Detectores de IA: una brújula útil pero con sus bemoles

Te lo digo de entrada, porque más de uno va a chocar con esto tarde o temprano: confiar ciegamente en el detector de inteligencia artificial es como confiar ciegamente en el resultado de un partido antes de que la pelota empiece a rodar. Puede dar indicios, puede orientar, pero el pitazo final lo seguís teniendo vos. En las últimas semanas volví a leer varios manuales y notas técnicas sobre estas herramientas y me quedó una certeza que quiero compartir con quien llegue hasta acá: un porcentaje alto o bajo en el detector no resuelve, por sí solo, quién escribió qué. Y aclaro esto porque a mi alrededor, en redacciones, aulas y oficinas, la conversación gira cada vez más alrededor de eso: si el texto lo hizo una persona, si lo hizo una máquina, o si lo hicieron las dos cosas entreveradas en una misma página.

Para ordenar la cuestión, conviene empezar por una distinción que parece obvia y sin embargo se presta a confusiones: detectar IA no es lo mismo que buscar plagio. Las plataformas más conocidas, caso Turnitin, ofrecen por separado el análisis de similitudes, que compara el escrito con publicaciones y trabajos previos, y la estimación de escritura automática, que se fija en regularidades estadísticas del texto, en qué tan predecibles resultan las palabras elegidas. Son dos sistemas con dos lógicas distintas y, por lo tanto, con dos tipos de respuesta distintas. El primero te dice cuánto se parece a algo ya existente; el segundo te dice cuánto se parece a algo que parece máquina.

El detector marca, pero no firma

Ahora bien, esa firma estadística tiene letra chica. La propia Coderhouse, en su material de cátedra, advierte que los detectores pueden señalar como automáticos textos escritos por personas y que pierden precisión cuando el documento combina fragmentos humanos con fragmentos generados por inteligencia artificial. La conclusión cae de maduro: un resultado alto puede ser una falsa alarma y un resultado bajo puede ser un texto retocado a mano después de pasar por el chat. Por eso los manuales recomiendan tomar ese número como una razón para revisar con más atención y no como un veredicto inapelable.

• Distinción central: similitud contra automaticidad, dos análisis separados en la mayoría de las plataformas.
• Límite concreto: los detectores fallan con textos híbridos, mitad persona, mitad máquina.
• Metadatos útiles: en Word y PDF se pueden consultar fechas de creación y modificaciones, y los comentarios y el registro de cambios dejan rastro del proceso de escritura.
• Corrector contra humanizador: el primero pule errores, el segundo también pule el tono para disimular la mano artificial.
• Reformular no borra la obligación de atribuir cuando la idea es ajena.

En esa lista hay un punto que a mí me parece clave y que vale la pena desplegar un poco más. Cuando uno abre un documento de Word, por ejemplo, tiene a mano herramientas que muchos olvidan: el registro de cambios, los comentarios al margen, las fechas de modificación, la información del archivo. Esa pista, la del camino que recorrió el texto mientras se escribía, se pierde si uno se obsesiona con el detector y nada más. Y es, paradójicamente, una de las más confiables: una máquina no suele dejar comentarios al margen preguntándole a su dueña si conviene cambiar tal o cual párrafo.

Datos, citas y reglas: el control que no puede faltar

Hay otro costado del asunto que me toca de cerca, porque trabajo todos los días con textos que después firman otros. Una redacción impecable, con tono prolijo y sintaxis sin tropiezos, puede esconder tranquilamente un dato inventado, una cifra desactualizada o una cita que nunca existió. Los modelos de lenguaje alucinan, como se dice ahora con palabra técnica, y lo hacen con una cara tan seria que el error pasa inadvertido a primera vista. Por eso, antes de dar por bueno cualquier texto que haya pasado por inteligencia artificial, lo que no puede faltar es la verificación de la información: que el dato sea real, que la cita se pueda rastrear, que la fuente exista y esté bien atribuida.

Y está, finalmente, el capítulo que muchas veces se olvida: las reglas. Usar inteligencia artificial para resumir, para traducir o para ordenar ideas no es, en sí mismo, plagio, pero puede incumplir normas académicas o laborales según dónde se vaya a presentar el material. Cada institución, cada empresa, cada publicación tiene su propio reglamento sobre qué usos admite y cuáles exige declarar. Ignorar eso es el camino más corto para ganarse un dolor de cabeza que el detector, por más preciso que sea, no te va a evitar.

Así que, si me dejás aconsejar algo desde esta columna, te lo resumo en una idea que llevo años repitiéndome: el detector de IA es una brújula, no un juez. Te orienta, te alerta, te invita a mirar dos veces, pero la decisión final sobre si un texto está listo para entregarse sigue dependiendo de tres filtros bien humanos: que los datos cierren, que las citas se puedan verificar y que las reglas de quien va a recibir el trabajo estén respetadas. Con esos tres filtros andando en paralelo, el miedo a la máquina se achica bastante y el texto, sea cual sea su origen, llega a destino con los papeles en orden.