Detectores de IA no funcionan: qué hacer en el aula
Los detectores de IA fallan más con quien escribe en su segunda lengua: qué dice CRUE sobre sancionar solo con un informe y cómo evaluar sin depender de ellos.
Los detectores de IA no funcionan de forma fiable porque no detectan inteligencia artificial: detectan patrones de escritura predecible, y el alumnado que escribe en su segunda lengua produce justo ese tipo de texto. Un estudio de Stanford encontró que marcaban como generado por IA hasta el 61% de ensayos TOEFL escritos por personas reales no nativas. Por eso CRUE recomienda no sancionar solo con el informe del detector: hay que rediseñar cómo se evalúa.
¿Por qué fallan tanto los detectores de IA con el español?
Los detectores de IA (GPTZero, Turnitin, Copyleaks…) no leen significado: miden perplejidad (cuán predecible es cada palabra siguiente) y burstiness (cuánto varía la longitud y complejidad de las frases). Un texto de IA tiende a ser uniforme y previsible; un texto humano varía. El problema es que la escritura en segunda lengua también tiende a ser uniforme y previsible: quien escribe en español sin ser su lengua materna —o quien redacta en inglés académico como asignatura— usa estructuras de manual, vocabulario “seguro” y frases más cortas para minimizar errores. El detector confunde falta de fluidez con generación automática.
La propia OpenAI retiró en 2023 su clasificador de texto de IA por baja precisión, y desde entonces ningún fabricante ha publicado una tasa de error lo bastante baja como para sostener una sanción por sí sola. El estudio de Stanford citado arriba marcó como generado por IA hasta el 61% de ensayos TOEFL escritos por hablantes no nativos, frente a un 2% de falsos positivos en textos de hablantes nativos con las mismas herramientas. En España esto afecta directamente a alumnado que escribe en una segunda o tercera lengua (catalán, euskera, gallego, inglés) y a estudiantes con dislexia o TDAH, cuya escritura de apoyo suele ser más repetitiva o pautada de lo habitual.
¿Qué dice CRUE sobre sancionar con un informe de detector?
La Conferencia de Rectores de las Universidades Españolas (CRUE) publicó en 2025 una guía de buenas prácticas clara en un punto: ningún informe de detector de IA debe ser la única prueba en un expediente disciplinario. La recomendación no es “no usar detectores”, sino no usarlos solos.
El procedimiento que propone la guía es triangular: informe del detector (como indicio, no como prueba)
- conversación con el alumno sobre el proceso seguido + contraste entre lo escrito y lo que el alumno es capaz de defender oralmente o de matizar con criterio propio. Si el alumno explica con soltura sus propias decisiones —por qué eligió esa estructura, qué fuente usó para tal dato, qué cambiaría con más tiempo—, el detector pasa a segundo plano.
Esta postura no es exclusiva de España: varias universidades anglosajonas han limitado el uso de Turnitin como criterio único tras sanciones anuladas por falso positivo. La razón de fondo es tanto pedagógica como legal: un expediente basado en un porcentaje que ni el propio fabricante garantiza como prueba es difícil de sostener si el alumno recurre. Para un colegio, la lección se traduce igual: un detector puede abrir una conversación, nunca cerrarla con una sanción automática.
¿Qué hacer en vez de perseguir con un detector?
La alternativa que de verdad funciona no es mejor tecnología de detección: es rediseñar qué se evalúa y cómo. Tres cambios concretos, ya explicados con detalle en exámenes a prueba de ChatGPT:
- Evaluar el proceso, no solo el producto final. Pide borradores intermedios, historial de versiones o una defensa oral de 3-5 minutos sobre el trabajo entregado. Es mucho más difícil fingir el proceso de pensamiento que copiar un resultado.
- Diversificar el formato de entrega. Alternar trabajo escrito con exposición oral, mapa conceptual o resolución en clase sin dispositivos reduce el peso de un único texto que un detector pueda (mal) juzgar.
- Hacer visibles los criterios desde el principio. Una rúbrica compartida antes de la tarea, como la que detallamos en rúbricas con IA: guía práctica, traslada el foco de “¿lo escribiste tú?” a “¿cumples estos criterios observables?”. Es una pregunta que se puede responder sin detector.
MIA, el asistente de IA para docentes de noobe, ya trabaja sobre la LOMLOE y los currículos autonómicos, así que diseñar una tarea con estos tres cambios —checkpoints, formato variado, rúbrica— cuesta minutos, no una tarde entera de programación.
“Rediseña esta tarea de [asignatura, curso] para que evalúe el proceso y no solo el texto final: añade dos checkpoints intermedios (borrador + defensa oral de 3 minutos) y una rúbrica de 4 criterios con descriptores observables, sin depender de si el texto ‘parece’ escrito por IA.”
| Enfoque | Qué mide | Riesgo principal | Resultado |
|---|---|---|---|
| Detector de IA | % de “probabilidad de IA” | Falsos positivos altos en segunda lengua | Sanciones frágiles, poca validez si se recurre |
| Defensa oral breve | Comprensión y proceso real | Requiere tiempo del docente | Distingue con precisión quién entendió |
| Rúbrica compartida antes de la tarea | Criterios observables | Ninguno si está bien diseñada | Foco en aprendizaje, no en vigilancia |
| Entrega en clase / sin dispositivo | Capacidad en el momento | Logística de aula | Elimina el problema de raíz |
¿Qué puede hacer un colegio ya, sin esperar a la universidad?
No hace falta esperar a que el debate universitario se cierre. En secundaria y bachillerato, tres pasos dan resultado desde ya:
- Retira el “veredicto de IA” como único criterio de las normas de evaluación del centro y sustitúyelo por el procedimiento triangular de CRUE: indicio + conversación + contraste.
- Diseña las tareas pensando en el proceso desde el primer trimestre, no solo en el trabajo final.
- Corrige apoyándote en herramientas que ayudan a ver incoherencias entre el nivel de un trabajo y el nivel habitual del alumno, como explicamos en corregir y dar feedback con IA para docentes: eso da más pistas reales que un porcentaje de “IA detectada”.
El objetivo no es ganarle la carrera armamentística a la IA generativa —esa carrera no tiene ganador—, sino diseñar una evaluación que siga siendo válida aunque el alumno tenga IA a mano. Es más trabajo al principio y mucho menos desgaste después, sobre todo el desgaste de tener que explicar a una familia por qué se sancionó a su hijo con una herramienta que ni su fabricante certifica como prueba.
¿Quieres ver con MIA cómo rediseñar una tarea de tu asignatura para que no dependa de detectores? Pide una clase en vivo y tráete la tarea que más te preocupa.
Preguntas frecuentes
¿Los detectores de IA como Turnitin o GPTZero son fiables en español?
No lo suficiente para sancionar solos. Su precisión baja mucho con textos de personas que escriben en su segunda lengua, un patrón muy común en aulas bilingües o con alumnado migrante. Úsalos como indicio para abrir una conversación, nunca como prueba única: la propia CRUE recomienda complementarlos siempre con evaluación humana del proceso.
¿Puede un colegio sancionar a un alumno solo por el informe de un detector de IA?
No es recomendable ni, en muchos casos, defendible si el alumno recurre. La guía de CRUE de 2025 pide triangular el informe con una conversación sobre el proceso y, si hace falta, una defensa oral breve. Sin ese contraste, el riesgo de sancionar un falso positivo —frecuente en segunda lengua— es alto.
Si no sirven los detectores, ¿cómo evalúo si un alumno ha usado IA?
Cambia la pregunta: en vez de perseguir el texto final, pide borradores, una defensa oral de 3-5 minutos o resolución en clase sin dispositivo. Es mucho más difícil fingir el proceso que copiar un resultado, y una rúbrica con criterios observables te da algo que evaluar sin necesidad de detector.
¿MIA detecta si un alumno ha usado IA en un trabajo?
No, y es intencionado: MIA, el asistente de IA para docentes de noobe, no vende un veredicto de 'IA sí/no' porque esa promesa no es fiable en español. En su lugar, ayuda a diseñar tareas y rúbricas alineadas con la LOMLOE que evalúan el proceso y los criterios observables.