¿Por qué se marcan como IA textos en chino escritos por personas? La verdad sobre las viñetas, el paralelismo y «en resumen»

Las listas numeradas, las estructuras sintácticas paralelas y las transiciones de resumen estándar activan con frecuencia las alarmas del software de detección de IA. Esto ocurre porque su extrema regularidad y su estructura formularia se asemejan a los patrones aprendidos por clasificadores neuronales entrenados. Sin embargo, no existe ninguna prueba empírica de que una frase concreta en chino señale autoría automática. Ante un falso positivo, eliminar los conectores lógicos solo daña la claridad académica; presentar un historial de borradores verificable y recurrir a los procedimientos de revisión institucional sigue siendo la única vía defendible.

Equipo de HumanPen

· 9 min de lectura

¿Por qué las viñetas, el paralelismo sintáctico y «en resumen» activan alertas de IA en textos en chino escritos por personas?

Los clasificadores de texto de IA no evalúan el fondo intelectual de tu investigación: son modelos de aprendizaje automático entrenados para analizar patrones estadísticos y regularidades estructurales en secuencias de tokens. La enumeración estructurada (como «primero, segundo, tercero»), las cláusulas paralelas equilibradas y las transiciones académicas formularias (como «en resumen» / 综上所述 o «de esto se desprende» / 由此可见) representan fórmulas sumamente estandarizadas y uniformes en el chino formal. Como los clasificadores entrenados han aprendido a asociar esta marcada simetría sintáctica y su previsibilidad formularia con las distribuciones de entrenamiento de la IA generativa, una prosa académica humana redactada con rigor puede arrojar puntuaciones de sospecha elevadas.

Este dilema —en el que un riguroso cuidado académico puede desembocar en una alerta automatizada— ha captado una gran atención pública. En un reportaje de investigación de BeiQing ShenYiDu (Beijing Youth Daily) titulado "Graduation Theses Trapped in the 'AI Rate': Methodically Structured Bullet Points and Frequent Parallel Sentences Judged as Not 'Human'" («Tesis de graduación atrapadas en la 'tasa de IA': viñetas estructuradas metódicamente y oraciones paralelas frecuentes juzgadas como no 'humanas'»), una estudiante relató cómo fue marcada por utilizar listas metódicas y frases paralelas equilibradas, y se preguntaba: "Just because I like to use methodical bullet points and parallel sentences, does that mean I cannot be 'human'?" («¿Acaso por gustarme las enumeraciones ordenadas y las frases paralelas ya no puedo ser 'humana'?»). Esta tensión ha llevado a muchos estudiantes a dudar si los sistemas de detección nacionales mantienen una lista negra interna de conectores y transiciones prohibidas.

La realidad técnica subyacente es clara: ningún proveedor de detección ni ningún estudio publicado sobre aprendizaje automático ha demostrado jamás que una frase o estructura gramatical concreta en chino constituya una huella exclusiva de la inteligencia artificial. Los clasificadores responden a patrones de distribución —previsibilidad sintáctica, fluidez en la transición entre tokens y un ritmo mecánico a lo largo del párrafo—, no a palabras de vocabulario específicas.

El límite de la evidencia: los detectores son clasificadores entrenados, no filtros de palabras específicas

Para entender por qué se marca una prosa académica metódica es necesario examinar cómo funciona en realidad la tecnología moderna de detección de IA. En los foros de estudiantes existe la idea errónea y generalizada de que los detectores calculan en tiempo real la «perplejidad» matemática (cuánto se sorprende un modelo ante la siguiente palabra) y la «variabilidad» o burstiness (la variación en la estructura y longitud de las oraciones) para evaluar los textos. Como explicamos en detalle en nuestro análisis sobre cómo se relacionan la perplejidad y la variabilidad con la detección de IA, esas métricas describían sobre todo a las primeras herramientas de demostración. Los proveedores comerciales de detección las han dejado atrás en gran medida: GPTZero ha declarado que desde el otoño de 2023 ya no utiliza la perplejidad ni la variabilidad, mientras que Turnitin ha aclarado que su modelo "is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity'." («no está programado explícitamente para evaluar señales específicas como la 'variabilidad' o la 'perplejidad'»).

Los detectores que operan hoy en producción —incluidas las principales plataformas académicas y los clasificadores neuronales de texto— funcionan como clasificadores de aprendizaje automático ajustados (fine-tuned). Estos modelos de aprendizaje profundo se entrenan con conjuntos masivos de datos que combinan textos escritos por personas y textos generados por máquinas para identificar rasgos lingüísticos complejos y de alta dimensionalidad.

Sin embargo, la formación estándar en redacción académica de las universidades chinas fomenta hábitos estructurales que coinciden de lleno con los patrones estadísticos que identifican estos clasificadores:

  • Enumeración numerada: estructurar las medidas como "First, establish mechanisms; second, improve procedures; third, strengthen supervision" («primero, establecer mecanismos; segundo, perfeccionar procedimientos; tercero, reforzar la supervisión») crea una simetría estructural muy rígida;
  • Paralelismo y equilibrio sintáctico: alinear las estructuras gramaticales en cláusulas emparejadas genera oraciones de longitud uniforme y patrones sintácticos reiterativos;
  • Fórmulas de transición: expresiones como «en resumen» (综上所述), «a partir del análisis anterior» (基于上述分析) y «de este modo se aprecia» (由此可知) actúan como conectores lógicos estandarizados cuyo entorno textual resulta sumamente predecible.

Cuando un estudiante sigue al pie de la letra las normas académicas formales y organiza sus argumentos en párrafos muy estructurados y simétricos, el perfil lingüístico de su prosa se vuelve excepcionalmente uniforme. Para un clasificador neuronal entrenado, esta regularidad estructural reproduce casi a la perfección la distribución del texto sintético observado durante el entrenamiento del modelo.

Aquí radica el límite crucial de la evidencia: los detectores automáticos son sensibles a las plantillas estructurales rígidas, la simetría mecánica y la uniformidad organizativa extrema; sin embargo, ninguna fuente técnica publicada considera que la mera presencia de «en resumen» o de listas con viñetas sea una prueba concluyente de autoría por IA. Un porcentaje elevado representa una clasificación probabilística basada en patrones de rasgos aprendidos, no una determinación fáctica contrastada de falta académica.

La falacia de las granjas de contenido: por qué el consejo de «eliminar estas frases» carece de fundamento

Los motores de búsqueda y las redes sociales están repletos de publicaciones comerciales que aseguran que "deleting these 20 phrases will instantly reduce your AI rate below 5%." («eliminar estas 20 frases reducirá al instante tu tasa de IA por debajo del 5 %»). Estas granjas de contenido confeccionan listas arbitrarias de supuestas «frases tabú» e instan a los estudiantes a suprimir conectores académicos habituales como «en resumen», «es evidente», «exploración en profundidad», «desde la perspectiva de» y "on one hand... on the other hand." («por un lado... por otro lado»).

Las plataformas comerciales promocionan estas recetas de eliminación de frases porque la sustitución simplista de palabras es fácil de monetizar mediante herramientas automáticas de reescritura y servicios de pago. Desde el punto de vista analítico y metodológico, este consejo tiene fallos muy graves:

  1. Los clasificadores analizan ventanas de contexto, no listas negras de palabras clave estáticas: sustituir mecánicamente «en resumen» (综上所述) por un sinónimo más coloquial como «a grandes rasgos» (总的来看) deja la arquitectura oracional subyacente, los incrustamientos contextuales (embeddings) y la distribución de probabilidad estructural prácticamente intactos.
  2. La eliminación arbitraria compromete la cohesión y el rigor académico: los argumentos académicos dependen de conectores lógicos explícitos para transmitir relaciones de causa y efecto. Forzar a los estudiantes a desarmar listas ordenadas para convertirlas en fragmentos conversacionales inconexos, o a sustituir términos técnicos precisos por lenguaje informal, degrada de forma directa la calidad de la tesis y acarrea observaciones justificadas durante la revisión del comité evaluador.
  3. La normativa institucional regula el uso de herramientas, no las prohibiciones universales ni las promesas de intermediarios: muchos estudiantes preguntan si usar software de reescritura o humanización está tajantemente prohibido. El uso admisible de herramientas no se rige por una regla universal: lo que está permitido depende por completo de las directrices específicas de tu universidad, tu departamento y el trabajo académico en cuestión. Algunas facultades permiten el uso de herramientas generativas o de asistencia para el pulido lingüístico, siempre que se declare de forma explícita, mientras que otras prohíben cualquier reescritura automatizada. Debes consultar el código de integridad de tu institución y hablar directamente con tu tutor. Sobre todo, desconfía de intermediarios comerciales que afirmen tener «tasas de aprobación garantizadas» o prometan «puntuaciones 100 % humanas». Los reportajes de la Agencia de Noticias Xinhua han alertado sobre la proliferación de servicios de pago para «reducir la tasa de IA», mientras que Radio Nacional de China (Voice of China) investigó los abusos del sector, señalando tarifas que van desde decenas hasta más de mil yuanes, vendedores que se limitan a usar IA con instrucciones para reescribir textos («usar IA para bajar la IA» / 用AI降AI率) y casos de estudiantes amenazados durante disputas con publicar sus tesis en internet o denunciarlos ante sus universidades. Dado que los modelos de detección funcionan con probabilidades estadísticas, ninguna herramienta comercial puede garantizar legítimamente un resultado concreto.

Convenciones de redacción por disciplina: una estructura metódica es rigor académico, no generación por máquina

La estructura metódica y las transiciones estilizadas son convenciones fundamentales de la disciplina académica que reflejan los estándares de cada departamento, no atajos generativos:

  • Ingeniería y Ciencias de la Computación: las metodologías técnicas, los flujos algorítmicos, los parámetros de prueba y las arquitecturas de sistemas se comunican habitualmente mediante listas numeradas, etapas discretas y secuencias reproducibles para preservar la precisión técnica.
  • Derecho, Administración y Gestión Pública: el análisis normativo, las evaluaciones institucionales y las recomendaciones administrativas se apoyan de manera constante en cláusulas paralelas y síntesis estandarizadas para garantizar una interpretación jurídica y procesal sin ambigüedades.
  • Medicina y Ciencias de la Vida: los informes empíricos se ciñen a formatos normalizados (como la descripción de ensayos clínicos y las métricas de grupos de control), en los que una redacción estandarizada minimiza cualquier ambigüedad interpretativa.

Como señaló el profesor E Haihong en el reportaje de Xinhua: "Different disciplines should not apply a one-size-fits-all approach to AIGC rates; final determinations should be made by subject-matter experts or faculty advisors." («Las distintas disciplinas no deberían aplicar un criterio uniforme para las tasas de AIGC; la determinación final debe corresponder a los expertos en la materia o a los tutores académicos»). Las herramientas de clasificación estadística no pueden distinguir si un texto riguroso obedece al estricto cumplimiento de las convenciones académicas por parte del autor o a la predicción estadística de tokens de un algoritmo.

En última instancia, la determinación autorizada sobre la originalidad académica corresponde a los académicos humanos: tutores, revisores por pares y tribunales de tesis. Las políticas de integridad universitaria se centran en el plagio, la falsificación y el uso no autorizado de herramientas generativas; una organización clara, una sintaxis equilibrada y un razonamiento riguroso no constituyen por sí mismos una falta académica. No se debe comprometer la integridad académica para complacer a una herramienta estadística.

Cómo responder con rigor ante una alerta de IA: protocolo de verificación en cuatro pasos

Si tu tesis redactada de forma independiente en chino recibe una puntuación alta de detección de IA debido a su estructura metódica, frases paralelas o transiciones académicas estándar, no te dejes llevar por el pánico ni recurras a intermediarios comerciales que prometen puntuaciones garantizadas. Las modalidades de revisión o ayuda permitidas dependen de las normativas específicas de tu institución, pero entregar reescrituras comerciales sin verificar pone en riesgo tu trabajo. En su lugar, sigue este protocolo de verificación institucional en cuatro pasos:

  1. *Conserva y protege un historial completo de borradores (draft trail): la defensa más sólida frente a una alerta automatizada es un registro cronológico inalterable de tu proceso de redacción. Exporta y archiva versiones de documentos con marca de tiempo: archivos de Word con control de cambios e iteraciones de copias de seguridad locales automáticas, historiales de versiones en la nube de WPS o Tencent Docs, o registros de commits* de repositorios de Overleaf y Git. Reúne también pruebas secundarias del proceso: literatura científica comentada, cuadernos de laboratorio manuscritos, conjuntos de datos de encuestas sin procesar, grabaciones originales de entrevistas e informes periódicos de avance entregados en los hitos de la tesis.
  2. Examina y coteja los detalles del informe de detección: obtén y revisa a fondo el informe completo en PDF o HTML generado por la plataforma designada por tu institución, en lugar de quedarte solo con el porcentaje del resumen. Identifica con exactitud qué secciones, párrafos o bloques se han marcado y comprueba si el software los etiqueta como patrones de IA generativa o como coincidencias bibliográficas tradicionales. Comprueba si las exclusiones estructurales se configuraron bien, asegurándote de que la bibliografía, los agradecimientos, los anexos, las fórmulas matemáticas y las citas en bloque no se hayan sumado por error al recuento de palabras evaluado.
  3. Explica a tu tutor las convenciones de tu disciplina y la lógica metodológica: concierta una reunión presencial con tu tutor y preséntale tanto el informe con las alertas como los borradores de la investigación. Explica con claridad por qué esas estructuras eran necesarias en tu campo: "Section 3 uses a three-part comparative list in accordance with standard engineering benchmarking conventions, and the concluding transitional sentence reflects the direct deduction from the preceding empirical dataset" («La sección 3 utiliza una lista comparativa en tres partes conforme a las convenciones estándar de evaluación comparativa en ingeniería, y la frase de transición final refleja la deducción directa a partir del conjunto de datos empíricos precedente»). Apóyate en el criterio académico de tu tutor para certificar que los pasajes marcados representan una expresión disciplinar legítima y no una generación automatizada.
  4. Infórmate sobre los umbrales de revisión y los procedimientos de recurso de tu institución: consulta las directrices oficiales de gestión de tesis de tu departamento a través de la Oficina de Asuntos Académicos (教务处) o de la Escuela de Posgrado (研究生院) para determinar si la puntuación de AIGC sirve como una simple alerta orientativa o como un umbral eliminatorio estricto. Solicita los protocolos formales de apelación de tu universidad y los formularios necesarios. Conforme a la Ley de Grados Académicos de China, existen disposiciones legales que regulan la revisión de títulos: el artículo 39 contempla la presentación de alegaciones y descargos (陈述和申辩) antes de resolver la no concesión o revocación de un grado; el artículo 40 establece la revisión académica (学术复核) ante discrepancias en la evaluación académica, y el artículo 41 prevé la revisión (复核) frente a resoluciones de no admisión, denegación o revocación de títulos. Como la puntuación inicial de detección de AIGC no constituye por sí sola una sanción disciplinaria legal, los estudiantes que afronten discrepancias deben seguir los canales de revisión fijados por su centro, aportando sus historiales de borradores y registros de redacción para una evaluación humana por parte del profesorado.

Referencias y fuentes públicas

  1. BeiQing ShenYiDu (Beijing Youth Daily) (北青深一度 / 北京青年报): "Graduation Theses Trapped in the 'AI Rate': Methodically Structured Bullet Points and Frequent Parallel Sentences Judged as Not 'Human'" («Tesis de graduación atrapadas en la 'tasa de IA': viñetas estructuradas metódicamente y oraciones paralelas frecuentes juzgadas como no 'humanas'») (《困在“AI率”中的毕业论文:有条理地分点叙述,常用排比句,被判定为不是“人”》), publicado el 8 de agosto de 2025. URL: `https://news.qq.com/rain/a/20250808A03F3K00`
  2. Agencia de Noticias Xinhua (新华社): "Thesis AIGC Rate: Are Detection Standards Scientific?" («Tasa de AIGC en tesis: ¿son científicos los estándares de detección?») (《论文AIGC率,检测标准科学吗?》), publicado el 23 de mayo de 2026 a través de Xinhua WeChat (publicado originalmente por Science and Technology Daily / CCTV News el 22 de mayo de 2026), donde se analizan los criterios de cribado universitario y los servicios de pago para reducir la tasa de IA. URL: `https://m.thepaper.cn/newsDetail_forward_33210288`
  3. Radio Nacional de China (央广网): "Investigation into Abuses in Thesis AI-Reduction Services" («Investigación sobre los abusos en los servicios para reducir la tasa de IA en tesis») (《代降论文AI率服务乱象调查》), publicado el 14 de julio de 2025 (publicado originalmente por Legal Daily), que denuncia servicios de pago que usan instrucciones de IA para reescribir textos, tarifas de decenas a más de mil yuanes y amenazas en caso de disputa. URL: `https://news.cnr.cn/native/gd/20250714/t20250714_527260647.shtml`
  4. Guangming Daily Online (光明网): "My Self-Written Thesis Was Diagnosed as AI" («Mi tesis escrita por mí mismo fue diagnosticada como IA») (《“自己写的毕业论文,被确诊AI”》, 22 de julio de 2024, republicación de The Paper) y "Thesis 'AI-Reduction' Has Become a Business: AI Detection Must Not Become Formalism" («La 'reducción de IA' en tesis se ha convertido en un negocio: la detección de IA no debe caer en el formalismo») (《论文“降AI率”已成生意,AI检测不能沦为形式主义》, 11 de junio de 2026, comentario sobre el reportaje del National Business Daily del 10 de junio de 2026 《高校严查论文AI率,帮学生“降写”成了火爆生意》). URL: `https://m.gmw.cn/2024-07/22/content_1303798841.htm` / `https://guancha.gmw.cn/2026-06/11/content_38823723.htm`
  5. Beijing Daily Client (北京日报客户端): "Thesis AI Detection Is Driving This Year's College Graduates Crazy" («La detección de IA en tesis está enloqueciendo a los graduados universitarios de este año») (《论文AI检测,正在“逼疯”这届大学生》), publicado el 19 de julio de 2026. URL: `https://xinwen.bjd.com.cn/content/s6a5ccb7de4b03fa51a81b89b.html`
  6. Comité Permanente de la XIV Asamblea Popular Nacional: Ley de Grados Académicos de la República Popular China (《中华人民共和国学位法》), aprobada el 26 de abril de 2024 en la 9.ª sesión del Comité Permanente de la XIV APN, en vigor desde el 1 de enero de 2025. URL: `https://www.12371.cn/2024/04/28/ARTI1714265542656277.shtml`

Seguir leyendo