¿Qué tan preciso es el Detector de IA de ZeroTell?

El Detector de IA de ZeroTell envía cada oración de un texto al modelo Gemini 3.8 Flash de Google con nuestras propias instrucciones de puntuación. Una oración con una puntuación del 50 % o más se resalta como parecida a IA, y la puntuación del documento es la proporción de su texto que está en oraciones resaltadas. El 28 de octubre de 2026 medimos exactamente el modelo y la configuración que usa el sitio en tres conjuntos de prueba etiquetados. Cada número de abajo sale directamente del informe de evaluación que generó nuestro script de prueba; solo citamos grupos con al menos 200 documentos u oraciones.

Dos resultados son los más importantes. Los textos humanos rara vez se marcan: el 0,6 % de los documentos humanos del conjunto reservado y el 0,9 % de los ensayos escritos por estudiantes no nativos de inglés. Pero en nuestros propios datos el texto de IA parafraseado por otro modelo se escapa con mucha más frecuencia: solo se detectó el 71,1 % de esos documentos en el conjunto reservado. En el benchmark público MAGE, ese mismo tipo de texto se detectó con mucha más frecuencia (96,9 %), así que los resultados dependen mucho del texto.

Conjunto de prueba reservado (1827 documentos, 23.635 oraciones): una parte fija de nuestros propios datos etiquetados que nunca usamos para desarrollar el detector. Los documentos se asignan por grupo de origen, así que aquí no aparece ningún texto fuente de nuestros datos de desarrollo ni ninguna de sus reescrituras con IA. Los textos humanos provienen de fuentes publicadas, la mayoría escritas antes de que las herramientas de escritura con IA fueran comunes (noticias, artículos de enciclopedia y de la web, respuestas humanas a preguntas); los textos de IA incluyen salida del modelo sin editar, texto parafraseado por un segundo modelo, borradores humanizados y documentos mixtos, en 10 idiomas. La mayoría de los documentos de IA de este conjunto los escribieron modelos Gemini y GPT.

Ensayos de estudiantes (555 documentos): ensayos de estudiantes no nativos de inglés del corpus ELLIPSE, emparejados con ensayos de IA escritos sobre las mismas consignas y con ensayos de IA que luego se parafrasearon o humanizaron. Este conjunto se usa solo para evaluar, nunca para desarrollar el detector.

Benchmark MAGE (1600 documentos): un benchmark público de investigación sobre texto generado por máquinas que no usamos para desarrollar el detector. Incluye texto de IA de familias de modelos que no están en nuestros propios datos y una gran proporción de texto de IA parafraseado. Como el benchmark es público, el modelo Gemini subyacente puede haber visto partes de él durante su propio entrenamiento, así que lee sus resultados como un caso optimista.

Estos son resultados en nuestros conjuntos de prueba, no una garantía para ningún texto en particular. Los textos cortos, los borradores muy editados, el texto de IA parafraseado y la escritura de modelos que no probamos pueden obtener puntuaciones distintas.

Una tasa de falsos positivos baja no es cero. Si tu texto sale marcado, toma la puntuación como un motivo para revisarlo con más atención, no como una prueba; consulta nuestra página de Integridad académica para saber qué hacer.

Los números están ligados a un modelo y a una versión de la forma en que se le envía el texto. Cuando cambiamos cualquiera de los dos, volvemos a ejecutar la evaluación y reemplazamos este informe.

Un script de evaluación pasa cada documento de prueba por el mismo detector que usa el sitio y luego compara la puntuación de cada documento y de cada oración con su etiqueta conocida. Informa los resultados con dos umbrales (50 %, el que usa el sitio, y 70 % para comparar), por idioma, género y fuente, y marca cualquier grupo con menos de 200 elementos como demasiado pequeño para citarlo. Esta página muestra solo esos grupos más grandes. Los documentos que el filtro de contenido de Google se negó a procesar no tienen puntuación y quedan fuera de las cifras: 1 en el conjunto reservado, 0 entre los ensayos de estudiantes y 1 en MAGE. Todos los demás documentos recibieron puntuación.