Flujo de trabajo de la API del detector de IA: señales, no puertas

Crea un flujo de trabajo de la API del detector de IA que trate las puntuaciones como una señal: umbrales, colas de revisión humana y registros que puedas explicar más adelante.

Este artículo está traducido automáticamente del original en inglés, así que algunas frases pueden sonar rígidas. Leer el original en inglés

Un flujo de trabajo de API de detector de IA trata la puntuación del detector como una entrada entre varias, nunca como un bloqueo automático. Se establecen umbrales que dirigen el contenido a una cola de revisión humana, se registra cada decisión con la evidencia que la respalda y se mantiene un registro que se pueda explicar a un usuario meses después.

Puntos clave

Una puerta binaria basada en la puntuación de un detector falla a escala porque la salida del detector es una estimación de probabilidad, no una prueba de autoría.
Establezca los umbrales según la capacidad de revisión, no según una cifra de precisión imaginada. Dos umbrales (aprobación automática, revisión humana) superan a uno.
Registre la puntuación, la versión del modelo, el umbral vigente y la decisión del revisor. Sin eso, no podrá explicar una marca más adelante.
Las puntuaciones a nivel de oración indican qué líneas contienen la señal. Las puntuaciones de documento completo no aportan casi nada accionable.
La detección puede indicar que un texto se parece a la salida de un modelo. No puede indicar quién lo escribió ni si las ideas son originales.

¿Por qué una puerta estricta basada en la puntuación de un detector falla a escala?

Porque una puerta convierte una probabilidad en un veredicto, y los veredictos se apelan.

Ejecute cualquier detector en un corpus suficientemente grande y algunos textos escritos por humanos superarán su umbral. Lo medimos nosotros mismos. El 2026-09-19 puntuamos 46 guías DeAIze escritas a mano con nuestro propio detector, conjunto local, nivel lite, con un umbral de marcado del 30%. La puntuación media de IA fue del 27%, la mediana del 25% y el rango fue de 0 a 55%. Con ese umbral, 17 de los 46 documentos escritos por humanos fueron marcados.

Léelo de nuevo. Más de un tercio de los documentos que sabemos que fueron escritos por humanos cruzaron la línea del 30 %. Ese es nuestro instrumento, sobre nuestra propia escritura, y aun así produce lecturas limítrofes. Cualquier detector de la competencia se comportará de la misma manera, porque todos ellos estiman una probabilidad a partir de señales estilísticas.

Una compuerta convierte esa estimación en un castigo para el usuario: un envío bloqueado, una carga fallida, un ticket de soporte. Heredas la discusión sobre si la puntuación era correcta, y no tienes evidencia para responder a menos que hayas implementado el registro primero.

La alternativa es tratar la detección como se trata una señal de fraude en una plataforma de pagos. Contribuye a una decisión. No la toma.

¿Qué puede decirte realmente la detección sobre un fragmento de texto?

Menos de lo que asumen la mayoría de los informes de integración, y vale la pena ser preciso sobre el límite antes de escribir cualquier código.

Lo que puede decirte:

Que la textura estadística de un pasaje se parece más a la salida de un modelo de lenguaje que el texto circundante.
Qué oraciones específicas concentran la mayor parte de esa señal, si la herramienta informa puntuaciones a nivel de oración.
Que un documento es un valor atípico en relación con un corpus de referencia que tú controlas.

Lo que no puede decirte:

Quién lo escribió. Un humano editando un borrador de un modelo, un modelo parafraseando un borrador humano y un humano escribiendo en un registro plano pueden producir lecturas similares.
Si el contenido es preciso, original o infringe alguna política que realmente tengas.
Si una persona usó IA de una manera que tus reglas permiten. La detección no tiene concepto de tu política; tiene un concepto de estilo.

Hay una segunda trampa aquí que vale la pena nombrar. La escritura humana no es estilísticamente uniforme, y la salida de máquina no es estilísticamente obvia. En la misma medición del 2026-09-19, nuestra muestra escrita por humanos contenía 3 frases reveladoras de IA por cada 100 palabras, mientras que la salida de modelo sin editar contenía 1 por cada 100 palabras. La escritura humana era más ruidosa en esa medida concreta, no más limpia. Si tu pipeline asume que el texto marcado se verá obviamente hecho por una máquina, enviará por error a personas reales.

Antes de conectar cualquier cosa a una compuerta, pasa tu propio corpus por un detector y observa dónde caen tus usuarios reales. El nivel gratuito de DeAIze te da 200 palabras al registrarte sin tarjeta de crédito, y los paquetes de créditos de pago comienzan en $20.99 — consulta /pricing/ para ver los niveles. Conocer tu propia distribución supera a adivinar un umbral.

¿Cómo eliges la configuración del umbral del detector?

Elige los umbrales a partir de tu capacidad de revisión y luego acepta la tasa de error que esa capacidad implica. No al revés.

Un único umbral te obliga a una decisión binaria. Dos umbrales te dan una banda de triaje:

Banda	Acción típica	Lo que te cuesta	Bueno para
Por debajo del umbral bajo	Aprobación automática, solo registrar la puntuación	Aceptas que parte del texto asistido por modelo se publique sin revisión	Contenido de alto volumen y bajo riesgo
Entre umbrales	Encolar para revisión humana	Tiempo del revisor y un retraso que el usuario puede ver	Cualquier cosa con una consecuencia asociada
Por encima del umbral alto	Encolar con prioridad, más una segunda señal	El mismo tiempo del revisor, más contexto que reunir	Pagos, credenciales, afirmaciones publicadas

Dos reglas prácticas. Primera, fija el umbral bajo lo suficientemente alto como para que tu cola de revisión se mantenga dentro de su dotación de personal, no lo suficientemente bajo como para atraparlo todo. Una cola que nadie puede vaciar es peor que no tener cola, porque se convierte en un backlog que dejas de leer. Segunda, fija el umbral alto muy por encima del bajo. Si quedan muy cerca, la banda de triaje se colapsa y vuelves a tener una compuerta.

Lo que cuesta cada umbral: un umbral bajo más bajo compra cobertura y gasta horas de revisores; uno más alto compra rendimiento y gasta el riesgo de que algo se escape. Ninguno es gratis. Anota cuál elegiste y por qué, porque esa nota es lo primero que cualquiera pedirá cuando se cuestione una decisión.

¿Cómo diseñas una cola de revisión humana para contenido marcado?

Diséñalo en torno a la decisión del revisor, no en torno a la salida del detector.

Muestra la vista a nivel de oración. Un revisor que se enfrenta a “este documento obtuvo una puntuación alta” no tiene nada con lo que trabajar. Un revisor que se enfrenta a oraciones resaltadas con puntuaciones por oración puede ver qué líneas impulsaron el resultado. DeAIze informa tanto una puntuación del documento como una probabilidad de IA por oración exactamente por esta razón: el número del documento completo es un resumen, la vista por oración es la evidencia.
Dales la segunda señal. Antigüedad de la cuenta, historial de ediciones, marcas previas, si el usuario reveló asistencia de IA, si el contenido coincide con una plantilla que ya aceptas. La puntuación del detector es una fila del panel, no el panel.
Haz que “evidencia insuficiente” sea un resultado válido. Si la única razón de la marca es una puntuación límite, la decisión correcta es dejarla pasar y anotar por qué. Los revisores que creen que deben emitir un veredicto lo emitirán.
Limita la obsolescencia de la cola. Una revisión que se resuelve después de que el usuario ya ha seguido adelante es un ticket de soporte, no una revisión.

Una nota de diseño desde la práctica: enruta por consecuencia, no por puntuación. Una puntuación alta en un borrador de comentario y una puntuación alta en una carga de certificación merecen colas diferentes, incluso con números idénticos.

¿Cómo registras las decisiones de detección para que puedan explicarse después?

Registra la decisión como un registro con una razón, con la misma forma que querrías si tuvieras que entregársela al usuario afectado.

Como mínimo, captura:

La puntuación bruta y las puntuaciones por oración, con la herramienta y la versión del modelo que las produjo.
Los valores de umbral vigentes en ese momento. Los umbrales cambian; una decisión solo es interpretable frente a la configuración que la produjo.
Las demás señales presentes en el momento de la decisión, con sus propios valores.
El resultado: aprobado automáticamente, en cola, revisado, anulado, confirmado.
Para los elementos revisados, el motivo indicado por el revisor en sus propias palabras.

Dos hábitos hacen que esto sea duradero. Almacena la salida del detector como datos, no como una cadena renderizada, para que puedas volver a ejecutar el análisis más tarde sin volver a puntuar. Y registra la marca temporal de todo con un único reloj, porque “la versión del modelo cambió el martes” no tiene respuesta si tus registros usan tres fuentes de tiempo diferentes.

Si quieres conocer la mecánica subyacente antes de elegir qué conservar, cómo funciona la detección de IA cubre las señales que lee un detector y por qué un único número comprime y descarta mucha información.

¿Deberías hacer una verificación cruzada con un segundo detector?

A veces, y de forma deliberada. Pasar cada documento por varios detectores multiplica tu coste y tu tasa de desacuerdo sin multiplicar mucho tu información.

Un patrón más útil: verifica de forma cruzada solo los elementos que caen en la banda de triaje, y solo cuando la decisión sea trascendente. DeAIze ejecuta la salida contra API reales de detectores de terceros donde esté configurado — GPTZero, Turnitin, Copyleaks, Originality.ai y Sapling son los nombrados en el sitio — en lugar de confiar en una estimación interna. Esa también es una forma razonable para un pipeline: tu detector principal hace el triaje, una verificación externa con nombre confirma los casos límite, y registras ambos resultados en paralelo.

Cuando dos herramientas no coinciden, esa discrepancia es en sí misma información. Por lo general, significa que el texto se encuentra cerca del límite de decisión, lo que es una razón para la revisión humana en lugar de una razón para elegir el número más alto. ¿Son precisos los detectores de IA? explica por qué dos herramientas leen el mismo pasaje de manera diferente.

¿Cómo se ve un flujo de trabajo a nivel de oración de principio a fin?

Esta es la forma que se mantiene en producción.

Llega el texto. Puntúalo una vez, en la admisión, y almacena la respuesta sin procesar.
Aplica tus bandas de triaje. La mayoría del contenido pasa automáticamente con una puntuación registrada y ningún humano lo ve.
Para la banda de triaje, extrae la vista a nivel de oración y adjunta las segundas señales a un elemento de la cola.
Un revisor decide, por escrito, con “evidencia insuficiente” disponible.
Conserva todo el registro: puntuaciones, umbrales, señales, decisión, motivo.
Alimenta las decisiones revocadas de nuevo en el ajuste de umbrales según un calendario. Si tus revisores revocan muchos elementos en una banda, esa banda está mal configurada.

El paso tres es donde la mayoría de las integraciones se debilitan. Un elemento de la cola que dice “puntuación: alta” produce una aprobación automática. Un elemento de la cola que muestra las tres oraciones que impulsan la puntuación produce una decisión.

Ilustración, no un registro real de cliente: un artículo enviado llega con una puntuación de documento alta. El revisor abre la vista de oraciones y encuentra dos párrafos densos en la parte superior que llevan la mayor parte de la señal, mientras que el resto del texto se lee plano y específico. El revisor observa que los párrafos marcados coinciden con el estilo publicado anteriormente del escritor, marca el elemento como evidencia insuficiente y lo aprueba. El registro contiene la puntuación, las oraciones, la nota y el resultado. Seis semanas después, cuando el escritor pregunta por qué se retrasó su envío, ese registro responde a la pregunta en una sola pantalla.

¿Cuánto te cuesta ejecutar esto?

Tres presupuestos, y solo uno de ellos es dinero.

Gasto en detección. El precio por palabra significa que tu costo escala con el volumen, así que puntúa en la ingesta y evita volver a puntuar el mismo documento en cada carga de página. Almacena en caché el resultado asociado a un hash de contenido.

Horas de revisión. Este es el costo real. Una banda de triaje que captura unos pocos por ciento de los envíos suena barata hasta que la multiplicas por el volumen diario. Dimensiona la banda según el personal que tengas y revísala cuando cambie el volumen.

Carga de soporte. Cada usuario bloqueado automáticamente que cree que la decisión fue incorrecta es un ticket. Enrutar a revisión en lugar de bloquear convierte la mayoría de esos tickets en un breve retraso, que es algo mucho más barato de explicar.

Para una comparación de lo que realmente devuelven diferentes herramientas en sus respuestas de API, y cuánto de eso es utilizable como señal de pipeline, la comparación de detectores de IA es el punto de partida práctico.

¿Listo para ver qué oraciones suenan hechas por una máquina?

Si estás diseñando el flujo de trabajo, la forma más rápida de concretar el diseño es observar la salida real a nivel de oración en tu propio texto en lugar de en una muestra.

Comienza con el detector en /ai-detector/ — pega un documento cuya procedencia conozcas y observa cómo se distribuyen las puntuaciones por oración. Esa distribución es el marco dentro del cual deben situarse tus umbrales.

Cuando tengas borradores que realmente necesiten una limpieza porque las oraciones marcadas son planas y no porque la puntuación sea incorrecta, el editor de borradores ejecuta el ciclo cerrado: puntuar, reescribir solo las oraciones marcadas, conservar una reescritura solo cuando la similitud semántica indique que el significado se mantuvo, y luego volver a puntuar e informar el antes y el después. El sitio reporta una reducción promedio de la puntuación de IA del 60 %+ después de humanizar, con un mejor caso del 71 % — esas son las puntuaciones previstas del propio producto, no un veredicto de ningún detector de terceros.

Consulta /pricing/ para paquetes de créditos, pago por uso, créditos que nunca caducan y sin suscripción, o /register/ para empezar con 200 palabras gratis y sin tarjeta de crédito.

Una cosa que vale la pena decir con claridad, porque pertenece tanto a tu documentación de integración como a la nuestra: la detección es una señal sobre el estilo, y la humanización es una herramienta de edición para tus propios borradores. Ninguna de las dos decide si las ideas, los datos y las conclusiones de un documento son del propio autor. Ese juicio queda en manos de la persona responsable del contenido, y tu canalización debe construirse de modo que pueda emitirse y registrarse.