¿Qué ocurre cuando una novela premiada parece escrita por una máquina, pero la máquina encargada de detectarlo también puede equivocarse? El problema no es solo literario. Es una cuestión de reputación, dinero y confianza en una época en la que una frase puede convertirse en evidencia.
Donde el agua trabaja, del peruano David Silva Rojas, ganó en julio el primer Premio Internacional de Novela Breve Almadía Ventosa-Arrufat. El galardón estaba dotado con 20.000 euros y reunió más de 2.200 manuscritos de 22 países.
Sin embargo, un análisis de El País con Pangram, un clasificador de texto basado en redes neuronales (sistemas que reconocen patrones), atribuyó a la inteligencia artificial el 99% de la novela. El hallazgo apareció después de que el libro se publicara en septiembre y se presentara en España.
Las bases del certamen eran claras: las obras no podían haber sido escritas, total ni parcialmente, con herramientas de IA. Cualquier sospecha podía activar la descalificación, sin importar en qué fase estuviera el concurso.
También te puede interesar:¿Puede Pangram Detectar Textos de ChatGPT? Su Nuevo Modelo Promete un 99 % de EficaciaEl dato es especialmente llamativo porque el jurado había destacado los silencios y la construcción narrativa de la obra. Pero un porcentaje elevado no responde por sí solo la pregunta central: quién escribió, corrigió o dirigió cada una de esas páginas.
Un detector no es un juez literario
Pangram funciona como un inspector que revisa una casa buscando señales de una instalación eléctrica concreta. No ve al electricista trabajar ni sabe quién compró los cables. Solo observa el cableado final e intenta decidir si su patrón se parece al de una vivienda montada por una máquina.
El mecanismo detecta huellas estadísticas, no la historia real de la escritura. Puede encontrar repeticiones, ritmos previsibles o elecciones de palabras frecuentes en modelos de lenguaje. Pero no puede reconstruir con certeza qué ocurrió frente a la pantalla.
Además, la IA pudo haber escrito un capítulo entero, haber corregido una escena o limitarse a proponer una trama. Esa diferencia es la pieza clave del debate. Un detector estima probabilidades; no separa con precisión la contribución humana de la intervención automática.
Pangram Labs sostiene que su sistema reduce los falsos positivos, es decir, los casos en los que un texto humano queda etiquetado erróneamente como artificial. La empresa asegura una tasa de falsos positivos del 0,0041% y una de falsos negativos, textos de IA que pasan por humanos, del 0,34%.
Un estudio independiente de la Universidad de Chicago señaló que Pangram es menos propenso que otros detectores comerciales a confundir escritura humana con IA. En su investigación, El País también examinó 175 libros: cuatro de cada diez superventas autopublicados de Amazon contenían, según el sistema, al menos un 25% de texto generado con IA.
Como control, el periódico analizó 56 libros publicados entre 2019 y 2020, antes de ChatGPT. Pangram les asignó un 0% de IA. También clasificó como humanos textos de autores consolidados como Javier Cercas, Isabel Allende y Antonio Muñoz Molina.
El interruptor que puede fallar
Pero incluso un sistema robusto tiene un interruptor frágil. Pruebas citadas en torno a Pangram muestran que, cuando una IA modifica de forma sustancial un ensayo humano, el detector puede seguir considerándolo humano en el 41% de los casos.
Otros experimentos revelan algo todavía más incómodo: añadir un espacio o cambiar unas pocas palabras puede modificar el veredicto. Es como una alarma doméstica que cambia de decisión porque alguien movió un mueble unos centímetros.
OpenAI retiró en el pasado su propio detector por su baja fiabilidad. La advertencia sigue vigente: convertir la evaluación de una IA en una sentencia puede tener un coste desigual. Un falso negativo deja pasar un texto; un falso positivo puede dañar la carrera de un autor.
En este caso, el 99% es una señal que justifica pedir borradores, versiones previas y explicaciones sobre el proceso creativo. No es, por sí mismo, una prueba definitiva de autoría. La oportunidad está en usar estas herramientas como una luz de revisión, no como el martillo final.
La literatura seguirá necesitando algo más que un porcentaje: el rastro humano de cómo se encendió cada idea.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
