Por qué difieren los resultados de detección de IA entre CNKI, VIP y Turnitin
Distintos sistemas de detección de IA arrojan cifras drásticamente diferentes sobre un mismo manuscrito porque emplean datos de entrenamiento, coberturas lingüísticas, preprocesamiento y umbrales de clasificación distintos. El porcentaje que da una herramienta no es una medida universal.
Equipo de HumanPen
· 10 min de lectura
Respuesta rápida: ningún detector es un estándar universal
Solo debes confiar en el sistema oficial que haya designado tu universidad, facultad o revista académica: ninguna de las demás cifras tiene validez administrativa, y el porcentaje de ningún detector representa una medición objetiva y universal de redacción con IA. No existe un punto de referencia universal ni una escala calibrada entre estas plataformas. La investigación detrás de este análisis no llevó a cabo una comparación controlada de un mismo archivo entre CNKI, VIP y Turnitin, por lo que no puede dictaminar qué sistema es "correcto", "más estricto" o "más preciso".
Aunque nuestro análisis más amplio aborda por qué los detectores de IA discrepan entre plataformas (incluidas comparaciones entre sistemas como CNKI frente a Wanfang), la divergencia específica a tres bandas entre CNKI, VIP y Turnitin ilustra cómo distintas decisiones de ingeniería generan resultados sumamente contradictorios. Cuando tres sistemas arrojan cifras tan dispares —como un 3% en CNKI, un 67% en VIP y otro valor distinto en Turnitin—, no están midiendo la misma cantidad subyacente con distintos márgenes de error. Están ejecutando clasificaciones estadísticas independientes basadas en corpus de entrenamiento divergentes, modelos lingüísticos distintos y definiciones de ingeniería propias sobre qué constituye una oración calificable.
En una revisión académica o en la entrega de una tesis de graduación, realizar comprobaciones previas en múltiples motores comerciales independientes e intentar cuadrar sus cifras solo genera confusión, sin cambiar en nada los requisitos institucionales que debes cumplir. La única puntuación con validez institucional es la que emite la plataforma oficial exigida por tu universidad o facultad, evaluada según sus directrices normativas específicas.
Primera distinción: coincidencia de similitud frente a clasificación de redacción con IA
Una fuente habitual de angustia es confundir los informes de similitud tradicionales con los informes de clasificación de redacción con IA. Aunque ambos devuelven un porcentaje, su funcionamiento técnico no tiene prácticamente nada en común.
La comprobación tradicional de similitud —a menudo llamada detección de plagio o de duplicados— es un proceso de cotejo indexado. El software divide tu texto en cadenas o n-gramas y busca secuencias de caracteres coincidentes en una base de datos con artículos de revistas, tesis académicas y páginas web indexadas. La puntuación de similitud refleja qué proporción de tu texto comparte una redacción idéntica o casi idéntica con fuentes externas ya publicadas.
Por el contrario, la clasificación de redacción con IA no busca en una base de datos de referencia. No intenta rastrear el prompt que escribiste ni el servidor donde un modelo generó un párrafo. En su lugar, un detector de IA utiliza un clasificador de aprendizaje automático para analizar propiedades estilísticas y estadísticas de tu texto, como la probabilidad de los tokens y la variación en la estructura de las oraciones.
Como estos dos mecanismos funcionan de forma independiente, sus cifras divergen con frecuencia en un mismo documento:
- Un trabajo puede tener una puntuación de similitud del 2% (lo que indica que no hay préstamos textuales directos de la literatura existente) y una puntuación de clasificación de IA del 60% (si el modelo considera que el ritmo de sus oraciones y el vocabulario de transición son típicos de los grandes modelos lingüísticos).
- A la inversa, un artículo puede presentar un 35% de similitud (debido a leyes debidamente citadas, protocolos estándar biomédicos o extensas citas en bloque) junto con un 0% de clasificación de IA (porque la redacción fue obra exclusiva de seres humanos).
Interpretar el porcentaje de detección de IA bajo la óptica de un informe tradicional de duplicados lleva a revisiones erróneas. No puedes librarte de una alerta de clasificación de IA a base de añadir citas o «atribuir» fuentes, y una puntuación baja de duplicados tampoco garantiza una probabilidad baja de IA.
Por qué discrepan las herramientas: cuatro divergencias técnicas
Cuando los detectores comerciales muestran puntuaciones discrepantes sobre un borrador idéntico, la variación se explica por cuatro diferencias estructurales.
1. Corpus de entrenamiento y cobertura lingüística principal
Los detectores son reconocedores de patrones estadísticos entrenados con corpus específicos. Su fiabilidad depende en gran medida de hasta qué punto tu texto coincide con el género y el idioma de sus datos de entrenamiento.
CNKI (中国知网) y VIP (维普) se crearon para textos académicos en chino y están diseñados para evaluar la sintaxis, las convenciones y los giros de transición propios de la prosa académica en ese idioma.
El sistema de detección de redacción con IA de Turnitin se desarrolló principalmente para el inglés y solo opera con un conjunto específico de idiomas admitidos. Según la guía de Turnitin Uso del AI Writing Report, para "generate an AI Writing Report and percentage," (generar un informe AI Writing Report y un porcentaje), un archivo "must be written in a supported language: English, Spanish, Japanese, Arabic, German, Dutch, Turkish." (debe estar escrito en un idioma compatible: inglés, español, japonés, árabe, alemán, neerlandés o turco). El chino no es un idioma admitido por la detección de IA de Turnitin. Un informe auténtico de Turnitin no genera un porcentaje de IA para un texto en chino. Si tienes una «cifra de Turnitin» para un manuscrito en chino, ese valor no puede ser un porcentaje oficial de detección de IA de Turnitin: o bien es la puntuación tradicional de similitud (cotejo de texto con fuentes indexadas), o procede de un resumen en inglés o una traducción, o bien lo emitió un intermediario no autorizado mediante un servicio completamente distinto.
2. Preprocesamiento de texto, segmentación y tokenización
Antes de que un algoritmo calcule cualquier probabilidad, debe dividir el texto sin procesar en unidades discretas. Las reglas que rigen esa división difieren sustancialmente entre los distintos proveedores.
- Diferencias en la tokenización: el texto en inglés utiliza límites de palabras naturales (espacios), mientras que el texto en chino requiere una segmentación algorítmica de palabras (分词) o una evaluación a nivel de caracteres. La forma en que cada herramienta gestiona la terminología especializada, las citas en chino clásico o las anotaciones alfanuméricas genera discrepancias inmediatas en las representaciones de características subyacentes.
- Reglas de segmentación: en su entrada de blog sobre lo que los responsables académicos deben saber sobre la detección de redacción con IA, Turnitin señala que "sentences from the submission are extracted and segmented into overlapping sections for prediction analysis." (las oraciones del documento entregado se extraen y se segmentan en secciones superpuestas para el análisis predictivo). Por su parte, las plataformas chinas emplean su propia lógica de análisis para determinar dónde empieza y termina cada fragmento.
- Tratamiento de elementos que no son prosa: el hecho de que un detector analice o descarte tablas, expresiones matemáticas, fragmentos de código, agradecimientos y listas de referencias bibliográficas altera el denominador del cálculo. Si un proveedor incluye el texto metodológico estandarizado y otro lo elimina, sus porcentajes finales a nivel de documento diferirán considerablemente.
3. Umbrales de decisión y modelos de agregación
Una puntuación de detección no es un recuento absoluto: es el resultado de aplicar un umbral de probabilidad.
Dentro del clasificador, cada segmento de texto analizado recibe una puntuación de probabilidad. Para mostrar un informe, el proveedor debe establecer un umbral de decisión: ¿con qué nivel de confianza se marca un fragmento como generado por IA? Un sistema calibrado con un límite conservador solo marcará el texto cuando el modelo muestre una confianza muy alta, suprimiendo falsos positivos y arrojando una puntuación global baja para el documento (como un 3%). Otro sistema con un umbral más sensible marcará segmentos con una exigencia de confianza menor, lo que se traducirá en una puntuación sustancialmente más alta (como un 67%) sobre el mismo manuscrito.
Además, las métricas a nivel de documento responden a definiciones matemáticas distintas que solo se publican en parte. Por ejemplo, Turnitin publica las líneas generales de su método: se generan puntuaciones por segmentos, las oraciones individuales heredan esas puntuaciones y el porcentaje del documento refleja la proporción de texto calificable que ha sido marcada. Mientras tanto, CNKI define su métrica como la probabilidad estimada de que el contenido del artículo haya sido generado por IA: "文章内容存在AI生成的概率大小" (probabilidad estimada de que el contenido del artículo haya sido generado por IA).
Dado que cada plataforma define y agrega su puntuación de forma distinta bajo fórmulas que solo se publican parcialmente, un «porcentaje» de una herramienta no se puede convertir matemáticamente en el «porcentaje» de otra.
4. Variaciones en el documento entregado
En la práctica, muchas de las discrepancias observadas se deben a diferencias en el contenido que realmente se sube. Es frecuente enviar un borrador limpio con solo el cuerpo del texto a una plataforma y subir a otra el archivo completo, con portada, resumen, índice y referencias bibliográficas. Modificar la estructura del documento altera los límites de análisis y el cómputo total de caracteres, lo que produce resultados incoherentes incluso dentro de la herramienta de un mismo proveedor.
Los blogs comerciales y el mito del detector «más estricto»
Los resultados de los motores de búsqueda en Baidu, Bing y diversos foros comerciales están plagados de publicaciones promocionales que afirman clasificar los sistemas de detección. Muchas lanzan afirmaciones numéricas categóricas, asegurando que una plataforma arroja sistemáticamente un treinta por ciento más que otra, que determinada herramienta detecta todas las traducciones o que un servicio concreto es el único sistema fidedigno.
Estas afirmaciones rara vez citan documentación técnica primaria, metodologías revisadas por pares o conjuntos de muestras controladas. En la mayoría de los casos, proceden de intermediarios externos, agencias de trabajos académicos o servicios de reescritura automatizada que buscan canalizar a estudiantes angustiados hacia comprobaciones previas de pago o software comercial de reescritura.
Diversas investigaciones periodísticas y reportajes sobre educación han señalado reiteradamente que las herramientas comerciales de detección de IA arrojan con frecuencia resultados inestables entre distintas pruebas y plataformas, lo que alimenta la ansiedad comercial en lugar de ofrecer un baremo científico contrastado. Quienes ponen a prueba sus borradores en diferentes servicios de terceros no autorizados a menudo quedan atrapados en un círculo de marketing comercial, donde las supuestas «clasificaciones» entre plataformas solo sirven para vender servicios sin verificar o créditos adicionales de comprobación.
Al no existir una comparativa empírica exhaustiva y controlada que mantenga constantes todas las variables entre estas plataformas propietarias, cualquier afirmación de que una herramienta concreta representa el estándar «verdadero» no es más que posicionamiento comercial, no un hecho contrastado.
Lista de decisiones para mantener la calma: qué hacer cuando las cifras no coinciden
Si te encuentras con puntuaciones contradictorias entre distintas plataformas de detección, no te dejes llevar por el pánico ni empieces a reescribir a ciegas. Sigue esta lista práctica de decisiones:
- Pregunta qué plataforma de detección utiliza oficialmente tu facultad o institución. Las universidades y los departamentos académicos no evalúan los trabajos calculando una media entre herramientas comerciales. Dado que las políticas institucionales pueden permitir que cada centro elija su propia herramienta de detección de contenidos generados por IA, consulta las comunicaciones oficiales de tu departamento o universidad para averiguar qué herramienta concreta utiliza tu facultad, cómo se procesan las entregas y si se admiten comprobaciones previas.
- Lee la normativa y el procedimiento reales de tu institución. Determina si tu institución emplea la puntuación de IA como un indicador de cribado inicial o como una prueba concluyente. Muchas normativas académicas establecen de forma explícita que un porcentaje automatizado no puede ser el único fundamento para sancionar una falta de integridad académica, y exigen la valoración del profesorado, la confirmación de la dirección de tesis o una audiencia académica antes de tomar cualquier medida.
- Conserva todo tu historial de redacción y las pruebas de tu proceso. La defensa más sólida frente a una alerta infundada es documentar fielmente tu proceso de redacción. Guarda: versiones de archivos con marca temporal e historial de revisiones (por ejemplo, en Word, WPS o tu sistema de control de versiones); esquemas iniciales, diarios de laboratorio, datos experimentales en bruto y transcripciones de entrevistas; bibliotecas de gestores de referencias que muestren cómo recopilaste la bibliografía; el informe original y completo en PDF de la comprobación oficial, con marcas de tiempo de entrega y el desglose de los pasajes marcados.
- Consulta las directrices institucionales sobre el uso de herramientas en lugar de obsesionarte con cifras concretas. El uso de herramientas de reescritura, parafraseo o humanización no está regulado por una norma universal; lo que está permitido depende por completo de tu institución específica, tu programa académico y las directrices del trabajo. Quienes investigan deben consultar siempre las políticas de integridad académica de su universidad para determinar qué nivel de ayuda en la edición es admisible. Asimismo, ninguna herramienta ni método de reescritura puede prometer o garantizar un resultado concreto en los detectores ni una reducción de la puntuación. Confiar a ciegas en sustituciones automáticas de frases puede introducir errores factuales, distorsionar la terminología académica y desorganizar las citas, lo que puede perjudicar la calidad académica de fondo de tu manuscrito durante la revisión de los evaluadores.
Preguntas frecuentes
¿Puedo usar una puntuación baja en CNKI o Turnitin para recurrir una puntuación alta en VIP (o al revés)? Por lo general, no. Los comités de evaluación institucional examinan los trabajos con el software que tienen formalmente designado. Presentar una puntuación no oficial de otra herramienta comercial apenas tiene valor probatorio, ya que las instituciones saben que los distintos detectores emplean métricas y umbrales incomparables entre sí. Las reclamaciones deben respaldarse con pruebas de tu propio proceso de redacción —como historiales de versiones, borradores y notas de fuentes—, y no con el informe de un proveedor competidor.
¿Si traduzco un artículo en chino al inglés, se mantendrá la misma puntuación de detección de IA? No. La traducción automática altera por completo las secuencias de tokens, la sintaxis y la longitud de las oraciones. Traducir un texto cambia totalmente el ámbito lingüístico, lo que traslada el análisis desde modelos calibrados para el chino a modelos calibrados para el inglés. Una puntuación del 5% en chino no anticipa una puntuación del 5% en inglés.
¿Conviene pagar varias comprobaciones previas en plataformas externas antes de entregar el trabajo? No es aconsejable. Aparte del coste económico acumulado, subir una investigación aún no publicada a plataformas online no autorizadas conlleva el riesgo de que el documento sea interceptado, se contaminen sus metadatos o termine archivado de forma involuntaria en un repositorio.
¿Una puntuación de IA del 0% garantiza que acepten mi trabajo sin objeciones? No. Una puntuación del 0% solo indica que el clasificador en cuestión no encontró indicios estadísticos que superaran su umbral en las secciones analizadas de ese archivo concreto. No certifica la autoría, no comprueba la exactitud factual ni evalúa la calidad de la investigación. La integridad académica se determina por el mérito científico y la autoría auténtica, no por un porcentaje automatizado.
Fuentes y referencias
- Guía de Turnitin sobre el uso del AI Writing Report: https://guides.turnitin.com/hc/en-us/articles/22774058814093-Using-the-AI-Writing-Report
- Blog de Turnitin sobre detección de redacción con IA: https://www.turnitin.com/blog/ai-writing-detection-what-academic-leaders-need-to-know
- Portal de detección de AIGC de China National Knowledge Infrastructure (CNKI): https://aigc.cnki.net/
- Acceso a la comprobación de trabajos de VIP Information (CQVIP): http://vpcs.cqvip.com/
Seguir leyendo
¿Es sospechoso un 0 % de IA en CNKI? ¿Provocará una revisión a ciegas?
9 min de lectura
Informes de detección¿Por qué se marcan como IA textos en chino escritos por personas? La verdad sobre las viñetas, el paralelismo y «en resumen»
9 min de lectura
Escritura académicaStudy.com, Grammarly y la detección de IA: qué prohíbe realmente su normativa
10 min de lectura