Los detectores de escritura generada por inteligencia artificial están entrando en decisiones académicas y laborales, pero una puntuación positiva no equivale a prueba de autoría automática. Un reportaje de NPR publicado el 31 de octubre documenta casos de escritores que aseguran haber sido señalados injustamente y muestra la distancia entre el rendimiento de estos sistemas en pruebas controladas y su uso sobre textos reales.[1]

El caso central es el de una escritora profesional cuyo texto de muestra fue analizado por un cliente con un detector. La clienta confirmó a NPR que había revisado el trabajo con una herramienta de detección, aunque sostuvo que el resultado no determinó la decisión de contratar a otra persona y citó como razones la experiencia y el ajuste al proyecto. La escritora recibió pago por la muestra, pero cree que la puntuación influyó en la pérdida del encargo.[1]

El problema no consiste únicamente en que una herramienta pueda equivocarse. También está en la forma en que una institución, un editor o un empleador interpreta su resultado. Estos sistemas estiman patrones asociados con texto producido por modelos; no observan el proceso de redacción ni pueden determinar por sí solos quién escribió un documento. Una señal estadística puede justificar una revisión adicional, pero no demuestra fraude.

NPR contrastó esas experiencias con un estudio revisado por pares publicado en el *International Journal for Educational Integrity*. La investigación comparó cuatro detectores sobre 40 trabajos académicos y varias versiones de cada texto: originales humanos, versiones generadas con IA, documentos híbridos y textos generados por IA que luego fueron reescritos por personas. Pangram fue el sistema con mejor desempeño: identificó uso de IA en 37 de los 40 textos híbridos y en 37 de los 40 reescritos por humanos.[1][2]

Ese resultado es sólido dentro del experimento, pero no elimina los límites. Los autores informaron que las cuatro herramientas clasificaron correctamente los textos completamente humanos de su conjunto controlado. A la vez, su análisis de 1,163 tesis de maestría reales no contaba con una verdad de referencia que permitiera saber qué documentos habían usado IA. Pangram marcó algún nivel de contenido asociado con IA en 45.5% de esas tesis, normalmente en proporciones bajas o moderadas; esa cifra describe lo que señaló el detector, no una tasa comprobada de uso indebido.[2]

El propio director ejecutivo de Pangram, Max Spero, reconoció a NPR que el detector puede cometer errores, especialmente cuando recibe muestras breves. El reportaje también recoge una limitación distinta: textos ya publicados pueden parecer más predecibles para un modelo si formaron parte de sus datos de entrenamiento. La investigadora y escritora Janelle Shane relató que otro detector asignó una probabilidad de 98.7% de generación automática a un fragmento de su libro de 2019, escrito antes de la actual ola de chatbots.[1]

Los testimonios reunidos por NPR apuntan además a un efecto secundario: autores que evitan recursos normales de estilo —como ciertas transiciones, estructuras paralelas o puntuación— por temor a activar un clasificador. Eso puede empobrecer la escritura sin resolver el problema de fondo. Tampoco existe consenso entre herramientas: un mismo pasaje puede recibir evaluaciones contradictorias.

La evidencia disponible no implica que todos los detectores sean inútiles. El estudio muestra mejoras medibles y diferencias importantes entre productos. Sí indica que el resultado depende del tipo de texto, la longitud de la muestra, el modelo generador y el método usado para humanizar una respuesta. Un porcentaje aislado, sin acceso a borradores, historial de edición, fuentes o conversación con el autor, ofrece una base incompleta para sancionar.

La lectura más prudente es operativa: tratar el detector como una señal de triage y no como veredicto. En entornos de alto impacto, una revisión debería incluir evidencia independiente, posibilidad de respuesta y documentación del proceso. La precisión en un banco de pruebas importa; el estándar para acusar a una persona debe ser más alto.

Fuentes

[1] Leer Más — Your writing was flagged as AI. What does that actually mean? — NPR
[2] Leer Más — Who wrote this? Evaluating the reliability of AI detection tools in higher education — International Journal for Educational Integrity