¿Es seguro pegar texto en un detector de IA? A veces. La respuesta depende enteramente de lo que la herramienta haga con tu texto después de que aparezca la puntuación: si se almacena, durante cuánto tiempo y si alguna vez entrena un modelo con él. Ningún detector puede prometer seguridad en abstracto; una política específica sí puede. Así que lee la política, haz cinco preguntas y censura antes de pegar.
Ese es todo el método. El resto de este artículo son los detalles: qué preguntar, qué eliminar y cómo manejar material de clientes o institucional cuando no puedes permitirte un error.
Las cinco preguntas que debes hacer a cualquier detector o humanizador
La mayoría de las páginas de privacidad están escritas para que las ignores. Estas cinco preguntas obligan a una respuesta directa, y si un proveedor no puede responderlas, esa es tu respuesta.
- ¿Se almacena mi texto después de que se devuelve el resultado? Busca la diferencia entre procesamiento y retención. “Procesamos tu texto para producir una puntuación” no dice nada sobre si queda una copia en un servidor después. Pregunta durante cuánto tiempo y si la eliminación es automática o a petición.
- ¿Se usa mi texto para entrenar modelos? Esta es la pregunta que más importa para trabajos no publicados. Una herramienta puede almacenar texto para depuración y aun así nunca entrenar con él: son compromisos separados, así que obténlos por separado.
- ¿Se comparte, vende o envía mi texto a subprocesadores? Muchas herramientas llaman a API de detección de terceros en segundo plano. Eso no es automáticamente malo, pero significa que tu texto sale del proveedor con el que creías estar tratando. Pregunta qué partes lo ven.
- ¿Puedo eliminar lo que pegué, y cómo? Un botón de eliminar que solo quita el resultado de tu panel no es lo mismo que la eliminación del almacenamiento. Pregunta cuál de los dos es.
- ¿Cuál es la retención predeterminada para cuentas gratuitas frente a las de pago? Los niveles gratuitos a menudo conllevan los términos más laxos, porque el texto es el producto.
Anota las respuestas. Si estás eligiendo una herramienta para un equipo, ponlas en una tabla una al lado de la otra y compara las frases reales, no los resúmenes de marketing.
¿Cómo comparo las políticas de privacidad de las herramientas populares?
Lee la política buscando las palabras que tienen peso legal, no los adjetivos tranquilizadores. “Nos tomamos tu privacidad en serio” no es un compromiso. “No usamos el contenido de los clientes para entrenar nuestros modelos” sí lo es.
Una tabla comparativa práctica se ve así:
| Qué estás verificando | Respuesta sólida | Respuesta débil |
|---|---|---|
| Retención | Texto eliminado tras el procesamiento, plazo indicado | “Almacenado de forma segura” sin plazo |
| Uso para entrenamiento | Exclusión explícita o nunca por defecto | Silencio, o “puede usarse para mejorar los servicios” |
| Terceros | Subencargados nombrados o API de detección | “Socios de confianza” |
| Eliminación | Autoservicio, inmediata, documentada | Solicitud por correo, sin plazo |
| Plan gratuito | Mismos términos que el de pago | Términos distintos enterrados en una nota al pie |
Esa última fila pilla a la gente constantemente. Una herramienta puede tener una política de pago limpia y una gratuita permisiva. Si estás probando con material real, estás sujeto a los términos gratuitos, no a los que leíste en la página de precios.
A modo de comparación, los propios términos de DeAIze son limitados a propósito: el texto se procesa solo para la tarea actual, nunca se usa para entrenamiento y nunca se revende. Ese es el estándar con el que mediría cualquier herramienta, incluida la nuestra, y también las que ya pagas.
Si quieres ver cómo funciona la puntuación a nivel de oración antes de decidir algo sobre tus propios documentos, la guía del detector de IA explica qué significa realmente cada línea resaltada — un contexto útil antes de pegar cualquier cosa sensible.
¿Qué debo censurar antes de pegar material confidencial?
Censurar no es paranoia; es higiene básica, y no te cuesta casi nada porque los detectores puntúan el estilo, no los hechos. Un modelo que analiza el ritmo de las oraciones no necesita el nombre de tu cliente.
Elimina o reemplaza esto antes de pegar:
- Nombres de personas, clientes y empresas. Sustitúyelos por «el cliente» o «la empresa A».
- Datos de contacto e identificadores. Correos electrónicos, números de teléfono, direcciones, números de cuenta, identificaciones de estudiantes.
- Detalles financieros y legales. Cifras, términos contractuales, valores de acuerdos, referencias de casos.
- Datos de salud, inmigración o recursos humanos. Cualquier cosa que identifique la situación de una persona.
- Datos de investigación no publicados. Resultados sin procesar, citas de participantes, hallazgos previos a la publicación.
- Credenciales. Claves de API, contraseñas, tokens — nunca los pegues en ningún sitio, por ningún motivo.
Un ejemplo práctico. Supongamos que tu párrafo borrador dice: “En el tercer trimestre, Meridian Logistics redujo su costo por envío al renegociar el contrato de Brackley, ahorrando al depósito de Leeds aproximadamente una quinta parte de su presupuesto de manipulación.” Censurado para la detección, queda así: “En el último trimestre, el cliente redujo su costo por envío al renegociar un contrato con un proveedor, ahorrando a un depósito una parte significativa de su presupuesto de manipulación.”
La señal de estilo sobrevive —la longitud de las oraciones, la estructura de las cláusulas, el ritmo ligeramente plano— y los detalles confidenciales no. La calidad de la detección apenas cambia. Ese es el intercambio que buscas.
Una advertencia honesta: la redacción modifica el texto, por lo que la puntuación que obtienes es la de la versión redactada. Si el pasaje redactado es mucho más corto o tiene una redacción extraña, la lectura puede cambiar. Para la mayoría de la prosa esto es menor, pero no trates una muestra redactada como un sustituto perfecto del original.
Por qué las herramientas gratuitas con prácticas de datos poco claras son el verdadero riesgo
Las herramientas de pago tienen un contrato contigo. Las herramientas gratuitas a menudo tienen un contrato con tus datos. Esa asimetría es donde reside la mayor parte del peligro, y no se trata de malicia, sino de modelos de negocio.
Tres patrones que vale la pena reconocer:
- La retención indefinida por defecto. El texto permanece almacenado porque nadie programó una tarea de eliminación. El proveedor no lo vende; simplemente nunca construyó la salida.
- La cláusula de entrenamiento en los términos de servicio. Aceptaste cuando hiciste clic, y cubre todo lo que hayas pegado alguna vez.
- La cadena de subprocesadores sin nombre. Tu texto va a una API de detección, que va a un proveedor de alojamiento, y el proveedor original no puede decirte dónde terminó.
Ninguno de estos es hipotético. Son los modos de fallo ordinarios de las herramientas construidas con rapidez.
También vale la pena decir claramente qué es la puntuación en sí: una estimación de probabilidad, no una prueba de autoría. Que un detector marque tu propia escritura no significa que la haya escrito una máquina, y el número en pantalla no es un veredicto. Esa distinción importa cuando decides cuánto riesgo asumir con un documento confidencial: no estás comprando certeza, estás comprando una señal.
Mejores prácticas para trabajo institucional y con clientes
Si estás manejando material que pertenece a otra persona, el listón es más alto que tu nivel de comodidad personal. Algunos hábitos que resisten el escrutinio:
- Revisa primero el contrato. Los acuerdos con clientes y las políticas institucionales a menudo indican dónde se pueden procesar los datos. La página de privacidad de una herramienta no prevalece sobre eso.
- Usa una copia de trabajo redactada. Mantén el original intacto. Haz tus pasadas de detección y edición en la versión despojada, luego aplica los cambios al archivo real.
- Prefiere herramientas con términos nombrados. Un proveedor que declara qué sucede con tu texto es más fácil de defender que uno que no lo hace.
- Mantén un registro. Anota qué herramienta usaste, en qué fecha y qué redactaste. Si alguien pregunta después, tienes una respuesta.
- No pegues lo que no enviarías por correo electrónico. Una prueba tosca pero efectiva.
Si tu equipo está limpiando borradores asistidos por IA en lugar de verificar la autoría, se aplican las mismas reglas, y el flujo de trabajo de humanización es la página relevante, ya que describe un ciclo cerrado que puntúa, reescribe solo las oraciones marcadas, verifica que el significado se mantenga y luego vuelve a puntuar. La salida sigue siendo tu responsabilidad: las ideas, los datos y las conclusiones tienen que ser tuyos.
Para poner en contexto cuánta señal tiene realmente un detector, nuestra propia medición del 2026-09-13 es ilustrativa. Evaluamos 23 guías DeAIze escritas a mano con nuestro detector con un umbral de marcado del 30%: puntuación media de IA 21%, mediana 22%, rango 0-46%. En la misma ejecución, 12 salidas de modelo sin editar promediaron 33%. La escritura humana y la de máquina se solapan en gran medida, y es exactamente por eso que no deberías entregar más texto del que requiere la tarea.
Una breve lista de verificación antes de pegar
Ejecuta esto cada vez, no solo la primera vez:
- ¿He leído los términos de retención y entrenamiento para este nivel?
- ¿He eliminado nombres, identificadores, cifras y datos no publicados?
- ¿La versión censurada sigue siendo lo suficientemente representativa para puntuar de forma útil?
- ¿Alguna política de cliente o institucional restringe a dónde va este texto?
- ¿Sé cómo eliminarlo después?
Cinco minutos de esto superan una conversación difícil más adelante. La herramienta no es el problema, la configuración predeterminada sí lo es. Cambia la configuración predeterminada y pegar se convierte en una acción normal y de bajo riesgo.
Si quieres conocer la mecánica que hay detrás de la puntuación en sí, cómo funciona la detección de IA explica las señales que lee un detector, lo cual es útil cuando estás decidiendo cuánto de un documento realmente necesita salir de tu máquina.
Nota de medición: las cifras de este artículo provienen de nuestra propia ejecución del detector el 2026-09-13 — n = 23 guías escritas a mano frente a n = 12 salidas de modelo sin editar, puntuación media de IA del 22 % y el 34 % respectivamente. Método: /methodology/.
¿Qué cambia cuando el texto no está en inglés?
La mayoría de los consejos sobre privacidad asumen que el documento está en inglés. Si vas a pegar una solicitud de subvención, un capítulo de tesis o un texto de cliente escrito en otro idioma, el perfil de riesgo cambia en dos direcciones a la vez.
Primero, la pasada de anonimización se vuelve más difícil. Los nombres, las direcciones y los identificadores institucionales siguen convenciones distintas, y un escaneo rápido en busca de “Mr” o “Ltd” no los detectará. Anonimiza por rol en lugar de por patrón: sustituye a la persona por “el solicitante”, el organismo por “la agencia financiadora”, el lugar por “la oficina regional”.
Segundo, la puntuación en sí es menos informativa. Las señales de detección están muy ajustadas a la prosa en inglés, por lo que una alerta en un texto traducido o no inglés te dice menos sobre la autoría que la misma alerta en inglés. Una lectura débil no es tranquilizadora, y una fuerte no es una prueba. Trata el número como una señal aproximada y lee tú mismo las frases resaltadas.
Si tu documento mezcla idiomas — un resumen en inglés sobre un cuerpo en otro idioma, o material fuente citado en un tercer idioma — puntúa las secciones por separado en lugar de como un solo bloque. La guía de detección de textos no ingleses explica por qué las alertas se comportan de manera diferente según el idioma, y vale la pena leerla antes de decidir qué parte de un documento multilingüe realmente necesita salir de tu equipo.
La regla de privacidad no cambia: primero censura, después pega, y nunca pegues más de lo que la tarea requiere.