Un correo electrónico de candidatura demasiado fluido, un trabajo entregado sin el más mínimo error, un artículo de blog con un tono extrañamente liso: estas situaciones llevan a cada vez más lectores a preguntarse si un texto ha sido generado por ChatGPT. Detectar un contenido producido por una inteligencia artificial no se basa en un solo indicio, sino en un conjunto de señales que se pueden aprender a reconocer, incluso sin una herramienta especializada.
Análisis estilístico: lo que la regularidad del texto revela
¿Alguna vez has notado que un texto te parecía “demasiado limpio” sin poder decir por qué? A menudo, esta es la primera señal. Un humano varía naturalmente la longitud de sus oraciones: una corta, luego una larga, luego una media. ChatGPT, por su parte, tiende a producir oraciones de longitud comparable, párrafo tras párrafo.
Mira también la puntuación. La ausencia total de errores o titubeos es un marcador fuerte. Un redactor humano deja pasar una coma mal colocada, un guion olvidado. Un texto perfecto en términos tipográficos, especialmente si es largo, merece un examen más atento.
Otro indicio concreto: el vocabulario de enlace. ChatGPT recurre frecuentemente a los mismos conectores (“además”, “por otra parte”, “es importante señalar que”). Si encuentras más de tres ocurrencias del mismo conector en un texto de 500 palabras, la probabilidad de una generación automática aumenta. Para profundizar en este tipo de análisis, puedes descubrir los artículos de Au Top sobre el tema.
Un texto de IA casi siempre carece de un sesgo personal. Expone, lista, matiza, pero no toma posición. Si un artículo de 800 palabras sobre un tema polémico no contiene ninguna opinión contundente, es una señal adicional.
Detectores de contenido IA: fiabilidad real y límites técnicos
Varios herramientas prometen detectar un texto generado por ChatGPT: GPTZero, ZeroGPT, Turnitin o Draft & Goal. Su principio se basa en el análisis estadístico. Miden la “perplejidad” (el grado de sorpresa de un modelo ante cada palabra) y la “explosividad” (la variación de complejidad entre las oraciones).
Un texto humano presenta una perplejidad alta e irregular. Un texto de IA muestra valores bajos y homogéneos. Eso es la teoría.
En la práctica, los detectores solo alcanzan alrededor del 40 % de exactitud en textos de IA no modificados, según un estudio de 2024 que abarcó 805 evaluaciones de textos producidos por GPT-3.5 y GPT-4. Más preocupante aún: esta exactitud cae a poco más del 20 % tan pronto como el texto sufre modificaciones simples (reformulación, adiciones menores, reescritura parcial). A modo de comparación, los evaluadores humanos alcanzan aproximadamente el 67 % en el mismo protocolo.
Lo que los detectores no dicen
Un resultado “0 % IA” no garantiza nada. Un resultado “95 % IA” tampoco. Los falsos positivos afectan regularmente a redactores cuya lengua francesa como segunda lengua produce estructuras más regulares. Textos académicos muy normados, redactados sin IA, también generan alertas.
Confiar en una sola herramienta para decidir sería un error. La detección fiable siempre combina un software y una lectura humana atenta.
Lectura humana: las señales que las máquinas no captan
Un detector mide probabilidades estadísticas. Un lector atento percibe algo más: la ausencia de vivencias, de referencias personales, de torpezas intencionadas. Aquí están las señales más fiables a verificar manualmente:
- Los ejemplos permanecen vagos o genéricos. ChatGPT escribe “tomemos el ejemplo de una empresa” sin nunca nombrar esa empresa, sin contexto sectorial preciso.
- Los números suelen estar redondeados o presentados en rangos amplios. Un humano cita “37 %” porque ha leído una fuente. ChatGPT redondea o inventa un rango (“entre 30 y 50 %”).
- El texto no contiene ninguna contradicción interna, ninguna matización que debilite su propio argumento. Un redactor humano a veces admite un límite. ChatGPT construye un argumento sistemáticamente equilibrado.
- Las transiciones entre párrafos son mecánicas: cada sección comienza con una frase que resume lo que seguirá, como un plan de disertación.
Este último punto es el más discriminante. Un texto humano avanza por asociación de ideas, no por anuncio sistemático. Si cada párrafo comienza con una frase introductoria seguida de tres argumentos, el esquema es típicamente el de un modelo de lenguaje.
Obligaciones legales de etiquetado IA en Europa a partir de 2026
La pregunta “¿es un texto de IA?” podría pronto encontrar una respuesta técnica impuesta por la ley. El Reglamento (UE) 2024/1689, conocido como “AI Act”, prevé en su artículo 50 que los sistemas generativos como ChatGPT deberán etiquetar sus contenidos (texto, imagen, audio, video) como “generados artificialmente” en un formato legible por máquina.
Estas obligaciones de transparencia entran en vigor el 2 de agosto de 2026 para los sistemas recién lanzados al mercado. Concretamente, un texto producido por ChatGPT debería incluir una metadato que identifique su origen, accesible mediante un software compatible.
Este etiquetado no resolverá todo. Solo cubre los contenidos generados después de la fecha de aplicación. También supone que el usuario final no elimine manualmente las metadatos, lo cual sigue siendo técnicamente simple. La detección humana, por lo tanto, mantiene toda su relevancia, incluso en un marco regulado.
Lo que esto cambia para la detección en el día a día
Para un docente, un reclutador o un editor, el reflejo útil sigue siendo el mismo: cruzar al menos dos enfoques. Pasar el texto por un detector para obtener una primera señal. Luego, releer buscando los indicios estilísticos descritos anteriormente.
- Verificar la regularidad sospechosa de la estructura y el vocabulario
- Probar el texto en dos detectores diferentes y comparar los resultados
- Buscar la ausencia de voz personal, anécdotas o referencias precisas
Ninguno de estos indicios, tomado aisladamente, prueba que un texto proviene de ChatGPT. Sin embargo, su acumulación constituye un conjunto suficiente para justificar una verificación más profunda. La mejor detección sigue siendo la que combina una herramienta estadística con una mirada crítica, capaz de detectar lo que ningún algoritmo mide aún: la huella de un pensamiento singular en la escritura.
