Los detectores de IA que aún prometen lo que no pueden: el caso Coderhouse y los límites de Turnitin

¿Qué revisás antes de entregar un trabajo cuando dudás si una herramienta confiable lo va a marcar como escrito por una máquina? La pregunta flota sobre las aulas y las redacciones desde que irrumpieron los modelos de lenguaje. El material difundido por Coderhouse y la propia arquitectura de Turnitin dejan una respuesta incómoda: los detectores de IA pueden equivocarse, y mucho.

Desde Corrientes capital, la lectura del documento es directa. Turnitin separa, en su plataforma, dos carriles distintos. Uno es el control de plagio tradicional, que compara el texto con publicaciones y con trabajos entregados con anterioridad. El otro es la estimación de autoría automática, que examina regularidades estadísticas: qué tan predecibles resultan las palabras elegidas, qué tan uniformes aparecen las estructuras. El primer carril compara; el segundo infiere. Confundirlos es el primer error.

Lo que el propio proveedor advierte

Coderhouse, en su comunicado, reconoce que los detectores pueden señalar como automáticos textos escritos por personas, y pierden eficacia cuando un documento combina producción humana con bloques generados por IA. La advertencia no es accesoria: es el núcleo del problema. Un porcentaje alto no acredita autoría de una máquina. Un porcentaje bajo no acredita autoría humana. Es, en el mejor de los casos, una alerta para revisar con lupa.

“Un resultado puede servir para revisar el material con más atención, pero no alcanza para resolver por sí solo quién lo escribió.”Coderhouse, en su material institucional

La consecuencia operativa es clara. Las plataformas permiten cargar archivos completos en PDF o Word, y algunas exponen metadatos sobre creación y modificaciones. En Word, los comentarios y el registro de cambios dejan huella del proceso de escritura. Nada de eso reemplaza al detector; lo complementa. La trazabilidad del archivo suele decir más que cualquier porcentaje.

Corregir no es humanizar, y reformular no es atribuir

• Corregir: trabaja sobre errores de escritura, concordancia y claridad.
• Humanizar: modifica tono y construcción de frases para disimular marcas de generación automática.
• Reformular una idea ajena: no elimina la obligación de atribuirla cuando corresponde.

La frontera entre usar IA para resumir y plagiar tampoco es automática. Depende de las normas de cada institución. Algunas admiten el uso, otras lo prohíben, casi todas exigen declararlo. Ignorar esa letra chica convierte al trabajo más prolijo en un incumplimiento normativo.

El control de fondo sigue siendo artesanal: datos verificados, citas que existan, referencias que cierren. Una redacción fluida puede esconder información inventada o desactualizada. El detector no lo va a advertir. El detector no sabe. Quien entrega, sí debería saber.

El dato final es de manual. Los detectores estiman, no certifican. Tratarlos como veredictos es convertir una herramienta orientativa en un falso jurado. La próxima vez que un porcentaje aparezca en pantalla, la pregunta será si alcanza con eso. Y la respuesta, por ahora, es no.