¿Detecta Turnitin a Grok? Lo que dice la lista de modelos

Sí. Grok aparece mencionado expresamente en la lista de modelos que publica Turnitin. En esa lista se indica que el modelo de detección de escritura con IA de Turnitin para trabajos en inglés puede detectar contenido de un conjunto de modelos en el que están Grok, GPT, Gemini, Claude, LLaMA, Mistral, DeepSeek, Nova y o1-mini. La lista también cubre las "tools based on these LLMs as well," (herramientas basadas en estos LLM), lo que significa que las aplicaciones y los servicios construidos sobre los modelos de lenguaje de Grok entran en el alcance de detección que se describe.

Grok ha pasado por varias versiones, cada una con capacidades y contextos de lanzamiento distintos. La cláusula de las "tools based on these LLMs" (herramientas basadas en estos LLM) implica que las aplicaciones que usan a Grok como modelo subyacente también entran en el alcance descrito. Que todas las versiones de Grok se detecten con la misma precisión es otra pregunta, y la lista no la responde.

Turnitin no publica una tabla de modelos con resultados de detección del tipo aprueba o no aprueba. Lo que ofrece es una lista en línea, separada por comas, dentro de su documentación. 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 trabajos en inglés puede detectar contenido de) una lista en la que aparece Grok junto con otros modelos de lenguaje importantes. Claude y Gemini comparten esa línea, y ¿detecta Turnitin a Claude, Copilot o Gemini? repasa esa parte. La lista cierra indicando que la cobertura se extiende a las "tools based on these LLMs as well." (herramientas basadas en estos LLM).

La frase clave aquí es "can detect content from." (puede detectar contenido de). Ese modo de decirlo indica que el detector está entrenado para reconocer el texto generado por estos modelos, pero no promete una detección perfecta. La oración que va justo después de la lista es igual de importante: "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).

En el caso de Grok, esto significa que cualquier herramienta o servicio que use sus modelos de lenguaje para generar texto está dentro del alcance indicado. La sensibilidad de esa cobertura puede variar, y de eso hablamos en las secciones siguientes.

Para entender por qué la detección no es un sí o un no, conviene mirar el mecanismo que describe Turnitin. Cuando se envía un trabajo, las oraciones se extraen y se dividen en secciones superpuestas para analizarlas. Cada sección se clasifica con el modelo de detección de IA y recibe un valor entre 0 y 1, que indica la probabilidad de que el texto sea humano o generado por IA. Cada oración válida dentro de esas secciones hereda la puntuación de su sección. Como las secciones se superponen, una oración puede quedarse con varias puntuaciones, que después se combinan en una sola. Esas puntuaciones por oración se agregan y se usan para calcular la puntuación de escritura con IA del documento completo.

Esto quiere decir que el porcentaje final de tu informe es la suma de muchas predicciones pequeñas, hechas oración por oración. No es un único escaneo que sella el documento entero como IA o como humano. Cada oración aporta al total, y la superposición de secciones ayuda a suavizar los casos dudosos.

El modelo de Turnitin no es estático. Según la documentación: "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.. However, for a submitted document, the AI percentage will change only if it's re-submitted again to be processed." (a medida que iteramos y desarrollamos nuestro modelo para detectar mejor los LLM más nuevos, es probable que nuestras capacidades de detección también cambien y afecten al porcentaje de IA. Sin embargo, en el caso de un documento ya enviado, el porcentaje de IA solo cambiará si se vuelve a enviar para procesarlo).

Esto tiene una consecuencia práctica. Si envías un documento hoy y recibes un determinado porcentaje de IA, ese mismo documento podría recibir un porcentaje distinto si lo vuelves a enviar semanas o meses después. El modelo se actualiza, y esas actualizaciones pueden mover las puntuaciones en cualquier dirección. Un pasaje que hoy parece humano podría leerse como generado por IA después de una actualización, ¡o al revés!

Para el texto de Grok, esto significa que la tasa de detección que ves ahora puede no coincidir con la que veas más adelante. El propio Grok ha pasado por varias iteraciones y el modelo de Turnitin sigue desarrollándose. Si tienes dos informes del mismo archivo, comparar dos informes en vez de dos puntuaciones es la única forma de saber cuál de los dos se movió. La lista de modelos confirma que Grok entra en el alcance, pero la sensibilidad de esa detección puede variar a medida que Turnitin ajusta su modelo.

Turnitin reconoce abiertamente que su detector no lo atrapa todo. La documentación indica: "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. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (para mantener esta tasa baja de 1 % de falsos positivos, existe la posibilidad de que pasemos por alto parte del texto escrito con IA en un documento. Estamos tranquilos con eso porque no queremos señalar como escrito por IA un texto escrito por una persona. Por ejemplo, si identificamos que el 50 % de un documento probablemente fue escrito con una herramienta de IA, podría contener hasta un 65 % de escritura con IA).

Es una concesión deliberada. Turnitin prioriza una tasa baja de falsos positivos, lo que implica aceptar que parte del texto de IA se cuele. Un documento que marca 50 % de IA podría contener en realidad hasta un 65 % de contenido de IA. El detector peca de prudente: prefiere dejar pasar texto de IA antes que señalar por error texto humano.

Para entender por qué el detector funciona así hay que ver qué mide en realidad. El modelo de Turnitin no se apoya en las métricas de las que más se habla en público sobre detección de IA, una afirmación que conviene leer junto con ¿usa Turnitin la perplejidad y la ráfaga para detectar IA?. La documentación indica: "Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions. Instead, it learns statistical patterns from our training data." (nuestro modelo no está programado explícitamente para evaluar señales concretas como la «ráfaga», la «perplejidad» u otras métricas individuales que a veces se mencionan en debates públicos; en cambio, aprende patrones estadísticos a partir de nuestros datos de entrenamiento). Después, el modelo aplica lo aprendido para clasificar el texto. Como dice Turnitin, "Our classifiers are trained to detect these differences in word probability and are adept at the particular word probability sequences of human writers." (nuestros clasificadores están entrenados para detectar estas diferencias en la probabilidad de las palabras y conocen bien las secuencias de probabilidad de palabras propias de quienes escriben como humanos).

Dicho de otro modo: el detector mira los patrones de probabilidad de las palabras, no señales superficiales como la variación en la longitud de las oraciones o lo raro del vocabulario. Por eso un texto de IA muy editado o reescrito a veces se escapa, y por eso ¿detecta Turnitin los humanizadores de IA? no se puede responder con un sí. Si las secuencias de probabilidad de palabras cambian lo suficiente durante la edición, el clasificador puede dejar de reconocer el texto como generado por IA. Para el texto de Grok, esto significa que el detector se fija en los patrones estadísticos de la propia escritura, no en identificar a Grok como la fuente concreta.

Si tu informe de Turnitin marca pasajes como generados por IA, lo más práctico es trabajar solo las secciones marcadas en vez de reescribir el documento entero, que es lo que plantea reescribir solo los párrafos que marcó un informe de Turnitin. Como Turnitin puntúa oración por oración, puedes localizar los segmentos concretos que dispararon la detección y concentrar ahí la revisión.

Deja intactas tus citas, tablas y formato. Solo necesitan atención los pasajes marcados como IA. Si revisas y vuelves a enviar, ten presente que el porcentaje de IA puede moverse por las actualizaciones del modelo, no solo por tus cambios.

Los pasajes que cumplen los requisitos se pueden volver a procesar sin costo.