El detector Originality.ai devuelve tres cosas distintas: una probabilidad de IA, una comprobación de plagio y señales de legibilidad. Léelas como tres herramientas diferentes, no como un único veredicto. Los valores de confianza son estimaciones de probabilidad, por lo que una lectura alta es un motivo para revisar el texto, no una prueba de quién lo escribió. Esta guía explica qué significa cada número, cómo interpretarlo sin confiar demasiado en él, dónde encaja en un flujo de trabajo editorial real y los casos en los que una persona tiene que tomar la decisión.
¿Qué informa realmente el detector Originality.ai?
Cuando pegas un borrador en Originality.ai, obtienes un pequeño panel en lugar de una única puntuación. Tres paneles son relevantes para el trabajo editorial:
- Probabilidad de IA. Una estimación porcentual de la probabilidad de que el texto haya sido generado por un modelo de lenguaje. Normalmente se muestra por escaneo, y el escaneo puede realizarse sobre todo el documento o sobre una URL.
- Plagio. Una comprobación independiente contra contenido web indexado y otras fuentes. Este es un modo de fallo distinto de la generación por IA: copiar y generar no son lo mismo, y un borrador puede fallar en uno y pasar el otro. Si esa distinción es importante para tu equipo, vale la pena leer Detección de IA vs plagio: dos fallos diferentes.
- Legibilidad. Puntuación de legibilidad estándar (nivel de grado, longitud de las frases y similares). Útil para el estilo de la casa, no para la autoría.
El punto editorial importante es que estas tres salidas responden a tres preguntas diferentes. Una probabilidad de IA alta dice “esto se lee como la salida de un modelo”. Una coincidencia de plagio dice “este texto se solapa con algo publicado”. Una puntuación de legibilidad dice “esto está dirigido al público equivocado”. Tratarlas como un único veredicto combinado es donde los equipos se meten en problemas.
¿Cómo se leen los valores de confianza sin confiar demasiado en ellos?
Los valores de confianza son la parte por la que más preguntan los compradores y la que más se malinterpreta. En la práctica, la salida de un detector es una estimación de probabilidad producida por un modelo entrenado con patrones, no una declaración de hecho sobre la autoría. Esa distinción tiene consecuencias reales para cómo usas la herramienta.
Algunas reglas que se mantienen en el trabajo editorial:
- Lee el número como una clasificación, no como un umbral de verdad. Una lectura alta significa “mira aquí primero”. No significa “esta persona hizo trampa”.
- Observa la vista por oraciones, no solo la puntuación del documento. Los detectores son más útiles cuando resaltan qué oraciones llevan la señal. Un borrador que activa un detector porque dos párrafos son formulaicos es un problema distinto de uno que lo activa de forma uniforme.
- Espera que la escritura humana puntúe por encima de cero. Esto es lo que sorprende a los editores. En nuestra propia medición del 2026-09-19, puntuamos 46 guías DeAIze escritas a mano con nuestro conjunto local de nivel lite con un umbral de marcado del 30%. La puntuación media de IA fue del 27%, con un rango de 0 a 55%. Esas son páginas escritas por humanos, y 17 de las 46 superaron el umbral de marcado. Cualquier flujo de trabajo que trate una puntuación distinta de cero como prueba generará acusaciones falsas.
- No compares números brutos entre herramientas. Distintos detectores usan distintos modelos, umbrales y datos de entrenamiento. Una lectura de una herramienta no se traduce directamente a otra, que es exactamente por lo que vale la pena leer ¿Son precisos los detectores de IA? Por qué dos herramientas no coinciden antes de estandarizar con una.
Si tu equipo ya paga por asientos de Originality.ai, el siguiente paso práctico no es otra suscripción, sino una forma de ver qué oraciones activaron la marca y reescribir solo esas. DeAIze ejecuta ese ciclo: puntuar, reescribir las oraciones marcadas, verificar que el significado se mantuvo, volver a puntuar y mostrarte el antes y el después. Puedes probarlo gratis en registro con 200 palabras y sin tarjeta de crédito.
¿Dónde encaja el detector Originality.ai en un flujo de trabajo editorial?
Encaja en la recepción, como una capa de cribado. No al final, como una puerta.
Un flujo de trabajo que resiste el escrutinio se ve así:
- Revisar al enviar. Pasa el borrador por el detector. Registra la puntuación y la fecha. No actúes sobre ello todavía.
- Clasificar por densidad de señal. Si todo el documento obtiene una puntuación baja y solo se resaltan un par de frases, probablemente estés ante una variación humana normal o un borrador muy editado. Si grandes bloques contiguos obtienen una puntuación alta, ese es un patrón que merece una conversación.
- Pregunta al escritor antes de acusar. La mayoría de los equipos se salta esto. Pregunta qué herramientas se usaron y pide borradores o historial de versiones. Un escritor que usó un modelo para esquematizar y luego escribió la pieza él mismo a menudo tendrá un rastro desordenado que lo demuestra.
- Edita las secciones marcadas, no toda la pieza. Aquí es donde el flujo de trabajo ahorra tiempo o lo desperdicia. Reescribir un artículo completo para satisfacer a un detector daña la voz y cuesta horas. Reescribir las frases marcadas cuesta minutos.
- Vuelve a puntuar después de editar. Si la puntuación no se mueve, tu edición no cambió el patrón subyacente y deberías revisar de nuevo antes de publicar.
- Registra el resultado. Una nota breve — puntuación, acción, editor — convierte un escaneo puntual en datos que tu equipo puede usar realmente para la política.
El paso cuatro es el que la mayoría de los equipos hace mal. Los editores tienden a ignorar la marca (y publicar algo que se lee plano) o a reescribir todo (y perder la voz del escritor). El camino intermedio es la edición a nivel de frase, que también es la más honesta: estás arreglando el problema real, no la puntuación.
¿Dónde no debería el detector Originality.ai tener la última palabra?
En todos los lugares donde lo que está en juego es personal. Eso significa evaluaciones de desempeño, disputas con contratistas, procedimientos por mala conducta académica y cualquier cosa donde una marca se adjunte a una persona nombrada.
Tres razones para mantener a un humano en el circuito:
- Los falsos positivos son reales y se distribuyen de forma desigual. Los escritores no nativos de inglés, los redactores técnicos y cualquiera que trabaje con un estilo corporativo que valora el lenguaje claro tienen más probabilidades de activar los detectores. Si tu equipo incluye colaboradores internacionales, lee Por qué un detector de IA marca a escritores no nativos de inglés antes de redactar una política.
- La puntuación no es evidencia de intención. Un detector no puede decirte si un borrador fue generado, ligeramente asistido o escrito por una persona cuyo estilo coincide con los datos de entrenamiento. Informa de un patrón.
- Tu propia medición es la única que importa para tu corpus. El rendimiento del detector varía según el dominio, el género y el idioma. Antes de comprar licencias, prueba tu propia muestra con la herramienta: el trabajo real de tus escritores, no un párrafo de demostración.
Una comprobación útil de nuestros propios datos: también puntuamos 12 pasajes generados por el modelo sin editar el 19/09/2026, con la misma configuración. Su puntuación media de IA fue del 35 %, la mediana del 34 % y el rango del 25–49 %. Es una banda más estrecha que la de la muestra humana, y se solapa con ella. Si las dos distribuciones se solapan, ningún umbral único puede separarlas con claridad. Ese es el estado honesto de la detección, y por eso los valores de confianza deben informar a un editor en lugar de sustituirlo.
Originality.ai vs Copyleaks vs DeAIze: ¿qué deberían comparar los editores?
La comparación que importa no es qué herramienta tiene el número más alto. Es qué te pide hacer cada herramienta a continuación.
| Herramienta | Qué informa | Ideal para | Atención con |
|---|---|---|---|
| Originality.ai | Probabilidad de IA, plagio, legibilidad | Equipos que quieren detección de plagio y de IA en un solo panel | La puntuación de IA es una estimación a nivel de documento; el razonamiento a nivel de frase es limitado |
| Copyleaks | Probabilidad de IA más similitud y detección de código | Flujos de trabajo multiformato, incluidos código y contenido en otros idiomas | El formato de salida difiere de Originality.ai; las puntuaciones brutas no son directamente comparables |
| GPTZero | Probabilidad de IA con resaltado de frases y párrafos | Educadores y editores que quieren ver qué líneas activaron la marca | El resaltado es una señal, no un hallazgo; sobreinterpretarlo provoca acusaciones falsas |
| DeAIze | Puntuación de IA a nivel de frase más un bucle de reescritura que solo conserva ediciones que preservan el significado | Equipos que quieren actuar ante una marca, no solo registrarla | Se usa mejor junto con tu detector existente, no como sustituto del criterio editorial |
El equilibrio está entre la amplitud y la capacidad de acción. Originality.ai te da más paneles. DeAIze te da un siguiente paso. Si el cuello de botella de tu equipo es decidir qué hacer después de una marca, lo segundo importa más. Si tu cuello de botella es la detección de plagio en distintos formatos, lo primero lo hace. Muchos equipos acaban usando ambos, el detector para la detección y una pasada de reescritura para las frases que realmente necesitan trabajo; consulta Originality.ai vs Copyleaks: ¿Qué detector deberían elegir los editores? para la comparación directa entre las dos herramientas de suscripción.
Una nota práctica sobre el costo: los asientos de detector generalmente se cobran por palabra o por escaneo, y los equipos editoriales queman presupuesto reescaneando los mismos borradores después de cada edición. Si ya estás en un modelo de pago por uso, verifica que los créditos no expiren antes de comprometerte; ese detalle importa más que el precio destacado para un equipo que publica en ráfagas.
¿Cómo se ve una marca de detector en la práctica?
Aquí hay una breve ilustración. Está inventada para el ejemplo, no tomada de una presentación real.
Antes (marcado): “Las estrategias de contenido efectivas requieren una comprensión integral de las necesidades de la audiencia. Es esencial aprovechar los conocimientos basados en datos para optimizar la participación en múltiples canales.”
Después (editado): “No puedes escribir una estrategia de contenido sin saber quién la lee. Extraemos datos de participación mensualmente, y eso ha cambiado los canales que nos molestamos en usar.”
La primera versión no está mal. Es genérica: el tipo de oración que podría aparecer en cualquier artículo sobre el tema. Los detectores tienden a marcar ese patrón, y los lectores humanos también. La solución no es esconderse del detector; es poner un sustantivo específico, un número o un ejemplo con nombre en la oración. Eso es lo mismo que pediría tu editor de línea.
Esta es también la razón por la que la reescritura a nivel de oración funciona mejor que la reescritura de todo el documento. En el ejemplo, dos oraciones necesitaban trabajo. Los párrafos circundantes no. Si reescribieras todo, pasarías veinte minutos para arreglar un problema de dos minutos, y la pieza se leería como si hubiera pasado por una licuadora.
¿Cómo deberías evaluar originality.ai para tu equipo antes de comprar?
No compres basándote en una demo. Realiza una prueba que se ajuste a tu trabajo real.
- Recopila una muestra. De veinte a cincuenta piezas que tu equipo ya haya publicado, más un puñado de borradores conocidos asistidos por IA. Géneros mixtos si eso es lo que publicas.
- Puntúa todo con la misma configuración. Anota el umbral que estás usando y mantenlo.
- Mira primero la muestra humana. ¿Cuál es la puntuación media? ¿Cuál es el rango? En nuestra propia medición, esa media fue del 27% en guías escritas a mano — si tu muestra se sitúa en una banda similar, un umbral bajo marcará a tus propios escritores.
- Mira la muestra asistida por IA. ¿Dónde se superponen las dos distribuciones? Esa zona de superposición es donde tus editores pasarán su tiempo.
- Decide el umbral a partir de los datos, no del proveedor. Un umbral que marca 17 de 46 páginas escritas por humanos no es un umbral; es una molestia.
- Anota qué hace un editor cuando se activa la marca. Si la respuesta es “nada”, no necesitas la licencia.
Ese último paso es el que determina si una suscripción a un detector se amortiza. Las herramientas que producen un número y ninguna acción siguiente se convierten en software de estantería en un trimestre. Las herramientas que te dicen qué oraciones corregir se utilizan.
¿Listo para ver qué oraciones suenan hechas por una máquina?
Si estás evaluando asientos de detector, la forma más rápida de juzgar uno es pasar tu propio borrador por él y mirar la vista a nivel de oración. DeAIze hace eso en el lado del detector de IA, luego ofrece un bucle de reescritura en el lado de humanizar texto de IA: puntúa, reescribe solo las oraciones marcadas, conserva una edición solo cuando la similitud semántica indica que el significado se mantuvo, luego vuelve a puntuar y te muestra el antes y el después. En el párrafo de ejemplo del sitio, una puntuación de IA del 92% se convierte en 4% después de humanizar. El sitio informa una reducción promedio de la puntuación de IA del 60%+ en todas las ejecuciones, con un mejor caso del 71% — esas son nuestras propias puntuaciones predichas, no un veredicto de Originality.ai ni de ningún otro detector de terceros.
Puedes probar 200 palabras gratis al registrarte, sin tarjeta de crédito. Si quieres comparar los costos por palabra con tus asientos actuales, los niveles están en precios — Starter a $20.99 por 1,000 palabras, Standard a $44.99 por 3,000, Pro a $99.99 por 10,000 y Max a $199.99 por 30,000. Los créditos nunca expiran y no hay suscripción. Los documentos de Word conservan sus fuentes, estilos y tablas cuando los reescribes, y el texto se procesa solo para la tarea actual — nunca se usa para entrenamiento, nunca se revende.
Una última cosa, porque es importante para los editores: una puntuación de detector es una estimación de probabilidad, no una prueba de autoría. Úsala para decidir dónde mirar. Luego mira.