Cómo leer una prueba de humanizador de IA de terceros

Lee una prueba publicada dos veces. El primer repaso te dice qué concluyó el revisor. El segundo pregunta qué conclusiones podrías alcanzar a partir de la evidencia impresa en la página. En el artículo de Tom's Guide de agosto de 2026, un hallazgo es directamente verificable: una herramienta de reescritura convirtió «hace al menos 15,000 años» en «hace siglos», y ambas frases están impresas. Los juicios sobre ritmo y naturalidad son distintos. Puedes estar de acuerdo con ellos, pero el artículo no da ninguna regla explícita para aplicar ese juicio a otro archivo.

El artículo es Probé humanizadores de IA populares — y empeoraron mucho mi escritura, de Amanda Caswell, publicado el 21 de agosto de 2026. Comprobé la página el 28 de agosto de 2026. Cada cita atribuida al artículo a continuación proviene de su artículo renderizado; las citas en la sección de HumanPen se identifican como texto de la página de producto de primera parte.

Una cosa debe estar sobre la mesa antes que cualquier otra. Vendemos una herramienta de reescritura de documentos, así que tenemos un interés en cómo se discute esta categoría. Mantén ese interés a la vista. El recuento siguiente usa párrafos impresos por otra publicación, lo que significa que puedes repetirlo sin confiar en nosotros.

El artículo imprime suficiente de su configuración para que un lector pueda inspeccionar un ejemplo de antes y después.

• El texto fuente fue generado: el revisor «pidió a ChatGPT que escribiera un ensayo breve sobre la domesticación de los perros», y la introducción de ese ensayo está impresa completa. Tiene 65 palabras por una simple división por espacios.
• Ese párrafo se pasó por herramientas de reescritura, y tres de las versiones devueltas están impresas completas: el Humanizer de Grammarly, Rehumanize.io y Ace.ai.
• Dos detectores se nombran en la página, GPTZero y Pangram, y se informa de un veredicto: Pangram marcó la salida de Ace.ai como generada por IA.
• El artículo dice que se probaron «varias» herramientas y que el mismo problema apareció «con puntuaciones de referencia y números de versión cuando ejecuté la prueba con contenido más técnico.» Esas ejecuciones adicionales se describen pero no se imprimen.

El corpus visible es pues cuatro párrafos: una entrada y tres salidas, todos sobre un tema y todos en inglés. Es un cuerpo de evidencia pequeño, pero inspeccionable. La página no revela cuándo ocurrieron las ejecuciones, cuánto tardaron ni qué configuración se usó.

El artículo informa de tres problemas, y se comportan de manera completamente distinta en cuanto intentas llevarlos a otra parte.

Los resultados de los detectores están fuera de lo que trata este artículo, y no voy a construir nada sobre la tercera fila. Se incluye para marcar el límite de la evidencia: la página informa de un veredicto nombrado, mientras que las otras ejecuciones detrás de la frase más amplia no se imprimen. Esa frase no debería convertirse en una tasa.

Aquí está mi regla, para que puedas discrepar. Un token numérico es una secuencia máxima de dígitos con comas internas opcionales, encontrada por el patrón `\d[\d,]*`. El corpus son los cuatro párrafos tal como están impresos en esa página y nada más. Un numeral sobrevive si el token idéntico aparece en algún lugar de la salida correspondiente. No juzgué el significado; comparé cadenas.

Entrada: «la evidencia genética y arqueológica sugiere que los perros descienden de una población antigua de lobos hace al menos 15,000 años.» · Salida de Rehumanize.io: «basado en la genética y los descubrimientos antiguos, parece que los perros provienen de un grupo antiguo de lobos hace siglos.» La propia línea del artículo: «Pasamos de 15,000 años a 'siglos.'»

El párrafo de entrada contiene dos tokens numéricos, `15,000` y `30,000`. Tres salidas impresas dan seis oportunidades de que esos dos tokens regresen, y cinco de los seis lo hicieron. El que no lo hizo es `15,000` en la salida de Rehumanize.io, que es la desviación que el artículo señala. Las otras dos salidas devolvieron ambos tokens. Comprobación de sensibilidad en los mismos párrafos extraídos: un recuento de palabra completa insensible a mayúsculas de `dogs` devuelve dos coincidencias en cada párrafo, así que la comprobación estaba leyendo los cuatro y no atascada en uno.

Ahora la parte honesta sobre ese número. Seis son dos numerales por tres salidas impresas, todos derivados de la entrada de 65 palabras mostrada en la página. Verifica un ejemplo nombrado reportado en un artículo con fecha de publicación. No está ni cerca de ser suficiente para una tasa, una clasificación o una expectativa sobre tu propio archivo. La línea para llevar del artículo es la del propio revisor: «no puedes confiar en la salida sin comprobarla contra el original línea por línea. Cualquier tiempo que la herramienta pudiera ahorrar desaparece rápidamente.»

«Hace siglos» no es un error tipográfico. Es gramatical, pero la afirmación que hace no es la afirmación de la frase fuente. Una comprobación ortográfica no compara esas afirmaciones. Una comparación exacta de antes y después sí lo hace.

La página no revela cómo funciona internamente ninguna de las tres herramientas, así que no puede decirnos por qué ocurrió este cambio. Lo que el par visible muestra es más estrecho: un valor específico se convirtió en una etiqueta temporal amplia mientras la frase seguía siendo gramatical. El revisor nombra puntuaciones de referencia y números de versión como dos ejemplos más y escribe que «los detalles como los datos no son intercambiables de la manera en que lo son ciertas palabras.» En un documento académico, la misma comparación puede cubrir tamaños de muestra, valores p, dosis, números de artículo y sección, fechas, las palabras dentro de comillas y el par autor-año dentro de una cita.

En este ejemplo, la forma directa de detectar el cambio es comparar la frase devuelta con la fuente. Si quieres un mapa más amplio de los riesgos, qué pasa con las citas, las tablas y las ecuaciones en un humanizador de IA cubre los elementos que necesitan comprobaciones separadas. Si algo ya ha vuelto mal, ¿Un humanizador de IA arruinó mi trabajo? Restaurar citas y formato cubre el orden de recuperación.

Un artículo de revista no es una prueba comparativa y nunca dijo serlo, así que nada de esto es una queja. Es la lista que deberías tener en la cabeza antes de citar el artículo ante alguien, incluido ante ti mismo.

• Una tasa. Un párrafo, tres salidas impresas. No hay aquí ningún denominador que respalde «el N % de las herramientas hacen esto.»
• Cómo se comporta otra herramienta. El antes y después visible nombra tres productos. No puede establecer cómo se comporta un producto que no se muestra en la página.
• Qué le pasa a un documento. Los cuatro párrafos impresos no contienen notas al pie, tabla numerada, referencia cruzada ni lista de referencias. El artículo menciona ejecuciones adicionales con contenido técnico sin imprimirlas, así que el corpus visible no puede responder a una pregunta a nivel de archivo.
• Cuándo ocurrieron las ejecuciones visibles. El 21 de agosto de 2026 es la fecha de publicación del artículo. La página no revela las fechas de las ejecuciones del producto, así que no puede fijar las salidas a ese día.
• Qué pasa en tu idioma. Los cuatro párrafos están en inglés.

Lo que sí te da es evidencia de una publicación de terceros en lugar de una página de producto: un antes y después impresos con un cambio factual visible. Eso basta para construir una comprobación, no una tabla de clasificación. Para un método separado dirigido a afirmaciones de formato de documento y datos de prueba descargables, ver cómo comprobar la afirmación de un humanizador de IA de que «preserva tu formato».

Puedes reproducir el recuento anterior sin enviar texto a ninguna herramienta. Esto comprueba lo que el artículo imprime, no ninguna ejecución no impresa detrás de su veredicto más amplio.

1. Abre el artículo y localiza los cuatro párrafos impresos: la entrada sobre domesticación de perros y las salidas de Grammarly, Rehumanize.io y Ace.ai.
2. Extrae los tokens numéricos de la fuente con la regla expresada, una secuencia máxima de dígitos con comas internas opcionales. La entrada debería dar `15,000` y `30,000`.
3. Comprueba cada salida en busca de esas cadenas exactas. Registra presente o ausente en una rejilla de dos columnas. Eso crea seis celdas en lugar de un porcentaje.
4. Mantén las afirmaciones no impresas en una columna separada. Las ejecuciones con contenido técnico, la configuración del producto, las fechas de ejecución y los valores del detector son reportados por el artículo pero no se pueden reconstruir a partir de los párrafos visibles.

Tu rejilla debería contener cinco celdas presentes y una celda ausente. Si no es así, compara los anclajes de párrafo y la regla de token antes de sacar una conclusión. Para probar un documento propio, usa un protocolo separado a nivel de archivo: cómo comprobar la afirmación de un humanizador de IA de que «preserva tu formato» cubre una muestra deliberadamente difícil, y cómo revisar un documento de Word humanizado antes de entregarlo cubre el archivo devuelto.

Desde que declaré el interés al principio, aquí está la parte de primera parte, limitada a lo que dice nuestra propia página. HumanPen toma el archivo en lugar de un cuadro de texto, y el alcance es algo que tú estableces antes de que se ejecute nada: puedes añadir pasajes directamente o importar un informe de Turnitin o iThenticate, y la página afirma que un párrafo es la unidad más pequeña que el motor reescribe, de modo que una selección que cubre parte de uno «is expanded to the full paragraph and shown that way for you to confirm. Everything else is left untouched.» (se amplía al párrafo completo y se te muestra así para que lo confirmes. Todo lo demás se deja intacto.) El objetivo expresado para lo que está dentro del alcance es «preserve meaning, structure, terminology, citations, layout, and styles while rewriting only the necessary language.» (preservar el significado, la estructura, la terminología, las citas, el diseño y los estilos mientras se reescribe solo el lenguaje necesario.) Los resultados elegibles pueden seguir reduciendo la IA gratis.

Eso es una descripción de dónde sitúa el límite, no una afirmación sobre lo que vuelve dentro de él. Nuestra propia FAQ termina la respuesta relevante con «Review complex documents after download,» (Revisa los documentos complejos después de la descarga,) y no querría que esa línea se eliminara, porque todo este artículo es un argumento a favor de ella.

Nada en un flujo de trabajo elimina el paso cuatro anterior. Un alcance menor significa una lista más corta de párrafos que comparar, lo cual es un ahorro real cuando la alternativa es una tesis completa. No es una razón para saltarse la comparación en los párrafos que estaban dentro del alcance.

¿Verificaste toda la prueba de Tom's Guide? No. Reconstruí el antes y después visible y encontré el cambio expresado de `15,000` a «siglos». La página no imprime las otras ejecuciones técnicas, configuraciones, fechas ni valores del detector, así que este artículo no audita esas partes del artículo.

¿Por qué no simplemente repetir el veredicto global del revisor como propio? Porque la entrada visible es una introducción de ensayo generada de 65 palabras sin citas, tabla ni lista de referencias, mientras que el artículo también menciona ejecuciones técnicas que no imprime. Puedes verificar independientemente el cambio factual impreso. El veredicto más amplio sigue siendo el relato del revisor sobre un conjunto mayor de ejecuciones parcialmente no revelado.

¿Significa esto que los números siempre se cambian? No. Cinco de las seis devoluciones numéricas en la página volvieron intactas. El ejemplo visible establece que este tipo de cambio ocurrió una vez y que una comparación exacta lo detecta. No establece si una lectura normal lo detectaría o si el problema es común o raro.

¿Por dónde empiezo si quiero probar mi propio archivo? Usa el protocolo separado de preservación de formato enlazado arriba. Ya cubre la construcción de una muestra deliberadamente difícil y la comparación del artefacto devuelto, mientras que esta página se queda con la reconstrucción de la evidencia impresa en un artículo publicado.

¿Qué debería preguntar a un proveedor tras leer una prueba como esta? Pide un antes y un después construido a partir de material como el tuyo, luego separa lo que el ejemplo demuestra visiblemente de lo que el proveedor dice sobre él. Si aparece un recuento, pregunta qué se contó, cuál era el denominador y qué regla produjo el número.