Los detectores de IA no funcionan: qué dicen los datos

La pregunta que se hace medio mundo

Desde que existe ChatGPT, una pregunta se repite en institutos, universidades, redacciones y departamentos de recursos humanos: ¿se puede saber si un texto lo ha escrito una IA?

La respuesta corta es incómoda y va en contra de una industria entera: no de forma fiable. Los detectores existen, se venden mucho, y no son lo bastante buenos para tomar decisiones serias con ellos. Esta es la explicación completa, con los datos delante.

Qué aciertan realmente estas herramientas

Empecemos por lo que dicen los estudios independientes, no los folletos de venta.

La precisión de los detectores más conocidos oscila entre el 65% y el 90%, según la herramienta. Los fabricantes suelen prometer cifras más altas —del 85% al 98%—, pero esas cifras se refieren a un caso muy concreto: texto generado por IA y pegado sin tocar ni una coma.

En cuanto el texto se edita mínimamente, la fiabilidad se desploma. Un estudio de la Universidad de Maryland comprobó que bastaba con "pulir" ligeramente un texto para que las tasas de detección cayeran a una horquilla de entre el 10% y el 75%, según la herramienta. Otro estudio de 2026, de la Universidad Sultan Qaboos, midió una precisión global del 69% y del 61% en dos de las herramientas líderes.

Traducido: si alguien usa una IA y luego reescribe un par de frases, es bastante probable que pase el filtro. Y quien no ha usado ninguna IA puede acabar señalado.

El dato que debería preocuparte si escribes en inglés

Aquí está la parte que casi nadie cuenta en español, y que es la más importante para nosotros.

Los detectores penalizan sistemáticamente a quienes no son nativos en inglés. Una investigación sobre exámenes TOEFL encontró una tasa media de falsos positivos del 61,3% en redacciones de estudiantes chinos, frente al 5,1% en textos de estudiantes estadounidenses en las mismas condiciones.

Más de la mitad de los textos legítimos de estudiantes extranjeros marcados como "escritos por IA". Escritos por ellos mismos.

El motivo es técnico y perverso. Quien escribe en un idioma que no es el suyo tiende a usar estructuras más sencillas, vocabulario más común y frases más regulares. Y eso es exactamente lo que los detectores interpretan como "escrito por una máquina". Escribir en un inglés correcto pero poco sofisticado te convierte en sospechoso.

Si eres español y presentas trabajos, artículos o candidaturas en inglés, esto te afecta directamente. Conviene saberlo.

Cómo funcionan (y por qué están condenados a fallar)

Entender el mecanismo ayuda a entender el problema.

Los detectores miden básicamente dos cosas. La primera se llama perplejidad: cuán predecible es cada palabra siguiente. Los modelos de IA tienden a elegir la palabra más probable, así que su texto resulta muy predecible. La segunda es la "burstiness" o irregularidad: los humanos mezclamos frases largas y cortas de forma natural, mientras que la IA suele mantener un ritmo más uniforme.

El problema es que ninguna de esas dos señales es exclusiva de las máquinas. Un texto humano bien estructurado, escrito con lenguaje sencillo y ritmo constante —un manual, un informe técnico, la redacción de alguien que aprende el idioma— presenta exactamente el mismo patrón.

De hecho, cuando periodistas de Ars Technica pasaron la Constitución de Estados Unidos por varios detectores, estos la señalaron como escrita por IA. El documento es de 1787.

La carrera imposible del gato y el ratón

Hay un problema estructural que hace difícil que esto mejore.

Cada vez que sale un modelo de IA nuevo, escribe de forma un poco más humana, y los detectores —entrenados con los textos de los modelos anteriores— pierden puntería. Los investigadores lo describen como una carrera del gato y el ratón que el detector siempre corre por detrás.

Y hay trucos deliberados que los desarman con facilidad: desde reescribir con otra herramienta hasta sustituir ciertos caracteres por otros visualmente idénticos. Cualquiera decidido a engañar al sistema puede hacerlo. Los que caen en la red suelen ser los que no intentaban engañar a nadie.

Entonces, ¿qué funciona de verdad?

La parte útil. Si necesitas evaluar si un trabajo es auténtico, esto es lo que los expertos en integridad académica recomiendan, y ninguna de las cosas es un botón mágico:

Pide el proceso, no solo el resultado. El historial de borradores, las notas, las fuentes consultadas y las versiones intermedias son mucho más reveladores que cualquier puntuación. Un texto sin rastro de elaboración es más sospechoso que uno con "perplejidad baja".

Pregunta. Alguien que ha escrito su trabajo puede explicar por qué eligió un enfoque, qué descartó y qué le costó. Quien solo lo ha copiado, normalmente no.

Diseña tareas difíciles de delegar. Trabajos que exijan experiencia personal, datos locales, material de clase concreto o defensa oral son mucho más robustos que un ensayo genérico.

Si usas un detector, úsalo como señal, nunca como prueba. Puede servir para decidir a qué texto mirar con más atención. No para acusar a nadie. Ninguna persona debería ser sancionada por la puntuación de una herramienta que falla una de cada tres veces.

Y si te acusan a ti injustamente

Ocurre, y más de lo que parece. Algunas cosas que ayudan:

Guarda el historial de tus documentos —Google Docs y Word registran las versiones—. Conserva tus notas y borradores. Y si te señalan, pide ver la evidencia concreta y aporta tu proceso de trabajo. Los datos de falsos positivos que hemos citado son públicos y verificables: puedes usarlos para argumentar que una puntuación no es una prueba.

La lectura sin humo

Hay toda una industria vendiendo certeza sobre algo que, hoy por hoy, no se puede saber con certeza. Los detectores de IA se comercializan como si dieran un veredicto, cuando como mucho dan una probabilidad —y una probabilidad sesgada contra quienes escriben en un idioma que no es el suyo.

Eso no significa que el problema no exista. La gente usa IA para hacer trabajos que debería hacer por su cuenta, y eso es un problema real para la enseñanza y para el periodismo. Pero la solución no es una herramienta que acusa a inocentes mientras deja pasar a quien se molesta en editar dos frases.

La conclusión honesta es la más incómoda: no hay un botón que distinga lo humano de lo artificial, y probablemente no lo habrá. Lo que sí hay son formas antiguas y trabajosas de valorar un trabajo —conocer a la persona, ver cómo llegó al resultado, preguntarle—. Menos cómodas que subir un archivo a una web. Bastante más fiables.

---

Fuentes: International Journal for Educational Integrity (Springer) · Saha & Feizi, University of Maryland — "Almost AI, Almost Human" · Estudio de la Universidad Sultan Qaboos (2026) · University of San Diego — Legal Research Center · Ars Technica · MIT Technology Review

Última actualización: julio de 2026.