Si eres estudiante, docente o editor, la respuesta corta es que no, al menos no de forma fiable con los detectores que analizan el estilo. Los estudios académicos los encuentran poco precisos, fáciles de engañar y sesgados contra quien escribe en un idioma que no es el suyo. La alternativa técnica, las marcas de agua, solo funciona si el generador las incorpora. Aquí tienes qué dicen las pruebas y qué hacer si un detector te señala.61,22 %. Ese fue el porcentaje medio de redacciones escritas por personas que siete detectores populares etiquetaron como generadas por IA en un estudio de investigadores de la Universidad de Stanford. No eran textos cualquiera: eran ensayos del examen de inglés TOEFL escritos por estudiantes no nativos. Con redacciones de alumnos nativos estadounidenses, los mismos detectores acertaban casi siempre.¿Por qué un detector confunde a una persona con una máquina?Porque muchos detectores no detectan IA: miden lo predecible que es un texto. Un vocabulario limitado y frases de estructura sencilla parecen «demasiado previsibles» para el algoritmo, y eso es exactamente lo que produce quien escribe en un segundo idioma.El trabajo de Liang y otros, publicado en arXiv en abril de 2023 y después en la revista Patterns, comparó 91 ensayos TOEFL de un foro educativo chino con 88 redacciones de alumnos estadounidenses de octavo curso. Los siete detectores coincidieron en marcar como IA 18 de los 91 ensayos de no nativos (19,78 %), y 89 de 91 (97,80 %) fueron señalados por al menos uno.El experimento inverso es todavía más revelador. Cuando los investigadores pidieron a ChatGPT que enriqueciera el vocabulario de los ensayos TOEFL, la tasa media de falsos positivos cayó al 11,77 %. Y cuando simplificaron las redacciones de los nativos para que sonaran a no nativos, la tasa subió del 5,19 % al 56,65 %. Los autores concluyen que los detectores pueden penalizar a quien tiene una expresión lingüística más limitada y desaconsejan usarlos en contextos educativos o de evaluación.¿Funcionan mejor los detectores comerciales?No de forma suficiente. El estudio de Weber-Wulff y otros, publicado en 2023 en el International Journal for Educational Integrity, probó 14 herramientas, entre ellas Turnitin y PlagiarismCheck, muy usadas en universidades. Ninguna superó el 80 % de precisión y solo cinco pasaron del 70 %.Los errores van en las dos direcciones. Según el estudio, alrededor del 20 % de los textos generados por IA se atribuirían a personas, y la cifra sube a cerca del 50 % cuando el texto se edita a mano, y todavía más si se pasa por un parafraseador. La probabilidad de falsos positivos osciló entre el 0 % de Turnitin y el 50 % de GPT Zero en sus pruebas. También detectaron que traducir con herramientas como Google Translate o DeepL dispara los falsos positivos, lo que pone en riesgo a estudiantes que traducen sus propios textos.Su conclusión para las aulas es tajante: los informes de estos detectores no pueden ser la única base para acusar a un estudiante; como mucho, son un indicio que exige conversar con él.Hay que leer estas cifras con su fecha: las pruebas se hicieron en 2023 y las herramientas han cambiado. Mi lectura es que el problema de fondo no ha desaparecido, porque es estructural: un detector de estilo solo puede medir rasgos que también tienen muchas personas.¿Por qué OpenAI retiró su propio detector?Porque no acertaba lo suficiente. OpenAI presentó su AI Text Classifier el 31 de enero de 2023 y lo dejó de ofrecer el 20 de julio de 2023. La nota que añadió entonces a la página del clasificador decía, según recogió Search Engine Land, que ya no estaba disponible «debido a su baja tasa de precisión», y que la empresa investigaba técnicas de procedencia más eficaces para el texto.Ya en el lanzamiento, OpenAI había advertido de que era «imposible detectar de forma fiable todo el texto escrito por IA». Que la empresa que creó ChatGPT tirara la toalla con su propio detector debería pesar más que cualquier anuncio de precisión de un tercero.¿Existe alguna forma fiable? Las marcas de agua y sus límitesLa vía con más base técnica es la marca de agua: el propio generador deja una huella estadística al escribir. Funciona mejor que adivinar por el estilo, pero solo detecta texto de los modelos que la aplican.El ejemplo más documentado es SynthID Text, de Google DeepMind. Según su documentación para desarrolladores, ajusta de forma pseudoaleatoria las probabilidades de cada token mientras el modelo genera, sin afectar de forma significativa a la calidad. Google lo ha publicado como código abierto y hay una implementación lista para producción en la librería Transformers de Hugging Face desde la versión 4.46.0.El artículo publicado en Nature el 23 de octubre de 2024 describe un experimento con cerca de 20 millones de respuestas de Gemini que no mostró pérdida de calidad apreciable, y explica que la técnica ya marcaba entonces las respuestas de Gemini.La propia Google enumera los límites. La marca resiste recortes, cambios de algunas palabras o paráfrasis suaves, pero la confianza del detector cae mucho si el texto se reescribe a fondo o se traduce. Funciona peor en respuestas factuales, y la detección es probabilística, con tres resultados posibles: marcado, no marcado o incierto. Además, el detector va ligado a una configuración de marca de agua concreta (los modelos con el mismo tokenizador pueden compartirla): no hay un escáner universal.En la UE, el artículo 50 del Reglamento de Inteligencia Artificial obliga desde el 2 de agosto de 2026 a los proveedores a marcar en formato legible por máquina el texto, la imagen, el audio y el vídeo sintéticos. Los sistemas que ya estaban en el mercado tienen hasta el 2 de diciembre de 2026, según el Ómnibus digital sobre IA. Ayudará, pero no cubre los modelos que se ejecutan fuera de esas reglas.¿Qué hacer si eres estudiante o profesor?Si eres estudiante y un detector te señala, pide por escrito qué herramienta se usó y con qué criterio, y aporta pruebas de tu proceso: borradores con fecha, notas, fuentes consultadas. Si escribes en un idioma que no es el tuyo, el estudio de Stanford es un argumento serio a tu favor; también lo es el hallazgo sobre la traducción automática.Si eres docente, la recomendación de Weber-Wulff y su equipo es clara: el resultado de un detector no basta como prueba. Una conversación sobre el trabajo, preguntas sobre cómo llegó el alumno a sus conclusiones o evaluar el proceso además del producto dicen mucho más que un porcentaje. También ayuda pactar con la clase qué usos son aceptables y apoyarse en funciones pensadas para aprender, como el modo de aprendizaje que Claude abrió a todos sus usuarios en 2025.Mi postura: unos detectores que, de media, señalan como máquinas al 61 % de los estudiantes no nativos no son herramientas imperfectas, son herramientas injustas. Mientras no exista una marca de agua universal, y no existe, la carga de la prueba no puede recaer en un algoritmo que confunde escribir con sencillez con escribir con una máquina. El aula necesita menos vigilancia automática y más tareas en las que el proceso sea visible.La noticia ¿Se puede saber si un texto está escrito con IA? Por qué los detectores fallan y a quién perjudican fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.