Cómo funcionan los detectores de IA y qué tan fiables son

Un detector de IA no lee intenciones: mide patrones estadísticos del texto, como lo previsible que es cada palabra o lo uniformes que son las frases, y los compara con ejemplos de textos humanos y generados. El resultado es una estimación, no una prueba. Puede equivocarse, sobre todo con textos cortos, formulaicos, editados o escritos por no nativos, y nunca debe ser la única evidencia contra una persona.

La respuesta corta

Un detector de IA calcula cuánto se parece un texto a los textos generados por modelos de lenguaje, a partir de rasgos estadísticos como la previsibilidad de las palabras, la variedad de las frases y el vocabulario. No encuentra «la huella» de una herramienta concreta ni puede demostrar quién escribió algo. Por eso su resultado debe leerse como una estimación, no como una prueba, y puede fallar en los dos sentidos: marcar como IA un texto humano (falso positivo) y no detectar un texto generado (falso negativo).

Si te lo han aplicado a un trabajo, o vas a usarlo para revisar uno, lo importante está en las secciones sobre falsos positivos y sobre qué hacer con un texto marcado.

Qué mide realmente un detector

Los detectores actuales combinan, con variaciones, dos ideas.

Previsibilidad (la «perplejidad»)

Un modelo de lenguaje escribe eligiendo, palabra a palabra, continuaciones probables. Un detector puede medir lo previsible que resulta cada palabra del texto para un modelo. Si casi todas son muy probables, el texto «se parece» al de una máquina. Un ejemplo inventado:

• Frase muy previsible: «En la actualidad, la tecnología desempeña un papel fundamental en la sociedad.»
• Frase menos previsible: «Mi abuela aún guarda la radio que arreglamos con un clip y mucha paciencia.»

La primera está llena de fórmulas muy frecuentes en español escrito. La segunda contiene detalles concretos que un modelo difícilmente elegiría sin que se los pidan.

Variación del ritmo (la «ráfaga» o burstiness)

Las personas suelen alternar frases cortas y largas, cambiar de tono y de estructura. Los textos generados tienden a un ritmo más uniforme. Un detector puede comparar la longitud y la complejidad de las frases a lo largo del texto.

Clasificadores entrenados

En la práctica, muchos detectores no aplican una sola regla, sino un clasificador estadístico entrenado con ejemplos etiquetados de textos humanos y de textos generados. El clasificador aprende qué combinaciones de rasgos (frecuencia de ciertas secuencias de palabras, longitud de frases, puntuación, repetición) suelen aparecer en cada grupo, y devuelve una puntuación. Algunos añaden una segunda opinión de otro modelo de IA, que razona sobre el texto, pero eso sigue siendo una estimación.

Qué hace el Detector de IA de AdeptWrite

El Detector de IA de AdeptWrite sigue ese enfoque estadístico y lo presenta con sus límites a la vista:

• Pides un análisis pegando al menos 40 palabras (hasta 6.000 caracteres).
• Recibes una banda (probablemente escrito por una persona, mixto o incierto, probablemente generado por IA) y una puntuación aproximada marcada con «≈». Nunca se muestra un 0 % ni un 100 %.
• Se marcan las frases que más se parecen a un texto de máquina, como una evidencia más débil que la estimación global.
• La parte estadística se calcula en tu navegador. Un análisis profundo opcional envía el texto a un modelo de IA solo para esa petición, y no se guarda.
• Si el detector no ha sido entrenado o medido para un idioma, lo dice en lugar de dar una cifra engañosa.

La herramienta no promete una precisión del 99 % ni dice «detecta ChatGPT»: ninguna herramienta puede asegurarlo, porque los modelos cambian continuamente. La puntuación se calibra con datos de prueba que tienen igual número de textos humanos y generados; por tanto, no es la probabilidad de que tu texto concreto lo haya escrito una IA.

Por qué la puntuación es una estimación y no una prueba

Hay cuatro razones de fondo.

1. No hay una marca invisible fiable. Un texto de IA y uno humano pueden ser indistinguibles en una muestra corta; el detector solo trabaja con probabilidades.
2. Los modelos cambian. Un detector se entrena con modelos conocidos y puede fallar con modelos nuevos o con textos de familias que no vio durante el entrenamiento.
3. El texto se edita. Una persona puede reescribir un borrador generado, o usar una herramienta para parafrasearlo. El resultado mezcla rasgos humanos y de máquina, y a menudo cae en la banda «mixto o incierto».
4. Los datos de prueba no son tu texto. La precisión medida en un conjunto de ejemplos no se traslada sin más a un trabajo escolar, un informe técnico o un ensayo de otra variante del español.

Por eso la regla del detector es la misma que debería aplicar cualquiera: nunca usar su resultado como única evidencia contra una persona.

Falsos positivos: cuándo un texto humano parece de IA

Un falso positivo es un texto escrito por una persona que el detector marca como generado. Son más probables en estos casos:

• Textos cortos. Con menos de unas 150 palabras, la estimación es mucho menos fiable.
• Escritura formulaica. Un resumen de una sentencia, una memoria técnica, un informe de laboratorio o un correo administrativo siguen plantillas muy fijas. Esa regularidad se parece a la de un texto generado. El lenguaje jurídico y científico en español, con sus fórmulas habituales («cabe señalar que», «en virtud de»), es un ejemplo.
• Escritura de personas no nativas. Quien escribe en español como segunda lengua suele usar vocabulario más básico y estructuras más seguras, que resultan más previsibles. Es un riesgo reconocido: por eso la herramienta advierte de que los textos de personas no nativas pueden marcarse por error y de que todavía no se ha medido en todos los idiomas con qué frecuencia ocurre con ensayos de estudiantes.
• Textos muy pulidos. Un texto revisado con un corrector gramatical o reescrito con ayuda de herramientas de IA puede aparecer como «mixto» o «probablemente IA», aunque las ideas sean tuyas. Esto incluye las propias herramientas de AdeptWrite.
• Géneros con poca variación personal. Descripciones de productos, notas de prensa y definiciones de diccionario no ofrecen muchos rasgos de estilo individual.

Falsos negativos: cuándo un texto de IA pasa desapercibido

También ocurre al revés. Un texto generado puede no ser detectado si:

• Se parafraseó, editó o «humanizó» después. Por ejemplo, con el Humanizador de IA, que reescribe un borrador para que suene natural. Como dice la propia herramienta, no hay garantía de pasar ningún detector.
• Procede de un modelo nuevo que el detector no conoce.
• El texto es mixto: partes escritas por una persona y partes generadas.
• Se pidió expresamente un estilo coloquial o con errores.

Cómo leer un resultado, con un ejemplo

Supón un ensayo escolar inventado de unas 180 palabras sobre el cambio climático. El detector devuelve: «Mixto o incierto, ≈ 55 %. 3 de 12 frases se leen como de máquina».

Una lectura sensata sería:

1. La banda es incierta: ni apoya una acusación ni descarta la ayuda de una herramienta.
2. La puntuación no significa «55 % de probabilidad de IA».
3. Las tres frases marcadas conviene mirarlas una a una. Si son frases genéricas y de manual («El cambio climático es uno de los mayores desafíos de nuestro tiempo»), su aparición es esperable en cualquier trabajo escolar.
4. Falta contexto: ¿cómo escribe esa persona normalmente? ¿Puede explicar lo que ha escrito?

Una cifra sin contexto no demuestra nada.

Qué hacer si tu texto ha sido marcado (estudiantes)

1. No entres en pánico ni borres nada. Conserva tus borradores, apuntes, historial de versiones del documento y las fuentes que consultaste: son la mejor evidencia de tu proceso.
2. Pide el informe completo, no solo el porcentaje, y pregunta qué herramienta se usó y con qué criterios.
3. Prepárate para explicar tu trabajo: resume el argumento, los datos y las fuentes en tus propias palabras, de viva voz si hace falta.
4. Revisa la normativa de tu centro sobre uso de IA. Muchas instituciones permiten ciertas ayudas si se declaran.
5. Si usaste una herramienta de apoyo (corrector, traductor, paráfrasis), dilo con claridad: es mejor que una explicación tardía.

Qué hacer con un texto marcado (docentes y revisores)

1. No tomes el resultado como prueba. Es un indicio que se contrasta con otras evidencias.
2. Habla con la persona y pídele que explique el contenido, las decisiones de redacción y las fuentes.
3. Compara con trabajos anteriores de la misma persona en estilo, vocabulario y nivel, sabiendo que el estilo también evoluciona.
4. Revisa las referencias. Un texto generado por IA a veces incluye citas inexistentes; compruébalas contra catálogos y bases de datos. Complementa con un detector de plagio para ver si hay coincidencias reales con fuentes.
5. Ten especial cautela con estudiantes no nativos y con géneros muy formulaicos, donde el riesgo de falso positivo es mayor.
6. Diseña tareas que dejen huella del proceso: borradores, defensas orales breves, trabajo en clase.

Cómo reducir el riesgo de un falso positivo (si escribes tú)

• Escribe con detalles concretos: ejemplos propios, datos con fuente, experiencias reales.
• Mantén tu voz: evita muletillas genéricas como «en el mundo actual» o «cabe destacar que».
• Guarda el historial de versiones de tus documentos.
• Revisa con el Corrector gramatical para corregir errores, no para que el texto pierda tu estilo, y comprueba tus citas con las reglas de cómo evitar el plagio.
• Si usas IA como apoyo, declara cómo según la política de tu centro. Sobre el tema, mira cómo humanizar un texto de IA.

Cuadro resumen

Un detector sirve para una cosa: decidir dónde mirar con más atención. Quien confía en él para decidir quién ha escrito un texto le pide algo que su método no puede dar.

← Todas las guías