¿Qué tan precisos son los detectores de IA? Falsos positivos y fallos
Respuesta breve
Los detectores de IA pueden cometer dos tipos de error: marcar como IA un texto humano (un falso positivo) y no detectar un texto de IA (un fallo). El umbral intercambia un error por el otro, así que una sola cifra de precisión dice poco. En nuestras pruebas publicadas, 96,9 % del texto de IA de 2026 sin editar recibió la etiqueta «Probablemente IA», frente a 1 % del texto académico humano, y los resultados empeoran con textos cortos, modelos nuevos y texto reescrito.
Puntos clave
- Hay que preguntar por dos errores: los falsos positivos en redacción humana y los fallos con texto de IA. Una sola cifra de precisión oculta ambos.
- Un umbral decide el equilibrio. Un umbral más estricto protege a quienes escriben con honestidad, pero deja pasar más texto de IA.
- Nuestro detector está calibrado para mantener bajas las falsas alarmas en texto académico humano: 1 % y 0,7 % en dos conjuntos reservados.
- La detección es más débil con textos cortos, texto reescrito o humanizado, los modelos más recientes y géneros ajenos a la redacción académica.
- Ningún detector es perfecto. Toma una puntuación como una estimación y busca otras pruebas antes de sacar conclusiones.
Dos tipos de error
Cuando alguien pregunta qué tan preciso es un detector, suele referirse a una sola cifra. Pero un detector puede fallar de dos maneras distintas, y cada una importa a personas distintas.
Un falso positivo etiqueta como IA un texto humano. Esto perjudica a los estudiantes, que pueden enfrentarse a una acusación por un trabajo hecho con honestidad. Un fallo etiqueta como humano un texto de IA. Esto importa a los profesores que quieren saber cuándo una IA escribió una entrega. Afirmar «99 % de precisión» no dice nada si no sabes cuál de los dos errores mide y con qué tipo de texto.
Los umbrales cambian un error por el otro
Un detector produce una puntuación y un umbral convierte esa puntuación en una etiqueta. Si subes el umbral, se marcan menos textos humanos, pero se cuelan más textos de IA. Si lo bajas, ocurre lo contrario. No existe un ajuste que elimine ambos errores.
Como una acusación falsa tiene un costo alto, fijamos nuestro umbral para mantener bajas las falsas alarmas en la redacción académica humana. La escala tiene tres veredictos, «Probablemente humano», «Incierto» y «Probablemente IA», y la franja «Incierto» existe para que un texto dudoso no se vea forzado a recibir una etiqueta tajante.
Qué muestran nuestras cifras publicadas
Calibramos y probamos con 583 textos académicos humanos y publicamos los resultados por grupo. Son mediciones de nuestro detector con conjuntos de prueba concretos, no promesas sobre todos los textos.
En redacción humana, la proporción etiquetada como «Probablemente IA» fue de 1 % y 0,7 % en dos conjuntos reservados. Por grupos, fue de 1 % en ensayos de estudiantes, 0,5 % en resúmenes de preprints, 1,1 % en artículos de autores no nativos de inglés y 2,6 % en texto enciclopédico escrito antes de 2022. En texto de IA, 96,9 % del texto de IA de 2026 sin editar recibió la etiqueta «Probablemente IA», y 96,5 % en un benchmark público.
Dónde baja la precisión
Todo detector tiene condiciones en las que es menos fiable, y es más honesto enumerarlas que ocultarlas.
- Textos cortos: hay muy pocas pruebas en unas pocas frases. Nuestro detector no da veredicto con menos de 50 palabras.
- Modelos nuevos: los detectores se entrenan con producción anterior, así que los sistemas nuevos pueden ser más difíciles de reconocer hasta que el detector se actualiza.
- Texto de IA reescrito: el texto de IA parafraseado siguió recibiendo la etiqueta «Probablemente IA» en 84 % de los casos en un benchmark público, pero solo en 50,5 % cuando lo parafraseó otro modelo de IA, y en 59,5 % tras pasar por herramientas humanizadoras. La detección es más débil una vez reescrito el texto.
- Géneros ajenos a la redacción académica: en texto web general escrito por personas, como anuncios y notas de prensa, el 32,7 % recibió la etiqueta «Probablemente IA», porque el detector está calibrado para la redacción académica.
- Otros idiomas: nuestro detector funciona solo en inglés.
Por qué un falso positivo no es un suceso raro e improbable
Una tasa de alrededor de 1 de cada 100 suena pequeña, pero entre miles de entregas significa que habrá estudiantes reales marcados. Por eso el resultado de un detector debería abrir una conversación y no cerrarla, y por eso un estudiante marcado merece la oportunidad de mostrar sus borradores y explicar su trabajo.
Lo contrario también es cierto. Un resultado limpio no demuestra que no se usó IA, ya que un texto de IA reescrito o editado ligeramente puede puntuar más bajo.
Cómo usar un detector con criterio
Bien usado, un detector es una herramienta de cribado. Señala pasajes que merecen una segunda mirada, que quien escribe puede revisar o que un profesor puede comentar.
Fíjate en los resaltados por frase y no solo en la cifra principal. Comprueba la longitud y el género del texto. Compáralo con otros trabajos del autor y pregunta por su proceso. Puedes probarlo gratis: AITurnitin revisa hasta 1000 palabras sin cuenta y los textos se eliminan en un plazo de 24 horas.
Preguntas frecuentes
¿Qué precisión es buena para un detector de IA?
Pide las dos cifras: con qué frecuencia marca la redacción humana y con qué frecuencia detecta el texto de IA, medidas con conjuntos de prueba realistas. El nuestro etiqueta como «Probablemente IA» el 1 % del texto académico humano y el 96,9 % del texto de IA de 2026 sin editar.
¿Pueden equivocarse los detectores de IA con la redacción humana?
Sí. Todo detector produce algunos falsos positivos, y son más probables con texto formulaico, muestras muy cortas y géneros ajenos al entrenamiento del detector. Por eso una puntuación nunca debe tratarse como una prueba.
¿Los detectores atrapan el texto parafraseado o humanizado?
En parte. En nuestras pruebas, el 84 % del texto de IA parafraseado en un benchmark público siguió recibiendo la etiqueta «Probablemente IA», el 50,5 % tras parafrasearlo otro modelo de IA y el 59,5 % tras herramientas humanizadoras. La detección es más débil, pero no nula, y esas herramientas pueden dañar el significado y las citas.
¿Los detectores mejoran o empeoran a medida que avanza la IA?
Existen ambas presiones. Los modelos cambian, así que los detectores necesitan actualizaciones regulares y pruebas con producción nueva. Cualquier afirmación de precisión permanente debe tomarse con cautela.
¿Por qué detectores distintos dan resultados diferentes con el mismo texto?
Usan datos de entrenamiento, métodos de puntuación y umbrales distintos, así que la puntuación de una herramienta no es comparable con la de otra. Compara los veredictos y las frases resaltadas, no los porcentajes en bruto.