Según PISA 2025, el 54 % del alumnado de España de 15 años declaró usar chatbots de IA para ayudarse a aprender al menos una vez por semana, frente al 46 % de media en la OCDE. Es un dato autodeclarado que mide si usan chatbots de IA para ayudarse a aprender, no cuántas horas ni para qué tareas concretas, pero ilustra algo que cualquier docente intuye: es posible que parte de los textos que llegan a clase hayan pasado por una herramienta de IA.
Ante esa duda, aparece una solución que parece cómoda: pegar el texto en un detector que diga si lo escribió una IA. Un número, un porcentaje, un semáforo. El problema es que ese resultado no es una prueba, y tratarlo como si lo fuera puede causar una injusticia a un alumno. Este artículo analiza qué pueden y qué no pueden afirmar esas herramientas, por qué no deberían ser la única base de una decisión y qué alternativas hay para evaluar el proceso.
Qué puede decir un detector (y qué no)
Un detector de texto de IA analiza patrones del escrito (por ejemplo, qué tan predecibles son las palabras o cómo están construidas las frases) y devuelve una estimación de si se parece a lo que produciría una IA. Esa es toda su capacidad.
Lo que puede ofrecer:
- Una estimación, normalmente en forma de probabilidad o puntuación.
- Una señal para que el docente mire con más atención un trabajo concreto.
Lo que no puede ofrecer:
- La prueba de quién escribió el texto. No puede mostrar de dónde viene ni demostrar que el alumno no lo redactó.
- Una explicación que se pueda discutir. Un alumno puede defender cada frase de su trabajo; un detector solo da un resultado, sin razones que se puedan rebatir.
- Certeza. Un resultado alto no confirma la autoría y uno bajo tampoco la descarta: un texto de IA reescrito a mano puede pasar desapercibido.
Una estimación sirve como pista, no como sentencia. La diferencia entre ambas es la que protege al alumno.
El riesgo de los falsos positivos
Un «falso positivo» es que el detector marque como escrito por una IA un texto que ha escrito una persona. En un aula, eso significa acusar a un alumno que ha trabajado. Las consecuencias son serias: pérdida de confianza, una nota injusta, un conflicto con la familia y un alumno que aprende que esforzarse no le protege.
Una herramienta que busca regularidades puede interpretar mal un texto muy claro, muy corregido, muy formal o escrito en una segunda lengua, y parecerle «demasiado limpio». Por eso conviene tener especial cuidado con el alumnado que escribe de forma muy ordenada o que está aprendiendo el idioma: a ese alumno le resulta además más difícil defenderse con un simple «no he sido yo». No hace falta una cifra para ver el riesgo: basta con entender que el programa no sabe quién escribió el texto, solo cómo suena.
Y hay un problema añadido: programas distintos pueden dar resultados distintos para el mismo texto. Si dos herramientas no coinciden, ¿cuál es la prueba?
Una decisión sobre un alumno no puede apoyarse solo en un programa
Hay tres razones para no dejar que un detector decida:
Porque la decisión es del docente. Calificar, sancionar o dudar de la autoría de un trabajo son decisiones sobre un alumno que toma el profesorado, con criterio y con garantías para el estudiante: poder explicarse, mostrar su proceso y recibir una respuesta razonada.
Por privacidad. Pegar el trabajo de un alumno en una herramienta externa es enviarlo a un tercero. Antes de hacerlo, el centro debe saber dónde se guarda, quién accede y con qué base legal, y esa comprobación corresponde al delegado de protección de datos del centro. Si tienes dudas, hay un artículo sobre dónde viajan los datos del alumnado al usar una plataforma de IA y otro sobre el contrato con el proveedor de IA que debe firmar un colegio.
Porque la norma europea mira esta zona. El anexo III del Reglamento de IA incluye entre los usos de alto riesgo en educación los sistemas de IA destinados a evaluar resultados de aprendizaje y a vigilar y detectar comportamientos prohibidos de los alumnos durante las pruebas, en todos los niveles. Es una clasificación de alto riesgo, no una prohibición, y las obligaciones del anexo III se aplican desde el 2 de diciembre de 2027. Si un centro usara un detector para decidir sobre un alumno, conviene preguntar al delegado de protección de datos y a un asesor jurídico si ese uso encaja en alguna de esas categorías.
Alternativas: evaluar el proceso, no solo el producto
La mejor respuesta a «¿lo ha hecho él?» no es un programa que adivine, sino un diseño de tarea que deje ver el proceso. Estas prácticas funcionan mejor y además enseñan:
| Alternativa | Cómo se hace | Qué aporta |
|---|---|---|
| Entregas por fases | Esquema, primer borrador y versión final, con comentarios del docente entre medias | Se ve cómo evoluciona el trabajo y es difícil improvisarlo todo al final |
| Escritura en el aula | Un tramo breve de la tarea se escribe en clase, a mano o en el ordenador del centro | Da una muestra de referencia del estilo y del nivel del alumno |
| Conversación breve | Dos o tres preguntas al alumno sobre su trabajo: por qué eligió esa idea, qué cambiaría | Quien ha trabajado el texto lo puede explicar con sus palabras |
| Declaración de uso | El alumno anota si usó alguna herramienta, para qué y qué cambió después | Fomenta la honestidad y convierte el uso en tema de aprendizaje |
| Tareas con anclaje en el aula | Se piden referencias a lo trabajado en clase, a una fuente concreta o a una experiencia propia | Una respuesta genérica se nota |
| Evaluar el criterio sobre la IA | El alumno revisa, corrige y justifica una respuesta de IA | Se evalúa lo que importa: pensar, comprobar y decidir |
Sobre esto último, según PISA 2025, de media en la OCDE alrededor de seis de cada diez estudiantes de 15 años dicen que en sus clases se les encargó evaluar la calidad de la información generada por IA, y el alumnado socioeconómicamente desfavorecido tiene menos probabilidad de declararlo. Es una práctica extendida y con una brecha que el centro puede cuidar.
Si buscas un punto de partida, el INTEF publicó el 8 de septiembre de 2026 una nueva versión de su «Guía sobre el uso de la inteligencia artificial en el ámbito educativo», organizada en tres perfiles (alumnado, profesorado y centro educativo), que incluye un modelo de declaración de uso de IA. Puedes adaptarlo al proyecto educativo de tu centro. Y para el trabajo de aula, tienes saber cuándo no usar la IA: una competencia que se enseña.
Si un detector marca un trabajo, qué hacer
Si un docente usa un detector (con la herramienta revisada por el centro), el resultado es el punto de partida de una conversación, no el final. Una secuencia razonable:
- No actúes solo por el resultado. Anótalo como una señal y nada más.
- Habla con el alumno con calma, sin acusar: «Cuéntame cómo hiciste este trabajo».
- Pídele que muestre su proceso: borradores, notas, fuentes, el historial del documento si lo tiene.
- Compara con lo que ya conoces de él: otros trabajos, lo que escribe en clase, cómo se expresa al hablar.
- Decide de forma humana y razonada, con el tutor o la jefatura de estudios si hace falta, y deja constancia por escrito de los motivos.
- Da al alumno la posibilidad de rebatir y comunica a la familia según el protocolo del centro.
Y si el alumno ha usado una herramienta donde no debía, aprovecha para hablar de cuándo sí y cuándo no, en lugar de quedarte solo en el castigo.
Fuentes
- OCDE (2025): PISA 2025 Results (Volume I) – Country Notes: Spain (traducción al español del INEE)
- OCDE (2025): PISA 2025 Results (Volume I): Future-Ready Students – Box I.4.2 Assessing AI-generated information as a learning opportunity
- Comisión Europea, AI Act Service Desk (2026): ANNEX III | AI Act Service Desk
- INTEF (2026): Nueva versión de la «Guía sobre el uso de la inteligencia artificial en el ámbito educativo»
Conclusión
Los detectores de texto de IA ofrecen una estimación, no una prueba: no pueden demostrar quién escribió un texto, pueden equivocarse con alumnado que ha trabajado y no deben ser la única base de una decisión sobre un estudiante. Mucho más sólido es evaluar el proceso con borradores, escritura en el aula, conversaciones breves y declaraciones de uso, siempre con el docente tomando la decisión y la privacidad del alumnado protegida.
En MG Solutions damos masterclasses de IA a alumnos de ESO y Bachillerato: tres días en el colegio con herramientas para su día a día, para estudiar mejor y para usar la IA de forma responsable.
Puedes ver el detalle en nuestra formación en IA para colegios.
Si quieres ver cómo encajaría en tu caso, escríbenos y lo hablamos.