Detector texto IA

¿Cómo funciona la detección de IA?

La herramienta analiza dos señales estadísticas que difieren sistemáticamente entre el texto humano y el texto generado por máquina.

La primera señal es la perplexity: una medida de cuán previsible es cada palabra siguiente en una secuencia. Los modelos de lenguaje eligen continuaciones estadísticamente probables, lo que lleva a valores de perplexity bajos. Las personas recurren con más frecuencia a formulaciones inesperadas, lo que aumenta la perplexity.

La segunda señal es la burstiness: la variación en la longitud de las frases. Las personas alternan frases cortas y largas. Los modelos de lenguaje tienden a longitudes de frase más uniformes, lo que da lugar a una burstiness menor.

El modelo que evalúa ambas señales está compilado en WebAssembly y se ejecuta completamente en local en el navegador. No se establece ningún contacto con un servidor.

¿A qué debe prestar atención?

El resultado es una probabilidad, no un veredicto. Son posibles dos tipos de error.

Los falsos positivos surgen cuando un texto humano formal o académico recibe valores de perplexity bajos: por ejemplo, en artículos especializados muy estructurados o en textos jurídicos. El modelo lo clasifica erróneamente como generado por IA.

Los falsos negativos surgen cuando un texto generado por IA ha sido reeditado intensivamente o la IA ha sido dirigida con instrucciones de estilo específicas que aumentan artificialmente la burstiness. En ese caso, el modelo no puede reconocer de forma fiable el origen IA.

Utilice por tanto el resultado como una señal entre varias. En caso de incertidumbre, se recomienda comprobar los párrafos por separado, porque la fuerza de la señal estadística en textos más cortos por sección suele ser más significativa.

¿Qué casos de uso típicos existen?

Comprobar trabajos académicos antes de la entrega es el caso de uso más frecuente: tanto para estudiantes que quieren asegurar sus propios textos como para docentes que revisan los trabajos entregados.

Verificar textos periodísticos: las redacciones que reciben artículos invitados o material de agencia pueden realizar una primera comprobación automatizada antes de que una persona evalúe el texto.

Comprobar cartas de candidatura: los departamentos de RR. HH. y los reclutadores utilizan el detector para comprobar si las cartas de motivación están generadas íntegramente por IA.

Supervisar procesos de marketing de contenidos: las empresas que encargan textos a redactores externos pueden comprobar con regularidad si los textos entregados cumplen el estándar de calidad acordado de un autor humano.

Redacciones como control de calidad: los grandes medios integran este tipo de comprobaciones en el flujo de aprobación antes de la publicación de los artículos.

100 % de privacidad: sin subida de datos

El modelo de lenguaje se carga una sola vez en la caché del navegador en el primer uso. A partir de ese momento, todo el análisis se ejecuta sin conexión: ningún texto se envía a ningún servidor. Tras cerrar la pestaña, todos los textos introducidos se eliminan por completo y no queda ningún dato almacenado localmente.

La herramienta es por tanto apta también para contenidos sensibles: contratos, informes internos de empresa, documentos personales o comunicaciones confidenciales pueden comprobarse sin problema, sin que un tercero acceda al contenido.

¿Qué herramientas de texto están relacionadas?

Otras herramientas del ecosistema kittokit que encajan con el tema:

• Text-Diff — compare dos textos con precisión de carácter y detecte los pasajes añadidos o eliminados de un vistazo.
• Contador de caracteres — cuente caracteres, palabras, frases y párrafos de un texto, útil antes de la entrega a un detector para determinar la longitud de texto óptima.
• Regex Tester — pruebe expresiones regulares directamente en el navegador y extraiga patrones de los textos sin dependencias externas.