IA para EstudiarDetectores de IA en la universidad: qué se sabe de su fiabilidad
Enfoque de esta web: Aquí se trata el caso universitario: qué hacer si un detector señala tu trabajo, la presunción de buena fe y cómo documentar tu proceso. Cómo funcionan en general estos detectores y sus límites técnicos se explican en una guía de herramientas prácticas. Detectores de IA: qué valor tienen
Qué prometen y qué se ha comprobado
Un detector de IA analiza un texto y devuelve una probabilidad o una etiqueta del tipo «probablemente escrito por una máquina». Para un docente con muchos trabajos que corregir, resulta tentador tratar ese resultado como una prueba. La pregunta honesta es si acierta lo bastante como para sostener una acusación.
Para responderla se han abierto y leído dos trabajos de investigación, ambos disponibles en arXiv. El primero, de Weber-Wulff y otros (2023), evaluó 12 herramientas de detección de acceso público y dos sistemas comerciales usados en entornos académicos. Su conclusión, citada en el resumen, es que las herramientas disponibles no son ni precisas ni fiables, con un sesgo principal hacia clasificar el texto como escrito por una persona. Además, las técnicas de ofuscación del contenido empeoraban de forma significativa el rendimiento, y la traducción automática también afectaba a la detección.
Dos aclaraciones de honestidad: son estudios de 2023, y los detectores y los modelos han evolucionado desde entonces. Y no se ha encontrado en las fuentes abiertas ninguna evaluación posterior que respalde que hoy estas herramientas sean lo bastante fiables para sancionar. Ausencia de evidencia no demuestra que sean inútiles, pero sí que no debe tratarse su resultado como una prueba concluyente.
El problema de los falsos positivos
Un detector puede fallar de dos maneras: no detectar un texto generado por IA (falso negativo) o señalar como generado por IA un texto escrito por una persona (falso positivo). Para el estudiante, el segundo error es el grave, porque equivale a una acusación infundada.
El segundo estudio consultado, de Liang y otros (2023), señala justo un riesgo de ese tipo. Según su resumen, los detectores de texto de IA estudiados clasifican de forma consistente como generada por IA la escritura de personas cuya lengua materna no es el inglés, mientras clasifican con acierto muestras de nativos. Los autores advierten de que estas herramientas pueden penalizar sin querer a quienes tienen una expresión lingüística más limitada, y desaconsejan usarlas en contextos educativos o de evaluación porque podrían perjudicar a hablantes no nativos.
El resumen no aporta cifras, y el estudio se centra en el inglés, así que no se debe extrapolar un porcentaje al español. Lo que sí transmite es un mecanismo plausible de injusticia: la herramienta puede confundir con «poco humano» un estilo sencillo, repetitivo o aprendido en otra lengua. Eso afecta también a quien escribe con inseguridad o con dificultades de aprendizaje.
Qué dice una universidad española
Las orientaciones de la Universidad Complutense de Madrid, actualizadas en septiembre de 2025, reafirman que no es realista prohibir el uso de la IA generativa ni se puede confiar plenamente en detectar si un texto se generó con IA. Ante la sospecha de uso indebido, piden actuar como ante un posible plagio, con criterio y presunción de buena fe.
Son orientaciones institucionales y no un reglamento disciplinario, y cada docente puede fijar normas más concretas en su asignatura. Aun así, la idea de fondo es útil: el resultado de un programa no basta. Hay que mirar el conjunto del trabajo, la trayectoria del alumno y el proceso de elaboración, y dar al estudiante la oportunidad de explicarse.
Hay otro dato regulatorio de contexto. El Reglamento europeo de IA clasifica como de alto riesgo los sistemas destinados a vigilar y detectar comportamientos prohibidos de estudiantes durante los exámenes, y los dirigidos a evaluar resultados del aprendizaje. Afecta a sistemas que usan centros e instituciones para decidir sobre estudiantes. Según la Comisión Europea, las normas para alto riesgo en educación se aplican desde el 2 de diciembre de 2027, tras el paquete Digital Omnibus; conviene confirmar el texto publicado en el DOUE antes de citar artículos concretos.
Si te cuestionan un trabajo: cómo documentarte
La mejor defensa es el proceso, no el producto. Si trabajas con ayuda de IA o sin ella, conserva evidencia de cómo se hizo tu trabajo.
- Guarda el historial de versiones del documento, con fechas.
- Conserva tus notas, esquemas, borradores y fuentes consultadas.
- Si usaste IA, guarda las conversaciones y la declaración de uso.
- Apunta la bibliografía con enlaces o signaturas y comprueba que existen las obras.
- Prepárate para explicar oralmente cualquier párrafo: qué quieres decir, por qué esa fuente, cómo llegaste a esa conclusión.
Si te acusan solo con el resultado de un detector, puedes pedir por escrito el procedimiento, qué herramienta se usó, qué otras pruebas existen y una entrevista para defender el trabajo. No es una cuestión de enfrentarte: es de pedir un procedimiento justo. Consulta también al delegado de estudiantes o al servicio de defensa universitaria de tu centro.
Qué pueden hacer los centros en lugar de confiar en el detector
Si eres docente, hay alternativas más sólidas que un porcentaje. Puedes diseñar tareas con elementos que la IA no resuelve bien sin tu implicación: seguimiento por fases con entregas intermedias, apoyo en el aula de parte del trabajo, vinculación con experiencias concretas de la clase o defensa oral breve.
La UNED, en su guía para Trabajos Fin de Título, no se apoya en detectores sino en la autorización del director, la declaración de uso y la Declaración jurada de autoría. Es un enfoque basado en procedimiento y responsabilidad, no en adivinar la autoría de un texto.
- Fija por escrito qué usos de IA se permiten y cuáles no en cada tarea.
- Pide una declaración de uso breve y concreta.
- Evalúa el proceso: borradores, esquemas, tutorías.
- Reserva una conversación con el estudiante antes de cualquier decisión.
- Aplica la presunción de buena fe mientras no haya pruebas sólidas.
La evaluación también debe mirar lo que el estudiante sabe hacer sin ayuda. El resumen del informe de la OCDE advierte de que la ventaja de trabajos de más calidad con IA desaparece al retirarla, lo que respalda el uso de pruebas presenciales o orales como complemento.
Mensaje práctico para estudiantes y docentes
Para estudiantes: escribe tus trabajos de modo que puedas defenderlos, declara el uso de IA que hagas y no uses un detector como si fuera un certificado de originalidad. Si un detector te señala un texto tuyo, no lo reescribas a ciegas para «engañar» a la herramienta; eso no demuestra nada y puede empeorar la calidad del trabajo.
Para docentes: un resultado de detector es, como mucho, un motivo para conversar, no para sancionar. Documenta cómo llegas a una sospecha, ofrece trato justo y respeta la presunción de buena fe que recomienda la Complutense.
Para todos: si algún día aparecen estudios de fiabilidad más recientes y verificables, merece la pena leerlos antes de cambiar de criterio. Hasta entonces, la conclusión prudente es que la evidencia consultada no respalda tratar estas herramientas como prueba, y que lo justo es combinar normas claras, evaluación del proceso y diálogo.
Fuentes consultadas
Cada dato de esta guía sale de un documento oficial; léelo en su origen si vas a basar una decisión en él.
- Universidad Complutense de Madrid: Uso de herramientas de IA generativa, nuevas orientaciones (septiembre de 2025). https://ssii.ucm.es/file/2uso-de-herramientas-de-inteligencia-artificial-generativa-nuevas-orientaciones-4
- Reglamento (UE) 2024/1689 de IA, versión en español. https://www.boe.es/doue/2024/1689/L00001-00144.pdf
- UNED: Guía para asegurar la integridad académica en el uso de la IA generativa en los Trabajos Fin de Título (10 de diciembre de 2025). https://www.uned.es/universidad/dam/inicio/unidad/cpri/Portal-antiplagio/Guia-de-integridad-en-I.A.-generativa/Gu%C3%ADa-para-asegurar-integridad-acad%C3%A9mica-con-IA.pdf
- Comisión Europea, plataforma Digital Skills & Jobs: resumen del informe OCDE Digital Education Outlook 2026. https://digital-skills-jobs.europa.eu/en/latest/news/oecd-digital-education-outlook-2026-how-generative-ai-can-support-learning-when-used
- Weber-Wulff et al. (2023), arXiv: Testing of detection tools for AI-generated text. https://arxiv.org/abs/2306.15666
- Liang et al. (2023), arXiv: AI-text detectors are biased against non-native English writers. https://arxiv.org/abs/2304.02819
La Comisión Europea indica el calendario del Digital Omnibus en su página de política digital: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
Revisado: 2026-10-13. La regulación del uso de la IA en la enseñanza evoluciona rápido; antes de actuar, lee la norma de tu centro tal como esté hoy.
Preguntas frecuentes
¿Son fiables los detectores de texto generado por IA?
La evidencia consultada indica que no. Un estudio de 2023 con 14 herramientas concluyó que no eran ni precisas ni fiables, y otro advirtió de sesgos contra quienes escriben en una segunda lengua. No hay fuentes abiertas que respalden usarlos como prueba.
¿Me pueden sancionar solo por lo que diga un detector?
Las orientaciones consultadas piden actuar con criterio y presunción de buena fe, como ante un posible plagio. Si te ocurre, solicita por escrito el procedimiento, las pruebas y una entrevista, y consulta el reglamento de tu universidad.
¿Cómo demuestro que escribí yo mi trabajo?
Conserva el historial de versiones, borradores, notas y fuentes, y prepárate para explicar oralmente el contenido. Si usaste IA, guarda las conversaciones y la declaración de uso. El proceso documentado pesa más que cualquier porcentaje.
Guías relacionadas
- Integridad académica y uso permitido de la IA en tus estudios: Qué suelen permitir y qué consideran fraude las universidades sobre el uso de IA, cómo declarar su uso y por qué debes consultar la normativa de tu centro.
- Ética al usar IA para estudiar: qué es honesto y qué no: Criterios prácticos para usar la IA al estudiar con honestidad: qué usos son legítimos, cuáles son fraude y cómo decidir cuando hay dudas.
- Docentes y IA: cómo diseñar y evaluar tareas hoy: Guía para el profesorado: qué hacer con las tareas, cómo evaluar el proceso, cuándo no fiarse de los detectores y cómo declarar el uso de IA.