La confiabilidad de los detectores de inteligencia artificial quedó bajo discusión después de que una novela premiada por la editorial Almadía fuera señalada como presuntamente escrita con IA. La herramienta Pangram clasificó el 99% del texto como probablemente artificial, un resultado que llevó a suspender las presentaciones de la obra y abrió interrogantes sobre la precisión de estos sistemas para evaluar la escritura literaria.
La controversia involucra a Donde el agua trabaja, novela del escritor peruano David Silva Rojas, ganadora del Premio Internacional de Novela Breve Almadía Ventosa-Arrufat entre 2.204 manuscritos procedentes de 22 países. Según una investigación de El País publicada el 23 de octubre de 2026, el análisis realizado con Pangram arrojó una puntuación del 99% atribuida a inteligencia artificial.
Las bases del certamen prohibían utilizar IA para escribir las obras participantes. Ante la publicación de los resultados, Almadía suspendió las presentaciones previstas e inició una revisión. Silva Rojas negó haber utilizado inteligencia artificial para redactar la novela y, de acuerdo con la información difundida posteriormente, se ofreció a compartir materiales de su proceso de escritura. Al momento de la publicación de la fuente, la editorial no había comunicado una conclusión definitiva.
El caso plantea una cuestión central: una puntuación elevada en un detector de IA no demuestra por sí sola que un texto haya sido escrito mediante inteligencia artificial.
Herramientas como Pangram y GPTZero funcionan mediante el análisis de patrones lingüísticos. Sus modelos se entrenan con ejemplos de escritura humana y artificial para identificar características relacionadas con la elección de palabras, la estructura de las oraciones y otros elementos del lenguaje.
Pangram examina los documentos por fragmentos y combina sus clasificaciones. Max Spero, cofundador de la compañía, explicó en una investigación publicada por Nature que incluso un resultado del 100% significa que todos los fragmentos fueron considerados probablemente artificiales. Esto no permite determinar con certeza qué proporción de una obra escribió una persona ni identificar la herramienta que pudo intervenir.
La precisión de los detectores de textos generados con IA también depende del idioma, el género y las características de los materiales utilizados para entrenarlos y evaluarlos. Un sistema que obtiene buenos resultados con noticias o trabajos académicos no necesariamente presenta el mismo desempeño frente a novelas experimentales, poemas o estilos literarios poco convencionales.
Pangram sostiene que utilizó libros y otros contenidos durante su entrenamiento. La empresa también afirma haber evaluado más de 10.000 textos de escritura creativa en inglés sin clasificarlos erróneamente como artificiales. Sin embargo, la fuente no presenta una validación equivalente con novelas completas escritas originalmente en español.
Esta diferencia resulta relevante porque los detectores de IA pueden cometer errores al analizar textos en distintos idiomas y estilos de escritura.
Una investigación de 2025 encabezada por la lingüista forense Sheila Queralt examinó 180 textos en español mediante Originality.ai, GPTZero y Copyleaks. El estudio incluyó documentos escritos por personas, contenidos generados con ChatGPT, Gemini y Grok, así como textos que combinaban ambas formas de producción.
Los tres detectores cometieron errores y, en algunos casos, asignaron puntuaciones elevadas a clasificaciones incorrectas. Las mayores dificultades aparecieron al evaluar documentos con intervención humana y artificial combinada, una categoría que ninguno logró identificar con suficiente confiabilidad.
