Esto es una guía, no una herramienta. Ningún puntaje decide la autoría; si un texto queda marcado, llévalo a Vortixy Chat para verificar las afirmaciones que lo sostienen.
Los detectores de IA prometen una respuesta simple: pega un texto, obtén un porcentaje y sabrás si lo escribió una máquina. En la práctica el porcentaje cambia entre herramientas, entre cargas, e incluso al probar el mismo texto dos veces. Esto no es un defecto de un producto: es cómo funciona la tecnología subyacente.
La mayoría de los detectores se entrenan con patrones de salidas de IA conocidas y de escritura humana. Comparan el texto objetivo con esos patrones y devuelven una probabilidad. Esa puntuación depende de los datos de entrenamiento, del estilo del texto fuente y de cómo se configuró la IA que lo produjo.
El mismo párrafo puede puntuar alto en una herramienta y bajo en otra. Los textos cortos puntúan con menos fiabilidad que los largos. Los borradores muy editados se alejan de los patrones que el detector aprendió. Nada de esto significa que las herramientas sean inútiles: significa que un número solo no es un veredicto.
Los detectores miden similitud estadística con sus datos de entrenamiento, no intención ni autoría. Un texto escrito por una persona que usó frases formularias puede puntuar alto. Un borrador de IA muy editado puede puntuar como humano.
Si debes usar un detector, trátalo como una señal débil entre muchas. Nunca publiques, rechaces o acuses basándote solo en la puntuación. El costo de un falso positivo es una persona real a la que le dicen que su trabajo parece hecho por una máquina.
La pregunta más útil no es "¿lo escribió una máquina?" sino "¿este texto es preciso, claro y publicable?" Eso es un problema de revisión, no de detección.
Vortixy lo aborda así: revisa el borrador en busca de claridad, estructura, voz y consistencia factual, y devuelve una revisión con los problemas explicados. Tú conservas el control editorial mientras el reporte muestra dónde falla el texto.
Una lista de verificación práctica funciona junto con cualquier herramienta:
Hay casos legítimos: auditar pipelines de contenido, revisar envíos académicos según la política institucional o investigar si un documento fue generado por máquina. En esos casos la herramienta debe apoyar un proceso humano con limitaciones claras, no reemplazar el juicio.
Fija un umbral antes de probar, pasa el mismo texto por al menos dos herramientas y trata los desacuerdos como motivo para revisar manualmente, no para elegir la puntuación que prefieras.
Un porcentaje de detector es una puntuación de similitud, no la parte del texto que es artificial. Un "62% IA" no significa que el 62% de las frases salió de un modelo: significa que el texto se parece a los ejemplos de IA del detector lo suficiente para puntuar 0.62 en su escala interna.
Tres reglas vuelven los porcentajes útiles en vez de engañosos:
Ningún benchmark público resuelve qué detector es "el más preciso", porque la precisión depende del conjunto de prueba: idioma, longitud, género, cuánto se editó el borrador y qué familia de modelos lo produjo. Un detector afinado con ensayos en inglés tropieza con textos comerciales cortos; uno afinado con una familia de modelos falla con otra.
Por eso las comparativas honestas reportan su método — tamaño de muestra, longitudes, niveles de edición — en vez de un solo ganador. Si una comparativa esconde su conjunto de prueba, trata su ranking como marketing. Arma tu propio mini-benchmark: diez textos que manejes de verdad, cada uno pasado por dos herramientas, con los desacuerdos resueltos por revisión humana. Diez muestras reales rinden más que cien sintéticas para tu decisión.
Son señales moderadamente útiles, no veredictos. El mismo texto puede puntuar alto en una herramienta y bajo en otra, los textos cortos son menos fiables que los largos y la edición fuerte mueve las puntuaciones en ambas direcciones. Úsalos como una señal débil dentro de un proceso de revisión, nunca como la decisión.
No hay un porcentaje malo universal porque las escalas difieren por herramienta. Lo practicable es fijar tu propio umbral antes de probar — por ejemplo, revisar a mano todo lo que supere el nivel elegido — y exigir acuerdo entre dos herramientas más lectura humana antes de cualquier decisión con consecuencias.
Cada detector se entrenó con datos distintos, pondera patrones distintos y calibra su escala distinto. Estilo, longitud, edición y configuración del modelo de origen mueven la puntuación. El desacuerdo entre herramientas es esperable y ya es una señal para revisar el texto en vez de confiar en un número.
Alarga la muestra, varía a propósito la longitud de las frases y sustituye un pasaje genérico por sección con un ejemplo específico que solo tú podrías dar. Y guarda evidencia de proceso: borradores con fecha, notas y fuentes pesan más que cualquier porcentaje en una revisión justa.
No exactamente. La mayoría se entrena sobre todo con texto en inglés, así que en español suma otra fuente de error: el detector mide con patrones de otro idioma. Los textos formales o traducidos puntúan aún más volátil. La regla se mantiene: dos herramientas, umbral previo y lectura humana antes de decidir.