Detección y humanización de textos de LLM: análisis

Resumen

Este informe ofrece un análisis técnico exhaustivo de dos problemas estrechamente relacionados en el procesamiento del lenguaje natural aplicado: (1) la detección automatizada de texto generado por máquinas y (2) la transformación de texto generado por máquinas en un resultado de apariencia humana estadísticamente indistinguible, un proceso al que aquí nos referimos como humanización de IA.

Examinamos los fundamentos matemáticos de la detección, en concreto la puntuación de perplejidad bajo distribuciones a priori de modelos de lenguaje autorregresivos, la burstiness como medida de la varianza en la longitud de las frases y la identificación de huellas específicas de cada modelo mediante análisis estilométrico y marcas de agua en el espacio de logits. A continuación, caracterizamos el problema de la humanización como una tarea de generación de texto adversarial y analizamos las diferencias de arquitectura entre los enfoques basados en paráfrasis y la reescritura generativa completa mediante un modelo de lenguaje distinto.

Conclusiones clave: (a) los detectores actuales se basan en supuestos distribucionales que dejan de cumplirse ante cambios de dominio y en textos de hablantes no nativos; (b) la humanización basada en paráfrasis conserva la distribución a priori generativa y tiende a fallar frente a los detectores basados en perplejidad; (c) la reescritura completa con generación entre modelos produce texto cuya perplejidad a nivel de token bajo el modelo de origen es estadísticamente indistinguible de la de un texto escrito por personas; (d) los nuevos esquemas de marcas de agua ofrecen una superficie de detección más robusta que los enfoques de humanización actuales no pueden superar sin acceso a la clave de la marca de agua.

Palabras clave: perplejidad, burstiness, generación autorregresiva, marcas de agua en logits, huella estilométrica, generación de texto adversarial, cambio distribucional, entropía cruzada, entropía de Shannon, distribución de probabilidad a nivel de token

1. Introducción y formulación del problema

La proliferación de grandes modelos de lenguaje (LLM) capaces de generar textos fluidos y coherentes ha creado un problema de doble uso: la misma capacidad generativa que impulsa las herramientas de productividad abre la puerta a contenidos que falsean su procedencia. Esto ha impulsado el desarrollo paralelo de dos líneas de investigación adversariales: la detección de texto generado por máquinas (MGTD) y la humanización de texto generado por máquinas (MGTH).

Definimos formalmente el espacio del problema de la siguiente manera. Sea H el espacio de los textos escritos por personas y M el espacio de los textos generados por máquinas. Un detector ideal D : T → {0,1} asigna a cualquier texto t una etiqueta binaria (humano frente a máquina), mientras que un humanizador ideal F : M → H transforma el texto generado por máquinas en la distribución humana. En la práctica, tanto D como F son funciones probabilísticas que operan sobre variedades distribucionales superpuestas — la tensión adversarial entre ambas es el tema central de este informe.

1.1 El problema de la distribución a priori generativa

Los LLM modernos generan texto muestreando a partir de una distribución de probabilidad condicional sobre los tokens del vocabulario V:

P(t₁, t₂, \dots, tₙ) = \prodᵢ P(tᵢ | t₁, \dots, tᵢ₋₁; θ) Factorización autorregresiva

donde θ representa los parámetros del modelo. En cada paso de generación, el modelo calcula un vector de logits z ∈ ℝ^|V| y aplica una transformación softmax para obtener las probabilidades de los tokens. La estrategia de muestreo — argmax (voraz), top-k, núcleo (top-p) o muestreo escalado por temperatura — determina las propiedades estadísticas de la distribución de salida.

La clave para la detección: este proceso generativo produce texto que, bajo la distribución de probabilidad del modelo de origen, tiene sistemáticamente una pérdida de entropía cruzada menor que el texto escrito por personas. La escritura humana refleja un proceso generativo distinto —condicionado por las limitaciones de la memoria de trabajo, la revisión, el estado emocional, la variación en el dominio de la materia y las idiosincrasias estilísticas— que produce una distribución estadísticamente diferente incluso cuando el contenido semántico es idéntico.

2. Detección de texto de IA: fundamentos técnicos

2.1 Detección basada en la perplejidad

La perplejidad es la métrica fundamental en la detección de texto generado por máquinas. Para una secuencia de tokens t = (t₁, t₂, …, tₙ), la perplejidad bajo el modelo de lenguaje M se define como:

PPL(t) = exp(- (1/n) \sumᵢ log P M (tᵢ | t₁, \dots, tᵢ₋₁)) Definición de perplejidad

De forma equivalente, la perplejidad es la exponencial de la pérdida de entropía cruzada del modelo sobre la secuencia. Una perplejidad más baja indica que el modelo asigna una probabilidad mayor a la secuencia, es decir, que la secuencia es muy predecible según la distribución aprendida por el modelo.

2.1.1 Por qué el texto generado por máquinas tiene una perplejidad baja

Los LLM se entrenan para minimizar la pérdida de entropía cruzada sobre texto humano, lo que hace que aproximen la distribución del texto humano. Sin embargo, durante la generación aplican además restricciones de muestreo (temperatura, top-k/top-p) que tienden a concentrar la masa de probabilidad; en la práctica, muestrean de una versión más afilada de la distribución aprendida.

# Perplexity computation (simplified)
def compute_perplexity(text: str, model, tokenizer) -> float:
    tokens = tokenizer(text, return_tensors='pt')
    with torch.no_grad():
        outputs = model(**tokens, labels=tokens['input_ids'])
        nll = outputs.loss  # negative log-likelihood
    return torch.exp(nll).item()

# Detection threshold (empirically derived)
DETECTION_THRESHOLD = 20.0  # lower = more likely AI
is_ai_generated = compute_perplexity(text, model, tokenizer) < DETECTION_THRESHOLD

2.1.2 Distribución de las puntuaciones de perplejidad

Empíricamente, los detectores bien calibrados observan las siguientes distribuciones aproximadas de perplejidad en distintos corpus:

Origen del texto	Media de PPL	Desv. estándar de PPL	Rango típico
Escritura académica humana	52.3	18.7	25 – 110
Blog humano / informal	67.8	31.2	18 – 180
GPT-4 (temp=0.7, top-p=0.9)	14.6	6.2	7 – 35
Claude 3 Sonnet	16.9	7.8	8 – 42
GPT-4 + pasada de humanizador	38.4	14.1	18 – 85
Escritura humana de hablantes no nativos (ESL)	21.3	9.4	10 – 55

El solapamiento entre las distribuciones de la escritura humana de hablantes no nativos (ESL) y las salidas de GPT-4 (ambas centradas en torno a PPL ≈ 15–25) es el principal motivo de las tasas de falsos positivos contra hablantes no nativos. No se trata de un fallo de calibración: refleja un solapamiento distribucional real que no puede resolverse ajustando los umbrales de detección.

2.1.3 Detectores de perplejidad zero-shot

Los detectores zero-shot no requieren entrenamiento: utilizan las propias estimaciones de probabilidad del modelo de origen. El enfoque canónico (Mitchell et al., 2023; DetectGPT) calcula el cociente de log-probabilidad entre el texto original y sus perturbaciones:

S(t) = log P M (t) - E q(t'|t) [log P M (t')] Función de puntuación de DetectGPT

La intuición: el texto generado por máquinas tiende a situarse cerca de máximos locales de la función de log-probabilidad del modelo, mientras que el texto humano no. Por eso, las perturbaciones del texto generado por máquinas tienden a reducir la log-probabilidad, mientras que las del texto humano pueden aumentarla o reducirla de forma aleatoria.

2.2 Análisis de la burstiness

La burstiness, un concepto importado de la teoría de la información y la ciencia de redes, mide la variabilidad de los tiempos entre eventos en un proceso puntual. Aplicada al texto, caracteriza la varianza de la longitud de las frases:

B = (σ L - μ L) / (σ L + μ L) Coeficiente de burstiness (Goh y Barabási, 2008)

donde μ_L es la longitud media de las frases (en tokens) y σ_L su desviación estándar. B ∈ [−1, 1]: B → −1 indica un espaciado perfectamente regular, B = 0 indica una varianza con distribución de Poisson y B → 1 indica patrones muy irregulares y con ráfagas.

import numpy as np

def compute_burstiness(sentences: list[str]) -> float:
    lengths = [len(s.split()) for s in sentences]
    mu = np.mean(lengths)
    sigma = np.std(lengths)
    if mu + sigma == 0:
        return 0.0
    return (sigma - mu) / (sigma + mu)

# Typical empirical values:
# Human prose:     B ∈ [0.15, 0.45]
# GPT-4 default:   B ∈ [-0.10, 0.10]
# After humanizer: B ∈ [0.12, 0.38]

Nota técnica: la burstiness y el modelo de proceso de renovación

Formalmente, la generación de frases puede modelarse como un proceso de renovación en el que los tiempos entre renovaciones corresponden a la longitud de las frases. La escritura humana muestra una dinámica de renovación no poissoniana con colas pesadas: la longitud de las frases sigue aproximadamente distribuciones log-normales o de Weibull, en lugar de la distribución casi exponencial que producen los LLM al muestrear con restricciones de temperatura. Los detectores que ajustan distribuciones paramétricas a las secuencias de longitudes de frase, en lugar de calcular estadísticos resumen, son más robustos frente a la manipulación adversarial.

2.3 Huella de los modelos y análisis estilométrico

Más allá de los estadísticos agregados, cada LLM presenta huellas estilométricas consistentes derivadas de la composición de sus datos de entrenamiento, de los objetivos del ajuste fino con RLHF y de sus diferencias de arquitectura.

2.3.1 Huellas léxicas

Término	Observación
delve	Significativamente sobrerrepresentado en las salidas de Claude/GPT-4 frente a la escritura académica humana (ratio de frecuencia de 7,3x)
certainly	Se usa como afirmación al inicio de frase con tasas >5x la referencia humana; marcador fuerte de GPT-3.5/4
furthermore	Sobreutilizado como conector entre párrafos; la densidad de transiciones es 2–4x la referencia humana
crucial	Aparece en ~12% de los párrafos de GPT-4 que hablan de importancia frente a ~3% en texto humano
leverage (v.)	Marcador de escritura empresarial/técnica; sobrerrepresentación de 3,8x en contenido generado por ChatGPT
tapestry	Marcador de abuso de metáforas; propio de ciertos patrones de recompensa del ajuste fino con RLHF

Las huellas léxicas son frágiles: cambian con cada versión del modelo y pueden neutralizarse con instrucciones explícitas en el prompt. Son más útiles como prueba complementaria que como señal principal de detección.

2.3.2 Huellas sintácticas

Más robustos que las huellas léxicas, los patrones sintácticos reflejan las preferencias aprendidas del modelo, que son más estables entre versiones de ajuste fino: tasa de voz pasiva (2–3x la de la escritura humana informal), densidad de sintagmas nominales, incrustación central menos profunda que en el texto académico humano, abuso de estructuras de enumeración paralela de tres elementos y concentración de matizaciones en los límites de los párrafos en lugar de repartirlas a lo largo del texto.

2.3.3 Huellas a nivel de discurso

Las huellas más robustas operan a nivel de discurso: prominencia de la frase temática (>94% en primera posición frente a ~73% en texto humano), homogeneidad en la longitud de los párrafos, densidad de palabras de transición de 1,8x la referencia humana y una proporción entre afirmaciones y pruebas más constante a lo largo del documento.

2.4 Marcas de agua en los logits

El enfoque de detección técnicamente más robusto es la marca de agua en los logits (Kirchenbauer et al., 2023), que incrusta una señal estadísticamente detectable en el propio proceso de generación. En cada paso de generación, el vocabulario V se divide de forma pseudoaleatoria en una lista ‘verde’ G y una lista ‘roja’ R, usando como semilla un hash del token anterior:

G t = HashPartition(t i-k:i, γ)|V| where |G| = γ|V| Generación de la lista verde (γ = proporción de partición)

Durante la generación, los logits de los tokens de la lista verde se incrementan con un parámetro de intensidad δ antes de la normalización softmax:

z' j = z j + δ \cdot 1[j \in G t] for j \in V Paso de perturbación de logits

La detección utiliza una prueba z unilateral sobre la fracción de tokens verdes:

z = (|G tokens | - γn) / \sqrt(nγ(1-γ)) ~ N(0,1) bajo H₀ Estadístico z de detección de la marca de agua

Propiedad crítica: robustez de la marca de agua

La marca de agua en los logits es cualitativamente distinta de la huella estadística porque no depende de supuestos distribucionales que la humanización pueda burlar. La marca de agua está incrustada en la propia secuencia de tokens. Neutralizarla sin acceso a la función hash y a la clave de partición exige reescribir suficientes tokens como para destruir la señal estadística, lo que, si se hace a fondo, equivale al propio problema de la humanización. Los enfoques de humanización actuales que conservan el contenido semántico no pueden neutralizar de forma fiable los esquemas de marca de agua robustos. Sin embargo, ningún gran proveedor de modelos lo aplica a gran escala a fecha del 1.er trimestre de 2026.

3. Humanización de texto de IA: enfoques técnicos

3.1 Taxonomía de los métodos de humanización

Enfoque	Profundidad de procesamiento	Impacto en la perplejidad	Impacto en la burstiness
Sustitución de sinónimos	Léxica (nivel de palabra)	Mínimo: la distribución a priori no cambia	Ninguno
Transformación sintáctica	Sintáctica (nivel de cláusula)	Moderado: cierta alteración	Ligera mejora
Modelo de paráfrasis	Semántica superficial	Moderado: alteración parcial	Mejora moderada
Reescritura completa con LLM	Semántico-pragmática	Alto: nueva distribución a priori generativa	Mejora significativa

3.2 Enfoques basados en paráfrasis: por qué fallan

El modo de fallo fundamental puede formularse de manera formal. Sea t_AI un texto generado por máquina y t_para = Paraphrase(t_AI) su paráfrasis:

PPL M (t para) \approx PPL M (t AI) cuando Paraphrase conserva el contenido semántico Teorema de conservación de la distribución a priori (informal)

Esto se cumple porque el modelo de paráfrasis es a su vez un LLM entrenado para minimizar la pérdida de reconstrucción sobre la misma distribución, por lo que sus salidas también tienen una perplejidad baja según el modelo evaluador. La paráfrasis que conserva la semántica limita la salida a la misma región del espacio de significados.

# Empirical validation: perplexity before/after paraphrase
original_ai_text = generate_with_gpt4(prompt)
paraphrased_text = quillbot_paraphrase(original_ai_text)

ppl_original = compute_perplexity(original_ai_text, gpt4_scoring_model)
ppl_paraphrased = compute_perplexity(paraphrased_text, gpt4_scoring_model)

# Typical observed result:
# ppl_original:    14.2
# ppl_paraphrased: 17.8 (<20% change — still within AI distribution)
# Threshold for detection: PPL < 25 → still flagged as AI

3.3 Reescritura generativa completa: el enfoque entre modelos

La reescritura generativa completa con un LLM distinto es el único enfoque que aborda de raíz el problema de la distribución a priori generativa:

Teorema de la reescritura entre modelos (informal)

Si el modelo M_A genera el texto t_A y el modelo M_B (A ≠ B) lo reescribe para producir t_B conservando el contenido semántico, entonces PPL_{M_A}(t_B) está determinada por la distribución a priori generativa de M_B, no por la de M_A. Como M_A y M_B tienen distribuciones a priori generativas distintas, derivadas de datos de entrenamiento, arquitecturas y objetivos de RLHF diferentes, t_B tendrá una perplejidad mayor bajo M_A que t_A — posiblemente suficiente para burlar los detectores basados en M_A.

3.3.2 El papel de la temperatura y los parámetros de muestreo

# Effect of temperature on humanization quality

temperature = 0.0   # Greedy decoding
# Result: deterministic output, PPL ≈ source model output
# Burstiness improvement: minimal

temperature = 0.7   # Standard setting
# Result: PPL increases 40-60% vs. source, B increases ~0.12

temperature = 1.0   # Full temperature
# Result: PPL increases 80-120% vs. source, B increases ~0.22
# Trade-off: more frequent quality degradation

# Optimal: high temperature + top-p=0.9 + repetition_penalty=1.1
# Maximizes distributional shift while maintaining fluency

3.3.3 Ingeniería de prompts de instrucciones para la humanización

# Estructura eficaz de un prompt de humanización
HUMANIZER_PROMPT = """
Vas a reescribir el siguiente texto para que suene como si lo hubiera escrito una persona.

Requisitos principales:
- Genera el texto completamente a partir de tus propios patrones lingüísticos; no conserves
  las estructuras de las frases del original
- Varía mucho la longitud de las frases: combina frases de 5-8 palabras con
  frases analíticas de 25-40 palabras
- Incluye al menos una matización epistémica por párrafo
  ('en la mayoría de los casos', 'tiende a', 'los datos sugieren')
- Usa un lenguaje coloquial y natural de principio a fin
- Evita: 'además', 'asimismo', 'profundizar', 'crucial', 'ciertamente'
  como afirmaciones al inicio de frase
- Conserva todo el contenido factual y la estructura lógica
- El resultado NO debe empezar con la misma palabra que el texto de entrada

Texto de entrada:
{source_text}
"""

4. Dinámica adversarial: la carrera armamentística

4.1 El juego entre detección y humanización

La detección y la humanización pueden modelarse como un juego de dos jugadores. Sea D_θ un detector y H_φ un humanizador:

min φ max θ E[D θ (H φ (t AI))] - λ \cdot SemanticLoss(t AI, H φ (t AI)) Objetivo minimax de humanización

En la práctica, ningún jugador tiene acceso a los parámetros del otro, por lo que se trata de un juego de información incompleta. Los humanizadores se optimizan frente a los comportamientos observables de los detectores, y los detectores se reentrenan a medida que se conocen las estrategias de humanización.

4.2 Estado actual del equilibrio (1.er trimestre de 2026)

Detectores basados en perplejidad: Superados por la reescritura completa con un modelo de arquitectura distinta. Los humanizadores actuales de reescritura completa tienden a reducir las tasas de detección a niveles cercanos al azar en prosa bien construida.

Detectores basados en burstiness: Superados parcialmente. Los humanizadores ajustados con instrucciones que varían explícitamente la longitud de las frases alcanzan B ∈ [0.15, 0.35], con un solapamiento considerable con la distribución humana.

Detectores de huella estilométrica: Superados mediante prompts negativos y reescritura completa con otro modelo, que sustituye la huella del modelo de origen por la del modelo que reescribe.

Clasificadores de conjunto multicaracterística: Superados parcialmente. Las reescrituras completas abordan el 60–80% de las características, pero dejan una señal residual en los patrones a nivel de discurso.

Marcas de agua en los logits: Ninguna herramienta de humanización disponible públicamente las supera hoy en día. La señal de la marca de agua no puede eliminarse sin acceso a la función hash.

4.3 Análisis de los falsos positivos

Factor de falsos positivos	Magnitud	Mecanismo
Escritura en inglés de hablantes no nativos	Alta (10–20% de FP)	Un vocabulario controlado y un registro formal producen la misma huella distribucional que la salida de un LLM
Escritura académica formal	Moderada (5–15%)	Las convenciones del estilo académico coinciden con las huellas estilométricas de los LLM
Texto técnico especializado	Moderada (5–10%)	Un vocabulario restringido reduce la entropía; las frases precisas reducen la burstiness
Prosa muy editada	Baja-moderada (3–8%)	Las múltiples pasadas de edición suavizan las irregularidades estilísticas
Documentos con muchas listas	Alta dentro de las secciones	El contenido en forma de lista tiene una burstiness casi nula
Textos muy cortos (<200 palabras)	Muy alta (15–40%)	Masa estadística insuficiente para una clasificación fiable

5. AI Humanizer de MultipleChat: arquitectura técnica

5.1 Visión general del sistema

El AI Humanizer de MultipleChat implementa un proceso completo de reescritura entre modelos con cinco componentes de arquitectura: (1) preprocesamiento y segmentación del texto de origen, (2) selección del modelo e ingeniería de prompts, (3) generación entre modelos con parámetros de muestreo controlados, (4) verificación de calidad posterior a la generación y (5) mejora opcional de la burstiness.

# Simplified pipeline architecture
class MultipleChat_Humanizer:
    def __init__(self, rewriter_model: str):
        self.model = load_model(rewriter_model)  # Claude, GPT-4, Gemini, Grok
        self.detector = load_detector('multiplechat-v2')
        self.segmenter = SemanticSegmenter()

    def humanize(self, source_text: str, instructions: str = '') -> HumanizationResult:
        # 1. Segment into semantically coherent chunks
        segments = self.segmenter.segment(source_text, max_tokens=4096)
        # 2. Construct humanization prompt
        prompt = build_humanization_prompt(segments, instructions, target_burstiness=0.25)
        # 3. Cross-model generation
        rewritten = self.model.generate(
            prompt, temperature=0.85, top_p=0.92,
            frequency_penalty=0.3, presence_penalty=0.2
        )
        # 4. Quality gate: semantic similarity check
        sim = semantic_similarity(source_text, rewritten)
        if sim < 0.75:
            rewritten = self.retry_with_stricter_prompt(source_text)
        # 5. Detection score computation for user feedback
        detection_score = self.detector.score(rewritten)
        return HumanizationResult(
            text=rewritten, detection_score=detection_score,
            burstiness=compute_burstiness(rewritten), semantic_similarity=sim
        )

5.2 Selección del modelo y características comparativas

El ajuste fino con RLHF de Claude tiende a producir salidas con mayor densidad de matizaciones y construcciones sintácticas más variadas, lo que se traduce en la mayor mejora de burstiness (mejora media de B: +0,19). GPT-4 produce frases más cortas y sintácticamente más regulares, algo ventajoso para el contenido técnico pero con menores ganancias de burstiness (mejora media de B: +0,12).

Principio clave de arquitectura

La mejora de la humanización es máxima cuando el modelo que reescribe y el modelo evaluador del detector están alejados en cuanto a arquitectura. Esto se debe a que la detección basada en perplejidad mide lo predecible que es el texto según el modelo del detector, y el texto generado por una familia de modelos distinta es intrínsecamente menos predecible. Como MultipleChat admite cuatro familias de modelos distintas, permite elegir el modelo de reescritura más alejado del detector probable.

5.3 El detector de IA de MultipleChat

El detector de MultipleChat implementa un clasificador de conjunto multicaracterística entrenado con salidas de los cuatro modelos compatibles. El conjunto de características incluye características de perplejidad (calculadas frente a varios modelos evaluadores), de burstiness (a nivel de frase y de párrafo), léxicas (densidad de matizaciones, número de marcadores de IA, tasa de contracciones, tasa de voz pasiva), de discurso (posición de la frase temática, densidad de transiciones, varianza de la longitud de los párrafos) y de entropía (entropía de Shannon de unigramas y bigramas de tokens).

# Generación del mapa de calor por frase (simplificado)
def generate_heatmap(text: str) -> list[SentenceScore]:
    sentences = sent_tokenize(text)
    scores = []
    for i, sent in enumerate(sentences):
        # Ventana de contexto: 2 frases antes y después
        context_start = max(0, i-2)
        context_end = min(len(sentences), i+3)
        context = ' '.join(sentences[context_start:context_end])
        sent_features = {
            'local_ppl': perplexity(context, scoring_model),
            'sent_length': len(sent.split()),
            'has_hedge': bool(re.search(HEDGE_PATTERN, sent)),
            'ai_markers': count_ai_markers(sent, AI_LEXICAL_SET),
        }
        score = ensemble_classifier.predict_proba(sent_features)[1]
        scores.append(SentenceScore(sentence=sent, ai_prob=score))
    return scores

6. Modos de fallo y problemas abiertos

6.1 Modos de fallo de la humanización

Deriva semántica con una humanización agresiva: la reescritura a alta temperatura puede provocar deriva semántica — el texto reescrito conserva el tema general pero pierde afirmaciones factuales concretas o matices. El compromiso de calidad:

SemanticSimilarity ↓ as Δ(PPL) ↑ Compromiso de calidad de la humanización

El humanizador de MultipleChat lo resuelve con un filtro de similitud semántica (similitud coseno > 0,75 en el espacio de embeddings) que, si detecta deriva, lanza un reintento con un prompt más restrictivo.

Alucinaciones en el contenido factual: el modelo que reescribe puede sustituir hechos, fechas o estadísticas concretos por alternativas plausibles pero incorrectas. El contenido factual requiere verificación humana después de la humanización. El proceso no implementa actualmente la verificación automática de hechos — se señala como un problema abierto.

Deriva de registro y formalidad: si no se especifica el registro de forma explícita, el modelo que reescribe recurre por defecto a su registro preferido. Los textos de origen muy formales (jurídicos, médicos) o muy informales (marketing, redes sociales) pueden no coincidir sin una instrucción explícita.

6.2 Modos de fallo de la detección

Cambio de dominio: los detectores entrenados con corpus de dominio general sufren una pérdida de precisión notable en dominios especializados. Un detector con un 92% de precisión en texto web general puede bajar al 65–70% en informes de casos clínicos o contratos legales.

Efectos de la longitud: en textos de menos de 200 palabras, las estimaciones estadísticas tienen intervalos de confianza demasiado amplios para una clasificación fiable. Por debajo de 100 palabras, la mayoría de los detectores funcionan a niveles cercanos al azar.

Textos compuestos: los documentos que intercalan secciones humanas y de IA presentan una distribución mixta que burla a los clasificadores a nivel de documento. La detección a nivel de segmento lo resuelve en parte, pero requiere mucha más capacidad de cálculo.

6.3 Problemas abiertos

Marcas de agua que conservan la semántica: un esquema que incrustara marcas de agua a nivel semántico resistiría los ataques de paráfrasis y seguiría siendo detectable mediante análisis semántico.

Detección multilingüe: la mayoría de los detectores se entrenan y evalúan con texto en inglés. Su rendimiento en otros idiomas es considerablemente peor, lo que plantea serios problemas de equidad.

Atribución de autoría colaborativa: todavía no existen herramientas fiables para cuantificar qué parte de un texto escrito de forma colaborativa aporta una persona y qué parte la IA.

Entrenamiento adversarial para la robustez: actualmente no existe un marco teórico que caracterice el equilibrio desde la teoría de juegos y prediga la precisión de detección en ese equilibrio.

Verificación formal de la conservación de los hechos: ningún enfoque actual verifica de forma fiable que el texto humanizado conserve todo el contenido factual del original — técnicamente, un problema de inferencia en lenguaje natural (NLI) a gran escala.

7. Conclusiones

1. La detección basada en perplejidad está bien fundamentada en teoría, pero es frágil en la práctica. El solapamiento distribucional entre la escritura humana de hablantes no nativos (ESL) y la salida de los LLM hace que las tasas de falsos positivos sean inaceptablemente altas para decisiones con consecuencias, con cualquier umbral de detección que mantenga una sensibilidad razonable.

2. La humanización basada en paráfrasis no aborda la distribución a priori generativa. La sustitución de sinónimos y la transformación sintáctica conservan la firma de baja perplejidad de la salida del LLM según el modelo de origen. La reescritura completa entre modelos es el único enfoque que cambia la distribución generadora.

3. La detección por conjunto multicaracterística es más robusta que los enfoques de una sola característica. Combinar perplejidad, burstiness, características estilométricas y análisis a nivel de discurso supera con creces a cualquier característica individual.

4. La marca de agua en los logits es el único enfoque de detección técnicamente robusto. Sin embargo, debe implementarse a nivel del proveedor del modelo y no se ha desplegado a gran escala a fecha del 1.er trimestre de 2026.

5. A corto plazo, el equilibrio adversarial favorece a la humanización frente a la detección. Sin marcas de agua en los logits ni mecanismos criptográficos de procedencia equivalentes, las puntuaciones de detección deben tratarse como señales probabilísticas que requieren pruebas que las corroboren, no como veredictos definitivos.

Referencias

Goh, K. I., & Barabási, A. L. (2008). Burstiness and memory in complex systems. EPL (Europhysics Letters), 81(4), 48002.

Kirchenbauer, J., Geiping, J., Wen, Y., Katz, J., Miers, I., & Goldstein, T. (2023). A watermark for large language models. Proceedings of ICML 2023.

Mitchell, E., Lee, Y., Khazatsky, A., Manning, C. D., & Finn, C. (2023). DetectGPT: Zero-shot machine-generated text detection using probability curvature. Proceedings of ICML 2023.

Zhao, X., Ananth, P., Li, L., & Yu, T. (2023). Provable robust watermarking for AI-generated text. arXiv:2306.17439.

Gehrmann, S., Strobelt, H., & Rush, A. M. (2019). GLTR: Statistical detection and visualization of generated text. Proceedings of ACL 2019 System Demonstrations.

Zellers, R., Holtzman, A., Rashkin, H., Bisk, Y., Farhadi, A., Roesner, F., & Choi, Y. (2019). Defending against neural fake news. Advances in NeurIPS 32.

Ippolito, D., Duckworth, D., Callison-Burch, C., & Eck, D. (2020). Automatic detection of generated text is easiest when humans are fooled. Proceedings of ACL 2020.

Uchendu, A., Le, T., Shu, K., & Lee, D. (2020). Authorship attribution for neural text generation. Proceedings of EMNLP 2020.

Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779.

Sadasivan, V. S., Kumar, A., Balasubramanian, S., Wang, W., & Feizi, S. (2023). Can AI-generated text be reliably detected? arXiv:2303.11156.

Apéndice A: referencia de notación matemática

Símbolo	Definición
P_M(t)	Probabilidad asignada al texto t por el modelo de lenguaje M
PPL_M(t)	Perplejidad del texto t según el modelo M
H(X)	Entropía de Shannon de la variable aleatoria X
KL(P\|\|Q)	Divergencia de Kullback-Leibler de Q a P
B	Coeficiente de burstiness (Goh y Barabási, 2008)
μ_L, σ_L	Media y desviación estándar de la distribución de la longitud de las frases
G_t, R_t	Listas de tokens verdes y rojos en el paso de generación t
γ	Proporción de partición de la lista verde (normalmente 0,5)
δ	Parámetro de refuerzo de logits que determina la intensidad de la marca de agua
θ, φ	Vectores de parámetros del detector y del humanizador
S(t)	Función de puntuación de DetectGPT (cociente de log-probabilidad)
V	Conjunto de vocabulario de tamaño \|V\|
z ∈ ℝ^\|V\|	Vector de logits antes de la normalización softmax
sim(t₁, t₂)	Similitud semántica (coseno en el espacio de embeddings)

Apéndice B: resumen de las pruebas empíricas

Precisión de detección según el método de humanización (GPTZero v4 como detector de referencia, n=500 textos por celda):

Método de humanización	Tasa de detección	TFP (humano)	Simil. semántica	Burstiness B
Sin humanización (IA sin procesar)	91.3%	8.2%	1.00	-0.07
Sustitución de sinónimos	87.4%	8.5%	0.97	-0.05
QuillBot (modo Creative)	74.2%	9.1%	0.91	0.08
Reescritura completa (Claude)	28.6%	8.8%	0.83	0.24
Reescritura completa (GPT-4)	31.2%	8.4%	0.86	0.19
Humanizer de MultipleChat	22.4%	9.0%	0.81	0.27
Referencia humana	8.2%	—	—	0.31

Nota: todas las cifras son aproximaciones basadas en condiciones experimentales controladas. Las tasas de detección reales varían mucho según el dominio, la longitud del texto y la versión del detector. La TFP de referencia humana del 8,2% representa la tasa de falsos positivos irreducible de GPTZero v4 en textos académicos escritos por personas.

AI Humanizer y detector de IA de MultipleChat

Reescritura completa entre modelos con Claude, ChatGPT, Gemini y Grok. Detección por conjunto multicaracterística con mapas de calor a nivel de frase.

Prueba el humanizador Prueba el detector

detección por perplejidad análisis de burstiness marcas de agua en logits reescritura entre modelos huella estilométrica MultipleChat Research

Versión	1.0
Clasificación	Pública
Elaborado por	MultipleChat Research