Estudio comparativo de humanizadores de IA: qué ocurrió con los mismos textos académicos

En nuestro estudio comparativo de humanizadores de IA, cada humanizador transformó los mismos 48 textos académicos hacia un estilo de escritura humana, y las herramientas diferían sobre todo en lo que conservaban. Algunas mantuvieron cerca de la fuente el significado, las citas y los números. Otras añadieron números y nombres inventados o nuevos errores gramaticales, y esos resultados fueron a menudo los que un detector etiquetó como humanos.

TextPulse Research realizó el estudio comparativo de humanizadores de IA en agosto de 2026 y lo publicó como un working paper el 29 de agosto. TextPulse es una de las herramientas incluidas, así que todas las herramientas recibieron las mismas entradas y cada medida es un script público. El working paper completo contiene todas las tablas, figuras y scripts, y los 432 textos reescritos son públicos.

Qué evaluó el estudio comparativo de humanizadores de IA

El estudio dio a cada humanizador los mismos 48 textos. Cada uno era la sección de Resultados y Discusión de un estudio empírico inventado, escrito por un modelo de IA y de unas 301 palabras de longitud. Cuatro familias de modelos escribieron 12 textos cada una: OpenAI, Google, DeepSeek y Anthropic. Los textos abarcaban cuatro disciplinas y tres estilos de citación, de modo que cada herramienta se enfrentó a números, nombres de autores y marcadores de referencia que debía conservar.

Parte del diseño	Lo que utilizó el estudio
Textos de origen	48 secciones de Resultados y Discusión escritas por IA, de 264 a 344 palabras cada una
Quién los escribió	12 textos cada uno de modelos de OpenAI, Google, DeepSeek y Anthropic
Disciplinas	Medicina y salud, ciencias físicas y computacionales, ciencias sociales, humanidades
Estilos de citación	APA autor-año, corchetes numéricos, sin citas
Hechos comprobados en los textos	404 términos técnicos, 887 números, 124 citas
Cómo se ejecutó cada herramienta	Pegado una vez en su página web en la configuración predeterminada, salida conservada tal como se devolvió
Fechas	26 a 28 de agosto de 2026
Detectores	Turnitin, un documento por herramienta, y GPTZero, cada texto por separado

La tarea de un humanizer es reescribir la salida de AI, por lo que el estudio partió de salida de AI con una lista verificada de hechos. Antes de cualquier reescritura, cada modelo enumeró los términos, números y citas que había usado. Cada elemento enumerado se comparó con el texto, y cualquier elemento ausente en él se eliminó. Eso dejó una lista fija para cada texto, de modo que el estudio pudo contar exactamente qué conservó, cambió o inventó cada humanizer.

Cada texto se introdujo una vez en la página web de cada herramienta, con el ajuste predeterminado de la herramienta, y la salida se guardó exactamente tal como se recibió. Nadie editó ninguna salida. Algunas herramientas procesaron menos de 48 porque los niveles gratuitos limitan cuántos textos aceptará una herramienta. Un conjunto central de 24 textos fue el mismo para cada herramienta, en el mismo orden. TextPulse procesó los 48.

Cómo midió el estudio un texto humanizado

La puntuación de un detector te indica cómo se vio un texto para un detector en un día concreto. No dice nada sobre si la reescritura sigue informando de los mismos resultados. El estudio puntuó primero cada salida en el propio texto y después en los detectores. Para estudiantes o investigadores, es importante tener un artículo que siga diciendo lo que dicen los datos, en una prosa que suene como si la hubiera escrito una persona.

Measure	Qué comprueba	Por qué importa en un artículo
Meaning	Qué tan cercana es la reescritura a la fuente, como una puntuación de similitud de 0 a 1	Una puntuación más baja significa que el párrafo ahora dice otra cosa
Citas conservadas	Proporción de citas en el texto que siguen ahí con el mismo autor y año	Un año cambiado rompe la coincidencia con la lista de referencias
Números conservados	Proporción de los números comprobados que siguen en el texto	Un tamaño de muestra o un valor p perdidos cambian el resultado
Elementos inventados	Números y nombres en la salida que la fuente nunca tuvo	Una cifra inventada es una afirmación falsa sobre el estudio
Errores gramaticales añadidos	Nuevos errores por 1.000 palabras, contados con LanguageTool	Los errores cuestan puntos y confianza del revisor
Nivel de lectura	Cambio en el grado Flesch-Kincaid	El texto de AI tiene un nivel de grado más alto que la prosa humana publicada
Posición de estilo	Posición del texto entre la escritura humana típica y la escritura de AI típica	Los detectores estilométricos responden a estas características
Length	Longitud de la salida frente a la fuente, 0.70 a 1.30 veces cuenta como conservada	Una herramienta que reduce a la mitad un texto ha eliminado contenido

La posición de estilo proviene de una escala que TextPulse desarrolló a partir de 47 características de estilo de 121,092 textos académicos (descrita en nuestro artículo de clasificación estilométrica). El texto académico humano típico está en 0 y el texto de AI típico está en 100. Llamamos rango humano a la mitad central de los textos humanos (-36 a 33).

El vocabulario se puntuó frente a una lista de 1,057 palabras de nuestro artículo sobre vocabulario de AI. De esas, 581 son palabras que los modelos de AI usan más que las personas, y 476 se inclinan en la otra dirección. El estudio contó cuántas palabras inclinadas hacia AI eliminó cada herramienta por 1.000 palabras.

Qué hizo cada humanizador al texto

Cada herramienta del estudio desplazó sus resultados hacia el extremo humano de la escala de estilo. Los textos de IA sin tratamiento promediaron 138, por encima del texto de IA típico en 100. Después de la reescritura, algunas herramientas alcanzaron el rango humano y otras se detuvieron aproximadamente a mitad de camino. Cada herramienta también eliminó vocabulario inclinado hacia la IA y redujo el nivel de lectura, de modo que la dirección del cambio fue la misma en todo el campo.

Dos tipos de rasgos desplazan un texto a lo largo de la escala con mayor fuerza. El primer par es la longitud media de las palabras y la proporción de palabras largas. Una reescritura de "help" a "facilitate" hará que el texto parezca más propio de la IA porque aumenta la longitud media de las palabras y aumenta la proporción de palabras largas. El segundo es la variación en la longitud de las oraciones, que empuja hacia lo humano. Un párrafo en el que todas las oraciones tienen entre 22 y 26 palabras es uniforme, pero un párrafo que mezcla una oración de 9 palabras con otra de 31 palabras es variado.

La idea es alcanzar un nivel de lectura más bajo. El texto académico escrito por IA tiene un grado Flesch-Kincaid más alto que la prosa académica humana publicada. Por tanto, si desciende, eso acerca la escritura al estilo llano en el que escriben los investigadores. Eso es a lo que responden los detectores estilométricos. Esos son también los cambios que hacen que un borrador sea más fácil de leer. Los dos objetivos coinciden siempre que el contenido se mantenga intacto.

Nuestra publicación sobre cómo los humanizers cambian una oración muestra estas ediciones una oración a la vez. El estudio añade la medición, cuánto desplazó cada cambio el texto y qué costó en significado y hechos.

Dónde difirieron las herramientas: significado, citas y números

Las herramientas difirieron en sus tasas de retención. Por ejemplo, en todo el estudio, se retuvo entre el 29 y el 100 por ciento de las citas. Aparecieron entre 0.06 y 4.44 elementos inventados por resultado. Aparecieron entre 0.65 y 4.91 nuevos errores gramaticales por cada 1,000 palabras. Los elementos inventados fueron tamaños de muestra, porcentajes, límites de confianza, nombres de autores e instituciones que la fuente nunca mencionó.

Los nombres y las unidades desaparecieron de formas más sutiles. Cuando una herramienta reformulaba una estadística, a menudo omitía la unidad, de modo que "Cohen's d" pasó a ser un tamaño del efecto y "Celsius" pasó a grados. Los nombres de los autores desaparecieron junto con sus citas. Los nombres de especies, épocas e instrumentos fueron sustituidos por una descripción. Un lector que quiera comprobar un resultado necesita esos nombres, así que cada una de estas pérdidas cuenta.

La profundidad de la reescritura y la fidelidad tiran en direcciones opuestas. Una herramienta que cambia un tercio de las palabras conserva el significado con mayor facilidad. Una herramienta que cambia la mayoría de ellas tiene más posibilidades de perder algo. La proporción de palabras cambiadas osciló entre 35 y 68%. El resultado que un investigador desea es una reescritura profunda que siga conservando el significado. Esa combinación fue rara.

El estudio también buscó caracteres ocultos: caracteres invisibles, espacios no estándar y letras parecidas de los alfabetos cirílico o griego. Algunos humanizadores añaden estos para cambiar el resultado de un detector. Ninguna herramienta de este estudio añadió ninguno, así que ninguna salida falló la barrera de calidad por esa razón.

Por qué un resultado de detector por sí solo es un criterio débil para evaluar un humanizador

Un resultado de detector por sí solo es un criterio incompleto para evaluar un humanizador. En el estudio comparativo de humanizadores de IA, las salidas que GPTZero etiquetó como humanas con mayor frecuencia procedían de herramientas que inventaban más números y nombres, omitían más citas o añadían más errores gramaticales. La forma más sencilla de cambiar la estimación de un detector es cambiar lo que dice el texto. Una reescritura así fracasa en el artículo al que pretendía ayudar.

Para medir ambas dimensiones a la vez, el estudio estableció una barrera de calidad. Para superarla, una salida necesitaba una puntuación de significado de al menos 0.95 y al menos el 90% de sus citas. También necesitaba no contener números ni nombres inventados, ni caracteres ocultos, y una longitud dentro de la tolerancia. Una etiqueta de humano de GPTZero entonces contaba solo para las salidas que superaban la barrera. La barrera fue la misma para todas las herramientas.

Cada salida de cada herramienta se reunió en un solo documento, con un texto por página. El estudio utilizó el porcentaje de IA de Turnitin para el documento. Turnitin usa un asterisco en lugar de un número para menos del 20 por ciento. Los resultados de los detectores son estimaciones de una versión del detector en las fechas del estudio. Escribimos sobre cómo leer su puntuación de IA de Turnitin en nuestra guía sobre qué significa una puntuación de IA de Turnitin.

Cómo le fue a TextPulse en la comparación de humanizadores

TextPulse quedó primero en el índice compuesto del estudio, que da el mismo peso a la profundidad de reescritura, el significado, la posición de estilo, la gramática y la integridad del contenido. Las puntuaciones de TextPulse fueron 0.811 para esas cinco medidas y 0.843 cuando se añadió la medida del detector con umbral. Le fue bien porque no tuvo ninguna medida débil. Reescribió más de la mitad de cada texto y conservó los hechos de los que depende un artículo.

Measure	TextPulse result
Palabras cambiadas	52%
Significado conservado (similitud con la fuente)	0.971, aproximadamente 97 %
Citas conservadas	99%
Números conservados	87%
Entidades nombradas conservadas	95%
Errores gramaticales añadidos	0.65 por 1,000 palabras, el menor en el estudio
Elementos inventados	0.48 por salida; un nombre inventado en una de cada cincuenta salidas
Nivel de lectura	3.6 grados más bajo, la mayor caída
Palabras con inclinación a AI eliminadas	39 por 1,000 palabras, el mayor en el estudio
Posición de estilo	29, dentro del rango humano
Salidas dentro de la tolerancia de longitud	47 of 48
Salidas que superaron la compuerta de calidad	67%
Puntuación de AI de Turnitin, un documento con todas las salidas	24 %, el más bajo en el estudio (empatado)
Etiqueta humana de GPTZero en las salidas que superaron la compuerta	10.4 % (5 de 48), el más alto en el estudio

Dos resultados importan más para el uso académico. Entre las herramientas que cambiaron al menos la mitad de las palabras, TextPulse conservó mejor el significado. Entre las herramientas con una puntuación de significado de 0.97 o superior, fue la que más palabras cambió. Ninguna otra herramienta del estudio estuvo en ambos grupos. Un humanizador para la escritura académica necesita esa combinación, ya que una reescritura ligera deja intacto el estilo de AI y una reescritura profunda que omite datos altera los hallazgos.

GPTZero etiquetó 9 de 48 salidas de TextPulse como humanas, y 5 de esas también superaron la barrera de calidad, el resultado con barrera más alto del estudio. El documento de Turnitin de las salidas de TextPulse obtuvo 24% de AI, empatado con la puntuación más baja. Los otros documentos obtuvieron entre 28 y 74%. Los resultados de los detectores son estimaciones, y el estudio los presenta junto a las medidas textuales por esa razón.

Qué no puede decirle el estudio

El estudio de comparación de humanizadores de AI enumera sus propias limitaciones. Los textos fueron escritos por modelos de AI a partir de una indicación fija, y los borradores reales son más largos y menos uniformes. Cada herramienta se ejecutó una vez, con su configuración predeterminada, entre 26 y 28 August 2026. Los proveedores actualizan sus herramientas, de modo que los resultados describen esas fechas y deben leerse como una instantánea.

Las distintas herramientas tienen números diferentes de textos, porque están limitadas a una cierta cantidad de textos gratuitos que la herramienta procesará. Esto también da lugar a intervalos de confianza más amplios para las herramientas con menos textos. Turnitin genera una puntuación por documento y, por tanto, no tiene una dispersión de puntuaciones por texto. GPTZero es un detector, una versión de modelo (2026-08-09-base).

TextPulse hizo el estudio y es una de las herramientas incluidas en él. A cada herramienta se le dieron las mismas entradas. Según el protocolo, todas las medidas son scripts disponibles públicamente, y todos los resultados brutos se comparten. Esto significa que cualquiera puede volver a ejecutar los números, o ponderarlos de otro modo. Los textos fuente, las 432 salidas, las respuestas del detector y los scripts son públicos.

Cómo usar los hallazgos en su propio borrador

Los hallazgos se convierten en una comprobación breve que puede realizar después de cualquier humanizador, incluido el nuestro. Compare la salida con su borrador en los aspectos que el estudio contó. En una sola sección lleva unos minutos.

1. Compruebe cada número con su borrador: tamaños de muestra, porcentajes, valores p e intervalos de confianza.
2. Compruebe cada cita en el texto para el mismo autor y año, y luego compárela con su lista de referencias.
3. Busque nombres que hayan cambiado: instrumentos, especies, conjuntos de datos, unidades y nombres de autor.
4. Lea en busca de afirmaciones que se hayan vuelto más fuertes, como "puede indicar" reescrito como "muestra".
5. Compare la longitud. Una salida mucho más corta que la fuente probablemente ha omitido contenido.
6. Lea el texto en voz alta para detectar errores gramaticales que la reescritura haya añadido.

La longitud es la comprobación más rápida de estas. En el estudio, una salida entre 0.70 y 1.30 veces la longitud de la fuente se consideró conservada. TextPulse conservó 47 de 48 salidas dentro de ese intervalo, con una media de 1.14 veces la fuente, por lo que sus salidas fueron ligeramente más largas que los borradores.

Las citas son las que más tiempo llevan comprobar a mano. En el estudio, TextPulse conservó el 99 por ciento de ellas, y sus cambios fueron de presentación, como una cita entre paréntesis convertida en una cita narrativa. Nuestra publicación sobre un humanizador de IA que conserva las citas explica qué buscar en sus propios marcadores de referencia.

El comprobador gratuito de burstiness mide cuánto varían las longitudes de las frases en su borrador. La variación en la longitud de las frases es una de las características que la escala del estudio pondera hacia la escritura humana. Para una guía clasificada con precios, consulte nuestra guía del mejor humanizador de IA para la escritura académica. Cuando esté listo para reescribir, el humanizador de IA de TextPulse está diseñado para conservar sus números, nombres y citas, y muestra una estimación de Human Score para el resultado.