Detectores de IA en la universidad: por qué fallan y qué hacer si te acusan sin motivo

Empieza el curso dentro de poco y con él vuelve un problema que arrastran muchas facultades desde que ChatGPT se hizo popular: qué hacer con los detectores de texto generado por IA. Los usan cada vez más profesores, a veces como criterio único para abrir un expediente, y eso me parece, sinceramente, un error de bulto. No porque estos sistemas no sirvan para nada, sino porque venden una precisión que no tienen.

Cómo funcionan realmente estos detectores

Los detectores de IA no “reconocen” texto generado por una máquina como quien reconoce una cara. Analizan patrones estadísticos: la variación en la longitud de las frases, la previsibilidad de las palabras que siguen a otras, la “perplejidad” del texto (cuánto se sorprende un modelo de lenguaje al leerlo). Un texto muy predecible, con frases regulares y vocabulario poco sorprendente, puntúa como “probablemente IA”. Un texto con más ruido, giros inesperados o errores puntúa como “probablemente humano”.

El problema es evidente en cuanto lo piensas dos segundos: hay personas que escriben de forma clara, ordenada y poco sorprendente porque llevan años entrenando esa habilidad, no porque usen un chatbot. Y hay quien usa IA y luego reescribe lo suficiente como para que el patrón estadístico se rompa. El detector no sabe nada de esto. Solo mide probabilidad, y una probabilidad alta no es una prueba.

📌 Relacionado: Cómo usar la inteligencia artificial para aprender idiomas más rápido en 2026

Los falsos positivos no son un caso aislado

Varios estudios académicos publicados en los últimos años han puesto cifras a algo que muchos profesores y estudiantes ya intuían: estas herramientas fallan más de lo que sus fabricantes admiten en el marketing. Los resultados varían mucho según la herramienta concreta y el tipo de texto analizado, pero un patrón se repite con bastante consistencia: los estudiantes que escriben en un idioma que no es el suyo materno reciben más falsos positivos. Tiene sentido si lo piensas: al escribir en una segunda lengua se tiende a usar estructuras más simples y menos variadas, justo el rasgo que estos sistemas asocian con texto generado.

👉 Te puede interesar: ChatGPT Work despega: los agentes de OpenAI superan los 10 millones de usuarios

Esto tiene una derivada seria. Si tu universidad tiene alumnado internacional (y la mayoría lo tiene), un uso poco crítico de estos detectores puede acabar penalizando de forma desproporcionada a quien menos culpa tiene.

Qué hacer si te acusan solo con el porcentaje de un detector

Si te encuentras en esta situación, hay pasos concretos que ayudan bastante más que discutir en caliente con el profesor:

🔗 Sigue leyendo: Cuánta energía y agua consume realmente la IA generativa (y por qué es un debate cada vez más serio)

• Pide el nombre exacto de la herramienta y el porcentaje que ha dado, no una acusación genérica. El porcentaje importa: no es lo mismo un 95% que un 40% marcado como “posible”.
• Aporta el historial de versiones del documento, si lo has escrito en Google Docs, Word online o similar. El historial muestra cuándo y cómo fue creciendo el texto, algo que un texto pegado de golpe desde un chatbot no suele tener.
• Guarda borradores intermedios, apuntes a mano fotografiados, capturas de búsquedas. No hace falta un dosier enorme, pero sí algo que demuestre proceso.
• Pide una segunda revisión humana, no solo del detector. La mayoría de reglamentos universitarios exigen que la decisión final la tome una persona, no un algoritmo.

Ojo, esto no significa que todo detector esté equivocado siempre: si de verdad usaste IA de forma indebida según las normas de tu centro, ninguno de estos pasos te va a librar del problema. Va dirigido a quien de verdad no lo hizo y se encuentra atrapado por un sistema poco fiable.

🔎 Más de Inteligencia Artificial

Lo que deberían hacer las universidades (y algunas ya empiezan a hacer)

Algunos centros han empezado a moverse hacia protocolos más razonables: usar el detector como una señal de alerta, no como veredicto, y exigir siempre una conversación con el estudiante antes de cualquier sanción. Otros directamente han retirado estas herramientas de sus procesos disciplinarios formales, limitándolas a un uso orientativo para el profesorado. Me parece el camino más sensato, aunque entiendo la tentación de apoyarse en un número que parece objetivo cuando en realidad no lo es tanto.

Preguntas frecuentes

¿Existe algún detector de IA totalmente fiable? No, y cualquiera que lo prometa exagera. Todos se basan en probabilidades estadísticas, no en certezas, y todos tienen tasas de error documentadas, mayores o menores según el idioma y el estilo del texto analizado.

¿Reescribir un texto generado por IA con un “humanizador” evita la detección? En muchos casos sí, precisamente porque estas herramientas rompen los patrones estadísticos que buscan los detectores. Esto demuestra, de paso, lo poco robusto que es el sistema: si basta con reescribir para esquivarlo, no está midiendo lo que dice medir.

¿Puedo negarme a que analicen mi texto con estas herramientas? Depende de la normativa de cada universidad, que suele estar recogida en el reglamento académico o en las condiciones que aceptas al matricularte. Conviene consultarlo antes de que surja un problema, no después.

A mi juicio, el debate de fondo no debería ser “cómo pillamos mejor a quien usa IA”, sino cómo se diseñan trabajos y evaluaciones que tengan sentido en un mundo donde estas herramientas existen y no van a desaparecer. Perseguir con más y mejores detectores un problema que en realidad es de diseño pedagógico me parece pan para hoy y hambre para mañana. Mientras tanto, si te toca defenderte de una acusación así, documenta tu proceso desde el primer día de curso. Es la mejor defensa que tienes.