¿Qué tan preciso es el detector?
Publicamos cómo medimos el detector y dónde falla. Lee esto antes de confiar en un resultado.
Modelo
Ejecutamos en nuestros propios servidores el detector de texto de IA de código abierto desklib (DeBERTa-v3-large, licencia MIT). El texto se divide en ventanas; la puntuación del documento es el promedio ponderado por tokens y las puntuaciones de cada frase provienen de ventanas superpuestas.
Calibración con textos académicos reales
Los umbrales se fijaron con 583 textos académicos escritos por personas (resúmenes de arXiv, artículos de PubMed Central de autores no nativos y ensayos de estudiantes). «Probablemente IA» se fija de modo que alrededor del 1 % de esos textos humanos lo supere; «Incierto» abarca el intervalo entre el 1 % y el 5 %.
Falsas alarmas en textos humanos reservados
En una división en dos partes, la proporción de textos académicos humanos reservados etiquetados como «Probablemente IA» fue de 1 % y 0,7 %.
Resultados por grupo de textos
| Grupo | Textos | Etiquetados como «Probablemente IA» | Etiquetados como «Probablemente IA» o «Incierto» |
|---|---|---|---|
| Humano: resúmenes de arXiv | 200 | 0,5 % | 3,5 % |
| Humano: PubMed Central, autores no nativos | 183 | 1,1 % | 6 % |
| Humano: ensayos de estudiantes | 200 | 1 % | 5,5 % |
| Humano: Wikipedia (antes de 2022) | 155 | 2,6 % | 8,4 % |
| Humano: texto web general | 150 | 32,7 % | 36,7 % |
| IA: modelos de 2026, sin editar | 195 | 96,9 % | 99 % |
| IA: benchmark RAID, sin editar | 200 | 96,5 % | 99 % |
| IA: benchmark RAID, parafraseado | 200 | 84 % | 92 % |
| IA: reescrito con «humanizadores» | 200 | 59,5 % | 74,5 % |
acad583-2026-10-22
Limitaciones conocidas
- El texto de los modelos más recientes, sobre todo cuando se les pide escribir como una persona, a menudo no se detecta.
- Las herramientas de paráfrasis y «humanizadores» reducen la puntuación de forma considerable.
- Los textos cortos no son fiables; por debajo de 50 palabras no damos resultado.
- Un texto humano muy editado, formulaico o traducido puede ser marcado.
- Los umbrales están calibrados con escritura académica. En texto web general, el 32,7 % de las muestras escritas por personas se etiquetó como «Probablemente IA».
Un resultado es una estimación, no una prueba de mala conducta. Nunca lo uses como única base para una acusación.