El avance de la inteligencia artificial generativa ha abierto un nuevo debate en el ámbito editorial, académico y tecnológico: qué tan confiables son las herramientas creadas para determinar si un texto fue escrito por una persona o generado con ayuda de una IA.
El debate cobró relevancia en Francia a partir del caso del escritor canadiense Thélyson Orélien, quien fue acusado en redes sociales de utilizar inteligencia artificial para escribir su primera novela. El autor rechazó la acusación, mientras que los señalamientos se apoyaron en los resultados de un detector de IA.
El episodio puso nuevamente bajo discusión los límites de este tipo de herramientas, cuyos resultados pueden señalar que un texto presenta características compatibles con contenido generado por inteligencia artificial, pero no necesariamente demostrar por sí solos quién lo escribió o cómo fue elaborado.
¿Cómo funcionan los detectores de inteligencia artificial?
El crecimiento de la IA generativa provocó la aparición de decenas de herramientas diseñadas para analizar textos y estimar si fueron producidos por modelos de inteligencia artificial.
Muchas de estas plataformas están dirigidas a instituciones educativas, profesores e investigadores y utilizan sistemas entrenados a partir de grandes bases de datos que contienen tanto textos generados por IA como documentos escritos por personas.
Aunque cada compañía emplea métodos distintos, uno de los principios comunes consiste en identificar patrones o regularidades lingüísticas que puedan aparecer con mayor frecuencia en textos producidos por determinados modelos.
Thierry Poibeau, director de investigación en el CNRS y especialista en procesamiento automático del lenguaje, explica que estas herramientas “buscan regularidades” en los textos analizados.
La idea es que estos textos generados automáticamente, aunque eso es cada vez menos cierto, tienen algunos tics de lenguaje”, señala el investigador.
Entre los ejemplos mencionados por Poibeau están determinadas estructuras sintácticas y recursos de puntuación que, en determinadas etapas del desarrollo de los modelos de IA, aparecían con mayor frecuencia en los textos generados automáticamente.
El caso de Pangram y la novela de Thélyson Orélien
Uno de los sistemas utilizados para analizar fragmentos de la novela de Thélyson Orélien fue Pangram, una compañía fundada en 2023.
La empresa sostiene que su tecnología puede “detectar un texto generado por una IA analizando y comprendiendo las señales sutiles presentes en la escritura”.
Sin embargo, identificar patrones particulares no significa necesariamente demostrar que un texto fue elaborado mediante inteligencia artificial. Una característica lingüística repetitiva también puede formar parte del estilo propio de un escritor.
Poibeau pone precisamente el acento en esta dificultad al analizar textos literarios.
La herramienta puede detectar en la escritura algo particular, algo repetitivo, pero quizá sea precisamente eso lo que constituye el estilo de un escritor”, explica.
El planteamiento resulta especialmente relevante en el terreno de la literatura, donde las características estilísticas, las elecciones de vocabulario, las estructuras narrativas y determinados recursos de escritura pueden repetirse deliberadamente como parte de la voz de un autor.
¿Un detector de IA puede confirmar que un texto fue escrito por una máquina?
Las herramientas disponibles comercialmente llegan a publicitar niveles de precisión superiores al 99% para detectar textos generados mediante inteligencia artificial. Sin embargo, esos porcentajes no significan que un resultado individual permita establecer de manera definitiva que un autor utilizó IA.
Uno de los propios proveedores del sector, WinstonAI, señala que su sistema identifica textos “susceptibles de haber sido generados con IA”.
La diferencia entre detectar una probabilidad y demostrar un hecho es uno de los principales puntos del debate.
Max Spero, director general y cofundador de Pangram, declaró a The Atlantic en mayo de 2026 que su herramienta nunca debería ser “el árbitro final”, sino un punto de partida para una investigación más amplia.
En otras palabras, el resultado de un detector puede aportar un indicio para realizar una revisión adicional, pero requiere ser interpretado junto con otros elementos antes de atribuir a una persona el uso de inteligencia artificial.
Los modelos de IA también cambian
Otro de los problemas para los detectores es que la tecnología que intentan identificar se encuentra en constante evolución.
Los actuales modelos de inteligencia artificial pueden producir textos cada vez más cercanos a las formas habituales de escritura humana. Por ello, los patrones que un detector identifica en una generación determinada pueden cambiar cuando aparecen nuevos modelos o versiones.
Poibeau resume esta dificultad al señalar que “los modelos de IA evolucionan constantemente” y buscan aproximarse cada vez más al lenguaje natural.
Esto genera una especie de carrera tecnológica entre los modelos generativos y las herramientas diseñadas para identificarlos: mientras los primeros modifican sus patrones de generación, los segundos deben actualizar sus métodos de análisis.
