¿Detecta Turnitin el contenido de Perplexity AI? Lo que dice la documentación

Las preguntas frecuentes de Turnitin publican una lista de modelos de escritura con IA cuyo contenido pueden detectar, entre ellos GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok y o1-mini. La lista termina con «and tools based on these LLMs as well.» (y también las herramientas basadas en estos LLM.) Las preguntas frecuentes afirman además: «We will continue to expand our detection capabilities to other models in the future.» (Seguiremos ampliando nuestra capacidad de detección a otros modelos en el futuro.) Perplexity AI es una herramienta de búsqueda que puede generar texto usando modelos de lenguaje subyacentes. Que el detector de Turnitin marque contenido de Perplexity depende de qué modelo subyacente produjo el texto y de si ese modelo o su familia figura en la lista de detección. Las preguntas frecuentes reconocen que la capacidad de detección no es estática: «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 sigamos iterando y desarrollando nuestro modelo para detectar mejor los LLM más nuevos, es probable que nuestra capacidad de detección también cambie, lo que afectará al porcentaje de IA.)

Las preguntas frecuentes ofrecen una lista de modelos cuyo contenido pueden detectar. La frase introductoria usa la expresión «puede detectar el contenido de», seguida de una lista separada por comas. En la lista están las grandes familias de LLM: GPT, Gemini, Claude, LLaMA, Mistral, Deepseek, Nova, Grok y o1-mini. La lista termina así:

«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 nuestra capacidad de detección a otros modelos en el futuro.)

Esto significa que la lista cubre no solo los modelos nombrados, sino también las herramientas construidas sobre ellos. Si una herramienta como Perplexity AI canaliza la generación de texto por una de las familias de LLM listadas, el resultado puede entrar en la cláusula de las «herramientas basadas en estos LLM». ¿Detecta Turnitin Claude, Copilot o Gemini? repasa las entradas nombradas.

El modelo de detección procesa el texto dividiéndolo en segmentos superpuestos y asignando puntuaciones 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 oraciones del envío se extraen y se segmentan 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.)

El modelo no está programado para evaluar la burstiness o la perplejidad como métricas concretas: «Our model is not explicitly programmed to evaluate specific signals such as 'burstiness,' 'perplexity,' or other individual metrics sometimes referenced in public discussions.» (Nuestro modelo no está programado explícitamente para evaluar señales específicas como 'burstiness,' 'perplexity,' u otras métricas individuales que a veces se mencionan en debates públicos.) La frase siguiente: «Instead, it learns statistical patterns from our training data.» (En cambio, aprende patrones estadísticos a partir de nuestros datos de entrenamiento.) Las mismas preguntas frecuentes afirman: «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.) El detector evalúa patrones de probabilidad de palabras aprendidos de los datos de entrenamiento, no métricas superficiales. La coincidencia de nombres merece aclararse por separado: ¿utiliza Turnitin la perplejidad y la burstiness?

Las preguntas frecuentes afirman explícitamente que la detección no es fija:

«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 sigamos iterando y desarrollando nuestro modelo para detectar mejor los LLM más nuevos, es probable que nuestra capacidad de detección también cambie, 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, tratándose de un documento ya enviado, el porcentaje de IA solo cambiará si se vuelve a enviar para su procesamiento.)

Esto significa que el modelo de detección se actualiza para apuntar a los LLM más nuevos. Si Perplexity AI o cualquier otra herramienta usa un modelo nuevo que aún no está en la lista, puede haber un intervalo hasta la próxima actualización del modelo de detección. Los documentos ya calificados no se vuelven a evaluar automáticamente.

Las preguntas frecuentes reconocen una contrapartida:

«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 1% de falsos positivos, existe la posibilidad de que pasemos por alto parte del texto escrito por IA en un documento.)

El detector está ajustado para evitar falsos positivos incluso a costa de pasar por alto parte del texto de IA. Una herramienta que produzca texto con patrones de probabilidad de palabras más cercanos a la escritura humana sería más difícil de detectar, al menos hasta que se actualice el modelo de detección. La promesa de «continue to expand our detection capabilities» (seguir ampliando nuestra capacidad de detección) es el contrapeso, pero hay un desfase inherente entre el lanzamiento de herramientas nuevas y la cobertura de detección. Ese mismo desfase está detrás de si Turnitin detecta los humanizadores de IA.

Para resumir lo que hemos visto:

• Turnitin publica una lista de modelos cuyo contenido puede detectar, entre ellos GPT, Gemini, Claude y otros.
• La lista cubre «tools based on these LLMs as well,» (también las herramientas basadas en estos LLM,) así que las herramientas que pasan por modelos listados pueden resultar detectables.
• Las preguntas frecuentes prometen ampliar la detección a otros modelos en el futuro.
• La capacidad de detección cambia con el tiempo, a medida que se actualiza el modelo.
• El detector acepta pasar por alto parte del texto de IA a cambio de una baja tasa de falsos positivos.
• Los documentos ya calificados no se vuelven a evaluar automáticamente cuando cambia el modelo.

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