¿Qué pasó?

El reconocido investigador en inteligencia artificial y aprendizaje automático Sebastian Raschka, en un artículo publicado el 15 de agosto de 2026, abordó cómo construir un detector de texto de IA desde cero. El punto de partida del artículo fue la función de detección de texto de IA que Substack incorporó recientemente a la interfaz de usuario de su plataforma.

Raschka señala que detrás de esta función probablemente exista un enfoque similar al de los modelos de Pangram. Él mismo planea desarrollar un clasificador que funcione con una lógica parecida, otorgando a los textos una puntuación de probabilidad de IA entre 0 y 100. Para ello entrenará un modelo de lenguaje pequeño llamado DistilBERT mediante ajuste fino (fine-tuning).

¿Por qué es importante?

El proyecto no se limita a construir un detector. Raschka también pretende usar el mismo sistema como verificador para entrenar un modelo de lenguaje pequeño (small language model, SLM) que genere texto capaz de evadir la detección. Este enfoque representa un ejemplo de aplicaciones de modelos de lenguaje grande (large language model, LLM) basadas en verificadores, más allá de los modelos de razonamiento clásicos entrenados en matemáticas y código.

El autor sostiene que un detector así podría usarse en la práctica tanto para filtrar contenido spam como para corregir textos personales sin que adquieran apariencia de IA. Por ejemplo, sería posible corregir los errores gramaticales de un texto y que este siga obteniendo una puntuación de '0% generado por IA'.

Lo que se sabe

  • Substack integró el detector de IA directamente en la interfaz de usuario.
  • El sistema a desarrollar podrá dar una puntuación tanto para todo el texto como para fragmentos individuales.
  • Se usará un clasificador basado en DistilBERT.
  • Entre los métodos de detección de texto de IA se incluyen clasificadores supervisados, pruebas de probabilidad basadas en perturbaciones, medición de perplejidad y marcas de agua (watermarking).
  • Raschka ya había escrito en 2023 otro artículo sobre distintos enfoques de detección relacionados con el tema.

¿Qué sigue?

El artículo compartido por Raschka constituye la primera etapa del proyecto, y se planea continuar con el entrenamiento del modelo, su evaluación, su implementación local y el desarrollo de una interfaz amigable para el usuario. El autor recuerda que los detectores de IA son un juego del gato y el ratón en constante evolución, que los nuevos modelos pueden evitar los patrones de detección y que los detectores deben actualizarse en consecuencia.