Cómo probamos nuestro detector de IA y qué significan sus cifras
Todas las cifras que publicamos salen de textos que el detector nunca vio al entrenarse ni al ajustarse, y cada una lleva el tamaño de la muestra y la fecha de la prueba.
Con qué textos probamos
¿Son fiables los detectores de IA? La respuesta honesta depende sobre todo de una cifra: cuántas veces el detector marca como IA un texto que escribió una persona. Ese error, el falso positivo, es el que más daño puede hacer a un estudiante, así que lo medimos primero y por separado.
Nuestras cifras actuales vienen de una prueba del 12 de octubre de 2026, hecha con la versión del detector que funciona hoy en la web. Ningún texto de la prueba se usó para entrenar ni para ajustar el detector. Antes de cada lectura comprobamos que no se solapen con los datos de entrenamiento, y esta vez la comprobación encontró 0 coincidencias.
Cómo se hace una prueba
Separar los textos de prueba
Ningún texto del conjunto de prueba se usa para entrenar ni para ajustar el detector. A eso lo llamamos una prueba reservada.
Comprobar el solapamiento
Antes de cada lectura comparamos el conjunto de prueba con los datos de entrenamiento. En la prueba actual la comprobación no encontró ninguna coincidencia.
0 coincidenciasLeer con la línea de la tarjeta
Cada texto recibe una cifra. Cuenta como marcado a partir de la misma línea en la que la tarjeta de resultado da el veredicto IA.
65Publicar los recuentos con fecha
Cada cifra lleva el tamaño de la muestra y la fecha de la prueba. Una prueba nueva cambia la fecha de la página de precisión.
2026-10-12
El conjunto de prueba tiene tres grupos:
- 01
Textos humanos de hablantes nativos
150textos por idiomaTextos de hablantes nativos: escritura cotidiana de la web, 150 textos por idioma, como mucho 2 de una misma web, de 8 tipos de texto distintos.
Idiomas- Inglés
- Español
- Francés
- Alemán
- Italiano
- Portugués
- Neerlandés
- Polaco
- Turco
- Ruso
- Árabe
- Hindi
- Indonesio
- 02
Textos humanos en una lengua aprendida
5idiomas con textos de estudiantesTextos de personas que escriben en una lengua aprendida, sacados de colecciones de textos de estudiantes de inglés, alemán, español, francés e italiano.
Textos por idioma- Inglés600
- Español300
- Francés300
- Alemán300
- Italiano300
- 03
Textos de máquina
9modelos de chat actualesTextos de máquina, escritos por 9 modelos de chat actuales, más continuaciones de un comienzo humano y paráfrasis.
Textos por idioma- Inglés75
- Español76
- Francés77
- Alemán75
- Italiano75
- Portugués75
- Neerlandés73
- Polaco74
- Turco73
- Ruso75
- Árabe73
- Hindi73
- Indonesio71
Cuándo cuenta un texto como marcado
- Lado humanoLa tarjeta de resultado diceSe lee como escrito por una persona
- En medioLa tarjeta de resultado diceNo se inclina con claridad ni hacia IA ni hacia una persona
- Lado máquinaLa tarjeta de resultado diceSe lee como escrito por IA
Un texto cuenta como marcado cuando obtiene 65 o más. Es la misma línea a partir de la cual la tarjeta de resultado da el veredicto IA, de modo que la prueba mide lo mismo que verías tú en pantalla.
Cuántas veces marca un texto humano
| Idioma | Textos nativos marcados | Textos no nativos marcados |
|---|---|---|
| Inglés | 0 de 150 (0,0 %, intervalo 0,0 a 2,5 %) | 3 de 600 (0,5 %, intervalo 0,2 a 1,5 %) |
| Alemán | 0 de 150 (0,0 %, intervalo 0,0 a 2,5 %) | 0 de 300 (0,0 %, intervalo 0,0 a 1,3 %) |
| Español | 1 de 150 (0,7 %, intervalo 0,1 a 3,7 %) | 2 de 300 (0,7 %, intervalo 0,2 a 2,4 %) |
| Turco | 0 de 150 (0,0 %, intervalo 0,0 a 2,5 %) | Sin medir |
Estas son las marcas erróneas en los cuatro idiomas de este sitio. Cada celda da el recuento y la tasa, con su intervalo del 95 %.
En español, el detector marcó por error 1 de 150 textos nativos y 2 de 300 textos de personas que aprendieron el idioma. El grupo no nativo en inglés se divide en dos mitades. En los textos de quienes tienen el árabe como primera lengua marcó 3 de 300 (1,0 %, intervalo 0,3 a 2,9 %). En los de quienes tienen el español como primera lengua, 0 de 300 (0,0 %, intervalo 0,0 a 1,3 %). No tenemos textos de estudiantes de turco, así que no afirmamos nada sobre el turco que escribe quien lo está aprendiendo. Las cifras de los otros nueve idiomas calibrados están en la página de precisión.
Cuántos textos de máquina detecta
| Idioma | Todos los textos de máquina detectados | Textos escritos enteros por un modelo de chat |
|---|---|---|
| Inglés | 68 de 75 | 54 de 54 |
| Alemán | 68 de 75 | 54 de 54 |
| Español | 63 de 76 | 52 de 54 |
| Turco | 65 de 73 | 52 de 54 |
Las muestras de máquina son más pequeñas, de 52 a 77 textos por idioma, así que solo las publicamos como recuentos.
La primera columna incluye las continuaciones y las paráfrasis, que son más difíciles de detectar que un texto escrito de principio a fin por un modelo. No mezcles un recuento de textos detectados con uno de textos marcados por error. Salen de textos distintos y responden a preguntas distintas.
Dónde falla más el detector
El francés es el idioma en el que menos texto de máquina detecta: 53 de 77 textos de máquina, y 44 de 54 escritos enteros por un modelo de chat. La página de precisión muestra esa fila junto a las demás.
Cuando un modelo continúa un texto que empezó una persona, el detector lo reconoce mucho peor. Esos grupos son demasiado pequeños para dar una tasa justa (entre 9 y 15 textos por idioma), y por eso no damos ninguna.
Con un texto corto el detector tiene poco que leer. No analiza textos de menos de 50 palabras, y por debajo de 100 la confianza es siempre Baja. Los documentos largos tienen otro punto débil: su cifra puede moverse si el texto se divide en partes de otra manera. Aún no lo hemos resuelto, así que en un documento largo fíjate en las frases marcadas, no solo en la cifra global.
La regla que debe cumplir cada idioma
Un idioma solo recibe su propia línea si su conjunto de prueba alcanza una separabilidad de al menos 0,9, medida como AUROC. El AUROC es la probabilidad de que un texto de máquina elegido al azar puntúe más alto que un texto humano elegido al azar. Un 0,5 equivale a lanzar una moneda, y un 1,0 a una separación perfecta.
Una vez fijada la línea, no más de 1 de cada 20 textos humanos, ni más de 1 de cada 20 textos no nativos, puede quedar en ella o por encima. Hoy cumplen esta regla trece idiomas. Si tu texto está en otro idioma, el detector no da ninguna cifra y te avisa de que ese idioma no está calibrado.
El humanizador y las demás herramientas
Del humanizador de IA publicamos un solo resultado. En una prueba del 17 de octubre de 2026 con 20 textos en inglés, la reescritura conservó los datos en 20 de 20 textos y el registro en 20 de 20. Es una prueba pequeña y no dice nada sobre detectores de IA. No publicamos ninguna tasa de aprobado del humanizador ni afirmamos que lo que escribe pase un detector.
El corrector gramatical, el parafraseador y el detector de plagio también pasan por pruebas internas. Sus muestras son pequeñas o las hemos montado nosotros mismos, así que esos resultados no salen de casa hasta que tengamos muestras lo bastante grandes para publicarlos.
Lo que no afirmamos
Que el detector demuestre quién escribió un texto. Da una probabilidad con un rango.
Que funcione en cualquier idioma. Está calibrado para 13.
Que sea mejor o peor que otros detectores. No hemos hecho ninguna comparación.
Una precisión concreta para textos de menos de 100 palabras.
Cada prueba nueva cambia la fecha de la página de precisión. Estas cifras no llevan la firma de ninguna persona. Son mediciones de la empresa, y la política editorial explica cómo las citan nuestros artículos. En la página del equipo verás quién escribe y revisa el resto del sitio.