Algunos servicios intentan clasificar textos generados por ChatGPT, Gemini o Claude. Pueden equivocarse, y su resultado no demuestra por sí solo la autoría. No hay una regla que garantice cómo clasificarán un documento editado.
Con la difusión de los asistentes de escritura, la pregunta ha saltado de los laboratorios de investigación a los pasillos de universidades y redacciones: ¿cómo se detecta si alguien simplemente copió y pegó un texto generado por IA? La respuesta es más matizada de lo que parece.
Cómo funcionan realmente los detectores
Los detectores modernos de IA no analizan "vibraciones" ni intentan leer la intención del autor. Funcionan de forma mucho más técnica. La mayoría usa aprendizaje automático entrenado en millones de ejemplos de texto humano y texto generado por modelos específicos.
Estos sistemas buscan patrones estadísticos característicos de la IA: secuencias de palabras que los modelos de lenguaje favorecen, niveles de entropía (previsibilidad) específicos, o distribuciones de probabilidades que difieren del texto escrito por personas. Es decir, intentan captar eso que hace que el texto "suene" como IA, aunque no siempre lo explicitamos.
Los patrones y el rendimiento dependen del sistema, del idioma, la longitud y el tipo de documento. Consulta los requisitos del proveedor; no extrapoles el resultado de un ejemplo a todos los textos.
Detectar ChatGPT: la tarea más común
ChatGPT es el modelo más popular, así que también es el más estudiado. Hay detectores especializados que buscan patrones típicos de GPT-3.5 y GPT-4. Lo interesante es que estos modelos tienen características lingüísticas bastante reconocibles.
Por ejemplo, GPT tiende a ser más formal y estructurado. Suele usar un registro consistente, transiciones suaves y vocabulario variado. Esto que suena positivo para un lector humano es justamente lo que hace que se detecte: la falta de las pequeñas inconsistencias, los lapsos y los cambios de tono que caracterizan la escritura natural.
Hay herramientas específicas como Originality AI o Copyleaks que afirman tener tasas de precisión altas para detectar ChatGPT. Pero aquí viene el matiz importante: esas tasas se calculan en condiciones controladas. En la práctica real, con textos reales, una tasa publicada necesita una descripción del corpus y de las condiciones para poder interpretarse.
Gemini, Claude y otros modelos
Google Gemini y Anthropic Claude generan texto con características ligeramente diferentes. Claude, por ejemplo, tiende a ser más conversacional e inclusivo con su audiencia. Gemini tiene su propio patrón de distribución de palabras y estructuras sintácticas.
Algunos detectores funcionan generalmente bien contra todos los modelos, mientras que otros están entrenados específicamente en uno o dos. Esto significa que un detector de IA ChatGPT podría fallar detectando texto de Claude, o viceversa. El panorama es fragmentado.
Además, con la evolución constante de estos modelos —nuevas versiones cada pocos meses— los detectores quedan obsoletos rápidamente. Un detector entrenado hace seis meses puede estar ya desactualizado frente a las versiones más recientes.
Por qué los detectores fallan (y no es por culpa tuya)
La razón fundamental es que no existe una frontera clara entre el texto humano y el generado por IA. Hay humanos que escriben de forma muy estructurada y uniforme. Hay IA que, después de varias iteraciones de ajuste, puede sonar muy natural. Las distribuciones estadísticas se solapan.
Los falsos positivos —marcar como IA un texto completamente humano— son más comunes de lo que te gustaría. Un académico escribiendo un artículo técnico, un redactor muy disciplinado, o simplemente alguien escribiendo con cuidado puede activar las alarmas sin justificación.
Los falsos negativos también existen: un servicio puede dejar sin señalar texto generado. Eso no demuestra que la edición vaya a producir siempre ese resultado ni que un texto señalado sea necesariamente automático.
Editar texto de ChatGPT para mejorar su calidad
Humanizar texto de ChatGPT consiste en revisar hechos, eliminar relleno y adaptar el registro al lector. Añade ejemplos propios solo si son reales. La edición puede mejorar la lectura, pero no garantiza una clasificación determinada ni sustituye la declaración de uso de IA cuando corresponda.
El contexto importa
Una evaluación necesita documentos representativos de su uso: idioma, longitud, género y procedencia conocida. No hemos medido qué detector funciona mejor en universidades, redes sociales o blogs. Tampoco una infraestructura institucional demuestra por sí sola mayor precisión.
Preguntas frecuentes
¿Existe un detector de IA 100% fiable? No. Ningún detector actual tiene precisión del 100%. Todos tienen limitaciones y están sujetos a falsos positivos y falsos negativos. Los que afirman tener 100% de precisión están mintiendo.
¿Qué pasa si edito un texto de ChatGPT antes de publicarlo? Revisa si mejora la claridad y conserva los hechos. No podemos predecir el resultado de otro detector a partir de que hayas editado el texto.
¿Es ilegal usar ChatGPT para escribir, aunque lo edite después? Depende del contexto. En la educación, muchas instituciones lo prohíben. En empresa, no. En cualquier contexto, revisa los derechos sobre el material, las condiciones del servicio y las reglas de publicación aplicables.
¿Funcionan mejor los detectores con textos largos o cortos? Con textos largos. Cuantas más palabras tengas, más patrones estadísticos se pueden analizar. Un párrafo de dos frases es muy difícil de clasificar de forma fiable.
¿Detectan todos los detectores igual? No. Cada detector tiene diferentes niveles de precisión según el modelo de IA, el tipo de contenido y la longitud del texto. Algunos funcionan mejor con ChatGPT, otros con Claude o Gemini.
Si necesitas entender mejor cómo funcionan estas herramientas antes de confiar en ellas, te recomiendo leer sobre cómo funcionan los detectores. Y si lo que te importa es que tu contenido sea publicable sin preocupaciones, la mejor inversión es en edición y humanización.
Prueba nuestro detector de IA para analizar tus textos y ver qué marcas típicas de IA arrastran. No es una bola de cristal ni predice lo que dirá otro detector: es un inventario de lo que conviene reescribir.