Por qué los detectores de IA señalan a escritores no nativos (falsos positivos)

Usted escribió cada palabra de su trabajo. Citó sus fuentes, lo revisó dos veces y lo envió con la conciencia tranquila. El informe volvió marcado como probable IA y ahora intenta demostrar lo contrario sobre su propio texto. Si el inglés es su segundo idioma, esto no es mala suerte rara: es un patrón documentado.

Y aquí está la verdad incómoda: un falso positivo de un detector de IA es mucho más probable que caiga sobre un escritor no nativo de inglés que sobre uno nativo. No es porque la escritura no nativa sea peor. Es que estas herramientas miden la “textura” estadística del lenguaje y, resulta que una escritura de segunda lengua, clara y cuidadosa, comparte rasgos con el texto generado por máquina con el que fueron entrenadas para detectar.

No es una queja marginal de estudiantes frustrados. Es un hallazgo de la investigación revisada por pares; es la razón por la que varias universidades importantes se retiraron de estas herramientas; y es por eso que juzgados y administradores han empezado a tratar la salida del detector con una cautela real. Esto es exactamente lo que dicen las pruebas y lo que puede hacer si un detector se equivoca.

Qué encontró el estudio de Stanford sobre el sesgo del detector

La evidencia más sólida proviene de un estudio de 2023 de Liang y sus colegas en Stanford, publicado en la revista Cell Press Patterns y titulado, con toda claridad, "GPT detectors are biased against non-native English writers."

Los investigadores pasaron ensayos por siete detectores de uso generalizado. En el caso de ensayos escritos por hablantes no nativos de inglés, tomados de un corpus de TOEFL, los detectores marcaron alrededor de 61% como generados por IA en promedio. En los ensayos de escritores nativos, la tasa de falsos positivos fue de aproximadamente 5%. Casi uno de cada cinco de los ensayos no nativos, aproximadamente 19,8%, fue marcado de forma unánime como IA por todos los detectores del experimento. En todos los casos, se trataba de ensayos escritos por humanos.

El mecanismo es lo interesante, porque explica por qué el sesgo está incorporado y no es accidental. Muchos detectores se apoyan en una señal llamada perplejidad, que mide cuán “sorprendentes” son las elecciones de palabras de un texto para un modelo lingüístico. Un texto lleno de palabras comunes y frases previsibles produce baja perplejidad, y esa baja perplejidad se lee desde el detector como “parecida a máquina”. Los escritores de segunda lengua suelen usar un vocabulario más limitado y más convencional, no porque sus ideas sean simples, sino porque escriben con cuidado en una lengua que no es su primera. El detector ve la superficie lisa y la llama artificial.

Ese es el núcleo del problema de equidad. Los hábitos que hacen que el estilo de segunda lengua, cuando es cuidadoso, sea claro y correcto, son precisamente los hábitos que estas herramientas fueron diseñadas para castigar.

Por qué la escritura no nativa dispara falsos positivos de detectores de IA

Conviene detenerse a entender por qué ocurre, porque comprenderlo ayuda a aliviar parte del golpe de una mala señal.

Un hablante nativo que escribe con rapidez dispersa modismos, elecciones de palabras inusuales, ritmos extraños y, de vez en cuando, algún atajo gramatical. Esa imprevisibilidad se registra como alta perplejidad y se lee como humano. Un escritor no nativo, o cualquier redactor académico disciplinado, tiende a preferir construcciones precisas y estándar y un vocabulario controlado. Los modelos de lenguaje a gran escala también favorecen construcciones precisas y estándar y un vocabulario controlado. El detector no puede distinguir entre un humano cuidadoso y una máquina cuidadosa, porque, en el eje específico que mide, se ven parecidos.

Nada de esto significa que el texto sea de menor calidad. La claridad es una virtud en la prosa académica, no un defecto. Simplemente significa que el detector está midiendo lo incorrecto y sacando una conclusión con confianza.

Esa confianza es el peligro. Una herramienta que devuelve un porcentaje nítido se siente autoritaria, incluso cuando el número se apoya en una señal que perjudica sistemáticamente a toda una población de escritores genuinos.

Universidades que se apartaron de los detectores de IA

Las instituciones detectaron el problema pronto y varias actuaron al respecto.

En agosto de 2023, la Universidad Vanderbilt desactivó el detector de IA de Turnitin y emitió una explicación inusualmente detallada sobre por qué lo hizo. Señaló que, si bien el reclamo de una tasa de falso positivo de aproximadamente 1% no sería significativo en relación con el total de un artículo, dado que había alrededor de 75.000 envíos por año, el hecho de que se hubiera demostrado que arrojaba resultados sesgados contra escritores no nativos de inglés, sumado a la opacidad de sus procesos, significaba que cerca de 750 trabajos podrían terminar señalados erróneamente como IA. Michigan State, la Universidad de Texas en Austin, Northwestern y la Universidad de Pittsburgh tomaron medidas similares. Southern Methodist University se apartó en diciembre de 2023 y la Universidad de Waterloo siguió en septiembre de 2025, tras encontrar texto escrito por humanos que recibía una puntuación de “IA al 100%”.

La guía de Turnitin también es cautelosa. Su indicador de IA reduce números del 1 al 19%, usando un asterisco en lugar de un número, ya que los falsos positivos son más frecuentes en el extremo inferior de la escala. Además, advierte explícitamente que la puntuación no debe usarse por sí sola para tomar decisiones relacionadas con la integridad académica. Es un proveedor diciéndole a las instituciones que no traten su propia salida como prueba, una pista contundente sobre el peso que merece un único número.

Si su institución aún utiliza estas herramientas, eso no es motivo para entrar en pánico. Es motivo para conocer sus derechos y conservar su evidencia, como retomamos más abajo.

Casos reales, expuestos con claridad

Algunas disputas han llegado a los titulares, y vale la pena entenderlas con precisión, porque los detalles importan y los titulares a menudo las difuminan.

En el caso de Orion Newby en la Universidad Adelphi, un trabajo de un estudiante fue marcado como generado completamente por IA. Un juez federal revisó el asunto y halló que el dictamen era "sin mérito", ordenando retirarlo del expediente del estudiante, según se informó en febrero de 2026. Desglosamos lo que ese fallo hizo y no estableció en la decisión Newby v. Adelphi. En UC Davis, William Quarterman fue señalado por GPTZero y aclaró su nombre usando el historial de versiones de su Google Docs, que mostraba que el ensayo se redactó a lo largo del tiempo. Se trató de una resolución administrativa, no de una demanda.

Hay un punto que debe enunciarse con claridad, porque muchos resúmenes en línea lo interpretan mal. Ninguno de estos resultados fueron decisiones legales contra la empresa Turnitin, y en ninguno de estos casos un estudiante "demandó a Turnitin y ganó". Las disputas fueron con las escuelas sobre cómo se usó una señal, y la lección es sobre proceso y evidencia, no sobre que un proveedor de detectores pierda en un tribunal. Expresado con precisión, el aprendizaje es empoderador: la puntuación de un detector es una afirmación, no una sentencia, y los escritores legítimos han logrado impugnarla con éxito.

Qué hacer si le señalan erróneamente

Si un detector marca como IA un trabajo que usted escribió, la situación es recuperable y, por lo general, los escritores que la resuelven bien hacen las mismas pocas cosas.

Conserve sus borradores y el historial de versiones. Google Docs y Word registran la edición a lo largo del tiempo, y esa línea temporal es la evidencia más persuasiva que puede ofrecer, exactamente como en el caso de UC Davis. Pregunte, con cortesía, qué puntuación activó la señal y cómo el revisor la está interpretando, ya que una cifra suprimida o fronteriza es un terreno débil para cualquier decisión. Señale la investigación y la cautela institucional anteriores si necesita argumentar la equidad por escrito. Nuestra guía paso a paso sobre cómo apelar una señal falsa de detección de IA recorre todo el proceso.

De cara al futuro, el objetivo no es engañar a la herramienta. Se trata de escribir en inglés natural y con seguridad para que su prosa cuidadosa sea menos probable que se lea mal y de divulgar cualquier ayuda de IA como lo exija su institución. Nuestro humanizador de texto con IA está diseñado para eso y, si escribe en inglés como segundo idioma, nuestra guía dedicada sobre humanizador de IA para investigadores ESL cubre el flujo de trabajo con más profundidad. El propósito es la equidad para el trabajo que usted ya hizo, no la ocultación.

Antes y después: corregir la “textura plana” que hace tropezar a un detector

La teoría resulta más fácil de creer cuando puede verla en un párrafo real. Aquí hay un fragmento de resultados que un investigador ESL redactó con un asistente de IA para suavizar el inglés. Se lee con limpieza y, aun así, un detector lo señaló.

Antes (marcado como probable IA):

"The results demonstrate that the intervention significantly reduced recovery time by 27% across all cohorts (Chen et al., 2021). This substantial improvement clearly highlights the effectiveness of the proposed approach. The findings confirm the hypothesis and underscore the importance of early intervention."

Tres oraciones, casi idénticas en longitud, con cada cláusula avanzando al mismo ritmo. El vocabulario es seguro y predecible. Esa uniformidad es lo que un detector interpreta como baja perplejidad y baja “burstiness”, y es la misma textura que señala gran parte de la escritura genuinamente no nativa.

Después (editado en la voz del autor):

"Recovery time fell by 27% across the three cohorts (Chen et al., 2021), a bigger drop than we had expected (n = 214). The effect held, though it was weaker in the oldest group. That pattern points to a real benefit from early intervention, but with a sample this size we would not push the claim further than the data allows."

Léelas una tras otra y la segunda suena como alguien que hizo el trabajo.

Qué cambió y por qué importa. Conservamos cada dato que sostiene la carga: la cifra del 27%, la cita (Chen et al., 2021), el número de cohortes y el tamaño de la muestra. Nada de la evidencia se movió. Lo que agregamos fue variación. Las longitudes de las oraciones ahora oscilan de larga a corta a larga, lo que eleva la “burstiness”. Las elecciones de palabras son menos previsibles, lo que eleva la perplejidad. También devolvimos la cautela: "points to," "we would not push the claim further." Los borradores de IA eliminan esa cautela, al igual que las herramientas que sobre-suavizan, y esa es una de las razones por las que el inglés no nativo pulido deriva hacia el perfil de IA.

Esto también es una edición de calidad, no un truco. La versión posterior hace un enunciado más medido y más defendible que el de antes, que se pasó de la raya con "demonstrate" y "confirm the hypothesis." Ese es el punto que insistimos: la edición que reduce el riesgo de falso aviso suele ser la misma que resistiría la revisión por pares. Un humanizador académico puede hacer esta primera pasada protegiendo sus citas y sus números, pero usted sigue leyendo cada línea.

Una advertencia. Ninguna edición única garantiza una puntuación limpia y los detectores siguen cambiando (Turnitin agregó detección de humanizador en agosto de 2025). Apunte a una redacción que refleje su propio razonamiento, entienda qué mide la perplejidad y divulgue la ayuda de IA de acuerdo con la política de su revista o universidad.

Preguntas frecuentes

P: ¿Por qué los detectores de IA señalan a escritores de inglés no nativos?

La mayoría de los detectores mide qué tan predecibles son las elecciones de palabras de un texto, y la escritura cuidadosa de segunda lengua tiende a usar vocabulario común y estándar que se lee como baja perplejidad. Esa suavidad estadística parece “de máquina” a la herramienta, lo que produce un falso positivo de detector de IA aunque un humano escribió cada palabra. El sesgo está incorporado en lo que el detector mide, no en la calidad de la escritura.

P: ¿Qué encontró el estudio de Stanford sobre el sesgo del detector?

El estudio de Stanford de 2023 en Patterns probó siete detectores y halló que marcaron aproximadamente 61% de los ensayos TOEFL no nativos como IA, en comparación con cerca de 5% para escritores nativos. Casi 20% de los ensayos no nativos fueron marcados de forma unánime por cada detector. Todos los ensayos fueron escritos por humanos.

P: ¿Qué debo hacer si me señalan erróneamente como IA?

Conserve su historial de borradores de Google Docs o Word, ya que una línea temporal visible de redacción es la evidencia más sólida que tiene. Pregunte qué puntuación activó la señal, cite la investigación sobre falsos positivos y siga un proceso de apelación claro. La puntuación de un detector es una afirmación que puede impugnar, no un veredicto final.

P: ¿Las universidades han dejado de usar detectores de IA?

Varias los han limitado o desactivado. Vanderbilt desactivó el detector de IA de Turnitin en 2023 por preocupaciones de falsos positivos y sesgo, y Michigan State, UT Austin, Northwestern, Pittsburgh, SMU y Waterloo tomaron medidas similares. Muchas instituciones que aún usan detectores ahora tratan la puntuación como una señal más, no como prueba.

P: ¿Escribir en inglés más sencillo aumenta mi riesgo de que me señalen como IA?

Hasta cierto punto, sí. Los detectores leen el vocabulario más simple y predecible como baja perplejidad, la misma señal estadística que asocian con la IA, y esa es una de las razones por las que una redacción ESL clara atrae falsos positivos. La solución no es inflar artificialmente su vocabulario, sino recuperar la variación natural de las oraciones, y su propia cautela y voz.

P: ¿Puedo corregir un falso aviso de IA editando mi propio texto en lugar de usar un humanizador?

A menudo, sí. Leer el borrador en voz alta, variar la longitud de las oraciones y volver a poner los límites que usted realmente quiere expresar incrementará la “burstiness” y hará que el texto suene como si lo hubiera escrito usted. Una herramienta puede acelerar esta primera pasada, pero el objetivo es la voz genuina, y usted debe seguir divulgando cualquier ayuda de IA conforme a la política de su revista o universidad.

Un humanizador diseñado para escritores de ESL

Escriba en inglés académico claro y natural y reduzca los falsos positivos que más afectan a los escritores no nativos, preservando el significado y las citas.