En la mesa editorial de una revista académica del sureste mexicano llegó hace algunos meses un manuscrito que lo tenía todo: frases pulidas, transiciones impecables, ni una sola errata, ni una idea a medio cocinar. Justamente eso encendió la alarma. Los textos humanos, incluso los buenos, respiran; tienen tropiezos, repeticiones, algún giro inesperado. Este no. Sometimos el documento a dos verificadores automáticos de los que prometen detectar escritura generada por inteligencia artificial. El primero arrojó una probabilidad alta de texto artificial; el segundo, una probabilidad baja. Dos herramientas, el mismo texto, dos veredictos opuestos.
La pregunta que nos quedó no fue quién había escrito aquel manuscrito, sino algo más inquietante: con la tecnología disponible hoy, no hay manera de saberlo con certeza. Y esa incertidumbre, resulta, no era un caso aislado. Es la regla.
La promesa rota del detector
Desde que los modelos de lenguaje como ChatGPT, Gemini o Claude demostraron que pueden redactar textos académicos convincentes, floreció una industria espejo: la de los detectores. GPTZero, Turnitin AI, Copyleaks y una decena más prometieron funcionar como el polígrafo de los textos, una máquina capaz de señalar con el dedo lo que escribió otra máquina. Universidades y revistas científicas del mundo entero los adoptaron con la esperanza de poner orden.
Para saber qué tan fundada era esa esperanza, revisamos 83 artículos científicos publicados entre 2024 y 2025 en Scopus y Web of Science. Este trabajo amplió un estudio previo que habíamos realizado sobre la detección de manuscritos con indicios de redacción automatizada en el proceso editorial de una revista académica latinoamericana. Lo que encontramos en la literatura global confirmó, con creces, lo que habíamos vivido en pequeño.
Hallazgo 1: la inteligencia artificial no puede ser autora
El primer hallazgo es un consenso casi unánime y tiene que ver con una palabra que parece jurídica pero es profundamente humana: responsabilidad. La inteligencia artificial no puede ser autora de un texto científico por una razón muy simple: no puede responder por lo que escribe. Si un artículo contiene un error que daña a alguien, si una cifra está inventada, si una conclusión es falsa, alguien tiene que dar la cara. Una herramienta no firma, no rectifica, no asume consecuencias.
Por eso las grandes organizaciones de ética editorial del mundo coinciden: la IA puede ser instrumento, nunca autora, y su uso debe declararse con la misma transparencia con que se declara un financiamiento o un conflicto de interés. Esta postura no es conservadora ni tecnofóbica; es simplemente coherente con lo que la ciencia lleva siglos construyendo: un sistema basado en la responsabilidad personal sobre el conocimiento que se produce.
Hallazgo 2: los detectores fallan de forma inaceptable
El segundo hallazgo es el que da título a este artículo. Un estudio publicado en Scientific Reports puso a prueba los dos detectores más populares del momento con respuestas de ChatGPT y de estudiantes reales en 32 cursos universitarios. GPTZero dejó pasar como humanos el 32 por ciento de los textos artificiales; el clasificador de la propia OpenAI, el 49 por ciento. Es decir, prácticamente uno de cada dos textos generados por IA era identificado como humano por el detector de su propio creador.
Y cuando los investigadores parafrasearon esos mismos textos con una herramienta automática —un paso adicional al alcance de cualquier estudiante con acceso a internet—, los detectores fueron burlados en más del 95 por ciento de los casos. El desenlace es elocuente: OpenAI, la empresa creadora de ChatGPT, retiró su propio detector en 2023 reconociendo su baja precisión. Ni siquiera el fabricante pudo detectar a su criatura. Un polígrafo que falla así no es un polígrafo: es una moneda al aire con interfaz elegante.
Hallazgo 3: desconcierto institucional generalizado
El tercer hallazgo retrata el desconcierto institucional. Las políticas editoriales sobre el uso de IA son hoy un mosaico inconsistente: lo que una revista permite y agradece que se declare, otra lo sanciona como falta grave, y muchas más simplemente no tienen lineamiento alguno. El investigador que quiere hacer las cosas bien navega a ciegas entre reglas que cambian de una puerta a otra, sin brújula clara y sin un protocolo establecido para defenderse si un detector lo señala injustamente.
La sospecha tiene acento: el sesgo contra los no hablantes nativos
Hay un cuarto hallazgo que merece párrafo aparte, porque nos toca directamente como comunidad científica latinoamericana. En 2023, un estudio de la Universidad de Stanford encendió las alarmas: los falsos positivos —textos humanos señalados injustamente como artificiales— aumentaban de manera significativa cuando el autor no era hablante nativo de inglés. La explicación propuesta era casi irónica: quien aprendió el inglés académico como segunda lengua tendería a escribir con estructuras más regulares y predecibles, exactamente el tipo de prosa que los detectores asocian con las máquinas.
Pero la historia no terminó ahí. Un estudio posterior, con un corpus más amplio de exámenes reales, encontró lo contrario: los textos de no nativos resultaron ser los menos parecidos a los de una máquina. La controversia sigue abierta, y eso es quizá lo más inquietante del asunto: estas herramientas ya se usan para tomar decisiones que afectan carreras académicas, y ni siquiera sus evaluadores se ponen de acuerdo sobre a quién perjudican más.
Para la ciencia latinoamericana esto no es una curiosidad técnica. Significa que un investigador de Tabasco, de Bogotá o de Lima que envía su manuscrito a una revista internacional puede ser señalado por un sistema cuyos márgenes de error nadie ha logrado establecer con certeza, y sin un protocolo claro para defenderse. Mientras la evidencia sobre el sesgo no se resuelva, la única conclusión prudente es la que ya adoptan los organismos de ética editorial: el veredicto de un detector jamás debe ser prueba suficiente de nada.
La solución está en la formación, no en el software
Si los detectores no son la solución, ¿qué lo es? La literatura reciente apunta en una dirección que puede parecer menos espectacular que un algoritmo, pero es más sólida: la formación. Los estudios proponen alfabetización ética y digital para autores, revisores y editores; metodologías de enseñanza que incluyan escritura reflexiva y evaluación oral; y protocolos editoriales que combinen las herramientas tecnológicas —usadas como un indicio más, nunca como veredicto— con algo que ningún software posee: el juicio de un lector experto.
Detrás de esta propuesta hay un concepto que vale la pena incorporar al vocabulario público: la sostenibilidad del conocimiento. Así como hablamos de sostenibilidad ambiental para referirnos a la capacidad de un ecosistema de mantenerse en el tiempo, la sostenibilidad del conocimiento es la capacidad de las comunidades científicas de conservar aquello que las hace valiosas: credibilidad, transparencia y autenticidad.
Ese ecosistema hoy está presionado por fenómenos como las fábricas de artículos fraudulentos —organizaciones que producen en serie papers falsos con ayuda de IA— y por la tentación cotidiana, más silenciosa, de delegar el pensamiento en una máquina y firmar como propio el resultado.
El experimento definitivo
Por si quedaba alguna duda, dos investigadores canadienses hicieron recientemente el experimento definitivo: generaron diez resúmenes científicos falsos con inteligencia artificial, los pasaron por una herramienta comercial que promete "humanizar" textos, y los sometieron a los dos detectores más usados del mercado. Resultado: prácticamente todos fueron clasificados como escritura cien por ciento humana. La carrera entre el que escribe y el que detecta ya tiene ganador, y no es el detector.
Hay, eso sí, un detalle revelador en ese mismo estudio: sus autores declararon abiertamente haber usado inteligencia artificial en la preparación del artículo, especificando para qué y bajo qué supervisión. Esa declaración, y no ningún algoritmo, es la verdadera tecnología de la confianza.
Este artículo se deriva de la ponencia «La sostenibilidad del conocimiento en tiempos de inteligencia artificial: ética, detección y formación académica», presentada en el IV Congreso Internacional de Investigación Multidisciplinaria con Impacto Social (UJAT, División Académica Multidisciplinaria de los Ríos, Tenosique, Tabasco, noviembre de 2025).