¿Hace la edición profesional en inglés que tu artículo parezca escrito por IA? Un estudio de 2026

En este estudio, no de forma sistemática. En los 13 detectores de IA de código abierto analizados, la edición humana aumentó la puntuación de IA en algunos y la redujo en otros, y el cambio solo alcanzó significación práctica en 7 de ellos. El detector influyó mucho más que la propia edición: en los mismos manuscritos sin editar, las tasas de falsos positivos fueron del 0,0% al 100%. No se probó ningún detector comercial, incluido Turnitin.

El estudio se titula "Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing" (El estilo como factor de confusión: falsos positivos en la detección de IA en la redacción académica de no nativos), escrito por Hyeonchu Park y Bugeun Kim, de la Universidad Chung-Ang, y Gahye Jeong, de Wordvice; se publicó en arXiv el 27 de agosto de 2026 y figura allí como presentado en EMNLP 2026. Los documentos proceden de Wordvice, un servicio profesional de edición en inglés. Una de las autoras, Gahye Jeong, es la CTO de Wordvice según el propio blog de la empresa, que también describe a Wordvice como "the developer of the Wordvice AI Detector" (el desarrollador de Wordvice AI Detector).

Los datos correspondían a 135.389 pares de documentos de entre 2018 y 2025, que abarcaban más de 40 disciplinas académicas. Cada par constaba de un texto escrito por un hablante no nativo de inglés y ese mismo texto tras pasar por las manos de un corrector nativo. Algo más de la mitad (el 52,9%) procedía de la edición académica y el 37,6% de la edición de admisiones; las cartas y ensayos de solicitud fueron el área temática individual más grande, con 22.639 documentos. El resto correspondió a textos comerciales, redacción para el TOEFL, traducciones y otros trabajos. Dado que el autor, el tema y el contenido no cambiaban, cualquier variación en la puntuación del detector se debía a la edición.

La edición en sí fue realizada por personas. Las directrices del servicio, tal como las describe el estudio, permiten correctores gramaticales de IA únicamente para errores mecánicos, y "AI-generated rewriting, paraphrasing, or stylistic generation is explicitly prohibited." (se prohíbe explícitamente la reescritura, el parafraseo o la generación estilística mediante IA.) Las correcciones fueron reales pero discretas: en una muestra de 6.000 pares, la longitud mediana del documento cambió solo en 6,5 palabras, y la longitud media de las oraciones disminuyó ligeramente, de 24,35 a 23,51 palabras.

Los 13 detectores eran herramientas de investigación de acceso público, evaluadas con sus configuraciones estándar: métodos estadísticos como GLTR, métodos sin entrenamiento previo (zero-shot) como Fast-DetectGPT y Binoculars, y clasificadores entrenados como RoBERTa y RADAR.

En los manuscritos redactados antes de 2023, que los autores consideran textos de autoría humana, la proporción clasificada erróneamente como IA dependió casi por completo del detector:

Los mismos documentos escritos por humanos fueron clasificados como casi en su totalidad IA por algunas herramientas y como casi en su totalidad humanos por otras. Los autores concluyen: "These findings suggest that AI detectors do not represent a unified measure of AI-generated content; rather, they rely on a mix of generation-origin and linguistic-quality signals." (Estos hallazgos sugieren que los detectores de IA no representan una medida unificada del contenido generado por IA; más bien, se basan en una combinación de señales de origen de generación y de calidad lingüística.) Asimismo, advierten de que estas tasas absolutas dependen de los umbrales que establecieron.

Tras la edición, la dirección del cambio dependió del detector. Estas cifras cubren todos los datos del periodo 2018-2025, no solo los documentos anteriores a 2023 de la tabla anterior:

• Menos falsos positivos tras la edición: MAGE (10,7 puntos porcentuales menos), RADAR (4,7 menos), BiScope (0,5 menos).
• Más falsos positivos tras la edición: LastDE+ (5,8 puntos más), Fast-DetectGPT (4,6 más), RoBERTa (1,7 más).
• No concluyente: DiVeye, cuyas cifras apuntan en direcciones opuestas según la tabla del artículo.
• Apenas hubo cambios o ninguno: los detectores restantes, con variaciones de aproximadamente 0,1 puntos o menos.

Los autores consideran que estos cambios entre el antes y el después son más fiables que las tasas absolutas: "the relative patterns across editing conditions provide more robust evidence of detector sensitivity to linguistic refinement." (los patrones relativos entre las condiciones de edición proporcionan pruebas más sólidas de la sensibilidad de los detectores al perfeccionamiento lingüístico.)

Cuanto más a fondo se editaba un manuscrito, más variaba su puntuación hacia la dirección a la que ya se inclinaba ese detector. Además, el efecto fue más débil entre 2023 y 2025 que entre 2018 y 2022.

• Ningún detector comercial. En palabras de los autores, "the analysis does not cover future systems or proprietary commercial detectors." (el análisis no cubre sistemas futuros ni detectores comerciales propietarios.) No se probaron Turnitin, GPTZero, Originality ni Pangram, y el artículo ni siquiera menciona a Turnitin.
• Edición mayoritariamente académica, pero no exclusiva. Los autores describen los datos como manuscritos predominantemente académicos; sin embargo, más de un tercio correspondió a edición de admisiones, y el estudio no desglosa los resultados por tipo de texto. Además, añaden: "Detector behavior may differ for student essays, journalistic articles, creative writing, social media content, and other genres with distinct linguistic and stylistic characteristics." (El comportamiento de los detectores puede diferir en ensayos de estudiantes, artículos periodísticos, escritura creativa, contenido de redes sociales y otros géneros con características lingüísticas y estilísticas distintivas.)
• Solo edición humana. La corrección de estos datos fue realizada por personas bajo normativas que prohíben la reescritura mediante IA. Por tanto, no dice nada sobre las herramientas de edición por IA.
• Sin textos de control generados por IA. En palabras de los autores, "the study does not include AI-generated control texts subjected to comparable editing procedures." (el estudio no incluye textos de control generados por IA sometidos a procedimientos de edición comparables.)
• Quién lo llevó a cabo. Tanto los datos como uno de los autores procedían de Wordvice, una empresa que comercializa servicios de edición y que, según su propia descripción, desarrolla un detector de IA.

1. Valora la edición por sus propios méritos, no en función de estos detectores. En cuanto a los 13 detectores de investigación analizados aquí, el estudio no ofrece ningún motivo para prescindir de un corrector humano por miedo a las alertas de IA: la edición apenas alteró la mayoría de las puntuaciones, y lo hizo en ambas direcciones, aunque tres detectores sí señalaron más tras la edición. No se evaluó si ocurre lo mismo con Turnitin. Comprueba si tu revista o curso exige declarar la ayuda de edición.
2. Conserva ambas versiones. Tu borrador original y el archivo con el control de cambios del corrector demuestran con exactitud qué modificó una persona real, algo que la puntuación de un detector jamás puede reflejar.
3. Pregunta qué detector generó la puntuación. Los detectores de este estudio evaluaron el mismo texto humano de formas sumamente distintas, aunque los autores señalan que las tasas exactas dependen de sus umbrales. Si quieres consultar investigaciones anteriores sobre autores no nativos, consulta por qué se suele señalar con más frecuencia a quienes escriben en inglés como lengua no nativa; para ver una prueba de 2026 sobre el propio Turnitin con ensayos de estudiantes de EFL, consulta si Turnitin marca la redacción en inglés de hablantes no nativos.

Si tienes un informe de Turnitin o iThenticate y los pasajes señalados necesitan reescribirse, eso es precisamente lo que hace la opción de humanización de HumanPen. Importa el informe de Turnitin o iThenticate y reformula solo los pasajes señalados. Recibirás un archivo editable en el mismo formato. Revisa primero la normativa de tu revista o curso sobre la asistencia mediante IA y lee con atención el archivo que recibas antes de entregarlo.

¿Marcará Turnitin mi artículo porque lo haya editado un hablante nativo? Este estudio no puede responder a eso; no probó Turnitin ni ningún otro detector comercial.

¿Hizo la edición que los artículos parecieran más humanos o más propios de la IA? Ambas cosas, según el detector. Tres arrojaron menos falsos positivos tras la edición y tres arrojaron más; las cifras de DiVeye son contradictorias en las diferentes tablas del estudio, y el resto apenas varió.

¿Se aplica esto a las herramientas de edición por IA? No. La edición de estos datos la realizaron personas bajo normativas que prohíben la reescritura mediante IA. Si quieres conocer un estudio de 2026 sobre el pulido de textos con IA, consulta si pulir tus textos con IA hace que los detecten.

¿Por qué algunos detectores marcaron casi todos los manuscritos? Los autores descubrieron que los detectores basados en estadísticas de tokens tuvieron las tasas de falsos positivos más altas en estos textos de autoría humana, mientras que los detectores zero-shot basados en razones de verosimilitud se mantuvieron cerca de cero. También recuerdan que las tasas absolutas dependen de los umbrales utilizados.

• Hyeonchu Park, Gahye Jeong y Bugeun Kim, Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing, arXiv:2608.26710 (27 de agosto de 2026; figura como presentado en EMNLP 2026); consultado el 27 de septiembre de 2026 (tablas 2-4, 8 y 18).
• Wordvice, How Professional Editing Changes AI Detector Scores, publicación de blog a cargo de Gahye Jeong, consultado el 27 de septiembre de 2026.