¿Qué tan confiables son los detectores de IA? Una novela premiada reabre el debate

La confiabilidad de los detectores de inteligencia artificial quedó bajo discusión después de que una novela premiada por la editorial Almadía fuera señalada como presuntamente escrita con IA. La herramienta Pangram clasificó el 99% del texto como probablemente artificial, un resultado que llevó a suspender las presentaciones de la obra y abrió interrogantes sobre la precisión de estos sistemas para evaluar la escritura literaria.

La controversia involucra a Donde el agua trabaja, novela del escritor peruano David Silva Rojas, ganadora del Premio Internacional de Novela Breve Almadía Ventosa-Arrufat entre 2.204 manuscritos procedentes de 22 países. Según una investigación de El País publicada el 23 de octubre de 2026, el análisis realizado con Pangram arrojó una puntuación del 99% atribuida a inteligencia artificial.

Las bases del certamen prohibían utilizar IA para escribir las obras participantes. Ante la publicación de los resultados, Almadía suspendió las presentaciones previstas e inició una revisión. Silva Rojas negó haber utilizado inteligencia artificial para redactar la novela y, de acuerdo con la información difundida posteriormente, se ofreció a compartir materiales de su proceso de escritura. Al momento de la publicación de la fuente, la editorial no había comunicado una conclusión definitiva.

El caso plantea una cuestión central: una puntuación elevada en un detector de IA no demuestra por sí sola que un texto haya sido escrito mediante inteligencia artificial.

Herramientas como Pangram y GPTZero funcionan mediante el análisis de patrones lingüísticos. Sus modelos se entrenan con ejemplos de escritura humana y artificial para identificar características relacionadas con la elección de palabras, la estructura de las oraciones y otros elementos del lenguaje.

Pangram examina los documentos por fragmentos y combina sus clasificaciones. Max Spero, cofundador de la compañía, explicó en una investigación publicada por Nature que incluso un resultado del 100% significa que todos los fragmentos fueron considerados probablemente artificiales. Esto no permite determinar con certeza qué proporción de una obra escribió una persona ni identificar la herramienta que pudo intervenir.

La precisión de los detectores de textos generados con IA también depende del idioma, el género y las características de los materiales utilizados para entrenarlos y evaluarlos. Un sistema que obtiene buenos resultados con noticias o trabajos académicos no necesariamente presenta el mismo desempeño frente a novelas experimentales, poemas o estilos literarios poco convencionales.

Pangram sostiene que utilizó libros y otros contenidos durante su entrenamiento. La empresa también afirma haber evaluado más de 10.000 textos de escritura creativa en inglés sin clasificarlos erróneamente como artificiales. Sin embargo, la fuente no presenta una validación equivalente con novelas completas escritas originalmente en español.

Esta diferencia resulta relevante porque los detectores de IA pueden cometer errores al analizar textos en distintos idiomas y estilos de escritura.

Una investigación de 2025 encabezada por la lingüista forense Sheila Queralt examinó 180 textos en español mediante Originality.ai, GPTZero y Copyleaks. El estudio incluyó documentos escritos por personas, contenidos generados con ChatGPT, Gemini y Grok, así como textos que combinaban ambas formas de producción.

Los tres detectores cometieron errores y, en algunos casos, asignaron puntuaciones elevadas a clasificaciones incorrectas. Las mayores dificultades aparecieron al evaluar documentos con intervención humana y artificial combinada, una categoría que ninguno logró identificar con suficiente confiabilidad.

Pangram no participó en esa investigación. La compañía asegura que su versión 4.1, utilizada en el análisis de Donde el agua trabaja, registra una tasa de falsos positivos del 0,0026% en español. Esta cifra procede de pruebas propias realizadas con FineWeb2, una colección de contenidos de internet, por lo que no establece necesariamente el mismo nivel de precisión para novelas originales en español.

Otros estudios también han identificado problemas relacionados con las características lingüísticas de los autores. Una investigación de 2023, citada en una guía del Instituto Tecnológico de Massachusetts (MIT), encontró que siete detectores clasificaron incorrectamente como artificiales, en promedio, el 61% de los ensayos escritos en inglés por personas no nativas, frente a aproximadamente el 5% de los textos de hablantes nativos.

La posibilidad de que una herramienta confunda determinados estilos humanos con escritura artificial adquiere especial importancia cuando sus resultados pueden afectar la trayectoria profesional de un autor.

Nature documentó otro caso en el que Pangram atribuyó un 100% de contenido generado con IA a un artículo de Elena Vicario, directora de integridad de investigación de la editorial científica Frontiers. Vicario explicó que las ideas y el primer borrador eran suyos, aunque había utilizado inteligencia artificial para mejorar la redacción.

El episodio muestra otra limitación: detectar posibles características de escritura artificial no equivale a establecer cómo se produjo un documento. La participación de una herramienta para editar un texto plantea circunstancias distintas de la generación completa de su contenido.

Las consecuencias de estas acusaciones ya han alcanzado a otras obras literarias. La editorial Hachette canceló el lanzamiento estadounidense y retiró la edición británica de Shy Girl, de Mia Ballard, después de investigar sospechas sobre el uso de IA. La autora negó haber empleado esta tecnología para redactar la novela, aunque señaló que una persona contratada para editarla pudo haberla utilizado.

En contraste, la Commonwealth Foundation mantuvo los reconocimientos de tres ganadores regionales del Commonwealth Short Story Prize después de revisar borradores, documentos con fechas de creación y testimonios de los escritores. La institución concluyó que no se había utilizado IA para escribir los relatos premiados, pese a las acusaciones iniciales.

Estos antecedentes muestran que la verificación de autoría literaria puede requerir pruebas adicionales a los resultados de detectores automáticos, especialmente cuando existen consecuencias editoriales o reputacionales.

En el caso de Almadía, la revisión permanece sin una resolución definitiva en la información disponible. Mientras tanto, la discusión sobre Donde el agua trabaja evidencia la diferencia entre obtener una clasificación algorítmica y demostrar cómo fue escrita una obra.

La controversia deja abierta una cuestión para editoriales y concursos: cómo evaluar posibles usos de inteligencia artificial sin convertir las puntuaciones de los detectores en pruebas concluyentes, particularmente cuando su precisión puede variar según el idioma, el estilo y las características del texto analizado.