El mercado del software de detección de IA se sustenta en una promesa: que un algoritmo pueda distinguir si un ensayo lo escribió un estudiante o una máquina. Una prueba práctica publicada esta semana por CNET sugiere que esa promesa se ha derrumbado: todos los principales detectores cayeron ante soluciones gratuitas y de bajo costo, y los detectores se contradicen entre sí al analizar las mismas imágenes.
La colaboradora de CNET Rachel Kane, profesora de periodismo en la Universidad Estatal de Arizona, introdujo tareas reales en PDF en ChatGPT, Claude, Gemini y NotebookLM, y luego pasó los ensayos resultantes por herramientas de humanización de IA. Según el artículo, todos los textos humanizados aprobaron la detección con creces. La prueba también reveló un conflicto estructural en la industria: algunas empresas que venden detección de IA también venden las herramientas de humanización diseñadas para burlarla.
Las contradicciones fueron más marcadas en la detección de imágenes. Una herramienta marcó como 100 % generada por IA una gráfica creada antes de que existiera la IA generativa, mientras que otra determinó que una infografía totalmente creada por IA tenía solo un 1 % de contenido de IA. El artículo señala que los estudiantes acusados pueden aprovechar estos desacuerdos, ya que dos detectores suelen emitir veredictos opuestos sobre un mismo trabajo.
Ni siquiera las tareas diseñadas para ser a prueba de IA resistieron la prueba. Ante una única instrucción para completar una tarea que exigía elementos visuales, Claude produjo infografías de aspecto profesional en un formato estandarizado sin ninguna indicación adicional. La autora nunca revisó la tarea ni el resultado, lo que socava el argumento de que los estudiantes asimilan el material cuando delegan el trabajo en los modelos.
La investigación independiente respalda los hallazgos anecdóticos. Una evaluación sistemática publicada en el International Journal for Educational Integrity determinó que los detectores comerciales más utilizados se comportaban de forma inconsistente con contenido generado por GPT-4, con falsos negativos y clasificaciones inciertas. El consejo asesor de IA de la Universidad de Brandeis ha recopilado estudios que muestran que las herramientas de detección tienen altas tasas de falsos positivos y pueden estar sesgadas contra quienes no tienen el inglés como lengua materna, y desde 2023 hay reportajes que documentan detectores que marcan trabajos escritos por humanos como generados por máquinas.
La economía de este ecosistema apunta en una sola dirección. Las aplicaciones de ayuda con las tareas que completan trabajos de varias páginas bajo demanda se venden como material de estudio, con suscripciones de unos 7 a 12 dólares al mes, mientras que las herramientas específicas para exámenes anuncian experiencias indetectables por 15 a 192 dólares al año. El artículo de CNET concluye que el cliente principal de toda la industria es el estudiante que quiere quitarse el trabajo de encima, no el docente que intenta hacer cumplir la integridad académica.
Las universidades han empezado a responder de forma estructural y no tecnológica. Las instituciones avanzan hacia la aleatorización de preguntas a partir de bancos de preguntas más amplios y hacia más exámenes presenciales, al reconocer que las carreras armamentistas de software favorecen a quien controla la herramienta de escritura, no a quien controla el verificador. Por ahora, la conclusión práctica para los docentes es que una puntuación de un detector por sí sola no es una prueba, y para los estudiantes, que la maquinaria de control es más fácil de burlar que de inspirar confianza.
Traducido por Alessandra
Sources: I Used Every AI Cheating App and Detector and Came to One Conclusion (CNET, July 31, 2026); Evaluating the efficacy of AI content detection tools in differentiating between human and AI-generated text (International Journal for Educational Integrity, Springer); Limitations of AI Detection Tools (Brandeis University AI Steering Council); Detecting AI may be impossible. That’s a big problem for teachers (Washington Post, June 2023)