¿De qué fiables son los detectores de IA?

No hay nada siniestro en que una empresa mida su propio producto. Se vuelve un problema cuando esas cifras se citan en un proceso disciplinario como si estuvieran establecidas de forma independiente, que es la práctica habitual.

Las comparaciones independientes tienden a encontrar tres cosas. Las tasas de falsos positivos son más altas de lo anunciado, a menudo por un orden de magnitud. Los distintos detectores se desmienten entre sí sobre el mismo texto, a veces de forma espectacular. Y la precisión se derrumba en textos cortos, en idiomas distintos del inglés y en textos ligeramente editados.

El desacuerdo entre herramientas es el hallazgo más útil para quien recibe un informe de detector. Si dos instrumentos puntúan el mismo ensayo en 12% y 88% de IA, ninguno de los dos números mide nada estable. Es más bien dos adivinaciones distintas.

Los detectores estiman cuán predecible es cada token dado lo anterior. Un pasaje cuyas palabras son muy predecibles puntúa como de máquina. La escritura en segunda lengua tiende a usar un repertorio más estrecho de construcciones y conectores más convencionales, lo que la hace mediblemente más predecible y por tanto más marcable.

El mismo mecanismo atrapa a otros grupos: quien escribe con herramientas de traducción, quien imita una estructura de ensayo prescrita y a quien enseñaron una fórmula rígida. La herramienta hace lo que fue construida para hacer. El problema es que "predecible" y "generado por máquina" no son la misma propiedad, y la salida no distingue entre ambas.

Como el resultado sigue la predictibilidad y no la procedencia, se mueve cuando cambias la superficie. Pide a un modelo parafrasear un ensayo humano y el resultado sube. Pasa un ensayo generado por una reescritura y puede bajar. Editar tu propio trabajo hacia otro registro puede moverlo en cualquier dirección.

Por eso "limpiar las señales de IA" no es un camino a un resultado bajo. Cambiar la puntuación apenas toca la predictibilidad de tokens, y por eso quitar cada raya no mueve la lectura de un detector de forma significativa. Quien vende un "humanizador" como bypass de detectores vende una afirmación que la técnica no sostiene.

1. Trata el resultado como una invitación a mirar más de cerca, nunca como un hallazgo. Es lo que dicen la mayoría de políticas institucionales, y es la lectura correcta de la evidencia.
2. Pide el resultado con contexto: qué herramienta, qué umbral, qué longitud de texto, qué dice el proveedor sobre falsos positivos en ese género.
3. Nunca uses un detector solo para una decisión que afecta a una persona. La tasa de error es demasiado alta y los errores no se reparten por igual.
4. Si eres la persona acusada, mueve la conversación al proceso: qué hacer si te acusan de escribir con IA.
5. Si tu objetivo es de verdad un mejor borrador y no un número menor, usa un verificador de patrones que reporte recuentos sobre los que puedas actuar.