¿Es fiable un detector de IA? Cómo lee el nuestro un texto y cuánto falla
Ningún detector de IA acierta siempre, tampoco el nuestro. Aquí ves cuánto falla con textos que nunca vio al entrenarse. En español, la prueba del 12 de octubre de 2026 marcó por error 1 de 150 textos de nativos y 2 de 300 textos de personas que escriben en español como segunda lengua, y detectó 63 de 76 textos de máquina.
Cómo funcionan los detectores de IA
¿Se puede saber si un texto es de una IA? Con certeza, no. Medirlo, sí. Nuestro detector mira lo previsible que es cada palabra tras las anteriores, porque una máquina elige la palabra esperada más a menudo que una persona. El modelo es nuestro y no busca marcas de agua.
Pega o sube el texto
Pega el texto o sube un archivo. El idioma se reconoce solo y puedes cambiarlo.
Lectura en contexto
Cada frase se valora junto al pasaje que la rodea.
Valoración de patrones
El modelo mide cuánto se parece cada pasaje a la escritura de una persona o de una máquina.
La línea de cada idioma
La cifra se compara con la línea fijada para ese idioma. Un idioma sin calibrar no recibe cifra, solo un aviso.
Las pruebas, a la vista
Ves una cifra con rango, nuestra confianza y una marca por frase. Con confianza alta, el titular dice “Se lee como escrito por IA”, con media, “Probablemente escrito por IA”. “Resultado mixto” indica frases que apuntan en las dos direcciones.
Precisión del detector de IA, desde los dos lados
Textos de máquina detectados y textos humanos marcados por error, por idioma. Un texto cuenta como marcado desde 65, la línea de la tarjeta de resultado.
Elige un idioma. El francés es nuestro caso más flojo al detectar texto de máquina, y su fila lo muestra.
Español: resultados con textos nunca vistos
Prueba con textos nunca vistos, 2026-10-12Textos de máquina detectados
63 de 76 textos82,9 %Rango del 95 %: de 72,9 % a 89,7 %
Respuestas de chat, continuaciones de un inicio humano y paráfrasis. Las continuaciones son las más difíciles.
Respuestas de chat detectadas
52 de 54 textos96,3 %Rango del 95 %: de 87,5 % a 99 %
Textos escritos enteros por un modelo de chat.
Nativos marcados
1 de 150 textos0,7 %Rango del 95 %: de 0,1 % a 3,7 %
Textos web corrientes, 2 por sitio como mucho, de 8 tipos.
Estudiantes marcados
2 de 300 textos0,7 %Rango del 95 %: de 0,2 % a 2,4 %
Textos en una lengua aprendida, de corpus de aprendices.
Ningún texto estuvo en el entrenamiento. Cuenta como marcado desde 65. Los porcentajes describen la prueba, no un resultado concreto.
Probado pensando en quien escribe
Un detector que toma por IA un TFG escrito sin IA hace daño de verdad. Por eso contamos los dos tipos de error, fijamos la línea primero con textos humanos y fechamos cada resultado.
Por qué algunos textos se quedan en medio
Las cifras humanas y las de máquina se solapan. Nuestra línea está en el borde alto de la curva humana, así que pocos textos humanos la cruzan y parte del texto de máquina queda debajo.
Entrenar con textos variados
Muchas colecciones de textos humanos y de modelos de chat actuales.
Calibrar cada idioma
Cada idioma tiene su línea, y los estudiantes de idiomas forman un grupo aparte.
Probar con textos nunca vistos
150 textos humanos por idioma y textos de 9 modelos de chat, continuaciones y paráfrasis. Ninguno estuvo en el entrenamiento.
Una regla fija
Un idioma queda calibrado solo si como mucho 1 de cada 20 textos humanos, nativos o de estudiantes, cruza la línea.
Un texto corto dice poco
En un pasaje corto, pocas palabras deciden. Pega un fragmento completo y mira qué frases mueven la cifra.
Resultados con textos cortos Sin cifra todavía.
Preguntas sobre la fiabilidad
¿Un 20 % de IA es mucho?
Por sí sola, esa cifra dice poco. La cifra describe cómo suena el texto, no qué parte escribió una máquina. Si tu universidad fija un límite, pregunta si habla de IA o de la similitud de un informe de plagio. Textlume te enseña qué frases se marcaron.
¿Puede marcar un texto que escribí yo?
Sí. Un texto humano también puede cruzar la línea, más en unos idiomas que en otros. Bajo 50 palabras no hay valoración, y 50 palabras dicen mucho menos que 100. Revisa en Textlume un fragmento más largo y compara.
¿Cómo demuestro que el texto es mío?
Con tu proceso. Borradores, historial de versiones y apuntes enseñan cómo nació tu TFG o tu trabajo de clase. Textlume marca las frases que suenan a máquina para que sepas cuáles explicar.
¿Cómo reconozco un detector de IA fiable?
Publica cifras con fecha y número de textos, medidas con textos que no vio al entrenarse, y da los falsos positivos junto a los aciertos. Nuestras cifras valen solo para Textlume.
Cómo leer estas cifras
Inglés escrito por no nativos
En textos en inglés de personas con el árabe o el español como primera lengua, el detector marcó 3 de 600, un 0,5 %, con rango del 95 % de 0,2 % a 1,5 %. En nativos de inglés, 0 de 150.
Cifra, rango y confianza
La cifra dice cuánto se parece el texto a uno de máquina, el rango cuánto podría moverse y la confianza la fuerza de las señales. Nada de eso prueba quién lo escribió.