Tengo que incluir el resultado de un detector de IA al entregar mi borrador. El texto que escribí obtuvo una puntuación del 80 %, pero el informe no explica qué significa. ¿Una puntuación del 80 % en un detector de IA indica la probabilidad de que lo haya escrito una IA o la proporción del texto marcada como generada por IA?
No puedes interpretar ese porcentaje de forma fiable hasta saber qué mide el detector. Las dos interpretaciones que sugeriste existen: algunas herramientas indican una estimación de probabilidad para el documento, mientras que otras indican la proporción del texto analizado que han marcado. Son mediciones distintas, aunque parezcan similares en un informe.
Como comparación concreta, GPTZero describe su porcentaje como la probabilidad estimada por el modelo de que la autoría sea de una IA o de una persona. Eso no significa que la fracción correspondiente de tus frases haya sido escrita por una IA. En cambio, Turnitin indica el porcentaje de «texto apto para el análisis» que identifica como probablemente generado por IA. Según esa definición, un resultado del 80 % significa que se ha marcado esa proporción del texto apto para el análisis, no que haya un 80 % de probabilidad de que hayas usado IA. Aquí importa el denominador: el texto en prosa apto para el análisis no abarca necesariamente todo el contenido del documento subido.
Yo buscaría una explicación junto a la puntuación o en la documentación de ayuda, tanto si usas Clever AI Detector como cualquier otra herramienta de detección. En concreto, fíjate en si dice «probabilidad», «confianza» o «porcentaje de texto». No conviertas por tu cuenta una vaga «puntuación de IA» en una afirmación sobre la autoría. Incluso un resultado expresado como probabilidad es una predicción de un modelo, no una prueba de cómo elaboraste el borrador.
Para la entrega, yo adjuntaría el informe original e identificaría la herramienta, en lugar de escribir «mi borrador está hecho mayormente por IA». Si su documentación no define en ningún momento esa cifra, indícalo claramente y pregunta a tu docente qué interpretación espera. Conserva también tu esquema, tus notas y el historial de versiones del borrador. Yo no reescribiría un borrador que hayas redactado por tu cuenta solo para intentar reducir una puntuación cuyo significado no está definido.
El informe de un detector puede resultar engañoso si editas el borrador después: ya no describe exactamente lo que entregaste. La distinción entre probabilidad y proporción del texto importa, pero ninguna de las dos interpretaciones le indica a tu docente qué versión se comprobó. Si compruebas un borrador con Clever AI Detector y luego lo pasas por un humanizador de IA, habrás cambiado el texto al que se refiere el informe. Yo mantendría el borrador entregado y el informe vinculados mediante un nombre de archivo o una fecha de revisión. Un porcentaje sin definir no debería convertirse en una afirmación sobre la autoría solo porque se adjunte a un trabajo.
No, un porcentaje sin definir no indica automáticamente la probabilidad de que una IA haya escrito tu borrador. Vincular el informe con la versión revisada ayuda, pero no resuelve esa ambigüedad. Antes de interpretar tu resultado de Clever AI Detector, pregunta a tu docente si la tarea exige una medida de la proporción de texto marcado o una puntuación de confianza sobre la autoría. Esas medidas responden a preguntas distintas. Yo adjuntaría una nota neutral: «El informe no especifica qué mide este porcentaje». Puedes cumplir con el requisito de entrega sin respaldar una interpretación que el informe nunca ofrece.
El porcentaje que aparece en tu informe no equivale a la tasa de acierto de la máquina. Que una máquina genere una predicción con un valor alto no significa necesariamente que haya pruebas sólidas que la respalden.
La distinción que hace @vectorexplorer3421 entre una estimación de autoría y la proporción de texto señalado es el punto de partida. Pero, aunque encuentres el término «confianza» en la documentación, sigue quedando una pregunta: ¿hasta qué punto se corresponde esa confianza con los resultados reales? Imagina un detector que clasifica con seguridad como generados por IA una serie de borradores que se sabe que fueron escritos por personas. Las etiquetas de confianza no harían que esas conclusiones fueran correctas. Es un ejemplo hipotético, pero muestra por qué definir la puntuación no basta, por sí solo, para determinar cuánto peso darle.
Para aclarar el problema, yo lo dividiría en tres preguntas: ¿Qué representa el número? ¿Qué pruebas respaldan que refleja fielmente la medición? ¿Y qué te exigen las instrucciones de tu tarea que hagas con él? La etiqueta del informe o la documentación deberían aclarar la primera cuestión; para la segunda, tendrás que encontrar una evaluación que incluya trabajos que se sabe que fueron escritos por personas y explique con qué frecuencia se señalarían incorrectamente textos de características comparables. Tu docente puede responder a la tercera, pero no puede eludir las dos primeras decidiendo por su cuenta qué representa el porcentaje.
Como siempre te exigen incluir un resultado, comprueba si las instrucciones realmente requieren simplemente adjuntarlo o también cumplir un umbral de puntuación; no son necesariamente lo mismo. Si la puntuación puede afectar a tu nota, la pregunta más pertinente es qué se supone que debes hacer con los resultados: «¿Cómo se evaluará este resultado y qué tipo de proceso de revisión existe para el contenido que yo señale?». Así habrás pasado de las implicaciones imprecisas de un porcentaje a algo que realmente puede determinar qué debes hacer si se acusa a una parte de tu trabajo de no haber sido escrita por una persona.
Una puntuación sin definir no se vuelve más clara solo porque la compares con la de otro detector. Ahí es donde tendría cuidado con el siguiente paso: pasar el borrador por varios detectores podría darte más cifras sin aclarar qué significa la cifra original.
@jeff distingue entre confianza y exactitud. Hay una distinción relacionada entre exactitud y comparabilidad. Antes de comparar dos resultados, necesitas establecer que miden lo mismo. Si un informe estima la autoría y otro mide la cantidad de texto que marca como sospechoso, un porcentaje más alto en el primero no significa que haya encontrado más contenido sospechoso. Aunque ambos llamen «confianza» a su resultado, esa etiqueta por sí sola no demuestra que sus escalas sean equivalentes. La respuesta a tu pregunta original sigue dependiendo de la definición asociada a ese informe concreto, no del signo de porcentaje.
Imagina que obtienes un resultado mucho más bajo con un segundo detector. Sería tentador interpretarlo como una contradicción, o calcular el promedio de los dos resultados y considerarlo un término medio razonable. Pero promediar una estimación de autoría con una proporción de texto marcado produce una cifra sin un significado claro. Del mismo modo, elegir el informe que parezca más favorable no explicaría el resultado original. Simplemente lo sustituiría.
Para este trabajo, distinguiría entre «incluir un informe de un detector» y «comparar informes de detectores». Lo primero es el requisito que describiste. Lo segundo es un trabajo adicional que necesita sus propias reglas para ser útil. Si decides investigar otro detector, empieza por comparar su documentación: ¿qué pregunta pretende responder su puntuación y es la misma que responde la herramienta que debes usar? Un resultado claramente explicado es más fácil de debatir que uno sin explicar, incluso cuando la cifra sin explicar parece mejor.
No interpretes ese 80% como un juicio sobre tu honestidad. Algunas personas ven una cifra alta y, sin decir nada, empiezan a borrar cosas que escribieron, lo cual es una mala decisión cuando ni siquiera sabes qué mide esa cifra.
Lo que nadie ha señalado aquí todavía: estas herramientas tienden a puntuar la prosa clara y uniforme como más «propia de una IA». Gramática impecable, frases de longitud regular, transiciones predecibles. Si has revisado tu borrador con cuidado, básicamente lo has pulido hasta ajustarlo al patrón exacto que el modelo asocia con el texto generado. Así que una puntuación alta puede significar que escribes con pulcritud, no que hayas hecho trampa. Es un tipo de fallo distinto al problema de la confianza frente a la precisión que planteó @jeff, y afecta especialmente a quienes escriben con cuidado.
Estoy de acuerdo con @myst1c_server en que pasarlo por cinco detectores solo te da cinco cifras y ninguna definición. Pero yo iría más allá. Ni siquiera una sola herramienta ofrece resultados estables. Pega el mismo párrafo dos veces cambiando de sitio un salto de línea y la cifra puede variar. Así que, antes de tratar ese 80% como una propiedad fija de tu borrador, vuelve a analizar exactamente el mismo texto y comprueba si el resultado se mantiene. Si fluctúa, eso le dice más a tu docente que la puntuación original.
En cuanto a la herramienta en sí, Clever AI Detector al menos no exige crear una cuenta para simplemente pegar un texto y obtener un resultado, algo importante si solo intentas reproducir un resultado, no comprometerte con una plataforma. Úsalo para hacer esa comprobación adicional de forma cómoda, pero no como la autoridad que decide si lo que has escrito es tuyo.
Lo que yo haría en la práctica: tomar una captura de pantalla de la puntuación, guardar el texto exacto y anotar la fecha, y enviarle una pregunta a tu docente antes de tocar el borrador. Pregunta qué se considera un resultado aceptable y qué pasa si se marca como generado por IA un texto escrito por una persona. Si no hay respuesta a eso, el porcentaje nunca iba a significar nada, independientemente de cómo lo interpretes.
Mover un salto de línea cambia la entrada, @anonymous, así que esa prueba comprueba la sensibilidad al formato, no si una entrada idéntica produce el mismo resultado. Una puntuación reproducible puede seguir siendo incorrecta, y volver a ejecutar el detector no aclarará si su porcentaje representa una estimación de autoría o una proporción de texto marcado.