¿Lo escribió una IA? El porcentaje que no cuenta toda la historia

Una investigación reciente devuelve los detectores de inteligencia artificial al debate literario. Para escritores, editores y lectores, el desafío consiste en entender qué señala una herramienta y qué necesitamos comprobar antes de atribuir la escritura de un libro a una máquina.

Imaginemos que una editorial recibe dos archivos: una novela y un informe que colorea algunos de sus párrafos. El primero contiene una historia; el segundo propone una clasificación. En cuanto aparece un porcentaje, la conversación puede cambiar de dirección: dejamos de preguntar cómo funciona la novela y empezamos a discutir quién la escribió.

La pregunta merece una investigación cuidadosa. Una acusación puede afectar al vínculo entre un autor y sus lectores. También merece atención la posibilidad de que se comercialice como trabajo personal un texto cuya elaboración se ha ocultado. Ambas preocupaciones exigen pruebas bien interpretadas.

De una muestra a un titular hay una distancia

El 13 de octubre, EL PAÍS publicó un análisis con Pangram de 119 libros populares de 2025 y 2026. Entre los 44 autopublicados de esa selección, 13 superaban el 50 % de texto clasificado como IA. El dato corresponde a una muestra, no a toda la autopublicación española. Investigación de EL PAÍS.

Esa última frase importa tanto como los números. Si convertimos una selección de títulos populares en una descripción de todos los libros publicados, cambiamos la pregunta que los datos pueden responder. Y si trasladamos una clasificación de texto directamente al comportamiento de una persona, añadimos una conclusión que necesita más elementos.

Qué significa realmente el resultado

La documentación de Pangram 4 distingue fragmentos clasificados como humanos, asistidos por IA o generados por IA. Sus proporciones de documento se calculan sobre los caracteres asignados a cada categoría. La empresa también aclara que su indicador de confianza no es una probabilidad calibrada. Son medidas diferentes; conviene saber cuál estamos leyendo. Ficha técnica de Pangram 4.

Pensemos en un ejemplo hipotético: un informe atribuye a IA el 80 % del material analizado. Ese resultado describe la clasificación que el sistema hace del texto recibido. No equivale a afirmar que exista un 80 % de probabilidad de que la persona que firma haya engañado al público. Tampoco reconstruye, por sí solo, las conversaciones, decisiones y revisiones que produjeron ese archivo.

Esto no obliga a desechar los detectores. Obliga a formular con precisión sus resultados y a ponerlos en relación con otras evidencias. La propia Pangram reconoce un margen de error distinto de cero y advierte del daño de las acusaciones falsas. Esa cautela figura en la documentación del fabricante, no es una objeción inventada para eludir la discusión.

Generar y corregir tampoco son lo mismo

La distinción tiene una aplicación concreta en las pautas de Kindle Direct Publishing. Amazon solicita que se le informe del contenido generado por IA, incluidas imágenes y traducciones. En cambio, considera asistido el contenido creado por una persona que utiliza IA para corregirlo o pulirlo, y no exige declarar esa asistencia. También mantiene la categoría de generado cuando un contenido creado por IA recibe modificaciones posteriores. Pautas oficiales de KDP.

Son criterios de una plataforma, no una definición universal de autoría literaria. Pero ayudan a concretar una conversación que suele quedarse en la pregunta demasiado amplia de si se ha utilizado IA. Corregir una errata, explorar una idea y encargar la redacción de una escena son intervenciones que requieren descripciones diferentes.

Para nuestra comunidad editorial, la cuestión útil es qué intervención se hizo, en qué parte del trabajo y con qué conocimiento de quienes participan en la publicación. Una explicación específica permite discutir responsabilidades con más fundamento que una etiqueta que lo mezcle todo.

La investigación también necesita límites

Un trabajo de Chakrabarty y otros investigadores examina 14.419 libros de ficción de género autopublicados en Amazon mediante detección de texto y datos de ventas. La versión más reciente registrada en arXiv es del 3 de agosto de 2026 y se presenta como un documento de trabajo en revisión. No debe anunciarse como un descubrimiento de esta semana ni como una conclusión científica ya definitiva. Registro y texto del estudio.

La amplitud de una muestra importa; también importan sus categorías y el procedimiento que permite construirlas. Al informar sobre estos trabajos, debemos separar los resultados que comunican sus autores de las conclusiones que una editorial, un lector o un tribunal pudiera querer extraer de ellos.

Una conversación editorial antes que un veredicto

Desde Tu Letra Online proponemos que una señal de detección abra una revisión documentada: precisar qué se analizó, conservar el resultado y escuchar cómo se elaboró el manuscrito. Los borradores o el historial de cambios pueden aportar contexto cuando existan. Su ausencia, por sí sola, tampoco demuestra una intervención artificial.

La transparencia requiere acuerdos comprensibles para autores y lectores. Y la confianza exige que podamos investigar sin convertir una sospecha en una identidad permanente. El porcentaje puede ser una pista relevante. La conversación sobre un libro necesita también personas capaces de interpretarla.

• ¿Qué usos de IA esperarías que un autor o una editorial explicaran al lector?
• ¿Qué otras evidencias pedirías antes de tomar una decisión sobre un manuscrito señalado por un detector?
• ¿Qué valor le das al proceso de escritura cuando eliges un libro, además del resultado literario?

Comparte tu experiencia, argumenta tu posición y discrepa con respeto. Nos interesa escuchar tanto a quienes utilizan estas herramientas como a quienes prefieren trabajar sin ellas.