Una acusación anónima difundida en redes puso en duda la autoría de una de las novelas más comentadas de la temporada en Francia. Se señaló al escritor canadiense Thélyson Orélien de haber utilizado IA generativa para redactar su primera obra; él negó las imputaciones y negó haber recurrido a esa tecnología. El episodio reabrió un debate vigente sobre la posibilidad real de verificar si un texto fue escrito por una persona o por una máquina y sobre la confiabilidad de las herramientas de detección.
El avance de la IA generativa impulsó la aparición de numerosos programas en línea dedicados a identificar textos producidos por estos sistemas. La mayoría opera bajo planes de pago para usos ilimitados y suelen orientarse hacia ámbitos educativos e investigativos.
Cada empresa desarrolladora aplica metodologías propias, pero todas parten de un mismo concepto: entrenar los detectores con bases de datos amplias que combinan textos generados por IA con escritos por humanos para enseñarle al software a distinguir uno del otro.
Diversos estudios del área señalan que, si bien las primeras versiones mostraban rendimiento limitado, las herramientas han ido mejorando de forma notable su capacidad de análisis en años recientes.
¿En qué consiste exactamente un detector de IA y cómo llega a su veredicto? En líneas generales, se trata de un programa que analiza patrones lingüísticos repetibles, como estructuras sintácticas o signos de puntuación característicos, para estimar la probabilidad de que un texto haya sido generado por un modelo de lenguaje en lugar de ser creado por una persona.
El investigador Thierry Poibeau, director de investigación en el CNRS y especialista en procesamiento automático del lenguaje, afirmó que estos sistemas buscan regularidades en la escritura. “La idea es que los textos creados automáticamente presentan ciertos tics de lenguaje”, explicó, citando como ejemplo construcciones complejas y el uso de guiones largos que abundaban en textos entrenados con corpus estadounidenses.
Aunque varias herramientas publicitan índices de fiabilidad que superan el 99% en la identificación de textos IA, la realidad es más compleja. La precisión depende del tipo de material analizado y de las condiciones de cada caso, lo que genera un escenario en el que no hay garantías absolutas.
En el caso específico, Pangram, la empresa detrás de la herramienta utilizada por una cuenta en X para revisar dos fragmentos del libro de Orélien, sostiene que su sistema detecta señales sutiles presentes en la escritura para distinguir entre texto humano y generado por IA. Sin embargo, la intensidad de estas señales y su interpretación pueden variar, y la confiabilidad real de estos detectores no es universal.
En síntesis, el debate persiste: las herramientas de detección ofrecen una ruta para contrastar la autoría, pero su precisión no es universal y está condicionada por múltiples factores, incluido el tipo de texto y el entrenamiento al que se sometieron los modelos de IA.
