¿Qué frases detecta como IA? Detección de IA por frases, explicada

Los detectores de IA marcan una frase cuando parece más previsible de lo que la gente suele escribir, y los sospechosos habituales son las aperturas genéricas, las frases de señalización y las de resumen. La detección de IA a nivel de frase puntúa cada frase (o una ventana corta de frases) por separado y después combina esas puntuaciones en un resultado para el documento. La detección a nivel de documento puntúa todo el texto de una vez. Como la mayoría de los borradores reales son mixtos, la forma en que una herramienta agrega unas pocas frases marcadas puede decidir el veredicto sobre el conjunto.

Si quieres saber qué frases de tu borrador se marcan como IA, necesitas una vista por frases. Este artículo explica cómo funcionan ambos enfoques, por qué un puñado de frases puede inclinar un documento, por qué reescribir solo esas frases es más seguro que reescribirlo todo y qué cambia cuando combinas varios detectores.

Dos formas de puntuar un texto

Un detector a nivel de documento lee el pasaje completo y devuelve un único número, a menudo expresado como la probabilidad de que el texto esté generado por IA. Tiene mucha evidencia con la que trabajar, así que la estimación es relativamente estable. El inconveniente es que no puede decirte de dónde procede la señal.

Un detector a nivel de frase divide el texto en unidades y puntúa cada una. Muchas herramientas resaltan después las unidades marcadas e indican qué proporción del texto ocupan. Esto se parece más a cómo se escribe en realidad: la gente redacta algunos párrafos por su cuenta, pide ayuda a un modelo con otros y edita ambos. La investigación ha seguido ese camino. SeqXGPT, presentado en EMNLP 2023, creó un conjunto de datos de documentos que mezclan frases humanas y frases modificadas por IA, e informó de que los métodos anteriores tenían dificultades a nivel de frase, mientras que su enfoque funcionaba tanto a nivel de frase como de documento (Wang et al., EMNLP 2023).

We expected attendance to fall after the fee change, and in two of the three districts it did. These findings highlight the important role that economic factors play in shaping educational outcomes. The third district is the puzzle: attendance rose by four points, and the head teachers we interviewed credited a bus route that opened the same term. This suggests that transport access may moderate the effect of fees. Overall, the results underscore the need for a comprehensive approach to policy design.

Dos de cinco frases marcadas y una dudosa. Una puntuación de documento lo diluiría todo en un solo número.

Fíjate en qué frases se marcan en el ejemplo. Son las frases de resumen genéricas, las que podrían cerrar casi cualquier artículo. Las frases con lugares, cifras y una causa concreta se leen como humanas. Ese patrón es habitual y resulta útil: te dice exactamente dónde conviene concentrar la revisión.

El problema del ruido en las frases sueltas

Las puntuaciones por frase son informativas, pero cada una por separado es incierta. Una frase tiene pocos tokens, así que cualquier estimación de predictibilidad se apoya en poca evidencia. Muchas herramientas lo suavizan puntuando ventanas solapadas, de modo que la etiqueta de una frase depende en parte de sus vecinas.

Turnitin ha hablado abiertamente de este efecto. En una publicación sobre sus tasas de falsos positivos, describió una tasa de falsos positivos por frase de alrededor del 4 % e informó de que el 54 % de las frases falsamente positivas están justo al lado de texto escrito realmente por IA (Turnitin). Dicho de otro modo, las frases humanas cercanas a frases marcadas tienen más probabilidades de quedar marcadas también.

La lectura práctica: toma una frase resaltada como una invitación a mirar, no como una conclusión. Los patrones a lo largo de un párrafo significan más que cualquier línea aislada.

Por qué unas pocas frases pueden inclinar el documento

Toda herramienta tiene que convertir las puntuaciones por frase en un veredicto para el documento, y la regla elegida importa más de lo que la mayoría de los usuarios cree. Las opciones habituales son la puntuación media de las frases, la proporción de frases por encima de un umbral o un umbral aparte sobre esa proporción. Con una regla basada en la proporción, un resumen de 20 frases con cuatro marcadas queda en el 20 %, lo que puede cruzar o no una línea de aviso. Corrige dos y la proporción se reduce a la mitad.

Los grupos también cuentan. Como las frases vecinas se influyen entre sí en la puntuación por ventanas, tres frases genéricas seguidas pueden arrastrar a una cuarta frase humana al otro lado de la línea. Si rompes el grupo, la vecina suele quedar limpia por sí sola. Por eso un pequeño número de ediciones en los lugares adecuados puede cambiar el resultado de un documento más que muchas ediciones repartidas por igual.

En la escritura académica, los culpables habituales son predecibles: las frases de contexto inicial, las de señalización ("This section discusses") y los resúmenes de cierre. Recogemos soluciones para ellas en cómo revisar frases que suenan a IA. Las listas de referencias y los pasajes citados son un caso aparte; consulta por qué Turnitin marca como IA las referencias y las citas.

Por qué reescribir solo las frases marcadas

Si la detección funciona frase a frase, la revisión también debería. Reescribir un documento entero para arreglar cuatro frases tiene tres costes.

• El riesgo para el significado crece con la cobertura. Cada frase reescrita puede perder un matiz, una cifra o el vínculo con una cita. Reescribir 4 frases da cuatro oportunidades de desviarse; reescribir 40 da cuarenta. Consulta cómo preservar el significado y las citas.
• Tu voz desaparece. Las frases que se leen como humanas suelen ser las que contienen tus observaciones concretas. Una reescritura global las aplana.
• Pueden aparecer nuevas marcas. Un reescritor aplicado a todo puede hacer que frases antes limpias parezcan uniformes y suban las puntuaciones en otras partes.

1. Puntuar cada fraseEncontrar qué unidades parecen de máquina y cuáles ya se leen como humanas.
2. No tocar las frases humanasDevolverlas exactamente como se escribieron, palabra por palabra.
3. Reescribir las marcadasCambiar la estructura y el ritmo manteniendo afirmaciones, cifras, citas y términos.
4. Volver a puntuar en contextoComprobar las nuevas frases dentro del párrafo completo, ya que las vecinas influyen en las puntuaciones.
5. Repetir donde haga faltaDar una segunda pasada a cualquier frase que siga marcada.

Combinar varios detectores

Cada detector usa datos de entrenamiento, umbrales y unidades de análisis distintos, así que a menudo discrepan sobre la misma frase (explicamos los motivos en por qué discrepan los detectores de IA). Combinarlos plantea una cuestión de diseño parecida a la del paso de frase a documento: ¿una frase cuenta como marcada si la marca cualquier detector, o solo si la marcan la mayoría?

El estudio de Liang et al. muestra cuánto importa esa elección. Al pasar por siete detectores ensayos TOEFL escritos por personas, los autores encontraron que el 97,8 % fue marcado por al menos un detector, mientras que el 19,8 % fue marcado por los siete (Liang et al., Patterns 2023).

• Marcados por al menos un detector97,8 %
• Media de los detectores61,3 %
• Marcados por los siete19,8 %

Fuente: Liang et al., "GPT detectors are biased against non-native English writers", Patterns 2023

Mismos ensayos, mismos detectores, tres cifras muy distintas. Una regla estricta de "cualquier detector" evita que se escape texto de IA, pero aquí marca casi todos los ensayos humanos. Una regla de "unanimidad" es más amable con quienes escriben, pero deja pasar más. Ninguna es correcta en todos los casos; lo que importa es saber qué regla usa un informe y leerlo teniéndolo en cuenta. Para quien escribe, comprobar un borrador con varios detectores da una imagen más honesta que fiarse de una sola puntuación, porque muestra dónde coinciden las herramientas y dónde una marca probablemente es ruido.

Cómo usa Academic Humanizer la puntuación por frases

El Humanizer de Academic Humanizer se basa en esta lógica por frases. Analiza tu borrador en busca de frases que marcan los detectores de IA, reescribe solo esas y devuelve las frases que ya se leen como humanas exactamente como las escribiste. Si no se marca nada, el resultado es igual al texto original y no se cobran créditos. El AI Detection Report empareja cada frase marcada con su reescritura y compara el borrador y el resultado con la misma medida, la proporción de frases leídas como humanas, con resultados comprobados frente a Turnitin, GPTZero, ZeroGPT, Copyleaks, Sapling y Originality.ai. Si algunas frases siguen marcadas, el informe lo indica y puedes volver a procesar esos pasajes.