
La semana pasada anunciamos que Pangram ya es capaz de detectar los «humanizadores» de IA. Pero quizá te preguntes: ¿qué es un «humanizador»? ¿Y para quién están pensados?
Imagina lo siguiente: eres estudiante universitario. Acabas de escribir un trabajo utilizando ChatGPT o has introducido las preguntas de tus deberes en un programa de IA. Sin embargo, sabes que revisarán tus trabajos para detectar contenido generado por IA. Por eso, estás buscando una forma de ocultar el verdadero origen del contenido.
Los «humanizadores» son la solución a tu problema: solo tienes que copiar y pegar tu texto en un humanizador para «ocultar» que ha sido escrito por una IA.

Varios programas de humanización anuncian que eludir la detección de IA de Turnitin es una de sus principales características. Turnitin es una herramienta diseñada para detectar el plagio y los textos generados por IA en colegios y universidades.
Los «humanizadores» emplean una amplia gama de técnicas para modificar, distorsionar y ocultar el texto generado por IA con el fin de ocultar su verdadera autoría. Para comprender el efecto que tienen sobre determinados fragmentos de texto, los investigadores de Pangram recopilaron muestras de texto de 19 humanizadores disponibles públicamente y evaluaron manualmente los efectos que la humanización tenía en cada muestra. Esto es lo que descubrimos:
Durante nuestra revisión de textos humanizados, hemos detectado varias técnicas que los humanizadores utilizan de forma habitual. Entre ellas se incluyen:
A veces, los humanizadores intentan evitar ser detectados sustituyendo palabras por sus sinónimos. Sin embargo, esto puede perjudicar al texto, ya que los sinónimos no siempre tienen exactamente el mismo significado. Por ejemplo, consideremos la siguiente frase:
Frase original:
Tengo que llevar el coche al taller porque el motor hace un ruido raro.
Oración con sinónimos sustituidos:
Necesito llevar mi coche al taller porque el motor hace un ruido extraño.
Aunque, en apariencia, cada palabra signifique lo mismo, esto perjudica al texto y, evidentemente, merma su claridad y fluidez, a veces con un efecto cómico.
Otras veces, los «humanizadores» añaden frases sin sentido a un texto con la esperanza de que los detectores de IA concluyan que ese galimatías no puede haber sido generado por una IA.
Ejemplo sin sentido:
...por lo tanto, se esforzarán más en sus estudios. CGSizeMake, págs. 18-23. Por último, pero no por ello menos importante…
Texto original de ejemplo:
En una era dominada por la tecnología, la comodidad que ofrecen los teléfonos móviles ha transformado nuestra forma de comunicarnos y de acceder a la información. Sin embargo, este avance conlleva graves consecuencias, sobre todo cuando se utilizan los teléfonos móviles mientras se conduce.
Ejemplo de pérdida de calidad:
Hoy en día, la tecnología nos permite comunicarnos y recibir información con mayor facilidad a través de los teléfonos móviles, pero esto también pone de manifiesto el lado oscuro de la tecnología, ya que el uso de estos dispositivos mientras se conduce supone un gran peligro para todos…
Los «humanizadores» son una nueva clase de herramientas diseñadas para eludir la detección de la IA. Sin embargo, el uso de un humanizador siempre conlleva un riesgo. Una nueva investigación realizada por Pangram muestra que, con ajustes sutiles, los detectores de IA pueden entrenarse para detectar texto humanizado, incluso cuando el humanizador se ha creado específicamente para eludir un modelo concreto. Para obtener información sobre cómo diferentes herramientas abordan este reto, consulta nuestra comparativa de detectores de IA. Además, al utilizar un humanizador, corres el riesgo de degradar tu texto y añadir tonterías a tu resultado.
Por último, en Pangram, nuestro modelo es capaz de detectar más del 90 % del contenido humanizado de alta calidad. Si te interesa saber más, lee nuestro comunicado aquí o ponte en contacto con nosotros en info@pangram.com.

Elyas Masrour es ingeniero fundador de Pangram. Desde que se incorporó a Pangram como segundo empleado nada más salir de la Universidad de Maryland, ha desarrollado infraestructuras fundamentales, como la API de servicio de modelos, los controles de acceso basados en roles y los flujos de trabajo de verificación. Elyas también colabora estrechamente con el equipo de investigación en proyectos como la robustez ante ataques adversarios, la interpretabilidad de los modelos y la detección de contenido mixto heterogéneo. Fuera del trabajo, Elyas disfruta de una amplia gama de expresiones de la creatividad humana, como el cine, la lectura y explorar la ciudad.






