Nuestro enfoque sobre las normas de procedencia de texto de la UE es simple: las etiquetas de procedencia indican de dónde proviene el texto, no quién lo escribió, y no cambian la forma en que editas. Si publicas en la UE, consulta la fuente primaria en openai.com/index/eu-text-provenance, conserva tus borradores y corrige la escritura que realmente puedes controlar. La etiqueta es metadatos. Tu manuscrito sigue siendo tuyo.
¿Qué cambió realmente esta semana?
Ahora una capa de procedencia se adjunta al texto producido mediante ciertos sistemas de IA, y quienes lo sienten primero son los que envían contenido a los mercados de la UE: equipos de marketing, agencias con clientes de la UE, investigadores que envían a revistas alojadas en la UE y cualquiera cuyo CMS pase por una API de modelo. El cambio se refiere a la trazabilidad del origen, no a puntuar tu prosa. Nada en él mide si un párrafo se lee como hecho por una máquina.
Esa distinción importa, porque la mayoría de los hilos de correo alarmados que he visto confunden dos cosas diferentes:
| Señal | Qué informa | Qué no prueba |
|---|---|---|
| Metadatos de procedencia | Qué sistema generó o procesó un pasaje | Quién escribió las ideas, o si un humano lo editó |
| Puntuación de detector de IA | Señal estadística en la redacción | Autoría, intención o mala conducta |
| Porcentaje de similitud | Solapamiento con un corpus de referencia | Si el solapamiento es citado, referenciado o accidental |
Una puntuación de modelo, una proporción de prosa que cumple los criterios y un porcentaje de similitud no son intercambiables. Ninguna de las tres es un veredicto sobre la autoría. Si un cliente, editor o comité trata cualquiera de ellas como prueba, eso es un problema de proceso, no un problema de escritura.
¿Quién recibe el impacto primero y quién no?
La exposición práctica es más limitada de lo que sugieren los titulares. Te ves afectado si tu texto pasa por un sistema que registra la procedencia y publicas en la UE. En gran medida no te ves afectado si escribes en un editor de texto sin formato, pegas en un CMS que no llama a un modelo o publicas fuera del ámbito de la UE.
Las personas que quedan atrapadas en el medio son las que usaron la IA como ayuda para redactar y luego editaron mucho a mano. Su texto final puede llevar un registro de procedencia de la etapa de redacción aunque no se parezca en nada a la salida del modelo. Ese es el caso incómodo, y vale la pena nombrarlo con honestidad: una etiqueta de procedencia puede ser técnicamente precisa sobre la herramienta y completamente poco informativa sobre la escritura.
Esta es la secuencia que te mantiene fuera de problemas:
- Exporta la página de la fuente primaria a PDF con la fecha visible.
- Comprueba si tu stack de publicación envía texto a través de una API de modelo. Pregunta al responsable de tu plataforma, no lo adivines.
- Conserva tu propio historial de versiones: primer borrador, borrador asistido por modelo, edición final.
- Anota en tu registro editorial qué secciones fueron asistidas por modelo y cuáles no.
- Si debes divulgar, divulga la herramienta y la etapa, no una confesión sobre la autoría.
Si la etiqueta en tu texto te preocupa más que la escritura, pasa el borrador primero por el detector de IA. Las puntuaciones a nivel de frase muestran qué líneas llevan la señal, así editas las líneas que lo necesitan en lugar de reescribir un documento entero a ciegas.
¿Una etiqueta de procedencia significa que un detector me señalará?
No, y esta es la objeción que escucho con más frecuencia: “si la etiqueta está ahí, el detector la hará coincidir”. La procedencia y la detección funcionan con mecanismos diferentes. La procedencia es un registro adjunto a un evento de generación. La detección es una lectura estadística de la redacción que tiene delante.
Probamos esto con nuestro propio material. El 2026-09-28 puntuamos dos corpus con el detector DeAIze (conjunto local, nivel lite) con un umbral de marcado del 30%. Una muestra de referencia de 709 pasajes de guías de DeAIze no marcados como generados arrojó una puntuación de IA con media del 26%, mediana del 25%, rango 0-69%, con 239 de 709 pasajes en o por encima del umbral. Esos son recuentos de pasajes, no recuentos de documentos independientes, y la autoría humana no se verificó de forma independiente. La salida del modelo sin editar, 12 pasajes de indicaciones fijas, arrojó una media del 33%, mediana del 34%, rango 4-46%.
Lee esos dos rangos uno junto al otro. Se superponen. Un pasaje en el extremo inferior del rango de salida del modelo queda por debajo de un pasaje en el extremo superior del rango de referencia. Esa es toda la historia de por qué un solo número no puede resolver una cuestión de autoría, y por qué una etiqueta de procedencia más una puntuación de detector todavía no equivalen a una prueba.
La solución perenne: edita las frases que llevan la señal
Diga lo que diga la etiqueta, el trabajo de edición es el mismo, y es el trabajo descrito en nuestra guía principal sobre humanizar texto de IA. No estás intentando vencer a una herramienta. Estás intentando hacer que el texto suene como una persona con algo específico que decir.
Empieza por los pasajes que un detector a nivel de frase resalta. En nuestra propia muestra, la frecuencia de indicios de IA fue de 1 por cada 100 palabras en el corpus de referencia y de 1 por cada 100 palabras en la salida del modelo sin editar, así que la frecuencia por sí sola no separará la prosa buena de la prosa generada. Lo que las separa es la ubicación: el texto generado tiende a repartir los mismos hábitos de manera uniforme, mientras que los borradores humanos agrupan sus peculiaridades.
Una ilustración desarrollada, no un documento real de un cliente:
- Antes: “Es importante considerar la naturaleza multifacética de los requisitos de procedencia a fin de garantizar el cumplimiento integral en todos los grupos de interés pertinentes.”
- Después: “Las reglas de procedencia se aplican a tres grupos: editores, plataformas y cualquiera que haga pasar texto por una API de modelo. Comprueba a cuál perteneces.”
La segunda versión nombra un número, nombra los grupos y elimina el relleno. También cambia la afirmación, que es la parte que la gente se salta. Cualquier reescritura que altere una cantidad, una cita, una negación o un matiz ha dañado el documento, aunque la puntuación baje. Compara cada frase revisada con el original y verifica los hechos tú mismo. La similitud semántica es una ayuda para la revisión, no una prueba de que el significado sobrevivió.
Cuándo esta es la elección equivocada
No compres nada para esto si estás en una de estas situaciones.
- Está en una disputa de autoría. Una herramienta de reescritura no es evidencia, y editar el texto en disputa puede destruir el registro que necesita. Preserve el original, conserve las marcas de tiempo y siga el proceso de su institución.
- Su política prohíbe por completo la asistencia de IA. Entonces la solución no es una reescritura; es una conversación con su supervisor sobre lo que realmente hizo.
- Nunca usó un modelo y su texto está limpio. Las reglas de procedencia no son una razón para pasar su trabajo por un parafraseador.
- Necesita un número de Turnitin. Nadie puede prometérselo. DeAIze no proporciona una lectura oficial de Turnitin ni un estimador de puntuación de Turnitin, y cualquier herramienta que afirme lo contrario le está vendiendo una conjetura.
Si su situación es un comité o un cliente que hace preguntas difíciles, la lectura útil es nuestra guía sobre qué significa realmente una puntuación alta, que explica cómo responder cuando se cuestiona el número en lugar de cómo ocultarlo.
Qué hacer hoy, en orden
Diez minutos de administración superan una semana de ansiedad.
- Lea la fuente primaria y anote la fecha en que la leyó.
- Pregunte a su plataforma si el texto sale de su CMS hacia una API de modelo.
- Archive su historial de versiones en algún lugar que usted controle.
- Pase el borrador por un detector a nivel de oración y resalte solo las líneas marcadas.
- Edite esas líneas para darles especificidad, verifique cada número y cita contra el original, y conserve ambas versiones.
- Si se requiere divulgación, indique la herramienta y la etapa con claridad.
Ese es todo el enfoque: saber qué registra la etiqueta, saber qué no registra, y dedicar su esfuerzo a las oraciones por las que un lector realmente lo juzgará. Las ideas, los datos y las conclusiones tienen que ser suyos. Ninguna etiqueta cambia eso, y ningún detector puede medirlo.
Si quieres ver qué frases llevan la señal antes de empezar a editar, la prueba de reescritura te da 200 palabras tras la confirmación por correo electrónico sin tarjeta de crédito, y los límites de detección se muestran en la interfaz actual.
Nota de medición: las cifras de este artículo provienen de nuestra propia ejecución del detector el 2026-09-28 — n = 709 pasajes de referencia de guías no marcadas como generadas frente a n = 12 pasajes de modelo sin editar, puntuación media de IA 25% y 34% respectivamente. La autoría de referencia no se verificó de forma independiente; los pasajes no son documentos independientes. Método: /methodology/.