{"id":6651,"date":"2026-03-26T14:00:13","date_gmt":"2026-03-26T18:00:13","guid":{"rendered":"https:\/\/ermdigital.com\/index.php\/2026\/03\/26\/alguien-le-ha-pasado-cien-anos-de-soledad-a-un-detector-de-textos-hechos-con-ia-ha-dicho-que-es-una-ia\/"},"modified":"2026-03-26T14:00:13","modified_gmt":"2026-03-26T18:00:13","slug":"alguien-le-ha-pasado-cien-anos-de-soledad-a-un-detector-de-textos-hechos-con-ia-ha-dicho-que-es-una-ia","status":"publish","type":"post","link":"https:\/\/ermdigital.com\/index.php\/2026\/03\/26\/alguien-le-ha-pasado-cien-anos-de-soledad-a-un-detector-de-textos-hechos-con-ia-ha-dicho-que-es-una-ia\/","title":{"rendered":"Alguien le ha pasado 'Cien a\u00f1os de soledad' a un detector de textos hechos con IA. Ha dicho que es una IA"},"content":{"rendered":"

\n \"Alguien\n <\/p>\n

Las herramientas para detectar texto generado por IA<\/a> fallan de forma sistem\u00e1tica al analizar grandes obras literarias. El G\u00e9nesis b\u00edblico, la Constituci\u00f3n de EE.UU., 'Harry Potter' o 'Cien a\u00f1os de soledad' son se\u00f1alados por estos detectores como creaciones de m\u00e1quinas. El motivo tiene una l\u00f3gica perversa: lo que los algoritmos interpretan como escritura de IA es, en realidad, buena escritura.<\/p>\n

<\/p>\n

Biblia robot. <\/strong>Las herramientas para detectar texto generado por IA<\/a> llevan meses acumulando veredictos absurdos. Solo hay que someter\u00a0'Cien a\u00f1os de soledad' de Gabriel Garc\u00eda M\u00e1rquez a uno de estos sistemas<\/a> y obtendr\u00e1 que un 100% de la novela tiene origen artificial. El G\u00e9nesis b\u00edblico o la Constituci\u00f3n norteamericana no salen mejor parados: la herramienta ZeroGPT califica al primer texto con un 88,2% de probabilidad de ser escritura de IA<\/a> y el segundo, como escrito por IA en un 96,21%. Experimentos con 'Harry Potter'\u00a0o a la letra de\u00a0'Bohemian Rhapsody' arrojan resultados similares<\/a>. El patr\u00f3n es tan consistente que va m\u00e1s all\u00e1 de la an\u00e9cdota: estas herramientas tienen un problema de base.<\/p>\n

<\/p>\n

Bien mal. <\/strong>La iron\u00eda es que los detectores de texto generado por IA fueron dise\u00f1ados para identificar escritura hecha por m\u00e1quinas. Sin embargo, acaban se\u00f1alando exactamente lo opuesto: los textos que exhiben mayor cuidado estil\u00edstico, mayor coherencia interna y mayor dominio del ritmo narrativo son considerados como poco susceptibles de haber sido hechos por humanos. Es decir, escribir bien, en t\u00e9rminos t\u00e9cnicos, se parece a escribir como un modelo de lenguaje.<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"Gu\u00eda
\n <\/a>\n <\/div>\n
\n
\n En Xataka<\/a>\n <\/div>\n

Gu\u00eda de inteligencia artificial: principales caracter\u00edsticas de los principales modelos de IA, puntos a favor y en contra, y comparativa <\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

C\u00f3mo funciona. <\/strong>Para entender por qu\u00e9 ocurre esto\u00a0hay que entender tambi\u00e9n c\u00f3mo funcionan estas herramientas<\/a>. La mayor\u00eda se basan en dos indicadores principales. El primero es la\u00a0perplejidad (perplexity<\/em>): lo predecible que resulta la elecci\u00f3n de palabras en un texto. Si cada palabra sigue a la anterior de forma esperable, la perplejidad es baja. Si el texto salta de forma impredecible entre registros, vocabulario y estructuras sint\u00e1cticas, la perplejidad es alta. El segundo indicador es el estallido (burstiness<\/em>): la variaci\u00f3n en la longitud de las frases. Los humanos alternan p\u00e1rrafos largos con oraciones cort\u00edsimas, mientras que los modelos de lenguaje tienden a producir frases de longitud m\u00e1s uniforme.<\/p>\n

<\/p>\n

Un texto bien construido (vocabulario preciso, estructura clara, ritmo uniforme) tiene baja perplejidad por dise\u00f1o. Como Garc\u00eda M\u00e1rquez, que escoge las palabras exactas en sus textos, con precisi\u00f3n casi de cirujano. El G\u00e9nesis tiene una cadencia narrativa casi hipn\u00f3tica, deliberada, sin ruido, como una canci\u00f3n de m\u00e9trica equilibrada. \"Escribir bien\" es un concepto muy complejo, pero puede significar, entre otras cosas, ser predecible en el sentido m\u00e1s virtuoso: que el lector comprenda el texto sin esfuerzo. Y eso, para un detector entrenado en distinguir \"lo que har\u00eda un modelo de lenguaje\", hace saltar las alarmas.<\/p>\n

\n
\n
\n
<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

Es lo mismo.<\/strong> Lo que complica el problema es que los modelos de IA generativa se han entrenado, precisamente, con escritura humana de calidad. ChatGPT, Claude o Gemini producen textos fluidos, coherentes y con baja perplejidad porque aprendieron de millones de textos humanos que tambi\u00e9n ten\u00edan esas caracter\u00edsticas. Detectar escritura hecha por una IA y diferenciarla de la buena escritura humana es una tarea casi imposible para estos algoritmos.<\/p>\n

<\/p>\n

Otra forma de fallar. <\/strong>Estos criterios pueden tomar m\u00faltiples formas. Por ejemplo: un estudio sobre el rendimiento de siete detectores populares al analizar redacciones del TOEFL<\/a> (examen oficial de ingl\u00e9s para no angloparlantes) frente a redacciones de estudiantes estadounidenses de secundaria.\u00a0Los resultados<\/a>: el 61,22% de los ensayos escritos por estudiantes no nativos fueron marcados como generados por IA. En un 20% de los casos, los siete detectores coincid\u00edan en el diagn\u00f3stico err\u00f3neo. Los textos de estudiantes nativos pasaron sin problemas.<\/p>\n

\n
\n
\n
<\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

La explicaci\u00f3n es la misma mec\u00e1nica de perplejidad: alguien que escribe en su segunda lengua usa un vocabulario m\u00e1s acotado, estructuras m\u00e1s sencillas y menos variaciones gramaticales. No escribe mal, pero sus herramientas son m\u00e1s limitadas, y los detectores de IA penalizan sistem\u00e1ticamente a escritores con menor dominio del idioma. El equipo que hizo el estudio recomend\u00f3 evitar usar estas herramientas en contextos evaluativos, especialmente cuando hay estudiantes internacionales involucrados. En Espa\u00f1a, tuvo lugar un episodio de este tipo<\/a>: en 2024, la Universidad Cat\u00f3lica Australiana abri\u00f3 expedientes a cerca de 6.000 estudiantes usando Turnitin, la plataforma de detecci\u00f3n m\u00e1s extendida en universidades. Muchos de ellos no hab\u00edan utilizado IA en ning\u00fan momento.<\/p>\n

<\/p>\n

Forzar la m\u00e1quina. <\/strong>Edward Tian, CEO de GPTZero (uno de los detectores de referencia, con m\u00e1s de ocho millones de usuarios) reconoci\u00f3 abiertamente que muchas herramientas del sector ajustan sus umbrales para generar m\u00e1s falsos positivos de forma intencionada<\/a>, con el objetivo de no dejar pasar textos generado por IA aunque eso implique se\u00f1alar err\u00f3neamente un texto humano. Tian ha habla de de c\u00f3mo GPTZero lucha por evitar esa proliferaci\u00f3n de falsos positivos, pero la adulteraci\u00f3n de los resultados est\u00e1 ah\u00ed como un problema patente.<\/p>\n

<\/p>\n

\n
\n
\n
\n
\n \"Hay
\n <\/a>\n <\/div>\n
\n
\n En Xataka<\/a>\n <\/div>\n

Hay detectores de ChatGPT para saber si un texto lo ha escrito una IA o un humano. Los he probado<\/a>\n <\/div>\n<\/p><\/div>\n<\/p><\/div>\n<\/div>\n

El \u00faltimo caso. <\/strong>La editorial Hachette acaba de cancelar la publicaci\u00f3n en Reino Unido y Estados Unidos de\u00a0'Shy Girl<\/a>', una novela que la herramienta Pangram ha detectado como 78% generada por IA. La autora niega haber utilizado la herramienta. Sea cual sea la verdad en ese caso concreto, el episodio ilustra el poder f\u00e1ctico que est\u00e1n adquiriendo estas herramientas: pueden destruir contratos editoriales y poner a humanos bajo sospecha antes de que exista ninguna prueba definitiva sobre el tema.\u00a0<\/p>\n

<\/p>\n

En Xataka | OpenAI tiene un detector de textos escritos por IA que funciona casi a la perfecci\u00f3n. Y no quiere sacarlo al mercado<\/a><\/p>\n

–
La noticia
\n
\n Alguien le ha pasado 'Cien a\u00f1os de soledad' a un detector de textos hechos con IA. Ha dicho que es una IA <\/em>
\n <\/a>
\n fue publicada originalmente en
\n
\n Xataka <\/strong>
\n <\/a>
\n por
\n John Tones
\n <\/a>
\n . <\/p>\n

\u00a0Las herramientas para detectar texto generado por IA fallan de forma sistem\u00e1tica al analizar grandes obras literarias. El G\u00e9nesis b\u00edblico, la Constituci\u00f3n de EE.UU., 'Harry Potter' o 'Cien a\u00f1os de soledad' son se\u00f1alados por estos detectores como creaciones de m\u00e1quinas. El motivo tiene una l\u00f3gica perversa: lo que los algoritmos interpretan como escritura de IA es, en realidad, buena escritura.<\/p>\n

Biblia robot. Las herramientas para detectar texto generado por IA llevan meses acumulando veredictos absurdos. Solo hay que someter\u00a0'Cien a\u00f1os de soledad' de Gabriel Garc\u00eda M\u00e1rquez a uno de estos sistemas y obtendr\u00e1 que un 100% de la novela tiene origen artificial. El G\u00e9nesis b\u00edblico o la Constituci\u00f3n norteamericana no salen mejor parados: la herramienta ZeroGPT califica al primer texto con un 88,2% de probabilidad de ser escritura de IA y el segundo, como escrito por IA en un 96,21%. Experimentos con 'Harry Potter'\u00a0o a la letra de\u00a0'Bohemian Rhapsody' arrojan resultados similares. El patr\u00f3n es tan consistente que va m\u00e1s all\u00e1 de la an\u00e9cdota: estas herramientas tienen un problema de base.<\/p>\n

Bien mal. La iron\u00eda es que los detectores de texto generado por IA fueron dise\u00f1ados para identificar escritura hecha por m\u00e1quinas. Sin embargo, acaban se\u00f1alando exactamente lo opuesto: los textos que exhiben mayor cuidado estil\u00edstico, mayor coherencia interna y mayor dominio del ritmo narrativo son considerados como poco susceptibles de haber sido hechos por humanos. Es decir, escribir bien, en t\u00e9rminos t\u00e9cnicos, se parece a escribir como un modelo de lenguaje.<\/p>\n

En Xataka<\/p>\n

Gu\u00eda de inteligencia artificial: principales caracter\u00edsticas de los principales modelos de IA, puntos a favor y en contra, y comparativa <\/p>\n

C\u00f3mo funciona. Para entender por qu\u00e9 ocurre esto\u00a0hay que entender tambi\u00e9n c\u00f3mo funcionan estas herramientas. La mayor\u00eda se basan en dos indicadores principales. El primero es la\u00a0perplejidad (perplexity): lo predecible que resulta la elecci\u00f3n de palabras en un texto. Si cada palabra sigue a la anterior de forma esperable, la perplejidad es baja. Si el texto salta de forma impredecible entre registros, vocabulario y estructuras sint\u00e1cticas, la perplejidad es alta. El segundo indicador es el estallido (burstiness): la variaci\u00f3n en la longitud de las frases. Los humanos alternan p\u00e1rrafos largos con oraciones cort\u00edsimas, mientras que los modelos de lenguaje tienden a producir frases de longitud m\u00e1s uniforme.
\nUn texto bien construido (vocabulario preciso, estructura clara, ritmo uniforme) tiene baja perplejidad por dise\u00f1o. Como Garc\u00eda M\u00e1rquez, que escoge las palabras exactas en sus textos, con precisi\u00f3n casi de cirujano. El G\u00e9nesis tiene una cadencia narrativa casi hipn\u00f3tica, deliberada, sin ruido, como una canci\u00f3n de m\u00e9trica equilibrada. \"Escribir bien\" es un concepto muy complejo, pero puede significar, entre otras cosas, ser predecible en el sentido m\u00e1s virtuoso: que el lector comprenda el texto sin esfuerzo. Y eso, para un detector entrenado en distinguir \"lo que har\u00eda un modelo de lenguaje\", hace saltar las alarmas.<\/p>\n

Es lo mismo. Lo que complica el problema es que los modelos de IA generativa se han entrenado, precisamente, con escritura humana de calidad. ChatGPT, Claude o Gemini producen textos fluidos, coherentes y con baja perplejidad porque aprendieron de millones de textos humanos que tambi\u00e9n ten\u00edan esas caracter\u00edsticas. Detectar escritura hecha por una IA y diferenciarla de la buena escritura humana es una tarea casi imposible para estos algoritmos.
\nOtra forma de fallar. Estos criterios pueden tomar m\u00faltiples formas. Por ejemplo: un estudio sobre el rendimiento de siete detectores populares al analizar redacciones del TOEFL (examen oficial de ingl\u00e9s para no angloparlantes) frente a redacciones de estudiantes estadounidenses de secundaria.\u00a0Los resultados: el 61,22% de los ensayos escritos por estudiantes no nativos fueron marcados como generados por IA. En un 20% de los casos, los siete detectores coincid\u00edan en el diagn\u00f3stico err\u00f3neo. Los textos de estudiantes nativos pasaron sin problemas.<\/p>\n

La explicaci\u00f3n es la misma mec\u00e1nica de perplejidad: alguien que escribe en su segunda lengua usa un vocabulario m\u00e1s acotado, estructuras m\u00e1s sencillas y menos variaciones gramaticales. No escribe mal, pero sus herramientas son m\u00e1s limitadas, y los detectores de IA penalizan sistem\u00e1ticamente a escritores con menor dominio del idioma. El equipo que hizo el estudio recomend\u00f3 evitar usar estas herramientas en contextos evaluativos, especialmente cuando hay estudiantes internacionales involucrados. En Espa\u00f1a, tuvo lugar un episodio de este tipo: en 2024, la Universidad Cat\u00f3lica Australiana abri\u00f3 expedientes a cerca de 6.000 estudiantes usando Turnitin, la plataforma de detecci\u00f3n m\u00e1s extendida en universidades. Muchos de ellos no hab\u00edan utilizado IA en ning\u00fan momento.<\/p>\n

Forzar la m\u00e1quina. Edward Tian, CEO de GPTZero (uno de los detectores de referencia, con m\u00e1s de ocho millones de usuarios) reconoci\u00f3 abiertamente que muchas herramientas del sector ajustan sus umbrales para generar m\u00e1s falsos positivos de forma intencionada, con el objetivo de no dejar pasar textos generado por IA aunque eso implique se\u00f1alar err\u00f3neamente un texto humano. Tian ha habla de de c\u00f3mo GPTZero lucha por evitar esa proliferaci\u00f3n de falsos positivos, pero la adulteraci\u00f3n de los resultados est\u00e1 ah\u00ed como un problema patente.<\/p>\n

En Xataka<\/p>\n

Hay detectores de ChatGPT para saber si un texto lo ha escrito una IA o un humano. Los he probado<\/p>\n

El \u00faltimo caso. La editorial Hachette acaba de cancelar la publicaci\u00f3n en Reino Unido y Estados Unidos de\u00a0'Shy Girl', una novela que la herramienta Pangram ha detectado como 78% generada por IA. La autora niega haber utilizado la herramienta. Sea cual sea la verdad en ese caso concreto, el episodio ilustra el poder f\u00e1ctico que est\u00e1n adquiriendo estas herramientas: pueden destruir contratos editoriales y poner a humanos bajo sospecha antes de que exista ninguna prueba definitiva sobre el tema.\u00a0<\/p>\n

En Xataka | OpenAI tiene un detector de textos escritos por IA que funciona casi a la perfecci\u00f3n. Y no quiere sacarlo al mercado<\/p>\n

– La noticia<\/p>\n

Alguien le ha pasado 'Cien a\u00f1os de soledad' a un detector de textos hechos con IA. Ha dicho que es una IA <\/p>\n

fue publicada originalmente en<\/p>\n

Xataka <\/p>\n

por
\n John Tones<\/p>\n

.\u00a0\u00a0\u00a0<\/p>\n","protected":false},"excerpt":{"rendered":"

Las herramientas para detectar texto generado por IA fallan de forma sistem\u00e1tica al analizar grandes obras literarias. El G\u00e9nesis b\u00edblico, la Constituci\u00f3n de EE.UU., 'Harry Potter' o 'Cien a\u00f1os de soledad' son se\u00f1alados por estos detectores como creaciones de m\u00e1quinas. El motivo tiene una l\u00f3gica perversa: lo que los algoritmos interpretan como escritura de IA […]<\/p>\n","protected":false},"author":1,"featured_media":6652,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"amp_status":"","footnotes":""},"categories":[6],"tags":[],"class_list":["post-6651","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ciencia-y-tecnologia"],"_links":{"self":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts\/6651","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/comments?post=6651"}],"version-history":[{"count":0,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/posts\/6651\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/media\/6652"}],"wp:attachment":[{"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/media?parent=6651"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/categories?post=6651"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ermdigital.com\/index.php\/wp-json\/wp\/v2\/tags?post=6651"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}