Detector de IA
Un detector de IA es una herramienta que estima la probabilidad de que un texto haya sido escrito por un modelo de lenguaje como Claude, analizando patrones estadísticos, aunque sus resultados son orientativos y propensos a errores.
Un detector de IA es un sistema que analiza un texto y devuelve una estimación de si fue generado por un modelo de lenguaje (Claude, GPT, Gemini) o escrito por una persona. No lee intenciones ni consulta ningún registro de lo que ha producido cada modelo: infiere a partir de rasgos estadísticos del propio texto. Su salida es una probabilidad, no una prueba.
Cómo funciona
Existen tres enfoques principales, a menudo combinados:
- Métricas de previsibilidad: se mide la perplejidad (lo sorprendente que resulta cada palabra para un modelo de referencia) y la burstiness (la variación de longitud y estructura entre frases). Los LLM tienden a elegir tokens muy probables y a producir frases homogéneas; los humanos alternan frases cortas y largas y eligen palabras menos previsibles.
- Clasificadores entrenados: un modelo se entrena con miles de pares de textos humanos y generados para aprender a separarlos. Es el enfoque de la mayoría de herramientas comerciales.
- Marcas de agua (watermarking): el propio proveedor sesga de forma imperceptible la elección de tokens durante la generación para que luego pueda verificarse. Solo funciona si el modelo la aplica de origen y el texto no se ha reescrito mucho.
En el caso de Claude, Anthropic no ofrece una herramienta pública para verificar si un texto concreto salió de sus modelos, de modo que los detectores de terceros solo pueden aplicar los dos primeros métodos.
Por qué importa
Si construyes con Claude o lo usas para escribir, los detectores afectan a decisiones reales: un trabajo académico marcado como sospechoso, un artículo rechazado por una plataforma o un candidato descartado. Las consecuencias prácticas son claras:
- Los falsos positivos son frecuentes. Textos técnicos, formales o escritos por personas no nativas en el idioma suelen ser más previsibles y se marcan como IA sin serlo.
- Los falsos negativos también. Una edición humana moderada, un prompt que pida estilo variado o una temperatura más alta bastan para que muchos detectores fallen.
- Funcionan peor en español que en inglés, porque la mayoría se entrenó sobre todo con corpus anglosajones.
Lo que dicen los datos
OpenAI retiró en 2023 su propio clasificador de texto por baja precisión: según sus datos, identificaba correctamente solo alrededor del 26 % de los textos generados por IA y marcaba como IA cerca del 9 % de los humanos. Un estudio de Stanford del mismo año (Liang et al.) mostró que varios detectores populares clasificaban como generados por IA más de la mitad de los ensayos escritos por estudiantes no nativos de inglés.
En la Unión Europea, el AI Act exige desde agosto de 2026 que los proveedores de sistemas generativos marquen el contenido sintético en un formato legible por máquinas. Eso empuja hacia el watermarking de origen, que es mucho más fiable que adivinar a posteriori, aunque la implementación técnica varía según el proveedor.
Para profesores, el enfoque sensato no es perseguir textos con detectores sino rediseñar la evaluación. Si es tu caso, merece la pena aprender a usar Claude en el aula con criterio en lugar de depender de una puntuación opaca.
Errores comunes
- Tratar el porcentaje como prueba. Un 90 % de probabilidad de IA no demuestra autoría; nunca debería ser la única base para una sanción.
- Creer que existe un detector específico de Claude. Las herramientas genéricas no distinguen de forma fiable entre modelos.
- Confundirlo con un detector de plagio. El plagio compara con fuentes existentes; el detector de IA evalúa estilo estadístico. Un texto puede ser original y aun así marcarse como IA.
- Pensar que pedir a Claude que escriba más humano es neutral. Si el objetivo es engañar a un sistema de evaluación, el problema es de transparencia, no técnico.
Preguntas frecuentes
¿Pueden los detectores de IA identificar un texto escrito con Claude?
A veces lo marcan como generado por IA, pero no pueden atribuirlo específicamente a Claude ni hacerlo de forma fiable. Una edición humana moderada o un estilo variado suelen bastar para que fallen.
¿Tiene Claude marca de agua en sus textos?
Anthropic no ofrece una herramienta pública para verificar si un texto concreto fue generado por Claude. Las obligaciones de marcado del AI Act europeo pueden cambiar esto, así que conviene revisar la documentación oficial vigente.
¿Es justo usar un detector de IA para sancionar a un alumno o empleado?
No como única prueba. Las tasas de falsos positivos son altas, especialmente con textos formales o de personas no nativas, y el resultado es una probabilidad, no una evidencia de autoría.
¿Qué diferencia hay entre un detector de IA y un detector de plagio?
El detector de plagio busca coincidencias con fuentes existentes; el detector de IA analiza patrones estadísticos del estilo. Son herramientas distintas que responden a preguntas distintas.