¿Detecta Turnitin Gemini y Copilot? Esto es lo que dicen las FAQ

Sí en el caso de Gemini y, en la práctica, también en el de Copilot. Las FAQ de Turnitin publican una lista de modelos de escritura con IA a partir de los cuales su detector puede identificar contenido. En la lista figuran Gemini, junto con GPT, Claude, LLaMA, Mistral, Deepseek, Nova, Grok y o1-mini. La formulación oficial es "can detect content from." (puede detectar contenido procedente de ellos). La lista termina con: "and tools based on these LLMs as well." (y también las herramientas basadas en estos LLM.) Copilot se construye sobre modelos GPT, y GPT aparece en la lista. Esto significa que Copilot entra en la categoría de herramientas basadas en un LLM incluido en la lista. Las FAQ añaden: "We will continue to expand our detection capabilities to other models in the future." (Seguiremos ampliando nuestras capacidades de detección a otros modelos en el futuro.) Las FAQ también reconocen que las capacidades de detección no son estáticas y cambiarán a medida que se actualice el modelo.

Las FAQ ofrecen una lista separada por comas de los modelos a partir de los cuales pueden detectar contenido. La frase introductoria dice: "Currently, Turnitin's AI writing detection model for English submissions can detect content from …" (Actualmente, el modelo de detección de escritura con IA de Turnitin para envíos en inglés puede detectar contenido procedente de …). Después viene la lista, que incluye GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok y o1-mini. La lista concluye:

"and tools based on these LLMs as well." (y también las herramientas basadas en estos LLM.)

La frase siguiente: "We will continue to expand our detection capabilities to other models in the future." (Seguiremos ampliando nuestras capacidades de detección a otros modelos en el futuro.)

Esta formulación importa. La lista no nombra cada herramienta o envoltorio concreto. Nombra las familias de modelos subyacentes y después cubre todo lo que se construya sobre ellas. Copilot funciona con modelos GPT, así que entra en el alcance de las herramientas basadas en estos LLM. Gemini aparece nombrado directamente en la lista. La promesa de ampliar la lista significa que puede crecer a medida que surjan nuevos modelos y se actualice el modelo de detección.

Las FAQ describen el mecanismo de detección en términos de segmentación y puntuación de probabilidad:

"When a paper is submitted to Turnitin, sentences from the submission are extracted and segmented into overlapping sections for prediction analysis. Each segment is classified by the AI detection model and given a value between 0 and 1, denoting the probability of the text being likely human or AI-generated." (Cuando se envía un trabajo a Turnitin, las frases del envío se extraen y se dividen en secciones superpuestas para el análisis de predicción. Cada segmento lo clasifica el modelo de detección de IA y recibe un valor entre 0 y 1, que indica la probabilidad de que el texto sea probablemente humano o generado por IA.)

Cada segmento recibe su propia puntuación. El porcentaje global refleja la proporción de segmentos que el modelo clasifica como generados por IA. El detector no busca una marca de agua ni un único rasgo delator. Clasifica el texto segmento a segmento según puntuaciones de probabilidad. En Qué miden los detectores de IA más allá de perplexity y burstiness se explica qué entra en cada una de esas puntuaciones.

Las FAQ reconocen una compensación entre falsos positivos y texto de IA no detectado:

"In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document." (Para mantener esta baja tasa de falsos positivos del 1%, existe la posibilidad de que pasemos por alto parte del texto escrito con IA en un documento.)

El detector está ajustado para no acusar falsamente a los estudiantes de usar IA. El coste de ese ajuste es que parte del texto generado con IA puede quedar sin detectar. Es una decisión de diseño deliberada, documentada por la propia Turnitin. Un modelo que produce texto más cercano a los patrones de probabilidad de las palabras humanas sería más difícil de detectar, al menos hasta que el modelo de detección se actualice para cubrirlo. Ese mismo desfase es la pregunta de fondo en ¿Detecta Turnitin los humanizadores de IA?.

Las FAQ afirman explícitamente que la detección no es un objetivo fijo:

"As we iterate and develop our model further to better detect newer LLMs, it is likely that our detection capabilities will also change, affecting the AI percentage." (A medida que iteramos y seguimos desarrollando nuestro modelo para detectar mejor los LLM más nuevos, es probable que nuestras capacidades de detección también cambien, lo que afectará al porcentaje de IA.)

La frase siguiente: "However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (Sin embargo, en el caso de un documento ya enviado, el porcentaje de IA solo cambiará si se vuelve a enviar para que se procese de nuevo.)

De ahí se derivan dos implicaciones. Primera: el modelo de detección se actualiza para apuntar a los LLM más nuevos, lo que significa que la cobertura de modelos como Gemini y Copilot puede mejorar o desplazarse con el tiempo. Segunda: un documento evaluado antes de una actualización del modelo conserva su puntuación original salvo que se vuelva a enviar. La puntuación de un envío anterior refleja las capacidades de detección de aquel momento, no las actuales, y por eso Sigue marcado tras una nueva revisión de Turnitin defiende comparar dos informes en lugar de dos cifras.

En resumen:

• Gemini aparece directamente en la lista publicada por Turnitin de los modelos a partir de los cuales puede detectar contenido.
• Copilot se basa en modelos GPT, que sí aparecen en la lista. La lista también cubre "tools based on these LLMs as well." (las herramientas basadas en estos LLM.)
• Las FAQ prometen "continue to expand our detection capabilities to other models in the future." (seguir ampliando sus capacidades de detección a otros modelos en el futuro.)
• El detector procesa el texto en segmentos superpuestos y asigna a cada uno una puntuación de probabilidad entre 0 y 1.
• Para mantener baja la tasa de falsos positivos, el detector puede pasar por alto parte del texto generado con IA.
• Las capacidades de detección cambian con el tiempo. Un documento evaluado antes de una actualización del modelo conserva su puntuación original salvo que se vuelva a enviar.

Si recibes un informe de IA de Turnitin y quieres trabajar los fragmentos marcados, importa el informe y ponte con ellos. Los fragmentos que cumplen los requisitos pueden volver a procesarse sin coste.