¿Qué tan precisos son los detectores de IA en 2026? Probamos 5 de ellos

Una estudiante de doctorado en nuestra red tuvo la introducción de su tesis marcada como 67% generada por IA por el sistema de detección de su universidad. Ella escribió cada palabra ella misma durante cuatro meses. Sin herramientas de IA, sin correctores gramaticales, ni siquiera corrector ortográfico.

Pasó dos semanas reescribiendo secciones para bajar la puntuación. Funcionó, pero la versión reescrita era peor que la original.

Decidimos averiguar exactamente cuán confiables son estas herramientas. Así que probamos cinco de ellas.

Nuestra metodología de prueba: 50 muestras a través de 5 detectores

Reunimos 50 muestras de texto, cada una entre 500 y 800 palabras. Las muestras cayeron en cinco categorías:

• 10 textos académicos escritos puramente por humanos — artículos de revistas publicadas de 2018 a 2022, escritos antes de la disponibilidad generalizada de LLM
• 10 textos generados puramente por IA — producidos por GPT-4o con indicaciones académicas, sin edición
• 10 textos generados por IA con ligera edición manual — borradores de IA con correcciones humanas para precisión y voz
• 10 textos generados por IA procesados a través de nuestro humanizador de texto — pase completo de humanización más revisión manual
• 10 textos escritos por humanos que no son hablantes nativos de inglés — artículos publicados por investigadores que escriben en su segundo o tercer idioma

Ejecutamos cada muestra a través del módulo de detección de IA de Turnitin, GPTZero, Copyleaks, ZeroGPT y Originality.ai. Cada herramienta devolvió un puntaje de probabilidad de IA. Registramos cada puntaje y calculamos métricas de precisión.

Los resultados nos sorprendieron. No porque las herramientas fallaran completamente, sino porque los patrones de fallo eran tan inconsistentes.

Detección de IA de Turnitin: resultados de precisión

Turnitin identificó correctamente 9 de 10 textos generados puramente por IA, puntuándolos por encima del 80%. Eso es un rendimiento sólido en la salida de IA obvia.

Donde tuvo problemas: falsos positivos. Tres de nuestros 10 textos académicos escritos por humanos puntuaron por encima del 20% en el indicador de IA de Turnitin. Uno — una revisión formal de literatura de una revista de química — puntuó 38%.

En texto humanizado, el rendimiento de Turnitin cayó significativamente. Solo 3 de 10 muestras humanizadas puntuaron por encima del umbral del 20%. Las restantes 7 puntuaron entre 2% y 17%.

La escritura en inglés no nativo fue la peor categoría. Cuatro de 10 muestras no nativas marcaron por encima del 20%. Una puntuó 52%. Estos eran artículos publicados reales por investigadores humanos reales.

La precisión general de Turnitin en nuestra prueba: 72%. Eso suena aceptable hasta que te das cuenta de que una tasa de error del 28% significa que aproximadamente 1 de cada 4 juicios podría estar equivocado.

GPTZero vs Copyleaks vs ZeroGPT: cara a cara

Probamos los tres detectores de IA independientes más populares contra nuestro conjunto completo de muestras.

GPTZero fue el detector más agresivo. Capturó 10 de 10 textos de IA en bruto — recuerdo perfecto. Pero también marcó 4 textos escritos por humanos y 5 textos en inglés no nativo como predominantemente generados por IA. Su tasa de falsos positivos fue la más alta en nuestra prueba con un 12%.

Copyleaks adoptó un enfoque más conservador. Identificó correctamente 8 de 10 textos de IA, pero solo marcó incorrectamente 1 muestra escrita por humanos. En texto humanizado, capturó 4 de 10 — lo que lo convierte en el mejor rendimiento contra la humanización, pero aún así fallando más de la mitad.

ZeroGPT fue el menos confiable. Marcó 7 de 10 textos de IA correctamente, pero también marcó incorrectamente 3 textos escritos por humanos. Peor aún, sus puntuaciones fluctuaron — ejecutamos la misma muestra dos veces y obtuvimos resultados diferentes el 30% del tiempo. La consistencia importa en una herramienta de detección, y ZeroGPT no la entregó.

Originality.ai tuvo un buen desempeño en texto de IA en bruto (9/10 detectados) y tuvo una baja tasa de falsos positivos en texto humano (1/10 marcado incorrectamente). En texto humanizado, capturó 5 de 10 — en el medio del grupo.

Aquí está el resumen incómodo: ningún detector logró más del 80% de precisión general en todas las categorías de muestras.

El problema de los falsos positivos de los que nadie habla

Los falsos positivos son la crisis silenciosa en la detección de IA. Cuando un detector marca incorrectamente texto escrito por humanos como generado por IA, pone la carga de la prueba sobre el escritor. "Prueba que no usaste IA" es una demanda casi imposible.

Nuestra prueba encontró patrones consistentes en los que los textos humanos fueron marcados erróneamente:

Escritura formal altamente estructurada. Cuanto más organizada y pulida sea tu prosa, más probable es que un detector la marque. Oraciones temáticas claras, progresión lógica de párrafos, terminología consistente — todos estos son patrones compartidos por una buena escritura humana y la salida de IA.

Secciones formulaicas. Las secciones de métodos, descripciones de procedimientos y revisiones de literatura siguen plantillas específicas de disciplina. Cada investigador escribe "los datos fueron recopilados utilizando entrevistas semiestructuradas" de la misma manera. Los detectores no pueden distinguir la convención de la generación.

Vocabulario de baja entropía. Algunos campos — derecho, medicina, ingeniería — utilizan vocabulario especializado con opciones limitadas de sinónimos. Cuando debes usar términos específicos repetidamente, tu texto parece más "predecible" para un detector basado en la perplejidad.

Inglés no nativo. Seguimos volviendo a esto porque es el hallazgo más preocupante. Los investigadores que escriben en su segundo idioma producen texto con menor diversidad léxica y estructuras más formulaicas — exactamente los patrones que los detectores asocian con la IA. Esto crea un resultado discriminatorio con el que la mayoría de las instituciones no han lidiado.

Lo que esto significa para los investigadores que utilizan herramientas de IA

Si estás utilizando IA como asistente de escritura — redactando, reestructurando, puliendo — el panorama de detección crea un problema genuino. Incluso el texto que escribiste completamente a mano podría ser marcado. El texto asistido por IA casi seguramente será marcado a menos que tomes medidas para humanizarlo.

Nuestras recomendaciones basadas en esta prueba:

No confíes en el veredicto de un solo detector. Vimos muestras que puntuaron 5% en una herramienta y 68% en otra. Si tu institución utiliza un detector, ese es el que importa para el cumplimiento — pero un solo puntaje no es evidencia de uso de IA.

Humaniza estratégicamente. La salida de IA en bruto es detectable. El texto bien humanizado, en su mayoría, no lo es. Si utilizaste asistencia de IA, ejecuta tu borrador a través de una herramienta de humanización de calidad y agrega tu voz personal. Nuestras pruebas mostraron que esta combinación redujo las puntuaciones de detección a menos del 15% en todas las cinco herramientas.

Guarda tus borradores. Guarda versiones intermedias de tu trabajo. Historial del navegador, registros de conversación de ChatGPT, PDFs anotados, notas manuscritas — todo esto proporciona evidencia de tu proceso de escritura si alguna vez se te cuestiona.

Aboga por mejores políticas institucionales. Las herramientas de detección de IA no son lo suficientemente confiables como para servir como única evidencia de deshonestidad académica. Si tu universidad trata un puntaje de IA de Turnitin como prueba, impúlsalo — con datos. Comparte estudios como este.

Para pasos prácticos sobre cómo manejar texto marcado, consulta nuestra guía sobre cómo los investigadores están eludiendo la detección de IA sin hacer trampa.

La carrera armamentista de detección de IA no se está desacelerando. Los detectores mejorarán. Pero también lo harán las herramientas de escritura asistida por IA. La solución a largo plazo no es una mejor detección, sino una mejor política que reconozca cómo ocurre realmente la escritura ahora.

Tu trabajo es real. Tus ideas son reales. Un algoritmo defectuoso no debería ser el juez de eso.

Corrector de IA para trabajos de investigación

Revisa y pule tu manuscrito con cambios rastreados. Diseñado para la escritura académica.

Preguntas frecuentes

P: ¿Cuál detector de IA es el más preciso?

En nuestras pruebas, Turnitin y Originality.ai empataron en la mayor precisión general con 72% y 74% respectivamente en todas las categorías de muestras. Sin embargo, la precisión varió significativamente según el tipo de texto. Turnitin fue el mejor en detectar salida de IA en bruto, pero tuvo más falsos positivos en texto en inglés no nativo. Originality.ai fue más equilibrado pero menos efectivo en texto humanizado. Ningún detector único logró más del 80% de precisión en todas las categorías, lo cual es una limitación significativa para las herramientas que se utilizan para tomar decisiones sobre integridad académica.

P: ¿Los detectores de IA funcionan en la escritura académica?

Funcionan mejor en algunos tipos de escritura académica que en otros. La salida de IA en bruto y sin editar en estilo académico generalmente es capturada — las tasas de detección variaron del 70% al 100% en nuestra prueba. Pero el texto académico formal escrito por humanos genera falsos positivos a tasas preocupantes — hasta un 12% en nuestras pruebas. Los campos técnicos con vocabulario especializado y escritores no nativos de inglés se ven afectados desproporcionadamente. La respuesta corta es: los detectores de IA funcionan en la escritura académica, pero no de manera lo suficientemente confiable como para servir como evidencia independiente.

P: ¿Con qué frecuencia los detectores de IA marcan la escritura humana?

En nuestra prueba de 20 muestras escritas por humanos (10 nativos de inglés, 10 no nativos), 9 muestras — 45% — recibieron un puntaje de IA por encima del 20% en al menos un detector. Tres textos escritos por humanos puntuaron por encima del 50% en al menos una herramienta. La tasa de falsos positivos por detector varió del 4% al 12%. Si eres un hablante no nativo de inglés que escribe prosa académica formal, las probabilidades de un falso positivo son aún mayores. Por eso recomendamos guardar borradores y evidencia del proceso, independientemente de si utilizaste herramientas de IA.