nuestro Detector de IA pertenece a esta familia. Usa un modelo abierto RoBERTa entrenado con el benchmark RAID, un gran conjunto de datos de investigación con texto humano y de máquina de muchos generadores y ámbitos, y consulta un segundo modelo entrenado con el conjunto de datos HC3 cuando la primera puntuación queda en el límite. Funciona en tu navegador, así que el texto no se sube a ningún sitio.

Detectores basados en la perplejidad (zero-shot)

Estos detectores no necesitan ejemplos de entrenamiento. En su lugar, le preguntan a un modelo de lenguaje lo predecible que es cada palabra del texto. La perplejidad mide esa sorpresa: una perplejidad baja significa que al modelo le resultó fácil predecir el texto. Como los chatbots eligen palabras probables, lo que escriben suele tener una perplejidad más baja que la escritura humana. Algunas herramientas miden también la variabilidad (burstiness), es decir, cuánto cambia la previsibilidad de una frase a otra, ya que la escritura humana tiende a mezclar frases sencillas y otras sorprendentes.

Los métodos de investigación afinan esta idea. DetectGPT compara la probabilidad de un texto con la de versiones ligeramente reescritas de él, y Binoculars compara lo sorprendente que resulta un texto para un modelo con lo sorprendente que otro modelo espera que sea. El punto débil de toda la familia es el mismo: la escritura humana sencilla y predecible también tiene una perplejidad baja.

Detección de marcas de agua

Un proveedor de modelos puede incrustar una marca de agua estadística sesgando sutilmente las palabras que elige el modelo, y detectar ese sesgo más tarde. Google ha publicado SynthID Text con este fin. Las marcas de agua solo funcionan con texto generado por un proveedor que participe, solo se pueden comprobar con el detector de ese proveedor y se debilitan cuando el texto se parafrasea o se traduce.

Por qué los detectores dan falsos positivos

Un falso positivo es un texto humano puntuado como IA. Es el error que más importa, porque puede acabar en una acusación contra alguien que no ha hecho nada malo. Las causas habituales son:

• Personas que no escriben en su lengua materna. Quien escribe en un segundo idioma suele usar un vocabulario más reducido y estructuras más seguras, lo que hace su texto más predecible. Un estudio de 2023 de Liang y sus colegas en Stanford, publicado en la revista Patterns, comprobó que varios detectores populares etiquetaban como generados por IA la mayoría de los ensayos escritos para el examen TOEFL por hablantes no nativos de inglés, mientras que puntuaban con mucha más precisión los ensayos de hablantes nativos.
• Textos formularios. Los informes de laboratorio, las cláusulas legales, las descripciones de productos, las cartas de presentación y las redacciones de cinco párrafos siguen plantillas. Un texto que sigue de cerca una plantilla parece predecible, lo haya escrito quien lo haya escrito.
• Textos cortos. Unas pocas frases dan al detector muy poca información, así que las puntuaciones varían muchísimo. Los resultados sobre un solo párrafo casi no significan nada.
• Correctores y herramientas de edición. Los asistentes de ortografía y estilo, algunos de los cuales ya usan modelos de lenguaje, pulen las rarezas humanas y pueden hacer subir la puntuación.

También hay falsos negativos. Las herramientas de paráfrasis, la edición manual, mezclar frases de IA y humanas o pedir al modelo que escriba con un estilo poco habitual hacen bajar la puntuación. OpenAI retiró en 2023 su propio clasificador de texto generado por IA alegando su baja tasa de acierto, lo que demuestra lo difícil que es el problema incluso para quien desarrolla los modelos.

Qué significa realmente la puntuación de un detector

Un resultado como "87% IA" suele ser la confianza del modelo en que el texto pertenece a la clase IA. No significa que el 87% del texto lo haya escrito una IA, ni es la probabilidad de que la persona haya hecho trampa. Algunas herramientas resaltan también frases sueltas, pero las puntuaciones por frase se basan en todavía menos texto y son menos fiables que la puntuación global.

Las tasas de base importan. Supón que un detector marca por error 1 de cada 100 textos genuinamente humanos. Un profesor que revisa 300 redacciones honestas en un trimestre debería esperar entonces unas tres falsas alarmas, cada una asociada a un alumno real. Cuanto menos frecuente sea el uso real de IA en un grupo, mayor será la proporción de textos marcados que son falsas alarmas.

Como referencia, en nuestra propia prueba a pequeña escala nuestro detector marcó 8 de 8 textos generados por IA, y 23 de 24 textos humanos genuinos puntuaron por debajo del 50%. Es una muestra pequeña, y significa que una persona honesta de ese grupo habría sido marcada. Todo detector tiene una tasa de error; la pregunta responsable es qué haces con una puntuación alta.

Un proceso justo para docentes, reclutadores y editores

1. Fija las normas de antemano. Deja claro qué usos de la IA se permiten: lluvia de ideas, revisión gramatical, traducción, redacción completa. Muchos conflictos nacen de expectativas poco claras, no de la falta de honradez.
2. Usa la puntuación solo como un motivo para seguir mirando. Nunca bases una sanción únicamente en el resultado de un detector y no presentes una puntuación a quien escribió como prueba.
3. Revisa el contenido. Comprueba las referencias, las citas y los datos concretos. Las fuentes inventadas son una prueba mucho más sólida que una puntuación de estilo.
4. Pregunta por el proceso. Los borradores, las notas, los esquemas y el historial de versiones del archivo (Google Docs y Microsoft 365 lo guardan) muestran cómo se desarrolló un documento. Un texto que aparece de golpe, en un solo pegado y sin historial, merece una pregunta; un documento escrito y revisado a lo largo de varios días es una prueba sólida de trabajo humano.
5. Compara con trabajos anteriores. Valora si el estilo, el vocabulario y el nivel de detalle encajan con lo que esa persona ha escrito antes, incluidos los trabajos hechos bajo supervisión.
6. Habla con la persona. Pídele que explique su argumento, por qué eligió una fuente o qué quiere decir un párrafo. Quien ha escrito un texto suele poder comentarlo sin dificultad.
7. Deja constancia de tu razonamiento. Anota en qué pruebas te has basado y da a la persona la oportunidad de responder antes de tomar cualquier decisión.

Si te dedicas a la selección de personal, recuerda que muchos candidatos usan la IA para pulir su CV, y muchas empresas lo aceptan. Nuestro Detector de IA para CV también indica la densidad de palabras de moda y lo concreto que es el contenido, algo que a menudo resulta más útil que la propia puntuación de IA: un CV genérico es flojo lo haya escrito quien lo haya escrito. La entrevista es donde se pone a prueba la experiencia que se declara.

Detección de IA frente a detección de plagio

La detección de IA y la detección de plagio responden a preguntas distintas. Una comprobación de plagio busca coincidencias con fuentes existentes; un detector de IA busca los patrones estadísticos del texto generado. El texto generado por IA suele tener una redacción nueva, así que rara vez coincide palabra por palabra con una fuente, mientras que un texto humano copiado a menudo supera sin problemas un detector de IA. Si sospechas que se ha copiado o parafraseado de cerca una fuente concreta, compara ambos textos directamente con nuestro detector de plagio, que encuentra coincidencias exactas de cinco palabras y frases parafraseadas entre tu texto y las fuentes que aportes.

Si marcan como IA un texto que has escrito tú

Que marquen como IA un trabajo que has escrito tú es estresante, pero es una limitación conocida de estas herramientas. Guarda tus borradores y trabaja en un editor con historial de versiones, para que exista ese registro si lo necesitas. Pregunta qué herramienta se ha usado y cómo se está interpretando el resultado, y ofrécete a explicar tu trabajo.

Preguntas frecuentes

¿Pueden los detectores de IA demostrar que alguien ha usado ChatGPT?

No. Los detectores estiman cuánto se parece un texto a ejemplos generados por una máquina. Tienen tasas de error medibles en ambos sentidos, así que una puntuación debería abrir una investigación, no cerrarla.

¿Qué fiabilidad tienen los detectores de IA?

La precisión depende de la longitud del texto, el género, el idioma, el modelo que generó el texto y si se ha editado. Los detectores funcionan mejor con textos largos y sin editar de modelos muy conocidos, y peor con textos cortos, formularios o muy editados y con textos de personas que no escriben en su lengua materna.

¿Por qué un detector marca como IA una redacción que he escrito yo?

Los motivos habituales son un texto corto, una estructura formularia, una redacción sencilla y predecible (frecuente al escribir en un segundo idioma) o un uso intensivo de correctores gramaticales. Tus borradores y el historial de versiones son la mejor forma de demostrar cómo lo escribiste.

¿Palabras como "delve" significan que un texto está generado por IA?

Por sí solas, no. Algunas palabras son estadísticamente más frecuentes en las respuestas de los chatbots, pero todas ellas las usan también las personas. Un conjunto de esas palabras junto con un contenido genérico y sin detalles concretos es una señal más fuerte que cualquier palabra aislada.

¿Se puede hacer que un texto de IA sea indetectable?

A menudo, sí. La paráfrasis, la edición manual y mezclar frases humanas y de IA reducen la puntuación de los detectores. Esta es una de las razones por las que una puntuación baja no demuestra que un texto lo haya escrito una persona.