Sistema que intenta estimar, a partir de patrones estadísticos, si un texto fue producido por un modelo de lenguaje. No observa quién escribió el texto ni reconstruye cómo se produjo. Puede señalar como generado por IA un texto humano: ese error se llama falso positivo. En una evaluación de 2023, varios detectores clasificaron erróneamente muestras de personas que escribían en inglés sin ser hablantes nativas; el mismo estudio mostró que determinadas reescrituras podían eludir la detección. Son resultados situados en las herramientas y muestras examinadas, no una tasa de error válida para cualquier detector, idioma o fecha. Liang y colaboradores, 2023.
Por esas razones, una señal de detector no puede fundar por sí sola una decisión con consecuencias académicas. A lo sumo abre una pregunta que se revisa con evidencia independiente, con las versiones y notas que la persona pueda mostrar y con una conversación sobre el trabajo. La cuestión educativa sigue siendo qué comprendió, practicó y puede explicar la persona, no solo si intervino IA. Términos relacionados: Escritura híbrida, Marca de agua, Herramientas de evasión (humanizadores), Pos-plagio, Trazabilidad.
Fuentes públicas y alcance:GPT detectors are biased against non-native English writers — Evaluación de detectores y escritura en inglés de personas no nativas; respalda falsos positivos y sesgo en ese contexto, no una tasa universal de acierto.