El Resurgir del Debate sobre la Identificación de Textos de IA
En las últimas semanas, el tema de cómo distinguir un texto redactado por inteligencia artificial (IA) ha cobrado gran relevancia en las redes sociales. Este debate se ha extendido a medios de comunicación, entornos académicos y círculos de escritores, quienes reflexionan sobre si ciertos recursos que emplean en sus obras podrían dar la impresión de haber sido producidos por una máquina.
Un ejemplo que ilustra este debate es una publicación en Instagram que detalla diversas «señales de que un texto sobre arte fue escrito por una IA». La primera señal mencionada es el uso del verbo “atravesar”, argumentando que “todo atraviesa algo”, lo cual se presenta como un término común en textos generados por estas herramientas.
No obstante, los comentarios de los usuarios revelan una perspectiva divergente. Algunos argumentan que ya utilizaban estas palabras y estilos de escritura antes de la aparición de ChatGPT y otras IAs generativas. Otros señalan que muchos de los recursos mencionados han sido parte de la escritura académica, periodística y literaria durante años.
Pangram Labs, una startup dedicada a la detección de contenido generado por IA y plagio, ha intentado identificar patrones específicos en estos textos. Fundada por Max Spero y Bradley Emi, ambos formados en IA en la Universidad de Stanford, la compañía ha compilado una serie de guías que identifican señales relacionadas con el vocabulario, la estructura de las oraciones, la longitud de los párrafos, el nivel de detalle y la organización del texto.
Patrones Lingüísticos en Textos Generados por IA
Uno de los indicios más evidentes para reconocer un texto generado por IA es el tipo de vocabulario utilizado. En una guía publicada en 2025, Pangram enumera numerosas palabras que, según sus análisis, son frecuentes en estos textos. Entre ellas se destacan términos como “profundizar”, “paisaje”, “vibrante”, “crucial”, “intrincado”, “entorno”, “innovador”, “matices”, “significativo”, “transformador”, “robusto” y “revelar”.
La empresa también ha identificado expresiones que tienden a repetirse en este tipo de textos, tales como “es importante señalar”, “en resumen”, “en general”, “en conclusión”, “papel crucial”, “nuevas perspectivas”, entre otras. Sin embargo, es importante destacar que estas expresiones son solo un punto de partida; un texto producido por un modelo puede no contener ninguna de ellas. Por ello, se recomienda examinar múltiples ejemplos y buscar características recurrentes.
Además, el idioma juega un papel crucial, ya que las palabras y expresiones que son comunes en textos generados por IA en inglés no necesariamente se traducen de manera literal al español, lo que significa que estas señales pueden variar entre diferentes idiomas.
Estructura y Estilo: Otro Ángulo de Análisis
Aparte del vocabulario, Pangram sugiere prestar atención a la estructura de las oraciones. La escritura humana tiende a combinar oraciones simples con otras más complejas, y no siempre mantiene un ritmo uniforme. En contraste, los textos generados por IA a menudo presentan oraciones de longitud y estructura similar, repitiendo construcciones de un párrafo a otro.
La corrección ortográfica y gramatical también puede ofrecer pistas. Es raro que los modelos cometan errores ortográficos a menos que se les indique lo contrario. La redacción continua y sin erratas, la ausencia de frases incompletas y la uniformidad en el tono y la sintaxis pueden levantar sospechas, especialmente si se combinan con una estructura predecible.
Los signos de puntuación también pueden ser reveladores. Por ejemplo, es común que la IA utilice el guion largo para introducir explicaciones, mientras que tiende a evitar el punto y coma y los paréntesis. Sin embargo, estas tendencias pueden variar entre diferentes modelos y lenguajes.
La Búsqueda de la Especificidad en el Texto
Pangram también subraya que los modelos de IA a menudo recurren a generalidades cuando no reciben instrucciones específicas. Frases como “la tecnología está cambiando nuestras vidas” o “este avance tendrá un impacto significativo en la sociedad” pueden sonar correctas, pero carecen de detalles sobre lo que realmente ha cambiado, a quiénes afecta o en qué se basa esa afirmación.
Lo mismo sucede con los ejemplos y experiencias mencionadas. En un texto humano, se suelen incluir detalles concretos relacionados con el tema, como nombres, lugares y situaciones específicas. Aunque una IA puede generar tales elementos si se le solicita, es probable que produzca ejemplos vagos si se le proporcionan directrices generales.
Este fenómeno es especialmente evidente en relatos de experiencias personales. Aunque un modelo puede redactar en primera persona, carece de recuerdos o vivencias propias. Así, afirmaciones como “esto me enseñó la importancia de perseverar” pueden resultar sospechosas si no se acompañan de detalles específicos sobre la experiencia descrita.
Un Cambio en la Forma de Escribir
El tono es otro aspecto a considerar. Cuando la IA no recibe instrucciones precisas, tiende a emplear un lenguaje formal a lo largo del texto. Además, suele utilizar formulaciones positivas y evita críticas. Si bien estas características no son exclusivas de la IA y pueden aparecer en la escritura humana, la coincidencia de varios elementos, como la repetición de ideas y la falta de detalles concretos, puede indicar un posible uso de estas herramientas.
Es importante reconocer que estos patrones tienen limitaciones. Muchos de los recursos que hoy se asocian con la IA ya eran utilizados antes de la llegada de estas tecnologías en 2022. Esta creciente desconfianza está modificando la manera en que algunas personas escriben, llevando a algunos a incluir errores intencionales, simplificar su vocabulario o cambiar sus frases con el fin de evitar que sus textos sean confundidos con los generados por IA.
A medida que los modelos evolucionan y responden de manera diferente según las instrucciones que reciben, las señales que hoy parecen fáciles de identificar podrían volverse más difíciles de reconocer en el futuro. Esto plantea nuevos desafíos para discernir cuándo un texto ha sido creado por una máquina o por un ser humano.