Falsos positivos de detectores de IA: de la Constitución a la universidad

👁 114 lecturas

Un detector de IA ha clasificado un trabajo como generado por máquina. ¿Es motivo suficiente para poner un cero, rechazar un manuscrito o acusar al autor de plagio? No. El resultado de un clasificador es un dato que requiere verificación humana, jamás una prueba concluyente de autoría. Así lo demuestran diversos casos reales con estudiantes, decisiones universitarias y el célebre ejemplo de la Constitución de los Estados Unidos.

A continuación distingo entre fallos documentados de las herramientas y disputas donde lo que se cuestionó fue el procedimiento de la institución. Es un matiz fundamental: revocar una sanción no equivale de forma automática a una confirmación de laboratorio de que el software falló. Estado de las fuentes: 14/10/2026. Este análisis se basa íntegramente en documentos y publicaciones oficiales.

Por separado analizo el caso de la novela premiada y las acusaciones basadas en detectores de IA.

¿Qué es exactamente un falso positivo en un detector de IA?

Un falso positivo se produce cuando una herramienta atribuye a una máquina un texto redactado por un ser humano. Una situación distinta es la detección correcta de una asistencia de IA permitida, como una revisión de estilo puntual. En tal escenario, el conflicto no radica en la precisión del algoritmo, sino en la interpretación de la normativa académica o editorial.

Esta diferencia la subraya la revisión de Victor Angelier del 18/09/2026. El autor recuerda que el clasificador analiza únicamente las propiedades estadísticas del texto final, sin observar el proceso de redacción. Por sí sola, la cifra no determina qué hizo la persona ni si infringió las reglas.

Antes de juzgar cualquier caso polémico, conviene plantear tres preguntas: ¿se conoce el origen real del texto?, ¿qué software específico se utilizó? y ¿qué dictamen oficial se alcanzó? Sin responder a esto es fácil confundir una captura de pantalla en redes sociales con una resolución administrativa firme.

La Constitución de EE. UU. y la Biblia marcadas como IA

Un reportaje de Ars Technica del 14/07/2023 reveló que varios fragmentos de la Constitución de EE. UU. eran etiquetados por GPTZero y ZeroGPT como redactados por inteligencia artificial. ZeroGPT arrojó un veredicto similar con un pasaje del Génesis bíblico. Eran muestras concretas evaluadas con las versiones del software disponibles en aquel momento, no un estudio exhaustivo de documentos históricos.

Este caso recuerda por qué hay que tomar con cautela cualquier porcentaje. Los detectores no identifican fechas históricas ni intenciones. Tampoco implica que las versiones actuales de estos servicios vayan a cometer exactamente el mismo fallo hoy. No he replicado dicho ensayo de forma directa.

Para el lector, estas pruebas sirven como señal de advertencia: demuestran la posibilidad teórica de error, pero no reflejan la tasa exacta de fallos en los ensayos de tu clase o en los originales de una editorial. Medir eso exigiría un corpus representativo con origen certificado y un protocolo de evaluación transparente.

Texas A&M University-Commerce: usar un chatbot como evaluador

En mayo de 2023, un profesor de la Texas A&M University-Commerce pegó los trabajos de sus alumnos en ChatGPT y le preguntó directamente al bot si los había escrito él. Según la crónica de NBC News del 18/05/2023, recogida también por AOL, las respuestas del chatbot bastaron para poner en duda las entregas de todo el grupo. No se trataba de un detector especializado.

La universidad matizó después las informaciones que aseguraban que toda la clase había suspendido en bloque y perdido su graduación. La institución aclaró que asignó calificaciones temporales de incompleto mientras se investigaba. Según su comunicado, varios estudiantes quedaron libres de sospecha, uno admitió haber usado ChatGPT y otros optaron por realizar una tarea sustitutiva.

La lección no es que todas las acusaciones fueran falsas, sino que el método carecía por completo de rigor para adoptar decisiones disciplinarias. Es clave acudir al comunicado institucional antes de dar por buena la versión más alarmista de las redes.

Para cualquier docente, el caso marca una pauta clara: la respuesta de un modelo de lenguaje sobre si escribió un párrafo no constituye un registro de auditoría. Si no existen otras pruebas, lo procedente es abrir una conversación con el alumno, nunca emitir un castigo inmediato.

Vanderbilt: motivos para desactivar el detector de IA

La Universidad de Vanderbilt anunció el 16/08/2023 que desactivaba la función de detección de IA de Turnitin. Entre sus argumentos señaló el riesgo de falsos positivos, la escasa transparencia del algoritmo y el perjuicio potencial hacia estudiantes no nativos que escriben en inglés como segundo idioma.

La institución cruzó la tasa de falsos positivos del 1% declarada entonces por el proveedor con los cerca de 75.000 trabajos enviados el curso anterior. Los 750 trabajos resultantes representaban la magnitud del riesgo potencial, no 750 personas sancionadas de forma indebida.

Conviene ser riguroso con estas cifras. Extrapolar un porcentaje teórico sobre un volumen de documentos permite dimensionar el peligro, pero no equivale a una lista de afectados confirmados. Además, siempre es necesario conocer las condiciones bajo las cuales la empresa calculó dicho porcentaje.

Para cualquier centro educativo, la conclusión es evidente: evalúa el impacto de un error antes de automatizar los controles. Una cifra de precisión atractiva en el folleto comercial no exime de definir quién resolverá las dudas ni de garantizar el derecho de audiencia del estudiante.

Newby contra Adelphi: el alcance real de la sentencia judicial

En el caso judicial Matter of Newby v Adelphi University, resuelto el 28/01/2026, un estudiante recurrió la sanción impuesta por falta a la integridad académica. La resolución judicial recoge que Turnitin arrojó un índice de IA del 100%, frente al desmentido del alumno y a los informes de otros programas que daban resultados muy inferiores.

La Universidad Adelphi defendió su postura alegando una base razonable conforme a sus estatutos. El tribunal anuló la infracción y la denegación del recurso, ordenó borrar el expediente disciplinario y levantó el castigo. La sentencia argumentó tanto la falta de fundamento probatorio sólido como defectos de procedimiento: se ignoraron las pruebas aportadas por el estudiante y se limitó su derecho efectivo a recurrir.

El fallo no supuso una prohibición legal de los detectores ni un dictamen pericial sobre su fiabilidad técnica global. Demuestra, en cambio, que las instituciones deben respetar sus propios reglamentos y valorar las alegaciones del afectado. Presentar un porcentaje bajo de un segundo detector tampoco basta como salvoconducto de inocencia. Estos datos corresponden a la sentencia citada, sin prejuzgar ulteriores recursos.

A la hora de defenderte, la lección práctica es clara: no bases tu apelación solo en contraponer otro porcentaje de software. Presenta una cronología detallada, adjunta los borradores omitidos y exige saber con precisión qué norma interna se te acusa de vulnerar.

Qué nos enseñan estos precedentes sobre la autoría

El conflicto surge cuando una estimación probabilística suplanta la investigación humana de los hechos. El software solo debería aportar indicios auxiliares, pero su presentación gráfica suele transmitir una falsa apariencia de certeza indiscutible.

Un estudio de Debora Weber-Wulff y colaboradores, publicado el 21/06/2023, analizó 14 herramientas y constató problemas graves de fiabilidad en las condiciones evaluadas, con errores en ambas direcciones. Esto justifica cuestionar la validez de los métodos, pero no permite establecer un porcentaje único de acierto para todos los programas en 2026.

• Distingue el indicio del hecho. «El software ha marcado el texto» describe la realidad técnica con mayor rigor que afirmar «el alumno ha usado IA».
• Comprueba el material analizado. Un extracto suelto, el texto íntegro o una versión tras corrección ortográfica arrojan métricas distintas.
• Guarda la fecha y el modelo evaluador. Sin esa referencia resulta imposible auditar o contrastar el resultado con garantías.
• Revisa las instrucciones de la entrega. La frontera entre corrección asistida y redacción automatizada debe figurar por escrito de antemano.
• Escucha al autor. Quien firma el texto debe tener la posibilidad de contrastar la acusación con sus propios argumentos y materiales.

Analizo un aspecto derivado en el artículo sobre detectores de IA y redacción en una segunda lengua. Asimismo, las directrices tratadas en normas editoriales y certámenes literarios frente a la IA evidencian por qué no toda asistencia digital constituye una infracción equivalente.

Cómo actuar ante una acusación errónea de uso de IA

Esta pauta recopila recomendaciones prácticas para ordenar tu defensa, sin que constituya una garantía de éxito en un recurso disciplinario. El primer paso consiste en congelar los archivos tal y como están: reescribir partes a posteriori para alterar el porcentaje solo confunde el estado original del documento.

• Exige el informe técnico íntegro: software utilizado, fecha exacta del análisis y archivo específico examinado.
• Conserva esquemas, notas de trabajo, fuentes consultadas y el historial de revisiones del procesador de textos.
• Detalla qué herramientas de apoyo has empleado: diccionarios, correctores, traductores o asistentes conversacionales.
• Vincula cada borrador o nota con las secciones correspondientes del trabajo en vez de remitir una carpeta desordenada.
• Comprueba los plazos y la vía formal de impugnación previstos en el reglamento de tu centro.
• Solicita una resolución por escrito con motivación explícita y contestación a cada una de tus alegaciones.

Nunca intentes fabricar historiales de cambios falsos de forma retroactiva. Si redactaste el trabajo en un único archivo sin versiones guardadas, dilo con naturalidad. Puedes explicar la lógica de tus argumentos, el motivo de elegir cada fuente o citar a las personas con las que contrastaste las ideas. Ningún documento aislado constituye un salvoconducto indiscutible; la credibilidad radica en la coherencia de conjunto.

Quien examina el caso debe separar el conocimiento de la materia de la fluidez verbal bajo presión. Una entrevista aclaratoria debe dilucidar el proceso reflexivo del autor, no convertirse en un tribunal hostil. Define antes las dudas concretas y permite que el autor aporte documentación complementaria.

Resulta útil asumir los límites de las pruebas digitales. El historial de versiones documenta la evolución temporal, pero no garantiza el origen de cada frase insertada. Una libreta de notas acredita el estudio previo, aunque no describe la redacción final. En lugar de perseguir una prueba matemática irrebatible, busca la coherencia entre cronología, borradores, bibliografía y las explicaciones del autor. En el informe final, separa con nitidez lo demostrado de lo dudoso.

Mi test de octubre de 2026: los clásicos también dan «IA»

Comprobé este comportamiento el 14 de octubre de 2026 al analizar fragmentos de la novela de Thélyson Orélien junto con muestras de control históricas. AUTHORRA clasificó un extracto de «Germinal» de Émile Zola (1885) con un 91,6% de IA, mientras que ZeroGPT asignó un 26,4% de IA a «El Horla» de Guy de Maupassant (1887). Pangram identificó correctamente ambas muestras humanas. Puedes consultar las capturas y métricas completas en el análisis sobre Thélyson Orélien y los detectores de IA: mi prueba.

Si un software ha puesto en duda tu autoría, consulta la guía paso a paso sobre qué hacer ante una acusación falsa de uso de IA.

Preguntas frecuentes

¿Un 100% en un detector de IA prueba un fraude?

No. Hace falta contextualizar el indicador, el método de análisis y el rastro de trabajo del autor. Un porcentaje extremo no demuestra por sí solo ni la autoría de una máquina ni una vulneración de las normas.

¿La Constitución de EE. UU. fue clasificada de verdad como texto de IA?

Sí, la detección de fragmentos fue contrastada por Ars Technica en julio de 2023. Aquellas capturas reflejaban el comportamiento de herramientas de la época y no deben extrapolarse a todas las versiones actuales del software.

¿Basta con pasar el texto por un segundo detector para defenderse?

Una segunda herramienta puede mostrar contradicciones entre modelos, pero no explica la causa del desajuste. Aporta mucho más valor cotejar los informes técnicos con las fuentes y los borradores reales del trabajo.

¿La sentencia del caso Adelphi prohíbe el uso de detectores?

No. El tribunal se pronunció sobre un expediente concreto y sus irregularidades de tramitación. No decretó una prohibición general ni sentó que todos los resultados de estos algoritmos sean inválidos.

¿Carecer de historial de versiones significa que se usó IA?

No constituye prueba suficiente para sostener esa conclusión. En el escrito de alegaciones conviene describir el método de trabajo seguido y aportar las notas disponibles, sin inventar archivos inexistentes.

// sigue leyendoReconocimiento facial en Londres: 320 000 libras por un falso positivoPanorama de la IADetectores de IA: cómo funcionan, fiabilidad y qué hacer con el resultadoGuíasMidnight Mimosa: cómo detectar un móvil Android infectadoGuías

Kinetyra