Cómo demostrar que tu trabajo es original cuando un detector de IA da un falso positivo

Ninguna herramienta puede demostrar que tú eres el autor original de un fragmento de texto. Lo que sí puedes hacer es construir una cadena de evidencia: historial de versiones que muestre el documento siendo editado a lo largo del tiempo, materiales de origen como notas, esquemas y fuentes anotadas, registros del proceso de escritura desde correos del tutor hasta visitas al centro de escritura, y una explicación de por qué tu texto se ve como se ve. Ninguna de estas, por sí sola, refuta el uso de IA. Juntas le dan a quien revisa la puntuación algo más en qué fijarse además de la puntuación misma. Y la empresa que fabricó la herramienta ha dicho, en tres documentos de ayuda distintos, que la puntuación no debe usarse como única base para tomar medidas contra un estudiante. Ese no es tu argumento. Es de ellos.

El resto de esto expone las cuatro capas de evidencia, qué muestra y qué no muestra cada una, y cómo llevarlas a la conversación sin sobreafirmar. También hay una sección sobre lo que el propio Turnitin ha dicho sobre su puntuación, porque esas declaraciones pertenecen a la sala y no te corresponden a ti hacerlas.

La diferencia entre esto y una negativa es la diferencia entre «no usé IA» y «así es como este documento llegó a existir». La primera es una afirmación. La segunda es evidencia. Solo la segunda le da al revisor algo con qué trabajar.

Los detectores de escritura con IA clasifican texto. Toman un documento, lo segmentan, asignan a cada segmento una probabilidad y agregan todo en un número. Ese número describe una propiedad estadística de la prosa. No describe quién lo escribió, cómo se produjo ni qué ocurrió antes de que se enviara el archivo.

Esto vale la pena decirlo claramente porque la pregunta "how do I prove my work is original" (cómo demuestro que el trabajo es mío) suele responderse como si existiera una herramienta simétrica a Turnitin, algo que tome tu borrador y devuelva «sí, tú escribiste esto». No existe tal herramienta. No hay clasificador de originalidad. La originalidad es una afirmación sobre proceso y procedencia, y el proceso y la procedencia son cosas que estableces con registros, no con otra puntuación.

Así que el trabajo no es encontrar una contra-detección. El trabajo es reunir el material que hace visible el proceso de escritura, y emparejarlo con las declaraciones que el propio Turnitin ha hecho sobre qué resuelve y qué no resuelve su puntuación. Pasamos por la versión general de qué hacer primero en marcado pero tú lo escribiste. Este artículo es el marco más amplio.

El historial de versiones es el registro con sellos de tiempo de cómo un documento cambió a lo largo del tiempo. Word mantiene uno a través del autoguardado de OneDrive y Control de cambios. Google Docs mantiene uno de forma nativa y está activado por defecto. Overleaf mantiene un historial de página estilo Git. Los tres registran cuándo ocurrieron las ediciones y aproximadamente qué tan grande fue cada revisión.

Lo que el historial de versiones puede mostrar:

• El documento fue editado en múltiples sesiones en distintas fechas.
• Algunas revisiones fueron pequeñas (un párrafo, una oración) y otras fueron más grandes.
• El archivo existió en estados anteriores, a veces semanas antes de la entrega.
• Las ediciones se agrupan alrededor de eventos de retroalimentación, comentarios del tutor o tus propias pasadas de revisión.

Lo que no puede mostrar:

• Que cada oración fue escrita por una persona.
• Que no se usó ninguna herramienta de IA en ninguna etapa.
• Que el texto final coincide con los borradores intermedios línea por línea.

El valor del historial de versiones no es que refute el uso de IA. No lo hace. El valor es que muestra que el documento tiene un historial consistente con haber sido escrito a lo largo del tiempo. Un bloque pegado no tiene historial. Un documento escrito sí. Esa distinción es algo que la puntuación de IA no puede ver, porque la puntuación solo mira el texto final.

Si escribiste en Word o Google Docs, exporta el historial de versiones antes de la reunión. Si escribiste en Overleaf, el historial de página sirve para el mismo propósito. Toma capturas de la lista de revisiones con las fechas visibles, elige tres o cuatro versiones a lo largo de la cronología y anota qué cambió en cada una, y si usaste Control de cambios guarda una copia con las marcas aún visibles. La versión con marcas es la que muestra el proceso de edición en línea.

Antes de que existiera el borrador, había otras cosas. Notas de las lecturas. Un esquema. PDFs anotados. Una lista de referencias con tus propias marcas. Historiales de búsqueda en la base de datos de la biblioteca. Estos son el residuo de la investigación, no de la generación. Sus fechas trazan un camino que no se parece a una salida de texto única.

Qué llevar:

• El borrador más antiguo que aún tengas, incluso si era tosco. Un borrador tosco es evidencia de un proceso de escritura. Su fecha es evidencia de que el documento existía antes de la versión final.
• Notas, esquemas o PDFs anotados que produjiste mientras trabajabas. Si resaltaste pasajes en las fuentes y escribiste notas al margen, esas marcas son evidencia de que te comprometiste con el material antes de escribir sobre él.
• Tu lista de referencias en su estado de trabajo, antes de que fuera formateada. Una lista de referencias que creció a lo largo de semanas a medida que encontrabas fuentes se ve distinta de una que fue generada en una sola pasada.

Nada de esto es un resultado de detector. Nada de ello produce un número. Lo que hace es poner la escritura en un contexto que tiene una cronología, y esa cronología va en una dirección que empieza antes del documento y termina después de él. Un documento generado no tiene un «antes».

La tercera capa son registros del proceso de escritura que existen fuera del documento mismo.

• Correos electrónicos con tu tutor o con cualquiera que te haya dado retroalimentación. Si enviaste un borrador en una fecha específica y recibiste comentarios, ese intercambio ancla un punto en la cronología. También muestra que el documento estaba siendo revisado por otra persona durante su producción.
• Registros de revisión por pares o visitas al centro de escritura. Si llevaste un borrador a un tutor de escritura o intercambiaste borradores con un compañero, esas sesiones tienen fechas y a veces notas. Son evidencia de que la escritura pasó por un proceso social, que es como la mayoría de la escritura académica realmente se hace.
• Cualquier trabajo anterior que llevara a este. Si este documento surgió de una propuesta, una bibliografía anotada o una sección de métodos que entregaste por separado, esos trabajos anteriores son parte de la misma trayectoria de escritura.

Lo que hace esta capa es conectar el documento con otras personas y otras fechas. Un documento que está solo, sin conexión a ninguna interacción previa, es más fácil de cuestionar. Un documento que está dentro de una cadena de correos, tutorías y trabajos anteriores es más difícil de separar de la persona que lo produjo.

La cuarta capa es tu capacidad de explicar por qué tu texto se ve como se ve. Aquí es donde la propia guía de Turnitin sobre falsos positivos se vuelve relevante.

Las preguntas frecuentes sobre detección de escritura con IA describen características del texto que tiende a producir falsos positivos:

"Sometimes false positives (incorrectly flagging human-written text as AI-generated), can include content without a lot of structural variation, text that literally repeats itself, or text that has been paraphrased without developing new ideas." (Los falsos positivos —marcar por error como generado por IA un texto escrito por una persona— aparecen a veces en textos con poca variación estructural, en textos que se repiten literalmente o en textos parafraseados sin desarrollar ideas nuevas.)

La siguiente oración es la que importa en tu contexto:

"If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (Si nuestro indicador señala una proporción mayor de escritura con IA en un texto así, le aconsejamos tenerlo en cuenta al leer el porcentaje que aparece.)

Lee lo que eso cubre. Contenido sin mucha variación estructural. Texto que literalmente se repite a sí mismo. Texto que ha sido parafraseado sin desarrollar ideas nuevas. Eso describe gran parte de la escritura académica. Las revisiones de literatura resumen y sintetizan, lo cual es parafrasear por naturaleza. Las secciones de metodología describen procedimientos estándar en un lenguaje que se supone repetitivo porque el procedimiento es el mismo. Las introducciones y conclusiones suelen ser genéricas por diseño porque enmarcan un trabajo que es específico en el medio.

Si tus secciones marcadas están en ese territorio, la empresa que fabricó la herramienta le está diciendo a quien lee la puntuación que la descuenten exactamente por esa razón. No tú. La empresa. Tu trabajo es identificar cuáles de tus secciones marcadas encajan en esas características y decirlo. «La sección de metodología describe un protocolo estándar, y el lenguaje es repetitivo porque el protocolo lo es.» Eso no es una excusa. Es una coincidencia directa con las características que el propio Turnitin enumeró.

Hay un segundo conjunto de declaraciones que pertenece a la sala, y ninguna es tuya.

La guía del Informe de escritura con IA dice:

"Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student." (Nuestro modelo de detección de escritura con IA puede no acertar siempre (puede confundir texto escrito por personas, texto generado por IA y texto parafraseado con IA), así que no debería ser la única base para tomar medidas en contra de un estudiante.)

La oración inmediatamente después es la que se deja caer cada vez que se usa esta cita:

"It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred." (Determinar si ha habido una falta académica exige un examen más detenido y el juicio de una persona, junto con la aplicación de las normas concretas de cada institución.)

Lee ambas juntas. La primera dice no uses este número solo. La segunda dice qué debería pasar en su lugar: mayor escrutinio, juicio humano, las propias políticas de la institución. Ese es el fabricante diciéndole a quien tiene el número que haga más trabajo antes de sacar una conclusión.

Una página aparte titulada ¿Cómo debo revisar el informe de escritura con IA? lo plantea de otra manera:

"It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy." (No está pensado para dar respuestas definitivas por sí solo. Más importante que cualquier herramienta es el docente que ve la puntuación y decide sopesándola con lo que sabe de su alumnado, de su trabajo y de la normativa de la institución.)

La siguiente oración la completa:

"When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended." (Cuando el profesorado mira la puntuación de escritura con IA y la usa como un dato más y no como una respuesta definitiva, se está usando como está previsto.)

Ese es el fabricante llamando a su propia puntuación un punto de datos único. No un veredicto. No una respuesta definitiva. La cadena de evidencia que estás construyendo es lo que convierte ese punto de datos único en múltiples puntos de datos, que es el uso que el fabricante dice que es correcto.

Estas declaraciones aparecen en tres documentos de ayuda distintos de Turnitin. No son la defensa de un estudiante. Son el propio límite que el fabricante de la herramienta pone a lo que significa su número.

Las preguntas frecuentes de Turnitin indican su objetivo de precisión:

"We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing." (Nos esforzamos por que nuestro detector sea lo más eficaz posible manteniendo la tasa de falsos positivos —identificar como generado por IA un texto escrito enteramente por una persona— por debajo del 1% en documentos con más del 20% de escritura con IA.)

La siguiente oración lo replantea:

"In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents." (Dicho de otro modo: de cada 100 documentos escritos íntegramente por personas, podríamos marcar uno como escrito con IA.)

Nota el calificador. El objetivo de menos del 1% aplica a documentos con más de 20% de escritura con IA. Esa es la banda donde el indicador muestra un número real y resaltados. Por debajo del 20%, la regla actual de visualización reemplaza el número con un asterisco. Así que la garantía de falso positivo cubre la banda donde la herramienta se compromete con una cifra, y no se extiende a la banda del asterisco.

La misma página explica la compensación:

"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 esa tasa baja de falsos positivos del 1%, existe la posibilidad de que se nos escape algo de texto escrito con IA en un documento. Lo asumimos, porque no queremos marcar por error como IA un texto escrito por una persona. Por ejemplo, si detectamos que el 50% de un documento probablemente lo escribió una herramienta de IA, podría contener hasta un 65% de escritura con IA.)

Lee la dirección de eso. El modelo está ajustado para evitar falsos positivos, y el costo de ese ajuste es el subreporte. Una puntuación alta es el modelo comprometiéndose con una afirmación a pesar de un ajuste que lo sesga hacia la cautela. Una puntuación baja es consistente tanto con «no pasó nada» como con «algo pasó que el modelo no atrapó». Ninguna dirección resuelve la cuestión de quién escribió el documento. Pasamos por qué significa 20% y dónde se sitúa el umbral en ¿es 20% de IA demasiado alto?.

Antes de que puedas explicar algo sobre la puntuación, necesitas ver el informe. Las preguntas frecuentes de Turnitin indican:

"Please note, only instructors and administrators are able to see the indicator." (Tenga en cuenta que solo el profesorado y el personal administrativo pueden ver el indicador.)

La misma página también dice:

"The AI writing detection indicator and report are not visible to students." (El indicador y el informe de detección de escritura con IA no son visibles para el alumnado.)

Eso suena absoluto. La siguiente oración lo cambia:

"However, with the PDF download feature, instructors can download and share the AI report with students." (Aun así, con la función de descarga en PDF el profesorado puede descargar el AI Report y compartirlo con el alumnado.)

Así que si nadie te ha dado el informe, pide el PDF. No una captura de pantalla del porcentaje. El informe completo. Porque el informe completo te muestra dónde están los resaltados, cuántas palabras fueron analizadas, si la puntuación es un número real o un asterisco, y cuándo se generó el informe. Todo eso es información que necesitas antes de poder explicar nada.

Una captura de pantalla de un número te dice una cosa. Un PDF del informe te dice si el número es un número en absoluto. La página Using the AI Writing Report de Turnitin enumera siete estados en los que puede estar el indicador, y solo dos de ellos muestran un porcentaje en pantalla: 0% y cualquier cosa entre 20 y 100. Los otros cinco son un asterisco, un informe que aún carga, un error de procesamiento, un archivo que no cumplió los requisitos, y una detección que estaba apagada cuando enviaste. Ninguno de esos es un número con el que puedas argumentar. Pasamos por cómo leer esos estados en cómo leer un informe de escritura con IA de Turnitin.

No necesitas una presentación con diapositivas. Necesitas una página con una cronología y una lista corta que empareje cada sección marcada con una explicación.

1. Traza una línea horizontal. Marca la fecha del borrador más antiguo a la izquierda, la fecha de entrega a la derecha.
2. Pon las fechas del historial de versiones en la línea. No cada versión. Cinco o seis. Las donde algo cambió.
3. Pon los correos del tutor, las sesiones de revisión por pares y las visitas al centro de escritura en la misma línea. Estos anclan el historial de versiones a eventos que ocurrieron fuera del archivo.
4. Pon la fecha de generación del informe de Turnitin en la línea. Esta es la fecha en que se produjo la puntuación, no la fecha en que entregaste. A veces son distintas.
5. Debajo de la línea, lista cada sección resaltada del informe de IA y tu explicación. «Sección de metodología, protocolo estándar, repetitivo por diseño.» «Revisión de literatura, sintetizando tres fuentes, la variación estructural es baja porque eso es como se ve la síntesis.» Estas se mapean directamente a las características que el propio Turnitin enumeró bajo tendencias de falsos positivos.
6. Lleva las tres citas de Turnitin. Impresas, cada una con la página en la que se encuentra. La declaración de única base y su siguiente oración están en Using the AI Writing Report, guides.turnitin.com/hc/en-us/articles/22774058814093-Using-the-AI-Writing-Report. La declaración de punto de datos único y su siguiente oración están en How should I review the AI Writing report?, guides.turnitin.com/hc/en-us/articles/27139000787853-How-should-I-review-the-AI-Writing-report. Las características de falsos positivos y su siguiente oración están en Turnitin's AI writing detection capabilities FAQs, guides.turnitin.com/hc/en-us/articles/28477544839821-Turnitin-s-AI-writing-detection-capabilities-FAQs. Estas no son tus palabras. Son del fabricante de la herramienta.

Esa página hace dos cosas. Le da al revisor algo más en qué mirar además de la puntuación, y muestra que viniste a participar en una revisión, no a hacer una negativa.

No afirmes que la cadena de evidencia refuta el uso de IA. No lo hace. El historial de versiones muestra que el documento fue editado a lo largo del tiempo. El material de origen muestra que ocurrió investigación. Los registros del proceso muestran que otras personas estuvieron involucradas. Ninguno de estos es un resultado de contra-detección. Afirmar más de lo que muestran le da a la otra parte una refutación fácil y debilita todo lo demás que llevaste.

No lleves la puntuación de otra herramienta como tu defensa. Pasar tu documento por otro detector de IA y obtener «0% IA» no demuestra nada, y la empresa que fabricó Turnitin ha dicho explícitamente que ninguna puntuación debe ser la única base. Llevar una puntuación distinta para pelear contra una puntuación es usar la misma lógica que el fabricante le dijo al revisor que no usara.

No sobreafirmes lo que significan las citas de Turnitin. La declaración de única base dice que la puntuación no debe ser la única base. No dice que la puntuación esté mal. La declaración de punto de datos único dice que la puntuación es una entrada. No dice que la puntuación no signifique nada. Preséntalas como lo que son: el propio límite del fabricante sobre cómo debe usarse su número. Deja que el revisor saque la conclusión.

La herramienta HumanPen es un reescritor de documentos. No vamos a decirte que pasar tu documento por un reescritor hará desaparecer una puntuación de IA, porque no hacemos afirmaciones sobre puntuaciones futuras. Lo que sí podemos decir es lo que hace la herramienta: tú subes el documento con su informe de escritura con IA, y solo los pasajes que el informe marcó son reescritos. El resto del documento se queda intacto. Tú revisas la salida antes de que se convierta en algo final.

Si quieres ir a la reunión con el documento original y dejar que la cadena de evidencia hable, ese es un camino. Si quieres revisar las secciones marcadas de antemano, ese es otro. Ambos son legítimos. La reunión va primero.

¿Puedo demostrar que no usé IA? No. Ninguna herramienta puede demostrar algo negativo sobre tu proceso de escritura. Lo que sí puedes hacer es reunir una cadena de evidencia que haga que «yo escribí esto» sea la explicación más sencilla. Historial de versiones, material de origen, registros del proceso y una explicación de por qué tu texto se ve como se ve. Juntos le dan al revisor algo más en qué mirar además de la puntuación.

¿Qué pasa si no tengo historial de versiones? Pierdes la pieza individual más fuerte de evidencia de cronología, pero no pierdes todo. Las fechas de modificación de archivos en borradores anteriores, los archivos adjuntos en correos a tu tutor y las carpetas de respaldo sincronizadas con la nube tienen sellos de tiempo. No son tan limpias como un panel de historial de versiones, pero cuentan la misma historia.

Mi profesor solo me envió una captura de pantalla del porcentaje. ¿Qué pido? El informe completo de escritura con IA en PDF. Las preguntas frecuentes de Turnitin dicen que los estudiantes no pueden ver el indicador, pero también dicen que los instructores pueden descargar y compartir el informe a través de la función de descarga en PDF. Pide el PDF, no la captura de pantalla. El informe te muestra dónde están los resaltados, cuántas palabras fueron analizadas y si la puntuación es un número real o un asterisco.

Las secciones marcadas están todas en mi revisión de literatura. ¿Eso importa? Sí. Las preguntas frecuentes de Turnitin listan "content without a lot of structural variation" (texto con poca variación estructural) y "text that has been paraphrased without developing new ideas" (texto parafraseado sin desarrollar ideas nuevas) como características asociadas con falsos positivos. Las revisiones de literatura sintetizan y resumen, lo cual encaja con ambas. La siguiente oración en las preguntas frecuentes dice: "If our indicator shows a higher amount of AI writing in such text, we advise you to take that into consideration when looking at the percentage indicated." (Si nuestro indicador señala una proporción mayor de escritura con IA en un texto así, le aconsejamos tenerlo en cuenta al leer el porcentaje que aparece.) Esa es la empresa diciéndole al revisor que descuenten la puntuación por exactamente esa razón.

¿Puedo llevar citas de las propias páginas de ayuda de Turnitin a la reunión? Sí. Las declaraciones sobre que la puntuación no debe ser la única base, sobre que es un punto de datos único y sobre las características de los falsos positivos están publicadas en los documentos de ayuda de Turnitin. Son palabras del fabricante de la herramienta, no tuyas. Llevarlas impresas con las URL es más efectivo que parafrasear.