Los detectores de IA se utilizan cada vez más para intentar determinar si un texto fue escrito por una persona o generado con inteligencia artificial. El problema es que una puntuación elevada no demuestra quién redactó realmente un contenido.
Estas herramientas pueden producir falsos positivos y falsos negativos. Además, el debate europeo sobre el marcado de contenido generado por IA ha añadido otra capa de confusión: la normativa habla de marcas técnicas y trazabilidad, no de introducir errores o patrones lingüísticos visibles en todos los textos.
Cómo funcionan los detectores de IA
Los detectores analizan rasgos estadísticos del lenguaje. Observan, entre otros elementos, la previsibilidad de las palabras, la longitud de las frases, la variedad del vocabulario y la regularidad de la estructura.
Los modelos generativos producen texto mediante predicciones: calculan qué palabra o grupo de palabras puede aparecer después de una secuencia determinada. Por eso, algunos textos creados con IA tienden a presentar transiciones ordenadas, un vocabulario homogéneo y una estructura muy regular.
La predicción estadística no equivale a una prueba de autoría
Que un texto sea regular o previsible no demuestra que lo haya escrito una máquina. Un informe técnico, un artículo académico, un documento jurídico o la obra de un escritor con una prosa muy cuidada pueden compartir esos rasgos.
El resultado de un detector expresa una estimación basada en patrones. No reconstruye el proceso de escritura ni puede saber, por sí solo, quién tomó las decisiones de contenido.
Falsos positivos y falsos negativos de IA
Un falso positivo aparece cuando un texto humano es clasificado como generado por IA. Un falso negativo ocurre cuando un texto producido con una herramienta obtiene un resultado compatible con una redacción humana.
Ambos errores importan. Un falso positivo puede llevar a cuestionar el trabajo de un estudiante, rechazar un artículo o poner en duda la autoría de un escritor. El riesgo no es idéntico en todos los idiomas, géneros textuales y perfiles de autor, por lo que una puntuación automática debe interpretarse con cautela.
Una investigación reciente encontró una variabilidad considerable entre herramientas de detección y concluyó que no deben utilizarse como única evidencia en decisiones de alto impacto.
Otro estudio señaló problemas de precisión y sesgo en textos académicos escritos por personas que utilizan una segunda lengua.
También es posible obtener un falso negativo después de editar un texto generado por IA. La traducción, la paráfrasis, la reescritura manual o la introducción de errores cambian las señales que el detector intenta medir.
¿Europa obliga a introducir patrones en los textos?
Al hablar de la regulación europea circula una afirmación imprecisa: que la IA debe introducir determinados patrones lingüísticos en los textos para identificarlos en Europa. El artículo 50 del Reglamento europeo de Inteligencia Artificial, conocido como AI Act, no establece esa obligación en esos términos.
La norma exige que los proveedores de determinados sistemas generativos incorporen mecanismos que permitan marcar y detectar contenidos generados o manipulados por IA en un formato legible por máquinas. Entre las técnicas contempladas aparecen las marcas de agua, los metadatos, los métodos criptográficos de procedencia, los registros y las huellas digitales.
Esto no equivale a insertar palabras extrañas, errores gramaticales o una estructura estilística reconocible dentro de cada redacción. Un detector lingüístico y una marca de procedencia son mecanismos distintos.
Qué establece el artículo 50 del AI Act
Las obligaciones de transparencia del artículo 50 comenzaron a aplicarse el 2 de agosto de 2026. Existe un período transitorio hasta el 2 de diciembre de 2026 para determinados sistemas que ya estaban en el mercado antes de esa fecha, en lo relativo al marcado y la detección previstos en el artículo 50.2.
El reparto de responsabilidades también importa. El marcado legible por máquinas de las salidas generadas corresponde principalmente a los proveedores de los sistemas. En cambio, la divulgación de determinados contenidos generados o manipulados corresponde a quienes los despliegan o publican.
En el caso del texto, el artículo 50.4 se refiere a contenidos generados o manipulados por IA que se publiquen para informar al público sobre asuntos de interés público. La obligación tiene una excepción cuando el contenido ha pasado por revisión humana o control editorial y existe una persona o entidad responsable de la publicación.
La Comisión Europea explica estas obligaciones en sus preguntas frecuentes sobre el artículo 50 y en sus directrices de transparencia.
Marcas legibles por máquinas, metadatos y procedencia
La marca técnica pretende aportar información sobre el origen del contenido. Puede adoptar la forma de un metadato, una firma criptográfica, una huella digital u otra solución compatible con el tipo de archivo y el sistema utilizado.
Estas técnicas tienen límites prácticos. Al copiar y pegar un texto, convertir un archivo, eliminar sus metadatos o editar el contenido, la señal de procedencia puede perderse o dejar de ser verificable. La propia normativa tiene en cuenta las limitaciones técnicas y el estado de la tecnología disponible.
Por esa razón, la existencia de un mecanismo de marcado no convierte todos los detectores comerciales en herramientas forenses. La procedencia técnica y el análisis estadístico responden a preguntas diferentes.
El problema de empobrecer la escritura
Los falsos positivos pueden influir en la forma de escribir. Si un autor teme que un texto demasiado pulido sea clasificado como artificial, podría reducir su vocabulario, evitar las frases complejas o introducir errores deliberados.
Eso desplaza la atención desde la calidad de las ideas hacia la apariencia estadística de la redacción. En lugar de trabajar en la precisión, el ritmo o la profundidad del texto, el autor intenta calcular cómo será interpretado por un algoritmo.
Es una mala consecuencia de una herramienta que debería ayudar a evaluar contenidos. Un escritor no debería tener que empeorar su prosa para demostrar que es humano.
Cómo evaluar un texto sospechoso de haber sido generado por IA
Un resultado automático puede servir como señal para iniciar una revisión, pero no debería cerrar una investigación. La evaluación puede combinar el historial de versiones, los borradores, las notas, las fuentes consultadas y la capacidad del autor para explicar sus decisiones.
En un entorno académico o profesional también conviene distinguir entre usos muy diferentes de la IA. Corregir una errata, traducir un párrafo, ordenar ideas y generar un texto completo no son actividades equivalentes.
La pregunta no debería limitarse a qué porcentaje muestra un detector. También hay que considerar qué trabajo realizó la persona, qué decisiones tomó y qué responsabilidad asumió sobre el contenido.
Conclusión
Los detectores de IA pueden ayudar a identificar señales, pero no determinan con certeza quién escribió un texto. Un escritor con una prosa muy cuidada puede ser señalado por error, mientras que un contenido generado con IA puede modificarse hasta obtener una clasificación distinta.
El AI Act añade mecanismos de marcado y trazabilidad para determinados usos, pero no obliga a introducir patrones lingüísticos visibles en todas las redacciones. La diferencia entre una estimación estadística y una prueba de procedencia debe mantenerse clara.
En Iberostudio analizamos contenidos digitales desde una perspectiva editorial y SEO. Si necesitas revisar o mejorar un texto para publicarlo con más claridad, puedes ponerte en contacto con nuestro equipo.
Preguntas frecuentes
¿Los detectores de IA son fiables?
Pueden ofrecer indicios, pero no son completamente fiables. Producen falsos positivos y falsos negativos, especialmente cuando el texto ha sido editado, traducido o mezclado con contenido humano.
¿Europa obliga a poner errores o patrones en los textos generados por IA?
No. El AI Act exige mecanismos de marcado y detección en determinados sistemas y contextos, pero no establece que los modelos deban introducir errores o patrones lingüísticos específicos.
¿Un porcentaje alto demuestra que un texto fue escrito con IA?
No. Una puntuación alta indica que el texto comparte ciertos rasgos con contenidos generados por IA, pero no demuestra por sí sola su autoría.
¿Qué diferencia hay entre un detector y una marca de procedencia?
El detector calcula una estimación a partir del texto. La marca de procedencia es una señal técnica, como un metadato, una firma criptográfica o una huella digital, que puede aportar información sobre el origen del contenido.
¿Conviene empeorar un texto para evitar un falso positivo?
No. Introducir errores o empobrecer deliberadamente el vocabulario perjudica la calidad y tampoco garantiza que el detector clasifique correctamente el texto.
