Ir al contenido
Precisión medida

Precisión del detector de IA por tipo de texto

La precisión del detector de IA varía según el idioma y el tipo de texto. Cada cifra de abajo se midió con textos reservados con los que el detector nunca se ajustó, en la línea que usa la tarjeta de resultados, con su tamaño de muestra y su rango. Consulta abajo el reconocimiento de IA y los falsos positivos de cada idioma.

  • 13 idiomas con calibración independiente
  • Una puntuación, un nivel de confianza y marcas por oración
  • Mediciones que se repiten cuando cambia el modelo o el umbral
Resultados por idioma

Compara los idiomas disponibles

Cuánta escritura de IA reconoció la prueba con textos reservados de cada idioma y cuánta escritura humana marcó, contando un texto como marcado a partir de una puntuación de 65.

  • Inglés

    IA reconocida en la prueba90.7%
    Textos de nativos marcados0%
    Textos de no nativos marcados0.5%
    Medido con textos reservados, 2026-10-12
  • Español

    IA reconocida en la prueba82.9%
    Textos de nativos marcados0.7%
    Textos de no nativos marcados0.7%
    Medido con textos reservados, 2026-10-12
  • Francés

    IA reconocida en la prueba68.8%
    Textos de nativos marcados0%
    Textos de no nativos marcados1%
    Medido con textos reservados, 2026-10-12
  • Alemán

    IA reconocida en la prueba90.7%
    Textos de nativos marcados0%
    Textos de no nativos marcados0%
    Medido con textos reservados, 2026-10-12
  • Italiano

    IA reconocida en la prueba94.7%
    Textos de nativos marcados0%
    Textos de no nativos marcados0.7%
    Medido con textos reservados, 2026-10-12
  • Portugués

    IA reconocida en la prueba96%
    Textos de nativos marcados0.7%
    Medido con textos reservados, 2026-10-12
  • Neerlandés

    IA reconocida en la prueba97.3%
    Textos de nativos marcados1.3%
    Medido con textos reservados, 2026-10-12
  • Polaco

    IA reconocida en la prueba91.9%
    Textos de nativos marcados0%
    Medido con textos reservados, 2026-10-12
  • Turco

    IA reconocida en la prueba89%
    Textos de nativos marcados0%
    Medido con textos reservados, 2026-10-12
  • Ruso

    IA reconocida en la prueba90.7%
    Textos de nativos marcados0.7%
    Medido con textos reservados, 2026-10-12
  • Árabe

    IA reconocida en la prueba95.9%
    Textos de nativos marcados0.7%
    Medido con textos reservados, 2026-10-12
  • Hindi

    IA reconocida en la prueba94.5%
    Textos de nativos marcados0.7%
    Medido con textos reservados, 2026-10-12
  • Indonesio

    IA reconocida en la prueba98.6%
    Textos de nativos marcados0%
    Medido con textos reservados, 2026-10-12

Elige un idioma para ver cuánta escritura de IA reconoció la prueba con textos reservados y cuánta escritura humana marcó, por separado para hablantes nativos y no nativos.

Resultados por idioma

Las dos caras de la precisión del detector de IA

Resultados de las pruebas de Inglés

Texto de IA reconocido

90.7%

68 de 75 textos

Rango del 95%: 82% a 95.4%

Toda la escritura automática de la prueba: respuestas de un modelo de chat, continuaciones de un comienzo humano y paráfrasis.

Respuestas de chat de IA reconocidas

100%

54 de 54 textos

Rango del 95%: 93.4% a 100%

Textos escritos por completo por un modelo de chat.

Textos de nativos marcados por error

0%

0 de 150 textos

Rango del 95%: 0% a 2.5%

Una tasa más baja significa que se marcaron menos textos humanos en la prueba. Consulta las notas sobre los autores y los tipos de texto incluidos.

Textos de no nativos marcados por error

0.5%

3 de 600 textos

Rango del 95%: 0.2% a 1.5%

Ensayos y respuestas de personas que escriben en un idioma que aprendieron.

Estas tasas proceden de textos reservados con los que el detector nunca se ajustó. Un texto cuenta como marcado a partir de una puntuación de 65, la línea que usa la tarjeta de resultados. Las tasas describen la prueba, no la certeza de una puntuación individual.

Medido con textos reservados, 2026-10-12
Longitud del texto

Dale al detector suficiente contexto

Los pasajes más largos aportan más indicios sobre los patrones de escritura. Lee el nivel de confianza junto con la puntuación, ya que el idioma y el tipo de texto también influyen en el resultado. ¿Qué debes pegar? Elige un pasaje continuo del documento que quieras revisar. Conserva su redacción original en la primera comprobación y después usa las marcas por oración para decidir qué pasajes merecen una revisión más detenida.

Con menos de 50 palabras, el detector no ofrece una evaluación.

Compara las pruebas con textos más breves

Resultados de las pruebas de Inglés

Las mediciones con textos más breves para este idioma están pendientes.

Cómo funciona

De tu texto a una evaluación útil

El detector analiza lo predecible que es el texto, oración por oración. Utiliza patrones aprendidos de textos humanos y generados por máquinas, y después aplica la curva de calibración ajustada al idioma del texto. Evalúa patrones de escritura en lugar de buscar palabras prohibidas, una marca de agua o una coincidencia en una base de datos.

  1. 01

    Añade tu texto

    Pega tu texto o sube un archivo en uno de los idiomas que aparecen en esta página.

  2. 02

    Analiza cada oración en su contexto

    Cada oración se evalúa junto con el pasaje que la rodea, para que la evaluación tenga en cuenta más que frases aisladas.

  3. 03

    Evalúa los patrones de escritura

    Los modelos entrenados puntúan en qué medida cada pasaje sigue patrones asociados a la escritura humana o generada por máquinas.

  4. 04

    Aplica la calibración del idioma

    La puntuación se interpreta mediante una curva ajustada al idioma del texto, que incluye textos de hablantes no nativos.

  5. 05

    Revisa la puntuación y los indicios

    Obtienes una cifra, su intervalo, un nivel de confianza alto, medio o bajo y marcas por oración que muestran qué pasajes apuntan a una escritura humana o de IA.

Desarrollo y pruebas

Mediciones que tienen en cuenta a quienes escriben

Los indicios son más útiles cuando los falsos positivos se miden junto con el reconocimiento de IA. Fijamos el umbral de decisión teniendo en cuenta los textos humanos y publicamos resultados fechados con el contexto necesario para interpretarlos. Estas son mediciones propias de Blurwrite. Los enlaces a investigaciones y la comprobación con un detector de referencia externo aportan un contexto independiente, para que puedas distinguir nuestras pruebas de la evidencia externa.

  1. 01

    Aprender de textos variados

    Los modelos aprendieron de numerosos corpus y fuentes, con textos humanos variados y textos generados por modelos actuales.

  2. 02

    Calibrar cada idioma

    Cada idioma tiene su propia curva ajustada a partir de textos en ese idioma, incluidos textos de hablantes no nativos.

  3. 03

    Probar más allá de la calibración

    Las pruebas con textos reservados abarcan textos excluidos de la calibración, estudiantes de idiomas, generaciones anteriores de modelos, otras familias de modelos y continuaciones generadas a partir de comienzos escritos por personas.

  4. 04

    Aplicar una regla de publicación

    Nuestra regla de publicación fija un máximo de un falso positivo por cada veinte textos en los tipos de escritura para los que publicamos cifras, y mide por separado los textos de hablantes no nativos. Los resultados con textos reservados que aparecen a continuación muestran cómo se comparan las evaluaciones actuales con esa regla.

Cómo funciona el umbral de decisión

Los textos humanos y los generados por máquinas pueden obtener puntuaciones que se solapan. El umbral de decisión equilibra el reconocimiento de IA con la protección frente a los falsos positivos. Los textos cercanos a ese umbral requieren prestar más atención al nivel de confianza y a los indicios por oración.

Texto humanoTexto generado por máquinasUmbral de decisiónIndicios solapados

Medir la precisión para hablantes no nativos

Las investigaciones han observado que los detectores de IA pueden marcar ensayos en inglés de hablantes no nativos con más frecuencia que los de hablantes nativos. Medimos los textos de hablantes no nativos por separado para que la media global del idioma no oculte esos errores.

Precisión del detector de IA: preguntas frecuentes

¿Es malo obtener un 20% en la detección de IA?

Una puntuación del 20% es una evaluación del texto, no una prueba de que hayas usado IA ni de que una proporción fija de tus palabras se haya generado. Revisa el nivel de confianza y los pasajes marcados en su contexto. ¿Qué es la regla del 30% para la IA? Considera cualquier límite porcentual una regla que debes verificar con la organización que te pide el trabajo. Pregunta si se refiere a una puntuación de IA, una puntuación de similitud o una política de uso permitido. Son cosas distintas. El umbral de decisión de una herramienta también tiene una finalidad diferente de los requisitos de una tarea. Comprueba tu texto con el detector de IA de Blurwrite para ver los indicios que sustentan su puntuación.

¿Puede equivocarse un detector de IA?

Sí. Los textos humanos pueden marcarse, y las tasas varían según el idioma y el tipo de texto. Un fragmento de 50 palabras aporta menos contexto que un pasaje más largo; compara una muestra de 50 palabras con otra de 100 palabras o más. ¿Por qué se ha marcado un texto que escribí yo? Los textos humanos y los generados por máquinas pueden compartir patrones, así que un pasaje auténtico puede superar el umbral de decisión. Empieza por el texto exacto que se comprobó y examina las oraciones marcadas. Si estás debatiendo un resultado cuestionado, registra la herramienta, la fecha, el idioma, el fragmento y el nivel de confianza. Así, la revisión se centra en la evaluación real y no en suposiciones sobre tu proceso de escritura. Comprueba tu texto con Blurwrite y lee el nivel de confianza junto con la puntuación.

¿Cómo demuestro que no usé IA?

Los borradores, el historial de versiones, las notas y los registros de fuentes pueden ayudar a demostrar tu proceso de escritura. Conserva esas pruebas y explica cómo desarrollaste el texto; la puntuación de un detector aporta contexto, pero no demuestra la autoría. ¿Qué debo compartir durante una revisión? Elabora una cronología clara desde el esquema hasta el borrador entregado. Identifica dónde añadiste fuentes, cambiaste un argumento o revisaste un pasaje. Conserva los archivos originales y las marcas de tiempo cuando estén disponibles. Pregunta a quien revise qué pasajes suscitaron dudas y qué pruebas acepta su proceso. Si utilizaste asistencia de escritura permitida, explica su función y sigue la política correspondiente para declarar su uso. Comprueba tu texto con Blurwrite para revisar los pasajes que puedan necesitar una explicación.

¿Qué tan buena es la detección de IA que usa mi institución?

Evalúala a partir de las pruebas publicadas para la versión, el idioma y el tipo de texto pertinentes. Las mediciones de esta página describen Blurwrite, no el rendimiento de otra herramienta. ¿Cómo debo comparar los detectores de IA? Busca tasas de reconocimiento fechadas, falsos positivos, tamaños de muestra, tipos de texto y pruebas con textos reservados sobre materiales comparables. Ten en cuenta cómo manejan las herramientas los pasajes reescritos y si las mediciones se actualizan a medida que cambian los textos de IA. Para un ensayo, prioriza los resultados de ensayos sobre una media general. Pregunta si el umbral publicado coincide con el utilizado en la práctica y si los textos de hablantes no nativos se evaluaron por separado. La coincidencia entre herramientas aporta contexto útil, pero también puede deberse a errores compartidos. Comprueba tu texto con el detector de IA de Blurwrite y usa la guía de interpretación de puntuaciones de esta página para entender el resultado.

Lee los resultados con su contexto

Qué significan la puntuación y el nivel de confianza

La puntuación describe cómo se interpreta el texto, mientras que el nivel alto, medio o bajo describe la solidez de los indicios. Usa las marcas por oración para identificar pasajes que conviene revisar, en lugar de tratar la puntuación como una prueba de autoría. ¿En qué se diferencian las tasas de las pruebas? El reconocimiento de IA cuenta los textos generados por máquinas que se marcaron correctamente. La tasa de falsos positivos cuenta los textos humanos marcados por error. Sus denominadores corresponden a grupos distintos, por lo que las tasas no son opuestas ni deben sumarse. Una comparación útil de precisión presenta ambas, junto con los tamaños de las muestras, los tipos de texto y el umbral de decisión. Un resultado individual es una evaluación independiente de tu texto.

Volver a la herramienta