Te acusan de usar IA en un trabajo: cómo demostrar que es tuyo
Qué hacer si te acusan de usar IA en un trabajo universitario: fiabilidad real de los detectores, evidencias que prueban la autoría y cómo responder.
Cada vez más estudiantes universitarios españoles reciben acusaciones de uso de IA en trabajos que aseguran haber escrito ellos mismos. El detonante suele ser un detector automático como Turnitin o GPTZero, herramientas que las propias universidades emplean desde 2023 sin un marco común. El problema: la evidencia científica disponible indica que estos sistemas fallan, y fallan más con estudiantes no nativos. La consecuencia es un limbo probatorio donde el alumno debe demostrar su inocencia.
Para cualquier estudiante, la cuestión ya no es teórica. Un falso positivo puede acabar en suspenso, expediente disciplinario o incluso expulsión, con efectos sobre becas y expedientes académicos. Saber qué valor real tiene un informe de detector, qué evidencias acreditan la autoría de un texto y qué vías de defensa existen se ha convertido en conocimiento básico de supervivencia universitaria.
- OpenAI retiró su propio detector de texto generado por IA en julio de 2023 alegando su baja precisión.
- Un estudio de Stanford publicado en Patterns (2023) halló que los detectores marcaron erróneamente como IA el 61,3 % de ensayos escritos por no nativos.
- El historial de versiones de Google Docs o Word es hoy la evidencia de autoría más aceptada por los tribunales académicos.
- Ninguna normativa universitaria española reconoce el informe de un detector como prueba única suficiente.
Detectores de IA: una tecnología cuestionada desde 2023
Los detectores de texto generado por IA carecen de fiabilidad probatoria. OpenAI retiró su propio clasificador el 20 de julio de 2023 por su «baja tasa de precisión», según su blog oficial, y la Universidad de Vanderbilt desactivó el detector de Turnitin ese mismo año por el riesgo de falsos positivos.
La secuencia de 2023 marcó un antes y un después. Turnitin lanzó su detector en abril asegurando un 1 % de falsos positivos por documento. Meses después reconoció tasas superiores en el análisis frase a frase. Vanderbilt, entre otras universidades estadounidenses, decidió apagarlo.
«A partir del 20 de julio de 2023, el clasificador de IA deja de estar disponible debido a su baja tasa de precisión.»
El sesgo agrava el problema. El estudio de Weixin Liang y James Zou (Universidad de Stanford, revista Patterns, 2023) analizó siete detectores comerciales con ensayos TOEFL de estudiantes no nativos: el 61,3 % fue clasificado erróneamente como texto de IA. Con textos de nativos, el error caía casi a cero. Un estudiante Erasmus o de intercambio parte, por tanto, con desventaja estadística ante la misma herramienta.
Qué evidencias sirven para demostrar la autoría de un trabajo
La evidencia más sólida ante una acusación de uso de IA es el rastro de elaboración del documento: historiales de versiones, borradores fechados y metadatos. La guía de la UNESCO sobre IA generativa en educación (2023) ya recomendaba evaluar procesos y no solo productos finales, precisamente por la fragilidad de los detectores.
Cuando un tribunal académico revisa una acusación, el informe del detector rara vez basta. Lo que inclina la balanza es el material que reconstruye cómo se escribió el texto. Estas son las evidencias con más peso:
| Evidencia | Qué demuestra | Dónde obtenerla |
|---|---|---|
| Historial de versiones | Escritura progresiva, con correcciones y pausas humanas | Google Docs (Archivo → Historial de versiones) o Word con OneDrive |
| Borradores y notas previas | Proceso de investigación anterior a la redacción | Apuntes, esquemas, PDFs subrayados, gestores como Zotero |
| Historial de búsquedas y fuentes | Consulta real de la bibliografía citada | Historial del navegador, préstamos de biblioteca |
| Defensa oral del contenido | Dominio del tema equivalente al del texto entregado | Solicitud de revisión oral ante el docente o tribunal |
| Estilometría comparada | Coherencia con trabajos anteriores del mismo alumno | Entregas previas en la misma asignatura o grado |
La defensa oral merece atención especial. Varios reglamentos de evaluación españoles permiten al docente convocar una prueba de validación cuando duda de la autoría. Para un estudiante que escribió su trabajo, esa conversación es la vía más rápida de cerrar el expediente: explicar decisiones, fuentes y estructura resulta casi imposible de fingir.
Cómo gestionan las universidades españolas las acusaciones de uso de IA
Las universidades españolas resuelven las acusaciones de uso de IA con normativas de integridad académica anteriores a ChatGPT, aplicadas caso a caso. La UNESCO estimó en 2023 que menos del 10 % de las instituciones educativas encuestadas contaba con políticas formales sobre IA generativa, un vacío que persiste en buena parte del sistema.
En la práctica, el procedimiento habitual arranca con una comunicación del docente, sigue con una audiencia al estudiante y puede escalar a la comisión de disciplina. La Ley de Convivencia Universitaria de 2022 tipifica el fraude académico como falta grave, pero exige prueba: la carga no puede descansar en un porcentaje generado por un algoritmo opaco.
Algunos rectorados han empezado a publicar marcos propios que combinan formación, declaración de uso de herramientas y evaluación del proceso, como detalla la entrevista de StudyVerso con el rector de una universidad pública española sobre gobernanza de la IA. La tendencia es clara: menos fe ciega en el detector y más rediseño de la evaluación.
El ecosistema estudiantil también se mueve. Apps de estudio con IA —desde startups españolas como Modo Cheto hasta plataformas internacionales como Quizlet— normalizan el uso de estas herramientas para preparar exámenes, lo que difumina aún más la frontera entre apoyo legítimo y fraude. Sin políticas explícitas, esa frontera la fija cada docente.
Qué significa para los estudiantes: prevención y vías de recurso
La consecuencia práctica para el estudiante es doble: documentar el proceso de escritura antes de entregar y conocer las vías de recurso después. El defensor universitario, figura obligatoria en todas las universidades españolas desde la LOU de 2001, es la instancia de garantías cuando el procedimiento interno falla.
La prevención cuesta poco. Redactar en Google Docs o en Word con guardado en la nube genera automáticamente un historial de versiones con fecha y hora. Conservar borradores, esquemas y bibliografía anotada completa el expediente. Si un trabajo se escribe a mano o en un editor sin historial, conviene guardar copias intermedias fechadas.
Si la acusación ya se ha producido, el orden de actuación importa. Primero, solicitar por escrito el informe completo del detector y la normativa aplicada. Segundo, aportar las evidencias de proceso y pedir una defensa oral. Tercero, si la resolución se apoya únicamente en el detector, recurrir ante la comisión correspondiente y, en última instancia, ante el defensor universitario. Los precedentes de 2023 —la retirada del clasificador de OpenAI, el estudio de Stanford, la decisión de Vanderbilt— son munición documental legítima en cualquier alegación.
La pregunta de fondo sigue abierta: si los detectores no son fiables y los estudiantes que os acusan de usar IA no pueden probarlo, ¿tiene sentido seguir evaluando con formatos que un modelo de lenguaje completa en segundos? Mientras las universidades rediseñan sus sistemas de evaluación, la asimetría persiste. Y quien escribe honestamente hará bien en dejar rastro de ello.
