¿Lo ha escrito tu alumno o una IA? Cómo detectar ChatGPT en trabajos sin paranoia
Por qué los detectores de IA fallan, qué señales reales delatan un texto generado y cómo rediseñar las tareas para que la trampa deje de compensar.
Desde 2023, cada claustro tiene la misma conversación cada pocas semanas: "este trabajo lo ha hecho ChatGPT". A veces es evidente. Casi siempre es una sospecha que no sabes cómo demostrar. Y cuando intentas demostrarla con un detector de IA, descubres que el detector es parte del problema, no de la solución.
Este artículo es sobre las tres cosas que de verdad funcionan: entender por qué los detectores no sirven como prueba, aprender a leer las señales reales de un texto generado, y —lo más importante— rediseñar las tareas para que copiar con IA deje de ser rentable.
Por qué los detectores de IA no son una prueba
Es tentador pegar el texto en una herramienta que devuelve "87% generado por IA" y sentir que tienes una prueba. No la tienes, y usarla como tal es arriesgado.
Los detectores funcionan midiendo la "perplejidad" y la "ráfaga" del texto: cómo de predecible y uniforme es. El problema es doble. Por un lado, dan falsos positivos sistemáticos con escritura correcta y estructurada —exactamente la que enseñamos a producir—, y penalizan especialmente a quien escribe en una lengua que no es la suya. Por otro, dan falsos negativos en cuanto el alumno pide a la IA que "escriba como un estudiante de 15 años" o pasa el texto por un parafraseador.
Un detector que acusa a un buen redactor y absuelve a quien parafrasea no es una herramienta de integridad. Es una lotería con consecuencias disciplinarias.
La conclusión práctica: un porcentaje de un detector puede servirte como señal privada para mirar con más atención, nunca como evidencia para una acusación. Acusar a un alumno basándose en un número de una caja negra es injusto y, si hay reclamación, indefendible.
Las señales reales de un texto generado
Tu lectura crítica detecta más que cualquier detector, porque tú conoces al alumno y el contexto. Estas son las señales que de verdad delatan, ordenadas de más a menos fiables.
- Desajuste con el alumno conocido. El indicador número uno. Un alumno que escribe "regular" entrega de pronto prosa impecable, con conectores sofisticados y cero faltas. El salto de nivel es la señal más honesta que existe.
- Concreción cero. La IA, sin datos, escribe en general. Habla de "diversos autores", "numerosos estudios", "a lo largo de la historia", sin un solo nombre, fecha o ejemplo verificable. La especificidad es cara de falsificar.
- Datos inventados con aplomo. Citas que no existen, fechas falsas, atribuciones erróneas dichas con total seguridad. Si un trabajo cita una fuente, compruébala: las alucinaciones son frecuentes.
- Estructura demasiado perfecta. Introducción de tres frases, tres párrafos paralelos, conclusión que repite la introducción. Simétrico hasta lo artificial.
- Vocabulario fuera de registro. Palabras que ese alumno no usa al hablar ni en clase, aparecidas de golpe en todo el texto.
- El texto no responde a lo concreto que pediste. Responde a la versión genérica de la pregunta, ignorando las restricciones específicas del enunciado.
Ninguna señal por sí sola prueba nada. Tres o cuatro juntas, en un alumno que conoces, son mucho más sólidas que cualquier porcentaje.
La conversación que lo resuelve casi siempre
Cuando la sospecha es fuerte, la herramienta más eficaz no es tecnológica: es una conversación de cinco minutos. Pídele al alumno que te explique su propio trabajo. Que defina un término que usó. Que te cuente por qué eligió ese ejemplo. Que amplíe un punto.
Quien ha escrito un texto puede hablar de él. Quien lo ha generado, no. Esta conversación tiene además una ventaja legal y ética: no acusas, preguntas. Si el alumno domina su trabajo, lo demuestra; si no, la propia conversación es la evaluación. Y deja constancia de que evaluaste el aprendizaje, no un documento.
La solución de fondo: rediseñar la tarea
Perseguir la trampa es agotador e infinito. Es mucho más eficaz diseñar tareas donde copiar con IA no compense. No se trata de prohibir la IA —es una batalla perdida— sino de pedir lo que la IA sola no puede entregar.
| En vez de pedir... | Pide... |
|---|---|
| Un ensayo sobre un tema general | Una conexión entre el tema y algo trabajado en clase esta semana |
| "Resume este texto" | "Compara este texto con tu propia experiencia / con lo que dijo X en el debate" |
| Un trabajo entregado y ya | Un borrador, luego una revisión, luego una defensa oral breve |
| La respuesta final | El proceso: hipótesis inicial, qué cambió, por qué |
| Algo hecho íntegramente en casa | Una parte del trabajo en clase, a mano o supervisada |
El patrón es claro: ancla la tarea en lo concreto, lo personal y lo presencial. Pide proceso, no solo producto. Una IA puede escribir un ensayo brillante sobre la fotosíntesis; no puede explicar por qué tu alumno se equivocó en el experimento del martes ni qué aprendió de ello.
Usar la IA a tu favor, no solo vigilarla
Hay una inversión interesante: en lugar de prohibir la IA, intégrala de forma transparente. Pide que la usen y que documenten cómo: qué le preguntaron, qué les devolvió, qué cambiaron y por qué. La tarea deja de ser "escribe esto" y pasa a ser "usa la IA, evalúa su respuesta y mejórala con tu criterio". Eso es, además, una competencia digital real que les va a hacer falta.
Y en el otro lado del proceso —el tuyo— conviene que la herramienta con la que corriges también te ayude a detectar lo sospechoso. Cuando corriges un grupo entero, las señales de similitud entre respuestas, los patrones que apuntan a un origen generado o la repetición de errores idénticos saltan mucho mejor de forma sistemática que revisando uno a uno a las once de la noche.
Magistral incorpora detección de similitud entre respuestas y señales de posible uso de IA dentro del flujo de corrección, precisamente como señal para que tú mires, no como veredicto automático. La decisión, como siempre, es del docente: la herramienta marca lo dudoso, tú decides qué hacer con ello.
Lo que no hay que hacer
Para cerrar, tres errores que conviene evitar:
- Acusar con el porcentaje de un detector como única prueba. Es injusto y no se sostiene en una reclamación.
- Convertir el aula en un régimen de sospecha. El coste para la confianza con el grupo es enorme y empuja a la trampa en lugar de prevenirla.
- Fingir que la IA no existe. Las tareas diseñadas como si estuviéramos en 2019 son las más fáciles de resolver con un prompt.
La integridad académica en 2026 no se gana con mejores detectores. Se gana con mejores tareas y con la relación que tienes con tu alumnado. La tecnología ayuda a ver; el criterio sigue siendo tuyo.
