La mayor parte del texto que circula en internet ha sido tocado por algún modelo de lenguaje: redactado, resumido, corregido o expandido con IA. Y en respuesta a eso, ha surgido toda una rama de la lingüística computacional dedicada a detectar exactamente eso. El resultado es una especie de carrera de armamentos lingüística, donde las mismas técnicas que hacen que un texto suene humano son las que los detectores buscan para desenmascararlos.

La pregunta tiene algo de paradoja: ¿cómo puede una IA reconocer a otra IA, si ambas trabajan con las mismas estructuras del lenguaje? La respuesta está en que los modelos generativos no escriben como los humanos, aunque lo parezcan a primera vista. Escriben de una manera estadísticamente óptima, y esa optimización deja huellas.

El problema de la escritura demasiado perfecta

Cuando una persona escribe, comete pequeñas irregularidades: varía el largo de las oraciones sin pensarlo, usa palabras que no son exactamente las más precisas pero sí las más naturales en ese momento, cambia de ritmo, introduce digresiones, se repite sin darse cuenta, y a veces usa una metáfora que solo tiene sentido en ese contexto específico. Todo eso es impredecible porque refleja el estado mental de una persona real.

Los modelos de lenguaje, en cambio, generan el texto siguiente que es estadísticamente más probable dado el contexto. Eso produce textos fluidos, bien estructurados y gramaticalmente correctos. Pero también produce textos con una regularidad que ningún humano mantiene de manera natural durante más de dos párrafos.

Los detectores de IA explotan precisamente esa regularidad. No buscan errores, porque los textos de IA no los tienen. Buscan la ausencia de irregularidades.

Perplexity y burstiness: las dos métricas que lo explican todo

La mayoría de los detectores de texto generado por IA trabajan con dos conceptos centrales de la lingüística computacional. Entenderlos no requiere saber programar, pero sí ayuda a comprender por qué estos sistemas funcionan.

Perplexity: la sorpresa del modelo

La perplejidad (perplexity en inglés) mide qué tan predecible es un texto para un modelo de lenguaje. Si el modelo puede anticipar con alta probabilidad cuál será la siguiente palabra, frase o transición, la perplejidad es baja. Si el texto lo «sorprende» con frecuencia, la perplejidad es alta.

Los textos generados por IA tienden a tener perplejidad baja: son predecibles porque fueron construidos exactamente con esa lógica, eligiendo siempre las opciones más probables. Los textos humanos tienen perplejidad más alta porque las personas toman decisiones que no siguen siempre la ruta más probable.

Un detector de IA no pregunta «¿está bien escrito este texto?» sino «¿qué tan sorprendente es este texto para otro modelo de lenguaje?»

Burstiness: la variación del ritmo

La burstiness mide la variación en la longitud y complejidad de las oraciones a lo largo de un texto. Los humanos escriben con mucha variación: una oración corta. Luego un párrafo más largo donde desarrollan la idea, introducen matices, hacen referencia a algo anterior. Otra frase breve para rematar. Los modelos de IA tienden a producir oraciones de longitud más uniforme, con transiciones regulares entre párrafos.

Esto es visible cuando lees un texto generado con IA en voz alta: hay un ritmo casi metronómico que resulta difícil de mantener de manera espontánea si eres humano, pero que los modelos reproducen de forma natural porque así optimizan la coherencia del output.

Señales que analizan los detectores modernos:

Perplejidad del vocabulario · Variación en longitud de oraciones (burstiness) · Uniformidad de transiciones entre párrafos · Predictibilidad de la secuencia de ideas · Frecuencia de construcciones simétricas · Uso de conectores en posición inicial · Ausencia de marcadores de oralidad o subjetividad · Densidad léxica por segmento · Patrones de puntación repetitivos · Distribución de tiempo verbal · Coherencia temática excesiva

Cómo funciona un detector en la práctica

Un detector de IA moderno no lee el texto como lo haría un editor humano. Lo procesa en capas. Primero segmenta el texto en unidades (oraciones, párrafos). Luego calcula las métricas anteriores para cada segmento. Después compara esos valores con los patrones estadísticos aprendidos de millones de textos: algunos producidos por humanos, otros generados por modelos como GPT-4, Claude o Gemini.

El resultado no es un veredicto binario —»humano» o «máquina»— sino una estimación probabilística con resolución a nivel de oración. Algunos sistemas, como el detector de IA, muestran exactamente qué fragmentos activaron más señales, con algo parecido a un mapa de calor sobre el texto. Eso permite entender por qué una sección fue marcada, no solo saber que lo fue.