Por qué la puntuación de un detector de IA no basta como prueba
El mismo texto puede obtener cien por cien en un detector y cero en otros dos. En el caso neoyorquino del estudiante de primer año Orion Newby ocurrió exactamente eso: aparte de la puntuación de una herramienta, la universidad no tenía nada, así que el tribunal revocó la sanción y ordenó limpiar el expediente del estudiante. En Australia, la Australian Catholic University llegó por su cuenta a la misma regla, sin intervención judicial: cuando la señal del detector era la única evidencia, desestimó la acusación de inmediato. La razón es práctica. En un año la universidad gestionó un número récord de casos de conducta académica indebida, y no hay forma de atender un volumen así solo con puntuaciones.
Según documentos internos revisados por ABC News, una parte considerable de las acusaciones se desmoronó en la primera revisión. GradPilot, el sitio que lleva un registro de demandas por acusaciones de IA, resume la jurisprudencia en una frase: ningún tribunal ha declarado ilegal un detector en sí, y cada resolución se redujo al procedimiento. La lógica es simple. Un detector ofrece una estimación de probabilidad, pero quien queda expulsado es una persona. Tiene que haber algo entre ambas cosas, y la primera pregunta de cualquier apelación es si la universidad cuenta con ese «algo». Un procedimiento universitario por trampa con IA muestra lo importantes que son esos pasos intermedios.
Cómo demostrar que usted escribió su trabajo: historial de versiones y borradores
En los casos que revisamos, la defensa se apoyó en cuatro elementos: historial de versiones, borradores tempranos con notas, comprobaciones independientes del texto y el relato del estudiante, contado de la misma forma desde la primera conversación hasta la última. Los cuatro comparten algo: no pueden crearse después. El historial de versiones en Google Docs y Word es el más importante. Los abogados que llevan estos casos en Estados Unidos lo describen ante la Los Angeles Times como la columna vertebral de una defensa, porque muestra cómo creció el texto y separa lo escrito de lo pegado. Los borradores y las notas muestran lo mismo: cómo se desarrolló el trabajo. Conservarlos hasta fin de semestre no cuesta nada. Las comprobaciones independientes —pasar el texto por otros detectores— ayudaron en el caso neoyorquino: el estudiante de primer año Newby tenía los resultados en su expediente, y antes del juicio su defensa sabía más del ensayo en disputa que la otra parte. Un comparativo de la precisión de los detectores muestra por qué conviene usar varias herramientas.
El caso contrario muestra cuánto importa un relato coherente. El posgraduado Haishan Yang, de Minnesota, acusado de usar ChatGPT en un examen, cambió su versión a medida que avanzó el caso, de negación total a «la IA revisaba mi inglés», y entre sus archivos había borradores que parecían generados. Esos documentos jugaron en su contra. El expediente beneficia a quien primero supo qué contenía.
Cómo impugnar una acusación de trampa con IA: cuatro preguntas de apelación
Una vez formulada una acusación de plagio con IA, una apelación se apoya en cuatro preguntas que tribunales y defensores del estudiante han usado una y otra vez para juzgar estos casos.
- ¿Se mostró al acusado la evidencia real? El defensor del estudiante (OIA), que atiende quejas de estudiantes contra universidades en Inglaterra y Gales, se puso del lado de los estudiantes dos veces en un año exactamente por esta cuestión: en un caso la universidad comunicó solo su conclusión y no mostró la evidencia; en el otro, el panel anotó «busqué sinónimos en Google» como admisión de uso de IA, y la grabación de la reunión lo desmintió.
- ¿Hay evidencia además del detector? El caso neoyorquino se desmoronó en esta pregunta: aparte de la puntuación, la universidad no tenía pruebas.
- ¿Se solicitaron borradores e historial de trabajo? Las normas de la universidad inglesa exigían pedirlos siempre que se sospechaba uso de IA; el panel no los solicitó, y el defensor del estudiante lo trató como una violación.
- ¿Se tuvo en cuenta el trasfondo lingüístico del estudiante? Aquí tropiezan con más frecuencia los casos contra estudiantes internacionales.
Ninguna de las cuatro preguntas requiere un abogado. Se formulan por escrito, en la primera respuesta a la acusación, y la reacción de la universidad muestra de inmediato cuán sólido es su caso.
Falsos positivos en detectores de IA: quién recibe más alertas
Investigadores de Stanford demostraron ya en 2023 que los detectores de IA de esa generación marcaban con más frecuencia textos de hablantes no nativos de inglés: los algoritmos confundían vocabulario sencillo y frases cortas con señales de IA.
Ese sesgo también aparece en casos reales. Según un análisis del think tank HEPI, la mayoría de las resoluciones publicadas del OIA sobre estas acusaciones involucran a estudiantes internacionales, y en una de ellas el defensor del estudiante reprochó a una universidad no comprobar si su detector era fiable para un estudiante cuya lengua materna no es el inglés. Los detectores más recientes, incluido It's AI, son transparentes sobre los límites de su precisión: una estimación de probabilidad es motivo para hacer preguntas, y la revisión del caso debe responderlas. Para un estudiante internacional, el trasfondo lingüístico es un argumento legítimo en apelación, y el defensor del estudiante ya lo ha aceptado. Un detector de IA fiable para ensayos reduce el riesgo de falsos positivos.
Cuando una apelación contra una acusación de IA fracasa
Una apelación no ayuda cuando la universidad tiene evidencia además del detector y el procedimiento se siguió correctamente. Si además las explicaciones del estudiante se contradicen, casi no hay opción. El caso de Minnesota del posgraduado Yang encajaba exactamente en ese perfil. Los docentes pasaron las preguntas del examen por ChatGPT y obtuvieron respuestas casi idénticas a las de Yang, y todo el proceso, desde la notificación hasta la audiencia, se hizo según las reglas. El tribunal federal lo dijo con claridad: interviene en decisiones internas de las universidades solo en casos extremos, y la decisión de la universidad parecía justificada. El caso escolar en Massachusetts terminó igual: la acusación se apoyó en el criterio del docente, el tribunal lo encontró razonable y la familia del estudiante no obtuvo revisión. Quien intente evitar la detección de IA asume otras consecuencias; al respecto, investigación sobre las consecuencias de métodos de elusión.
El consejo de los foros estudiantiles de «simplemente presentar una apelación» no funciona tan bien como suena. La apelación ayuda cuando hay algo que mostrar.
Qué hacer hoy, antes de que llegue cualquier acusación
Incluso un conflicto que el estudiante gana cuesta mucho: la defensa en el caso neoyorquino costó a la familia Newby cifras de seis dígitos, escribe Communications of the ACM. Prepararse con antelación sale más barato y no lleva mucho tiempo.
Los pasos para un estudiante son sencillos. Active el historial de versiones dondequiera que escriba: en Google Docs viene activado por defecto, y en Word funciona cuando el autoguardado en la nube está encendido. Cree una carpeta aparte para cada tarea y guarde en ella notas y borradores tempranos. Conserve la carpeta hasta fin de semestre, aunque la nota ya esté puesta. Si el trabajo pasó por algún comprobador, guarde los resultados. Explique cómo escribió el trabajo y mantenga la misma explicación siempre.
Hay algo injusto aquí: una persona honesta tiene que reunir prueba de su honestidad de antemano. Pero los detectores no van a desaparecer de las universidades, hay más casos cada año y las resoluciones en estos conflictos dependen de documentos. Los documentos reunidos con antelación protegen mejor que cualquier cosa dicha en voz alta.
Para un docente, la misma preparación también ahorra tiempo. Repasar las cuatro preguntas de apelación antes de presentar un informe lleva unos minutos. Un caso que se desmorona seis meses después cuesta mucho más, y tras una acusación falsa los estudiantes confían menos en el docente y también en las comprobaciones. Un flujo de comprobación de IA justo para docentes ayuda a evitar fallos.
Si llega una carta del decanato, no hace falta entrar en pánico. El resultado de estos conflictos lo decide la preparación, y todo ocurre de antemano. En los casos que revisamos, ganó quien conocía mejor sus propios puntos débiles.
FAQ
¿Puede un estudiante ser expulsado solo por la puntuación de un detector de IA?
Hasta ahora ninguna resolución ha confirmado una sanción basada únicamente en la puntuación de un detector de IA. En los casos resueltos hasta principios de 2026, un tribunal neoyorquino anuló una penalización respaldada solo por una puntuación, y la Australian Catholic University desestimó acusaciones basadas solo en la puntuación sin audiencia. Las sanciones que resistieron la revisión judicial, como la expulsión en Minnesota, contaban con evidencia aparte: respuestas de ChatGPT coincidentes y explicaciones contradictorias del estudiante. Una puntuación de detector inicia una revisión; por sí sola no ha bastado para cerrarla.
¿Qué tan precisos son los detectores de IA en ensayos estudiantiles?
Las pruebas independientes sitúan a los detectores de IA muy por debajo de su marketing. Un estudio revisado por pares de 14 herramientas de detección, citado por Communications of the ACM, encontró que ninguna alcanzó un 80 % de precisión y que uno de cada cinco textos generados por IA pasó como humano. Una evaluación aparte de 805 muestras, citada por el think tank británico HEPI, midió un 39,5 % de precisión media en texto de IA sin editar, que cae al 17,4 % tras una edición ligera. Esta brecha entre la precisión prometida y la probada explica por qué una puntuación funciona como señal para un examen más detallado, nunca como veredicto.
¿Pueden Grammarly o un traductor activar detectores de IA?
Sí. Los correctores gramaticales, las herramientas de parafraseo y el software de traducción reescriben la redacción, y la redacción es lo que leen los detectores de IA. El ensayo central de la demanda neoyorquina de 2026 se había escrito con ayuda de Grammarly antes de que un servicio de detección lo marcara como totalmente generado por IA. Las universidades también tratan estas herramientas de forma desigual: en la Australian Catholic University, los casos confirmados de conducta indebida incluyeron el uso no declarado de herramientas de IA para parafrasear o traducir contenido. Un estudiante que use cualquier herramienta de reescritura debería consultar qué dice la política del curso antes de entregar.
¿Qué debe hacer primero un estudiante acusado de trampa con IA?
Responda por escrito y pida ver la evidencia antes de dar cualquier explicación. Los procedimientos universitarios suelen dar al acusado derecho a revisar los materiales del caso y llevar un asesor a la audiencia: en el caso federal de Minnesota, el estudiante tuvo un representante y plena oportunidad de presentar pruebas, y el tribunal lo consideró un proceso adecuado. Una respuesta escrita también fija el registro. Las declaraciones hechas en una primera conversación de pánico no se pueden desdecir después, y los paneles de audiencia las citan.
¿Debería pasar mi ensayo por un detector de IA antes de entregarlo?
Una comprobación previa a la entrega evita sorpresas, que fue lo que decidió los casos revisados. Muestra si algún pasaje suena a texto de máquina antes de que lo vea un docente, y el informe guardado se convierte en un documento fechado más en la carpeta del estudiante. Herramientas a nivel de párrafo como el detector de IA de It's AI muestran qué pasajes concretos elevan la puntuación, lo cual importa más que el número global: un párrafo marcado puede reescribirse o explicarse mientras el trabajo sigue en manos del estudiante.
¿Se puede demandar a una universidad por una acusación falsa de trampa con IA?
Estudiantes han demandado y ganado, pero los tribunales intervienen con renuencia. El estudiante neoyorquino ganó mediante un procedimiento estatal de revisión de decisiones universitarias arbitrarias, mientras el tribunal federal de Minnesota repitió que interviene en resoluciones académicas solo en circunstancias extremas. El camino habitual es más corto: primero una apelación interna por escrito, luego un organismo externo de quejas como el defensor del estudiante OIA en Inglaterra y Gales. El tribunal queda para cuando el expediente es sólido y la universidad sigue sin ceder.
