¿Funcionan los detectores de IA? Lo que pueden y no pueden decirte

Ejemplo ilustrativo, no un caso de cliente. Una agencia de comunicación de Valencia recibe un artículo de un colaborador. El encargo pedía entrevistas y fuentes propias. La editora consulta un detector y el texto aparece señalado como posible IA. Lo que necesita comprobar es si se hicieron las entrevistas y si las afirmaciones tienen respaldo. La etiqueta no responde a ninguna de esas preguntas.

Si recibes un artículo así, abre las fuentes y pide una explicación de cómo se preparó. Quizá haya versiones anteriores; quizá el colaborador haya trabajado en otro archivo. Usa el encargo como referencia: qué debía entregar, qué ayuda podía usar y qué tenía que declarar. Separa esas cuestiones antes de hablar de un incumplimiento.

Lee qué está midiendo antes de interpretar el número. En Turnitin, el porcentaje indica qué proporción de la prosa admisible —los párrafos que cumplen los requisitos del informe— aparece señalada como posible IA. No es la probabilidad de que una persona haya hecho trampa. QuillBot describe una estimación de uso de IA. Pasar de una herramienta a otra exige leer su explicación: una cifra parecida en pantalla puede responder a una pregunta distinta.

También importa qué partes del documento entran en el análisis. Turnitin separa el informe de IA del de similitud y establece requisitos de longitud, tamaño e idioma. El alcance tiene límites: su documentación advierte que listas, tablas y código no son formatos fiables para esta detección. Un informe sobre la prosa no debe presentarse como una revisión de todo lo que contiene el archivo.

Los detectores no rinden igual. El documento de trabajo Artificial Writing and Automated Detection, de Jabarian e Imas, de la Universidad de Chicago, comparó varias herramientas en 2025. Encontró diferencias sustanciales y resultados especialmente buenos de Pangram en su muestra. Pero la muestra y las versiones evaluadas no permiten ordenar hoy las herramientas por su fiabilidad con documentos de pymes españolas.

Editar puede alterar la clasificación, aunque no siempre consigue evitarla. GPTZero advierte de dificultades con textos muy modificados; el estudio de Chicago también encontró resistencia a las técnicas ensayadas en algunos detectores. Ni un texto que pasa después de retocarlo ni otro que sigue señalado bastan para medir el rendimiento general. Tampoco conviene convertir la revisión del trabajo en una búsqueda del detector que devuelva la respuesta que esperabas.

El idioma cambia qué puedes concluir de un estudio. Stanford comunicó en 2023 errores al evaluar ensayos en inglés de autores no nativos. Es un hallazgo sobre aquellas herramientas y aquellos textos, no una tasa actual para empleados españoles. Que GPTZero o QuillBot admitan español no demuestra que todos los estilos y documentos funcionen igual. Pide al proveedor una evaluación cercana a tu uso antes de dar valor decisivo a una promesa de precisión.

Define qué ayuda aceptas. Puedes permitir una corrección de estilo y exigir que las entrevistas y la comprobación de fuentes sean propias. O pedir que se declare cualquier uso de IA al entregar. Lo decisivo es explicarlo antes, de forma que quien redacta y quien revisa entiendan lo mismo. Parte de una política de uso de IA y adáptala a los trabajos que encargas.

Acuerda qué materiales acompañan la entrega. Para el siguiente artículo, pide fuentes y una breve explicación del proceso como parte habitual del encargo. Así la conversación puede apoyarse en lo que se hizo y en lo que se había pedido, en lugar de empezar por una acusación. Antes de enviar documentos a un detector externo, decide también qué información puedes compartir: no subas material confidencial de clientes sin revisar cómo se tratará.