GPTZero comprueba si un texto lo escribió ChatGPT, Claude, Gemini u otro modelo, resalta el resultado frase a frase y reproduce el proceso de escritura de un documento de Google, para decidir con varios indicios y no con una sola puntuación.
¿Has usado esta herramienta? Valórala
¿Has usado esta herramienta? Valórala
GPTZero es una herramienta de detección que busca determinar si un texto fue redactado por un modelo de lenguaje de gran tamaño. El sitio oficial se presenta como un detector de inteligencia artificial creado para preservar lo humano. La pregunta parece sencilla: ¿escribió esto una persona o una máquina? Sin embargo, no admite una respuesta rotunda. Lo que entrega un detector es siempre un juicio probabilístico, nunca un dictamen pericial. Aceptar ese punto es la condición previa para usar con sensatez este tipo de herramientas.
Estas páginas están escritas para quien debe decidir después de ver el número: el docente frente a un trabajo marcado, el editor que duda si publicar un encargo, el responsable de selección que lee una carta de presentación y el estudiante que necesita demostrar que el texto es suyo.
GPTZero es un detector de texto generado por inteligencia artificial que funciona en el navegador. Se pega un texto o se sube un archivo y la herramienta devuelve una probabilidad de que el contenido sea de origen automático, junto con un resaltado que señala qué fragmentos condujeron a esa conclusión. Se lanzó a comienzos de 2023, justo cuando los centros educativos buscaban con urgencia una respuesta a la irrupción de los asistentes conversacionales, y por eso se convirtió con rapidez en uno de los nombres más conocidos de su categoría.
El sitio indica de forma explícita que detecta contenidos producidos por los principales modelos del mercado, de modo que el objetivo no es un único proveedor sino el conjunto del ecosistema comercial dominante. Este punto pesa más de lo que aparenta. Los primeros detectores solían estar ajustados a una sola familia de modelos y su precisión se desplomaba en cuanto el usuario cambiaba de asistente. Mantener cobertura sobre familias que compiten entre sí es tarea de mantenimiento continuo y no un logro de ingeniería que se consiga una sola vez, porque cada nuevo lanzamiento desplaza la huella estadística que el detector intenta reconocer.
El producto nació como proyecto universitario. Lo creó Edward Tian, graduado de Princeton, a partir de un trabajo de fin de carrera, y de ahí surgió una empresa que levantó una ronda semilla de 3,5 millones de dólares y una serie A de 10 millones en junio de 2024. Esa trayectoria resulta poco habitual en el segmento y explica en parte por qué la herramienta ofrece más acabado y mayor profundidad de integración que la mayoría de los detectores gratuitos aparecidos en la misma época.
En junio de 2026 la empresa Superhuman anunció la adquisición de GPTZero, sin revelar las condiciones de la operación; la cobertura periodística de entonces citaba más de 19 millones de usuarios registrados y unos 30 millones de dólares de ingresos recurrentes anuales. En el momento de redactar esta página el servicio sigue operando bajo su propio dominio, con las páginas de producto, el recorrido de precios y la documentación intactos, de manera que la operación se lee por ahora como un cambio de propiedad y no como un cierre. Aun así, quien planifique una implantación institucional plurianual hará bien en observar cómo se posiciona el producto dentro de su nueva matriz.
Conviene decirlo con franqueza: GPTZero no resuelve el problema de atrapar a quien copia. Resuelve uno más estrecho, que consiste en hacer visible que un texto presenta rasgos estadísticamente parecidos a los de una generación automática y en entregar a quien revisa un conjunto ordenado de indicios. Si ese indicio debe cambiar la decisión de alguien es un juicio que corresponde a las personas, y la propia empresa lo afirma sin rodeos.
La salida principal combina una probabilidad general con una vista resaltada del texto. Por dentro, el producto emplea un enfoque de aprendizaje profundo de extremo a extremo, entrenado con textos procedentes de la web, del ámbito educativo y de una variedad de modelos de lenguaje, y devuelve una clasificación frase a frase en lugar de un veredicto opaco. El beneficio práctico de esta granularidad es tangible: quien revisa distingue si un documento aparece marcado de forma homogénea o si solo un par de frases activaron el aviso. Son situaciones muy distintas que un porcentaje único aplana en una misma cifra.
La empresa describe además el uso de modelos ocultos de Markov para sostener el resaltado por frases y un componente destinado a resistir la táctica de evasión más habitual, la de pasar la salida automática por una herramienta de reescritura antes de entregarla. La resistencia a la reformulación es uno de los problemas más difíciles del campo y debe entenderse como una carrera permanente, no como una función terminada.
La capacidad realmente diferencial no es el detector. El informe de escritura adopta un camino completamente distinto: reproduce cómo se escribió en realidad un documento de Google, mostrando una línea temporal de la actividad, los mayores pegados y la duración media de las revisiones, y permite exportarlo en PDF. En lugar de analizar el texto terminado y deducir hacia atrás, observa el proceso que lo produjo.
Esta inversión de la lógica probatoria merece detenerse un momento. Una puntuación de detección pregunta si un texto parece obra de una máquina y solo puede responder en términos de probabilidad. Una reproducción de la escritura pregunta si una persona tecleó ese documento a lo largo del tiempo, con los titubeos y las correcciones que implica escribir de verdad, y produce algo mucho más cercano a una prueba directa. Para un estudiante que quiere protegerse de una acusación infundada, la reproducción resulta bastante más útil que cualquier puntuación, porque constituye una prueba afirmativa de autoría y no una mera ausencia de sospecha. La restricción decisiva está en su alcance: solo funciona dentro de los documentos de Google, así que debe activarse antes de escribir y nunca después de que llegue la acusación.
Alrededor del detector central se sitúan un detector de alucinaciones, un control de plagio, un corrector gramatical y un análisis de imágenes, además de la integración directa con plataformas educativas como Canvas y Google Classroom. El detector de alucinaciones resulta especialmente interesante para los equipos editoriales, porque en muchos contextos profesionales el riesgo real de una redacción asistida no es que una máquina escribiera la frase, sino que dentro de esa frase haya un dato expuesto con total seguridad y sencillamente falso. Comprobar si las afirmaciones y las referencias se sostienen suele valer más que comprobar la autoría.
Para quien maneja volumen en lugar de documentos sueltos, la carga por lotes y el panel de clase convierten una herramienta unitaria en un flujo de trabajo. En las plataformas comparativas los usuarios señalan una y otra vez el procesamiento por lotes y el panel de clase como los motivos para preferirla frente a plataformas institucionales más pesadas, junto con el detalle frase a frase que facilita interpretar los resultados.
Es el uso dominante y también el más delicado. Un docente recibe un trabajo que suena raro, lo pasa por el detector y obtiene una cifra. Lo que ocurre después determina si la herramienta ha ayudado o ha perjudicado. Empleada para abrir una conversación, para pedir al estudiante que explique su razonamiento o muestre sus borradores, aporta valor real. Empleada como un veredicto automático que activa un expediente disciplinario, produce exactamente las injusticias documentadas más adelante.
Las editoriales que encargan textos a colaboradores externos necesitan a menudo saber qué están comprando, sobre todo cuando el contrato exige escritura humana original. Aquí la cuestión es contractual y no disciplinaria: un texto marcado suele derivar en una conversación con quien lo firma y no en una acusación formal, lo que hace el uso mucho menos arriesgado que en un aula.
Las cartas de presentación y las pruebas escritas se elaboran cada vez más con ayuda de la inteligencia artificial, y algunas empresas quieren saberlo. Este uso exige una prudencia especial: las candidaturas suelen ser internacionales y el sesgo documentado contra quienes no escriben en su lengua materna implica que un cribado guiado por el detector corre el riesgo de descartar de forma sistemática a quienes menos capacidad tienen de replicar.
Los equipos que gestionan grandes cadenas de producción usan la detección como filtro de calidad, para verificar si el trabajo externalizado se corresponde con el encargo. Como se trata de proveedores comerciales y no de personas expuestas a una sanción académica, el coste de un falso positivo se limita a renegociar.
Cada vez más estudiantes y autores revisan de forma preventiva su propio texto para saber si un trabajo legítimo será marcado antes de que lo compruebe otra persona. En un entorno donde la carga de la prueba recae sobre quien es acusado, se trata de una respuesta racional y a la vez de una situación algo absurda, porque autores honestos acaban retocando su estilo para no parecerse a una máquina.
No confundir nunca un porcentaje con una prueba. La propia empresa pide tratar el resultado como el punto de partida de una conversación y no como un veredicto final. Cuando el proveedor es más prudente con su propia salida que la institución que la despliega, el problema está en el despliegue.
Priorizar la prueba de proceso sobre el análisis del texto. Si se puede fomentar la redacción en un entorno que conserve el historial de versiones, se pasa de la inferencia probabilística al registro observable, un cimiento mucho más sólido para cualquier decisión con consecuencias.
Definir la política antes que la herramienta. Decida de antemano qué puntuación desencadena qué acción, quién la revisa y cómo puede replicar la persona afectada. Las instituciones que adoptan la detección sin vía de reclamación descubren el hueco cuando alguien ya ha sufrido el perjuicio.
Calibrar con la propia población. Antes de implantarla, pase textos de autoría humana comprobada procedentes de su público real. Si su alumnado es mayoritariamente plurilingüe, necesita conocer su propia tasa de falsos positivos y no heredar una cifra obtenida en otra población.
Ser transparente con las personas evaluadas. Anunciar que se emplea detección y cómo se interpretarán los resultados reduce la sensación de vigilancia y permite a cada cual conservar sus propias pruebas.
Repetir las pruebas tras cada lanzamiento importante. El rendimiento de la detección no es estático. Cuando aparece un modelo nuevo relevante, supuestos hasta entonces válidos pueden dejar de serlo.
Docentes y personal académico que buscan una señal sobre la autenticidad de un trabajo y, más útil todavía, una forma de ver cómo se produjo. La herramienta encaja sobre todo allí donde la institución ha definido qué significa una marca.
Editores y responsables de contenidos que verifican si un encargo cumple lo pactado, donde una marca abre una conversación con el proveedor y no un expediente.
Estudiantes y autores que desean acreditar su autoría. Para este grupo el producto valioso es la reproducción de la escritura y el detector queda casi en segundo plano.
Equipos técnicos y de plataforma que incorporan la detección a un mercado, un sistema de recepción de trabajos o una cadena de contenidos, donde el hecho de que la interfaz de programación no conserve por defecto lo enviado supone una ventaja real.
Quién debería pensárselo dos veces: cualquiera que necesite certeza. Si su procedimiento exige una prueba y no un indicio, ningún detector del mercado puede aportarla, y adoptarlo quizá solo revista de autoridad aparente una decisión que nunca estuvo bien fundamentada.
GPTZero funciona ante todo en el navegador y se extiende desde ahí. Existe una extensión para Chrome, integración con Google Docs y conexiones con Google Classroom y Canvas, de manera que los resultados aparecen junto al trabajo del curso y no en una pestaña aparte. La compatibilidad con Zapier cubre la automatización ligera para equipos que quieran encaminar documentos de forma automática.
Para los equipos que desean incorporar la detección a su propio producto, la interfaz de programación incluye código de ejemplo listo para usar en diecisiete lenguajes, entre ellos Node.js, Python, C#, Java y PHP. La cobertura lingüística va más allá del inglés y abarca español, francés, alemán y otras lenguas, si bien el desequilibrio de los datos de entrenamiento hace de la prosa en inglés el terreno más seguro. Esta salvedad merece peso en cualquier implantación no anglófona, porque la calidad de detección no es uniforme entre idiomas y las cifras de precisión publicadas proceden de forma abrumadora de material en inglés.
Existe un nivel gratuito realmente aprovechable. Una cuenta gratuita cubre textos de hasta ciento cincuenta mil caracteres o lotes de hasta doscientos cincuenta archivos, volumen suficiente para que muchos docentes nunca lleguen al nivel de pago.
Más allá de eso no fue posible obtener importes concretos de suscripción: la página de precios solo devuelve del lado del servidor un valor de marcador de posición, acompañado de una opción anual anunciada como un ahorro del cuarenta y cinco por ciento. Por eso aquí no se cita ninguna cifra mensual concreta. La estructura publicada apunta a un plan profesional facturado por puesto, a modalidades de equipo y empresa con créditos compartidos y facturación unificada, y a un nivel de interfaz de programación que se presupuesta aparte. Quien prepare el presupuesto de una implantación debería solicitar una cotización directa en lugar de fiarse de cifras reproducidas en directorios de terceros, con frecuencia desactualizadas. (por verificar)
Turnitin ocupa la posición histórica en integridad académica y llega a las instituciones a través de la infraestructura antiplagio ya instalada. Su detección de inteligencia artificial ha recibido críticas notables, incluidas las de universidades que la desactivaron.
Originality.ai se dirige a editoriales y agencias de contenido más que a centros educativos, con funciones de gestión de equipos orientadas a flujos comerciales.
Copyleaks combina detección y control de plagio con énfasis en el soporte multilingüe y el cumplimiento normativo empresarial.
Pangram es un actor más reciente que ha publicado trabajos centrados específicamente en las tasas de falsos positivos en textos escritos en inglés por personas no nativas, lo que lo hace evaluable para públicos plurilingües.
No confunda GPTZero con ZeroGPT. Son productos distintos de empresas distintas con nombres que se prestan a confusión, y las reseñas de uno se toman con frecuencia por reseñas del otro. Verifique el dominio antes de dar crédito a cualquier comparación.
Con todo, la alternativa más importante no es un producto. Rediseñar la evaluación para que la sustitución por inteligencia artificial pierda sentido, mediante escritura en el aula, defensa oral del trabajo entregado o tareas que exijan concreción personal o local, ataca el problema de fondo en lugar de vigilar sus síntomas.
Esta sección pesa más que ninguna otra, porque los modos de fallo que aquí se describen tienen consecuencias reales sobre personas reales.
La empresa informa de que, en un conjunto de evaluación independiente que abarca unos 672.000 textos, detectó el 95,7 por ciento de los pasajes generados por inteligencia artificial clasificando erróneamente solo el 1 por ciento de los humanos. El 99 por ciento que figura en la portada debe leerse del mismo modo. Estas cifras describen el rendimiento sobre conjuntos concretos y con umbrales concretos, y las condiciones de una prueba comparativa no son las de un aula. Conviene subrayar que el conjunto en cuestión evalúa textos íntegramente humanos o íntegramente automáticos, mientras que los casos verdaderamente difíciles son los documentos mixtos, redactados por una persona y retocados por un modelo, o al revés. Todos estos datos son declaraciones de la propia empresa y no han sido auditados de forma independiente.
Se indica de manera explícita que la precisión disminuye a medida que se afina la granularidad: la clasificación a nivel de documento es más fiable que la de párrafo, y esta más que la de frase. Por tanto, una frase resaltada de forma aislada constituye la prueba más débil posible. El punto es capital, porque precisamente esa frase resaltada es la que señala quien revisa cuando interpela a la persona autora. El elemento visualmente más persuasivo de la interfaz es el estadísticamente menos fiable.
Es la limitación más grave de toda la categoría. Un equipo investigador de Stanford halló que detectores de uso extendido clasificaron erróneamente como generados por inteligencia artificial más de la mitad de los ensayos TOEFL redactados por personas no angloparlantes nativas, con una tasa media de falsos positivos cercana al 61 por ciento, mientras que los ensayos de estudiantes estadounidenses nativos se juzgaron casi sin error. El mecanismo propuesto es que los detectores penalizan en la práctica a quienes disponen de un vocabulario más limitado, ya que las elecciones léxicas más simples y previsibles se parecen estadísticamente a la salida automática.
Aquel estudio evaluó un conjunto de detectores como categoría y no dictaminó sobre la versión actual de un producto concreto, y varias empresas, esta incluida, afirman haber trabajado desde entonces para reducir la diferencia. Pero la constatación estructural sobrevive a las actualizaciones: un detector que se apoya en la previsibilidad lingüística tenderá a perjudicar a quienes escriben en una segunda lengua, que suelen ser precisamente quienes menos peso institucional tienen para rebatir una acusación.
La Universidad Vanderbilt desactivó el detector de inteligencia artificial de Turnitin y declaró públicamente que no considera que este tipo de programas sea una herramienta eficaz que deba utilizarse, razonando que una tasa de falsos positivos del 1 por ciento aplicada a los 75.000 trabajos que entrega cada año supondría unos 750 estudiantes señalados por error. Ese cálculo es la forma más clara de entender por qué una tasa de error que suena baja no tranquiliza a escala institucional: un 1 por ciento de falsos positivos no es un error aislado, sino cientos de estudiantes al año en una sola universidad.
Las plataformas profesionales otorgan buenas notas, en torno al cuatro y medio sobre cinco, reflejo de docentes que encuentran útil la herramienta. En una gran plataforma de reseñas de consumo la imagen se invierte de golpe: el servicio recibe una calificación baja a lo largo de 135 reseñas, casi la mitad de ellas de una estrella, y las quejas se concentran en acusaciones infundadas y en la dificultad de recurrirlas. No hay contradicción. Refleja que quienes eligen la herramienta y aquellos sobre quienes se aplica viven de forma opuesta el mismo producto, y una evaluación honesta debe sopesar ambos lados.
En su guía dirigida a estudiantes acusados injustamente, la compañía admite que ningún detector es perfecto y que los errores resultan especialmente probables en textos breves, retocados o mixtos. Las preguntas frecuentes oficiales afirman sin ambages que estos resultados no deben emplearse para castigar al alumnado y recomiendan al profesorado usar el informe de escritura como parte de una valoración integral. Las instituciones que utilizan la salida con fines punitivos actúan, por tanto, en contra de la indicación explícita de la empresa que construyó la herramienta.
La política de privacidad se compromete a no conservar información personal más de tres meses después de la baja de una cuenta y precisa que el texto y el contenido de los archivos enviados directamente a través de la interfaz de programación no se almacenan por defecto ni se usan para mejorar el producto. De ahí se sigue una asimetría relevante: los documentos que pasan por la interfaz no se conservan, mientras que las entradas realizadas desde el panel web sí se almacenan y se emplean de forma agregada para mejorar el servicio. Para un centro que maneja trabajos de estudiantes, esta distinción no es un tecnicismo: subir una redacción a través de la interfaz web significa que ese material entra en un circuito agregado de mejora, lo que antes de implantarlo puede exigir informar al alumnado o revisar las obligaciones locales de protección de datos.
Quien se propone eludir la detección suele conseguirlo reformulando, editando o mezclando escritura humana y automática. De ahí surge una asimetría incómoda: los infractores más hábiles se escapan mientras que autores honestos y poco duchos en estas técnicas caen en falsos positivos. Los sistemas de detección pueden terminar seleccionando contra la franqueza en lugar de contra la mala conducta.
Sí, existe un nivel gratuito funcional. Una cuenta gratuita procesa textos de hasta ciento cincuenta mil caracteres o lotes de hasta doscientos cincuenta archivos, lo que cubre buena parte del uso individual. Los planes de pago añaden puestos, volumen y facturación de equipo, pero la página pública de precios no muestra importes mensuales concretos, así que conviene pedir presupuesto para una implantación institucional.
La empresa declara detectar el 95,7 por ciento de los textos generados con un 1 por ciento de falsos positivos en un amplio conjunto de evaluación independiente y anuncia un 99 por ciento de precisión en su portada. Las evaluaciones independientes de la categoría en su conjunto suelen encontrar un rendimiento real inferior, y la precisión varía mucho según la extensión del texto, el grado de edición y la lengua materna de quien escribe. Tome las cifras publicadas como resultados en las mejores condiciones y no como una garantía para sus documentos.
Sí, y ese es el riesgo central. Los falsos positivos son un fenómeno ampliamente documentado en todos los detectores. La prosa académica formal, los textos muy trabajados y los escritos de personas no angloparlantes nativas tienen más probabilidades de ser marcados por error. Ningún resultado debería tratarse como prueba de una infracción.
La investigación de Stanford halló que los detectores, tomados como categoría, clasificaron erróneamente como generados por inteligencia artificial más de la mitad de los ensayos TOEFL de personas no nativas, con cerca de un 61 por ciento de falsos positivos de media, mientras que los ensayos de hablantes nativos se evaluaron correctamente. Las empresas han trabajado desde entonces para reducir esa brecha, pero las instituciones con público plurilingüe deberían validar el rendimiento en su propia población antes de confiar en cualquier detector.
Reunir pruebas del proceso: borradores, esquemas, notas y sobre todo el historial de versiones de Google Docs o Word, que incorpora marcas de tiempo capaces de mostrar una redacción progresiva. Conviene además preguntar qué pruebas respaldan la acusación más allá de la puntuación y pedir que esa puntuación no se considere concluyente. La guía publicada por la propia empresa respalda esta postura.
Solo en parte. Existe un componente dedicado a resistir las herramientas de reescritura, pero reformular sigue siendo uno de los métodos de evasión más eficaces, y quienes lo usan informan con frecuencia de que los textos automáticos editados o parafraseados pasan desapercibidos. La detección es más débil justo donde más se ha modificado el texto.
La detección abarca inglés, español, francés, alemán y otras lenguas. Sin embargo, los datos de entrenamiento son mayoritariamente prosa en inglés escrita por personas adultas, de modo que la precisión fuera del inglés está peor caracterizada y conviene validarla localmente antes de implantarla.
Depende del canal. El contenido enviado a través de la interfaz de programación no se almacena por defecto ni se usa para mejorar el producto, mientras que las entradas realizadas desde el panel web sí se conservan y se emplean de forma agregada para mejorar el servicio. La información personal no se guarda más de tres meses tras la baja de la cuenta. Contraste estas condiciones con las obligaciones de protección de datos de su organización antes de subir trabajos ajenos.
Ocupan posiciones distintas. Turnitin llega a las instituciones mediante la infraestructura antiplagio ya existente, mientras que GPTZero ofrece un resaltado más fino y la reproducción de la escritura en Google Docs, que carece de equivalente directo. Ambos comparten las mismas limitaciones básicas de precisión, y algunas universidades han desactivado por completo la detección de inteligencia artificial de Turnitin por los falsos positivos.
No deberían usarse así por sí solos. La empresa afirma de forma explícita que los resultados no deben servir para castigar al alumnado y describe su salida como el punto de partida de una conversación y no como un veredicto final. Toda decisión con consecuencias necesita pruebas que la corroboren, y la más fiable es la documentación del propio proceso de escritura.
