El mayor error con los detectores de IA es tratar un porcentaje de confianza elevado como prueba de autoría. Mis comprobaciones me dieron motivos para no hacerlo: los textos humanos recibieron dictámenes contundentes de autoría por IA, mientras que los textos generados a veces pasaron sin levantar sospechas. La confianza, la probabilidad y la proporción estimada de contenido de IA no son conceptos intercambiables.
Los días 2 y 3 de octubre de 2026, envié seis pasajes en inglés sin modificaciones allí donde el acceso lo permitió: cuatro textos generados, un fragmento de Lewis Carroll y ese mismo fragmento ligeramente editado por IA. Su extensión oscilaba entre 271 y 328 palabras. Algunos estaban relacionados, por lo que no se trató de una evaluación comparativa amplia.
Revisé los errores antes de confiar en los aciertos
ZeroGPT detectó todos los pasajes generados, pero calificó el de Carroll como un 99,3% de IA, por encima de las puntuaciones que asignó a los textos realmente generados por IA. NoteGPT también dio a Carroll su puntuación de IA más alta. Que las cifras coincidan no demuestra que compartan tecnología.
El error opuesto tampoco fue infrecuente. QuillBot calificó todos los pasajes generados como escritos por humanos al 100%. Scribbr no detectó el ensayo y aceptó el de Carroll como humano; la presencia visible de la marca QuillBot me hizo dudar de considerar esos resultados como valoraciones independientes. SciSpace asignó al ensayo generado un 2% de IA. La demostración pública de Proofademic dio tanto al ensayo como al fragmento de Carroll una puntuación de 0/100 en semejanza con textos de IA. Surfer asignó una probabilidad de IA del 0% al ensayo, al relato y al fragmento humano.
No extrapolaría esos hallazgos a versiones que no probé. Por ejemplo, no comprobé los informes de Proofademic disponibles tras iniciar sesión.
Las detecciones acertadas también requerían matices. Sapling solo analizó 2.000 de los 2.070 caracteres del ensayo, aunque sus comprobaciones completas del relato y del texto humano fueron correctas. GPTZero detectó los textos generados que procesó, pero una puntuación anterior permaneció en pantalla después de que sustituyera el texto. No la conté como otro resultado. Grammarly y Quetext detectaron el ensayo antes de que el requisito de registrarse impidiera seguir comprobando, por lo que los falsos positivos quedaron sin evaluar.
El acceso explica mi preferencia, no una afirmación de precisión universal
Para una comprobación sin registrarme, elegiría la herramienta de detección de IA de Clever. Completó toda la serie sin pago ni registro. Los pasajes generados obtuvieron un 89%, 84%, 82% y 74%; el de Carroll obtuvo un 99% de autoría humana. Son indicios útiles dentro de esta pequeña muestra, no una validación del uso ilimitado que anuncia. No pude verificar su capacidad a gran escala ni la longitud máxima admitida.
También calificó el fragmento ligeramente editado como humano al 99%, y los colores de las frases y las etiquetas explicativas a veces discrepaban del resultado principal. Pangram también trató el pasaje editado como humano. Las comprobaciones de textos de IA y humanos que completó fueron correctas, pero los créditos se agotaron.
Originality.ai y AI or Not también acertaron en las comprobaciones de textos de IA y humanos que completaron, aunque con una cobertura más limitada. La tolerancia del 15% de IA de Originality es importante: su nivel de confianza describía un dictamen basado en un umbral, no la proporción de palabras generadas.
Mantuve aparte las revisiones limitadas a las condiciones de acceso. Decopy exigía iniciar sesión; Smodin ocultaba sus valores principales. AI Detector Pro y Winston AI requerían registrarse, y no verifiqué los límites de uso que anunciaban. Lo que me frenó con Copyleaks fueron sus condiciones de uso aplicables, no un fallo de detección. Turnitin requería un acceso institucional del que no disponía.
Hive ofrecía opciones para analizar texto mediante una extensión o una API, mientras que ContentDetector.AI redirigía a la ficha de una extensión de Moxby. No instalé ninguna de las dos extensiones. La ficha de Humanly en la tienda indicaba una descarga gratuita y compras dentro de la aplicación, pero no pude verificar los límites de análisis ni la calidad de la detección.
Seguiría investigando las discrepancias mediante borradores y fuentes en lugar de acusar a alguien basándome en una puntuación. Lo que me haría cambiar de opinión serían pruebas más amplias, reproducibles de forma independiente, que abarcaran textos humanos contemporáneos, autoría mixta y distintos idiomas, incluidos los procesos de pago que no probé.
