Sí, la detección mediante IA puede ser precisa

En resumen: los académicos y los moderadores de contenidos deberían revisar sus valoraciones sobre las herramientas de detección de IA o los verificadores de IA. El consenso anterior, alcanzado en 2023 a partir de artículos académicos y medios de comunicación populares, ha quedado obsoleto. Los últimos modelos de detección de IA, como Pangram, no solo han alcanzado el nivel de los últimos modelos de lenguaje grande (LLM), sino que se están diseñando para adaptarse a los avances futuros.

¿Cómo hemos llegado hasta aquí?: Una breve historia de la detección de IA

Cuando ChatGPT se lanzó en 2022, escritores y creadores de contenido acudieron en masa a esta nueva herramienta de inteligencia artificial para crear. Desde entonces, no ha parado. Los creadores han aprovechado ChatGPT (y otros modelos de IA), así como sus competidores, para redactar de todo, desde documentos extensos —como trabajos de investigación y novelas— hasta fragmentos breves —como correos electrónicos, comentarios en Reddit y reseñas en Amazon—. El contenido generado por IA inundó Internet. Sin embargo, desde la aparición de los modelos de lenguaje grande (LLM), ha surgido la necesidad de diferenciar lo que está escrito por humanos de lo que está escrito por IA. De hecho, OpenAI vio esta necesidad y creó un producto que clasificara el texto como generado por IA. A medida que aumentaba la adopción de la IA, creció la demanda de detectores o clasificadores de IA, especialmente en colegios y universidades, donde la integridad académica era primordial. Algunos estudiantes (que suelen ser los primeros en adoptar las novedades) utilizaron los modelos más recientes para terminar trabajos, hacer exámenes y solicitar el ingreso a la universidad. Algunos investigadores, bajo la presión del tiempo, tomaron atajos y presentaron trabajos escritos o asistidos por IA para su publicación. Por lo tanto, se lanzaron muchas herramientas con la esperanza de abordar estas preocupaciones. Empresas de software académico ya establecidas, como TurnItIn, lanzaron en abril de 2023 una herramienta llamada AI Checker para atender a sus clientes del sector educativo. Grammarly también lanzó su propia herramienta en 2024, llamada Grammarly Authorship. La idea predominante de estas empresas era que, si sus herramientas podían identificar el plagio, también deberían identificar la IA. La educación superior, en particular, necesitaba pasar de los «verificadores de plagio» a los «verificadores de IA». Sin embargo, pronto quedó claro que esto no iba a funcionar.

Los primeros detectores de IA prometían precisión mediante el uso de la «perplexidad» y la «variabilidad». Bradley Emi, director técnico de Pangram, explica estos términos:«La perplexidad se refiere al grado de inesperado o sorprendente que resulta cada palabra de un texto. La variabilidad es la variación de la perplexidad a lo largo de un documento. Si hay palabras y frases sorprendentes repartidas por todo el documento, este presenta una alta variabilidad».

No vamos a entrar en detalles sobre estos términos, pero basarse excesivamente en estos factores a la hora de crear una herramienta de detección de IA da lugar a tres fallos recurrentes:

• A veces, estas herramientas no son fiables cuando se utilizan con diferentes modelos, como Claude, GPT-4, etc.
• Estas herramientas no mejoran con el tiempo, por lo que cualquier pequeño ajuste en los modelos de lenguaje grande (LLM) reduciría su precisión.
• Clasificaron erróneamente el texto en inglés de hablantes no nativos (ESL) como IA

Se trata de preocupaciones reales, especialmente para las instituciones académicas. Las consecuencias de acusar erróneamente a estudiantes e investigadores de utilizar IA en sus estudios y trabajos son enormes. Puede arruinar carreras profesionales. Es increíblemente arriesgado confiar en herramientas con una eficacia de tan solo el 95 % a la hora de detectar la IA. Por ello, muchas instituciones académicas de primer nivel, como el MIT, Vanderbilt y la Universidad de California en Berkeley, no apoyan que sus profesores utilicen detectores de IA. En muchos casos, han citado trabajos de investigación específicos que describen el bajo rendimiento de los detectores de IA, como Testing of Detection Tools for AI-Generated Text, y artículos del sector como Why AI writing detectors don’t work.

OpenAI consideró que estos problemas eran tan difíciles que, en julio de 2023, abandonó su clasificador de texto basado en IA, alegando que «el clasificador de IA ya no está disponible debido a su baja tasa de precisión». Muchos responsables escolares llegaron a la conclusión de que, si OpenAI no puede hacerlo, probablemente sea imposible.

Aunque las principales universidades y la opinión pública coincidían en que la promesa de la detección mediante IA era imposible o incluso una estafa, empresas como Pangram Labs lograron avances significativos en este ámbito, lo que ha convertido la detección mediante IA en una herramienta clave tanto en el ámbito universitario como en el empresarial.

Por qué la detección de IA será diferente en 2025

La detección de IA se suele describir como una carrera armamentística entre los estudiantes que buscan atajos y los docentes que tratan de distinguir entre lo que ha sido escrito por personas y lo que no. En 2025, los detectores han subido el listón.

En agosto de 2025, dos investigadores de la Escuela de Negocios Booth de Chicago, Brian Jabarian y Alex Emi, publicaron un artículo titulado «Escritura artificial y detección automatizada», en el que afirmaban que «la mayoría de los detectores de IA comerciales funcionan notablemente bien, y Pangram, en particular, alcanza tasas de falsos positivos y falsos negativos cercanas a cero». Destacan a Pangram como «el único detector que cumple un límite estricto (tasas de falsos positivos ≤ 0,005) sin comprometer la capacidad de detectar con precisión textos generados por IA». Este es un ejemplo de lo lejos que ha llegado la detección de IA en tan solo unos pocos años. Pero, ¿cómo ha sucedido esto?

En primer lugar, los investigadores en IA han mejorado los conjuntos de datos recopilando una mayor variedad de textos escritos por humanos y generados por IA. Esto incluye no solo artículos académicos, sino también otros tipos de escritos, como correos electrónicos y artículos. En segundo lugar, los desarrolladores han utilizado el aprendizaje activo para reducir las tasas de falsos positivos. Esto significa que buscan los textos más difíciles de clasificar como generados por IA o por humanos, y luego los reincorporan a sus modelos.

Y en esta carrera armamentística, los creadores de IA general no han respondido lo suficiente como para burlar algunos detectores de IA. Cuando se lanzó el tan esperado GPT-5 de OpenAI, prometía menos alucinaciones, un tono mejorado y una escritura más creativa. En menos de 12 horas, el cofundador de Pangram Labs, Max Spero, publicó en LinkedIn que, sin ningún entrenamiento adicional, la herramienta de detección de IA de Pangram podía clasificar las pruebas de GPT-5 a un ritmo similar al de los modelos anteriores:

«Pangram es el único detector de IA capaz de identificar de forma fiable el GPT-5 sin haber sido entrenado específicamente para ello».

Las instituciones se están adaptando a la nueva realidad

Existen preocupaciones fundadas sobre el uso de los detectores de IA. Muchos de ellos siguen presentando tasas alarmantes de falsos positivos y anuncian falsamente su precisión. Sin embargo, algunas de las tecnologías más recientes son increíblemente fiables y se están integrando activamente en empresas y universidades. Por ejemplo, la empresa de selección de expertos Qwoted ha integrado recientemente la detección de IA en su flujo de trabajo para reducir las citas escritas por IA que atribuyen a «expertos». «El futuro del periodismo depende de la confianza. Por eso estamos encantados de asociarnos con Pangram, que ha establecido el estándar de referencia en materia de detección y atribución de IA».

Los investigadores y periodistas también están volviendo a sumarse a la iniciativa. Los críticos de toda la vida están cambiando de opinión y buscando formas de incorporar la detección de IA en una política más amplia sobre IA. Rob Waugh, de Press Gazette, recomendó recientemente Pangram a los usuarios que quieran detectar textos generados por IA. «Estas herramientas no son 100 % fiables, pero Pangram ha sido calificado como preciso en comparación con otros verificadores de IA en línea, y está integrado en servicios de respuesta para periodistas como Qwoted para detectar propuestas y textos generados por IA».

Nos gustaría hablar sobre su caso de uso y ver si Pangram podría resultar útil para su organización. Póngase a prueba y póngase en contacto con nosotros para conocer nuestras soluciones para empresas.