Cómo detecta Turnitin la IA, paso a paso

Un informe de Turnitin puede devolver un único número, por ejemplo cuarenta y dos por ciento, y decir casi nada más sobre cómo se obtuvo, salvo que alguien busque el mecanismo que hay detrás. Ese número no se lee del documento en su conjunto y no es una suposición. Es el resultado final de una canalización específica y documentada que funciona del mismo modo en cada envío.

Entonces, ¿cómo detecta Turnitin la IA? Descomponiendo un envío en partes, puntuándolas individualmente según si es probable que hayan sido generadas por IA o generadas por IA y luego parafraseadas, y promediando esas puntuaciones para determinar el porcentaje global que aparece en el informe. Cada etapa de esa canalización se describe en la propia documentación de Turnitin, no se ha reconstruido a partir de fuentes externas.

Esto se refiere específicamente a la función de detección de escritura con IA de Turnitin, un sistema distinto del antiguo control de similitud o plagio que compara un envío con otros documentos. La mecánica que se expone a continuación se sitúa dentro de la cuestión más amplia de cómo funcionan realmente los detectores de IA, y Turnitin es un ejemplo práctico útil precisamente porque publica más de su propio método que la mayoría de los proveedores. Lo que sigue es primero la canalización, después lo que señala en la práctica, lo que las pruebas independientes encontraron que pasa por alto, y quién dentro de una institución ve realmente el resultado.

¿Cómo detecta Turnitin la IA? La canalización en breve

El detector de escritura con IA de Turnitin funciona en cuatro pasos, en un orden fijo. Primero, comprueba si un documento tiene suficiente texto en prosa que cumpla los requisitos para recibir una puntuación. Segundo, divide ese texto en segmentos de unos pocos cientos de palabras cada uno. Tercero, un modelo puntúa cada segmento de forma individual. Cuarto, las puntuaciones de los segmentos se promedian para obtener el único porcentaje a nivel de documento que el lector ve realmente.

El informe de escritura con IA no es el informe de similitud

El informe de escritura con IA de Turnitin es un producto distinto del informe de similitud que comprueba el plagio. Funcionan con modelos diferentes y se muestran en pestañas distintas dentro de la misma interfaz. La puntuación de similitud compara una entrega con una base de datos de fuentes publicadas previamente y otros trabajos de estudiantes, y devuelve el porcentaje que coincide. La puntuación de IA hace algo completamente distinto, un clasificador lee la prosa, asigna a cada segmento puntuado una probabilidad de haber sido generado por IA, y agrega esas puntuaciones en un único porcentaje del documento. Como miden cosas distintas, una entrega puede tener una puntuación de similitud del 2 percent y una puntuación de IA del 60 percent, o al revés.

El porcentaje de IA también es más limitado de lo que parece. Describe la proporción de prosa elegible que el modelo predice que fue escrita por IA, no el documento completo, porque los bloques de código, las viñetas, los encabezados y la escritura de formato breve se eliminan antes de calcular la puntuación. En el momento de escribir esto, el detector funciona solo con texto en inglés, español y japonés.

Paso uno: segmentar el documento en fragmentos

Antes de puntuar nada, el modelo de Turnitin divide la entrega en fragmentos de unos pocos cientos de palabras cada uno, aproximadamente de cinco a diez oraciones por fragmento. La segmentación ocurre primero porque el modelo fue diseñado para puntuar un fragmento de ese tamaño, no una sola oración ni una tesis completa en una sola pasada.

Solo el texto en prosa cuenta para un fragmento. El modelo fue diseñado para leer escritura de formato largo. Un documento que contiene tanto prosa como tablas o código se puntuará como si tuviera algún porcentaje de texto en prosa, pero puede no describir todo el texto en prosa del documento. Esto se debe a que el detector puntúa un conjunto de datos que no incluye bloques de código, viñetas ni texto de formato breve. Por eso el documento puede devolver un porcentaje que solo describe una parte de lo que se envió.

La puntuación a nivel de fragmento tiene una consecuencia más discreta que conviene señalar. Una sola oración redactada por AI situada dentro de un fragmento por lo demás escrito por una persona, de unos pocos cientos de palabras, se promedia con todo lo demás de ese fragmento, de modo que su efecto sobre la puntuación de ese fragmento se diluye en función de cuánto texto circundante escrito por una persona comparta el mismo fragmento. Una inserción breve redactada por AI sigue llegando al modelo. Simplemente pesa menos que un fragmento redactado por AI desde su primera palabra hasta su última.

Paso dos: Puntuación de cada segmento

Cada fragmento se puntúa por separado, con independencia de todos los demás fragmentos del documento. El modelo predice si ese tramo concreto de texto está escrito por una persona, generado por AI, o generado por AI y luego parafraseado, una distinción de tres vías en lugar de un simple sí o no.

Esta es una categoría separada y no solo una extensión de generado por AI, lo que sugiere que existe un problema real con el parafraseo que debilita la detección. Esto está respaldado por un estudio de 2023, que encontró que pasar texto generado por AI por un modelo de parafraseo dedicado redujo un detector de investigación llamado DetectGPT de una precisión del 70.3% a 4.6%, con una tasa constante de falsos positivos del 1%. No parece que Turnitin haya publicado nada sobre cuán resistente es su propio clasificador de tres vías a la misma técnica. La categoría existe por una razón documentada.

Calificar a nivel de fragmento, en lugar de hacerlo a nivel de documento completo, es una decisión de diseño deliberada. Una tesis de noventa páginas con dos párrafos redactados por IA y un ensayo de cinco páginas redactado íntegramente por IA son problemas distintos, y promediar entre fragmentos es lo que permite que un único número a nivel de documento refleje esa diferencia en lugar de aplanarla.

Turnitin no ha publicado la arquitectura interna de ese modelo por fragmentos con el mismo nivel de detalle que sus pasos de la canalización. Es un clasificador supervisado entrenado con ejemplos etiquetados, no un umbral simple sobre el tipo de puntuación bruta del siguiente token que se trata en la guía de TextPulse sobre qué mide realmente la perplexity en la detección de IA, aunque la misma idea subyacente, un texto inusualmente predecible, casi con toda seguridad forma parte de lo que ese clasificador aprende a detectar.

Paso tres: promediado hasta un porcentaje a nivel de documento

Las puntuaciones de los fragmentos se promedian para obtener el único porcentaje que muestra un informe. Ese porcentaje representa la proporción de texto en prosa que cumple los criterios, solo escritura de formato largo, que el modelo predice como generado por IA o generado por IA y luego parafraseado. Es una proporción de segmentos puntuados, no una afirmación de que una fracción exacta de las palabras del documento haya sido literalmente tecleada por una máquina.

El porcentaje del informe es el promedio. Por eso dos documentos que ambos arrojan cuarenta por ciento pueden parecer distintos al examinarlos de cerca. Uno podría tener cuarenta por ciento de sus fragmentos puntuados como totalmente generados por IA. Otro podría tener todos sus fragmentos puntuados como parcialmente probables, lo que promediaría hasta el mismo número principal. No muestra qué patrón lo produjo.

¿Puede Turnitin detectar ChatGPT, Claude o Gemini?

Por lo general, sí, cuando un documento contiene una cantidad sustancial de escritura generada por IA, y el clasificador no se preocupa por qué proveedor la produjo. Turnitin afirma que su modelo busca un patrón de escritura y no un nombre de marca, y su cobertura se ha ampliado repetidamente desde el lanzamiento original de GPT-3.5 y GPT-4 en 2023. La orientación actual menciona la serie GPT-5, Gemini y Claude entre los sistemas frente a los que está entrenado, y se añaden nuevos lanzamientos de modelos de forma continua. Un estudiante que utilizó Gemini, Claude o DeepSeek en su lugar no está eludiendo el detector simplemente por elegir una empresa distinta.

La proporción de entregas a las que esto afecta ha aumentado. Aproximadamente el 15 percent de los ensayos que Turnitin analizó entre octubre de 2025 y febrero de 2026 mostraron un 80 percent o más de escritura generada por IA, frente a aproximadamente el 3 percent cuando la herramienta se lanzó en abril de 2023.

El texto de IA parafraseado recibe su propia categoría en lugar de un pase libre, que es la clasificación de tres vías descrita arriba. La documentación de Turnitin separa el texto que juzga únicamente como generado por IA del texto que juzga como generado por IA y luego parafraseado por IA, y en agosto de 2025 añadió una detección dirigida específicamente a herramientas de evasión de IA construidas para reescribir la salida de la máquina y pasar por un detector. Eso no significa que parafrasear sea inútil ni que todo pasaje reescrito sea detectado. Significa que la suposición de que la paráfrasis es invisible para Turnitin por defecto lleva tiempo desactualizada. Lo que la herramienta hace con el texto parafraseado específicamente, y con la salida de DeepSeek, se trata por separado.

El requisito mínimo de palabras y el umbral con asterisco

Una entrega necesita al menos 300 palabras de texto en prosa que cumpla los requisitos antes de que el detector de IA de Turnitin genere una puntuación en absoluto, frente a un mínimo anterior de 150 palabras. Por debajo de esa longitud, simplemente no hay suficiente texto para que funcione el proceso de segmentación y promediado.

Ese umbral de 300 palabras coincide con el tamaño de un único fragmento de puntuación descrito antes, unas pocas centenas de palabras, de cinco a diez oraciones. Un documento justo en el mínimo en realidad solo entrega al proceso alrededor de un fragmento de texto que cumple los requisitos para promediar, en lugar de varios, lo cual forma parte de por qué un informe situado cerca de ese umbral tiene más probabilidades de caer en el rango menos fiable que el siguiente umbral existe para señalar.

Turnitin tampoco mostrará un porcentaje por debajo de un umbral del 20%. Desde julio de 2024, el informe muestra un asterisco junto a un signo de porcentaje en lugar de un número. Ese único aspecto del comportamiento del informe causa más confusión que cualquier otra parte del proceso, por lo que recibe su propia sección más abajo.

Condición	Lo que muestra el informe	Por qué
Menos de 300 palabras de prosa que cumple los requisitos	Ninguna puntuación de IA en absoluto	No hay suficiente texto para que el proceso de segmentación y promediado funcione de manera fiable
La puntuación caería por debajo del 20%	Un asterisco junto a un signo de porcentaje, no un número	La propia documentación de Turnitin informa de una tasa de falsos positivos mediblemente más alta en ese rango
Puntuación del 20% o superior	Un porcentaje específico	Turnitin lo considera lo bastante fiable como para mostrarlo como un número

¿Qué significa la puntuación con asterisco en Turnitin?

Un asterisco en un informe de escritura de IA de Turnitin significa que el modelo detectó algo de escritura de IA, pero menos del 20 por ciento del documento, y Turnitin se niega a publicar un número en ese rango. Donde normalmente aparecería un porcentaje, el informe muestra en su lugar un asterisco junto a un signo de porcentaje. La propia documentación del producto de Turnitin lo afirma directamente: "When AI is detected below the 20% threshold in the report, it is now indicated with an asterisk (*%) and no percentage is attributed."

Por lo tanto, un asterisco no es un error, no es una puntuación que falte, y no es una señal de que algo haya salido mal con la carga. Es una decisión deliberada del proveedor de ocultar una cifra que no considera lo bastante fiable como para imprimirla.

Por qué Turnitin oculta el número por debajo del 20 percent

Porque ese intervalo es donde la herramienta tiene más probabilidades de equivocarse, y la propia promesa de precisión de Turnitin se delimita para excluirlo. La empresa se compromete a mantener su tasa de falsos positivos "under 1% for documents with over 20% of AI writing". Lea con atención el alcance: el compromiso incorpora un umbral mínimo, y ese umbral mínimo es el mismo 20 percent. Por debajo de esa línea la empresa no afirma la misma fiabilidad, así que, en lugar de mostrar un número pequeño que un lector inevitablemente trataría como preciso, no muestra nada en absoluto. El asterisco existe para evitar falsos positivos, es decir, existe para evitar entregar a un profesor una cifra que tergiversaría un documento escrito por una persona.

El razonamiento sigue la mecánica descrita antes. Una puntuación a nivel de documento es un promedio de fragmentos de unos pocos cientos de palabras. Cuando solo una pequeña proporción de esos fragmentos obtiene una puntuación de AI, el promedio resultante se apoya en una señal muy escasa, y el proceso no puede separar de forma fiable un 8 percent real de uno espurio. Suprimir la cifra es la respuesta honesta ante eso, y es el mismo impulso que está detrás del mínimo de 300 palabras.

Qué significa el asterisco en la práctica en una universidad

En la práctica, la mayoría de las instituciones tratan un asterisco como algo sobre lo que no hay que actuar, y lo leen como una puntuación baja compatible con un trabajo escrito por una persona. El razonamiento es sencillo. Si el proveedor que construyó el detector no respalda una cifra en ese intervalo, un profesor no tiene nada sustantivo que plantear a un estudiante, y mucho menos algo que llevar ante un comité de mala conducta. Para la mayoría de los procesos de integridad académica, un informe que muestra un asterisco es funcionalmente equivalente a un informe limpio.

Esa es una descripción de cómo se utiliza el resultado, y conviene conocerla si está mirando uno. No es lo mismo que una conclusión sobre lo que el documento es realmente, y la distinción importa en ambos sentidos.

Lo que no significa un asterisco

• No es un certificado de autoría humana. Turnitin está dejando de puntuar el documento con confianza, lo cual es una afirmación sobre el detector y no sobre el autor.
• No es lo mismo que cero. Un documento sin ninguna escritura de IA y un documento con un párrafo asistido por IA pueden producir el mismo asterisco, que es precisamente por eso por lo que se omite el número.
• No es comparable entre envíos. Dos asteriscos indican que ambos documentos quedaron por debajo del mismo umbral y nada sobre cómo se comparan entre sí.
• No es la puntuación de similitud. La coincidencia de plagio es un informe aparte en una pestaña aparte, y muestra su propio porcentaje independientemente de lo que haga el indicador de IA.

La consecuencia práctica que conviene retener es que una edición ligera asistida por IA, un párrafo reescrito con ayuda y el resto escrito sin asistencia, a menudo producirá un asterisco en lugar de un porcentaje pequeño. Ni la presencia ni la ausencia de un número resuelven la cuestión por sí solas, que es la misma conclusión a la que llegan las cifras de precisión que aparecen más abajo desde la dirección opuesta.

Qué afirma Turnitin sobre la precisión, y de quién son estas cifras

Turnitin publica sus propias cifras de precisión, y conviene leerlas exactamente así: las cifras de validación del propio proveedor, no una auditoría independiente. Su material publicado afirma una tasa de falsos positivos inferior al 1% para documentos en los que el modelo puntúa por encima del 20% de escritura de IA, un umbral que coincide con el punto de corte del asterisco descrito arriba. El mismo programa se amplió posteriormente a muestras de escritura de English Language Learner en respuesta a la investigación sobre el sesgo del detector.

Turnitin dice que validó esa cifra frente a una gran línea de base de trabajos escritos por humanos presentados antes de que existiera ChatGPT. Los materiales de Turnitin son inconsistentes respecto al tamaño exacto de esa línea de base, la página de preguntas frecuentes cita 700,000 trabajos, mientras que una entrada de blog del Chief Product Officer de Turnitin cita 800,000, con la misma afirmación de menos del 1% asociada a ambas. Los materiales de Turnitin también describen una compensación, según el propio relato de la empresa, detectar contenido generado por IA de forma más agresiva significa dejar pasar aproximadamente el 15% de ese contenido.

La empresa también ha revisado públicamente sus propias afirmaciones. En 2023, poco después del lanzamiento, el chief product officer de Turnitin reconoció que las pruebas de laboratorio no habían previsto cuántos falsos positivos aparecerían en el uso real, en particular en entregas breves, e informó de una tasa de falsos positivos a nivel de oración de alrededor del 4 percent. Elevar la longitud mínima puntuable de 150 a 300 palabras fue la respuesta a esa brecha.

Leídas en conjunto, estas cifras describen una compensación específica más que un único número de precisión. Una tasa de falsos positivos inferior al 1% suena cercana a lo insignificante hasta que se escala según cuántas entregas pasan por el sistema, y una tasa de omisión del 15% significa que una parte significativa del contenido generado por IA se puntúa como humano por diseño, no por un fallo. Los propios materiales de Turnitin presentan ambos números como el equilibrio previsto del sistema, no como prueba de que la herramienta sea simplemente correcta o simplemente incorrecta.

Lo que encontró la evaluación independiente

Las pruebas independientes añaden detalles que las cifras del proveedor no ofrecen, en el mismo espíritu que la evaluación independiente de los detectores de IA más amplia, que sigue encontrando diferencias entre las condiciones de laboratorio y las entregas reales. El Center for the Advancement of Teaching de Temple University realizó uno de los exámenes más cuidadosos disponibles. Los investigadores presentaron 120 muestras de escritura, divididas por igual entre escritura totalmente humana, escritura totalmente generada por IA, escritura generada por IA pasada por una herramienta de paráfrasis y textos híbridos que combinaban aportaciones humanas y de IA, y registraron lo que Turnitin devolvió para cada una.

La herramienta identificó correctamente el 93 por ciento de las muestras puramente humanas y el 77 por ciento de las puramente generadas por IA. En las preguntas más difíciles, la precisión disminuyó aún más. Turnitin identificó con precisión solo el 63 por ciento de las muestras de IA parafraseadas como generadas por IA, y solo el 43 por ciento de las muestras híbridas como ni totalmente humanas ni totalmente de IA. Esas son las categorías más cercanas a la forma en que se produce realmente la escritura asistida por IA, y los investigadores señalaron el texto híbrido en particular como probable responsable de una parte grande y creciente de las entregas reales, a medida que más cursos asignan trabajos que usan IA para parte de la tarea.

Qué se evaluó	Resultado de Turnitin
Muestras escritas 100% por humanos	93% identificadas correctamente como humanas
Muestras generadas 100% por IA	77% identificadas correctamente como IA
Texto de IA pasado por una herramienta de paráfrasis	63% identificado correctamente como IA
Muestras híbridas, parte humanas y parte IA	43% identificadas correctamente como ni 0% ni 100%
Documentos con más del 20% señalados (la propia cifra de Turnitin)	Tasa de falsos positivos inferior al 1%

Ninguno de estos son hallazgos independientes por parte de Turnitin. Investigadores ajenos a la empresa, citados en la cobertura de los propios estudios de sesgo de Turnitin, describen de nuevo un panorama más complejo, en particular para escritores de inglés no nativos y borradores muy editados.

Dónde se descomponen los aspectos destacados a nivel de oración

La puntuación a nivel de documento no es la única vista que un instructor puede abrir, y la otra es menos fiable. Algunas interfaces muestran un informe de banderas que resalta frases concretas como probablemente escritas por AI. Los investigadores de Temple comprobaron esos resaltados frente a qué frases de sus muestras híbridas estaban realmente escritas por AI y no encontraron relación entre ambas cosas. Esto importa si un instructor reenvía una captura de pantalla de un párrafo resaltado en lugar del porcentaje resumido, la puntuación global del documento funcionó considerablemente mejor que los resaltados a nivel de frase.

Quién ve realmente la puntuación

La puntuación de AI no forma parte del informe visible para el estudiante por defecto. Se encuentra en su propia pestaña, visible para instructores y administradores, y un estudiante solo la ve si el instructor decide compartir el informe o mostrarla directamente. Esta es una diferencia estructural real respecto de la puntuación de similitud, que los estudiantes suelen poder ver por sí mismos dentro del mismo sistema una vez que se ha procesado una entrega.

Lo mismo se aplica a si la función existe o no para un curso concreto, lo cual es una decisión institucional por encima del instructor. Los administradores a nivel de cuenta pueden activar o desactivar la detección de AI de Turnitin para toda una institución. Un profesor puede no poder activarla si su universidad la ha desactivado, y viceversa. Dos estudiantes de distintas universidades pueden entregar trabajos comparables y tener experiencias muy diferentes de esta herramienta, por razones que no tienen nada que ver con lo que cualquiera de ellos escribió.

Por qué algunas universidades la han desactivado

La University of Waterloo dejó de usar la función de detección de AI de Turnitin en septiembre de 2025, y la justificación publicada es inusualmente directa. La universidad citó la falta de fiabilidad documentada de la herramienta, su sesgo contra los estudiantes cuya primera lengua no es el inglés, y sus propias pruebas internas, que incluyeron al menos un caso de texto enteramente escrito por humanos puntuado como 100 percent generado por AI. Al sopesarlo frente al coste de la herramienta, la universidad concluyó que los costes superaban a los beneficios y redirigió el esfuerzo hacia el rediseño de la evaluación y la formación en alfabetización en AI en su lugar.

Waterloo es un ejemplo visible de una división más amplia, no una excepción. Las universidades que mantienen activada la función, por lo general, han añadido salvaguardas en lugar de tratar la puntuación como un veredicto por sí sola, exigiendo una conversación con el estudiante antes de que comience cualquier proceso formal y considerando el número como un motivo para abrir esa conversación, no para cerrarla. Leer sobre cómo las universidades están gestionando la política de IA de forma más amplia hace más claro el patrón: que una puntuación llegue a usted o no depende de una decisión tomada mucho por encima de su aula de seminario, no de una propiedad fija de la tecnología en sí.

Qué demuestra, y qué no demuestra, una puntuación alta

Una puntuación alta de IA es una prueba, no un veredicto. El propio Turnitin presenta el porcentaje como un dato más para el juicio del docente, no como una constatación de mala conducta, y las cifras de precisión anteriores explican por qué ese encuadre importa: incluso una puntuación a nivel de documento que funciona razonablemente bien interpreta de forma incorrecta una parte significativa de la escritura muy editada, parafraseada o híbrida, y los resaltados a nivel de oración son notablemente menos fiables que el número resumido. Nada de esto garantiza que una puntuación individual sea incorrecta. Significa que un porcentaje es un motivo para hacer preguntas, no una constatación que aceptar a simple vista.

Un único porcentaje a nivel de documento comprime cuatro pasos separados en un solo número, y ninguno de esos pasos interpreta el significado ni comprueba si un argumento es sólido. Ver cómo un pasaje más breve obtiene una puntuación en las señales estadísticas subyacentes de las que se construye una canalización como esta es una forma más directa de entender un informe que tratar el porcentaje como un veredicto. El comprobador gratuito de perplexity de TextPulse ejecuta una versión simplificada de ese tipo de puntuación a nivel de palabra sobre su propio borrador, fuera de cualquier canalización institucional, y su comprobador gratuito de burstiness cubre la mitad del ritmo de las oraciones de la misma medición. Ambos le ofrecen una lectura de su propia escritura, no una predicción de lo que Turnitin dirá sobre ella. Ninguna herramienta puede prometer eso de manera responsable respecto de un sistema que no controla.

Turnitin informa dos números y miden cosas no relacionadas. Cuál es cuál se expone por separado, junto con qué cuenta realmente como una buena puntuación de Turnitin una vez que se sabe a qué se refiere el porcentaje. Varias preguntas relacionadas tienen sus propias páginas: si un profesor puede saber que usaste ChatGPT sin ningún detector, la versión más directa de la misma, si me descubrirán, y, para contextos concretos, la detección de IA en programas de enfermería y si las oficinas de admisión universitaria realizan estas comprobaciones. El encuadre más amplio aparece en un texto aparte sobre integridad académica e IA.

Nada de esto es probable que sea la versión final. Turnitin ha reescrito sus umbrales, sus reglas de visibilidad y la cobertura de sus modelos más de una vez desde 2023, y agosto de 2026 tampoco será la última palabra. Se sitúa junto al resto de la colección de herramientas gratuitas de TextPulse, para cualquiera que quiera una segunda señal antes de tratar el porcentaje de una institución como la última palabra.

Lo que encontró nuestra propia investigación

En el estudio de concordancia entre detectores de TextPulse Research, nueve detectores comerciales de IA calificaron los mismos 90 textos académicos. Uno era un texto híbrido de 455 palabras: una apertura y un cierre escritos por humanos alrededor de una parte central de 168 palabras generada por IA. Turnitin puntuó este texto con 26.8% de IA, mientras que los veredictos de las demás herramientas sobre las mismas palabras fueron de 0% a 95.7% de IA. El artículo completo, el corpus y la matriz de puntuaciones por herramienta están en acceso abierto en TextPulse Research.