Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Un texto puede parecer impecable y aun así acabar bajo sospecha por haber pasado por una máquina. Desde que ChatGPT llegó en noviembre de 2022, esa desconfianza ha llenado aulas, plataformas educativas y servicios de corrección con una nueva clase de árbitros automáticos.
Hoy circulan nombres como Pangram Labs, GPTZero, Turnitin, Copyleaks, Winston AI y Quillbot.
Thierry Rignol llevó el conflicto hasta los tribunales
En uno de los casos más nítidos aparece Thierry Rignol, un estudiante francés que se matriculó en 2023 en un máster en administración de empresas en Yale, en Estados Unidos. GPTZero marcó uno de sus trabajos como generado con inteligencia artificial y la universidad le suspendió.
Después llegó la parte más delicada, porque Rignol demandó a la universidad y puso en cuestión la fiabilidad de esos detectores. También sostuvo que ese tipo de sistemas puede perjudicar de forma especial a quienes no tienen el inglés como lengua nativa.
Ahí aparece una contradicción incómoda, parecida a la que ya asoma en los falsos positivos en detectores, porque la promesa de vigilar mejor la autoría puede terminar castigando a quien sí escribió su texto. Cuanto más se confía en una señal automática, más peso gana un veredicto que el estudiante apenas puede discutir.
Las universidades buscan pruebas más humanas
No extraña que empiecen a ganar terreno otras salidas.
Entre las propuestas figuran las etiquetas de obra escrita por personas y los exámenes orales. Ambas opciones intentan resolver el mismo problema por otra vía, no tanto adivinar si un texto salió de una IA como comprobar si quien lo entrega puede defenderlo, explicarlo y sostenerlo con su propia voz.
La discusión no afecta solo a los campus. Una plataforma de escritores ya ha incorporado Pangram para detectar textos generados por inteligencia artificial, una decisión que conecta con un debate más amplio sobre autoría, control y confianza en espacios donde escribir no es solo producir palabras, sino también demostrar que detrás hubo criterio.
Desde ahí, el problema deja de ser puramente técnico y se vuelve cotidiano, como ya ocurre en el filtro del contenido genérico. Un detector puede ofrecer una respuesta rápida, pero la pregunta de fondo sigue siendo más difícil, quién carga con el error cuando la máquina confunde estilo con trampa.
Ese es el nudo del caso de Rignol, porque la misma herramienta pensada para proteger la integridad académica terminó empujando a un estudiante a discutir en los tribunales si una máquina puede decidir quién escribió de verdad.