¿Puede ChatGPT detectar plagio? La verdad sobre detección de IA

La respuesta rápida: no, ChatGPT no detecta plagio. No tiene acceso a ninguna base de datos de trabajos académicos, no puede comprobar si una frase existe ya publicada en otro sitio y no está entrenado para verificar originalidad. Si le pegas un texto y le preguntas "¿esto está plagiado?" o "¿esto lo ha escrito una IA?", lo que hace es lo único que sabe hacer: generar una respuesta plausible. A veces acierta. Muchas veces no. Y siempre lo dice con la misma seguridad.

La respuesta larga es más útil, porque debajo de esta pregunta hay dos cosas distintas que casi todo el mundo mezcla —detectar plagio y detectar texto generado por IA— y una tercera que es la que de verdad importa: qué pasa si un detector te marca un trabajo que has escrito tú.

Vamos por partes, y con datos.

Plagio y texto generado por IA no son lo mismo

Esta es la confusión que hay que romper antes de seguir, porque de ella salen la mitad de los problemas.

Detectar plagio es comparar tu texto contra un corpus: trabajos entregados en años anteriores, artículos académicos, páginas web indexadas, repositorios de tesis. El resultado es un informe de similitud que dice "este párrafo coincide en un 94% con esta fuente concreta". Es verificable: abres la fuente y compruebas si la coincidencia es real o es una cita bien puesta.

Detectar texto generado por IA es otra cosa completamente distinta. No hay corpus contra el que comparar, porque el texto que genera un modelo es nuevo cada vez. Lo que hacen los detectores es análisis estadístico del propio texto: miden si las palabras son demasiado predecibles. El resultado es una probabilidad, no una fuente. Y una probabilidad no se puede abrir para comprobarla.

	Detección de plagio	Detección de IA
Qué hace	Compara contra una base de datos de textos	Analiza patrones estadísticos del texto
Qué devuelve	Porcentaje de similitud con fuentes concretas	Probabilidad, sin fuente que enseñar
¿Se puede verificar?	Sí: abres la fuente y comparas	No: solo puedes creerte el número
Falsos positivos	Bajos y explicables (citas, bibliografía)	Altos y sesgados
¿Sirve como prueba?	Sí, con revisión humana	No por sí sola

Que las dos funciones vivan dentro de la misma herramienta —Turnitin hace las dos— no significa que tengan la misma solidez. Ni de lejos. Un informe de similitud señala una fuente que puedes leer; un porcentaje de IA no señala nada.

Por qué ChatGPT no puede detectar plagio (ni el suyo propio)

ChatGPT es un modelo generativo. Su trabajo es producir la siguiente palabra más probable, no auditar textos. Cuando le preguntas si algo está plagiado, no consulta ninguna base de datos de trabajos: improvisa un veredicto a partir del estilo.

He hecho la prueba muchas veces, y el patrón se repite: le pasas textos escritos íntegramente por ti y te dice que "presentan características de generación automática"; le pasas texto de un modelo con dos retoques y te dice que parece humano. Con GPT-5.6, Claude Opus 5 o Gemini 3.1 Pro pasa exactamente lo mismo que pasaba con las versiones anteriores. No es un defecto de una versión: es que la tarea no es esa.

Hay un matiz que sí conviene conocer. ChatGPT con búsqueda web activada sí puede localizar una frase literal en internet si le pides que busque un fragmento entrecomillado. Eso es una comprobación puntual útil —para verificar una cita, por ejemplo— pero no es un informe de similitud: no cubre trabajos no publicados, ni repositorios cerrados, ni los TFG de tu propia facultad, que es justo donde miran las herramientas de verdad.

Y un aviso de sentido común: no le pegues a ChatGPT el trabajo entero de un alumno para "comprobarlo". Estás metiendo datos de un tercero en un sistema externo, y en un centro educativo eso tiene implicaciones de protección de datos que conviene mirar antes, no después.

Cómo funcionan de verdad los detectores de IA

Los dos conceptos que necesitas para entender por qué fallan son perplejidad y ráfaga.

La perplejidad mide cuánto le sorprende el texto a un modelo de lenguaje. Si cada palabra es la que un modelo habría elegido, la perplejidad es baja y el detector lo interpreta como señal de generación automática. Si el texto da giros inesperados, usa vocabulario poco frecuente o rompe la estructura esperable, la perplejidad sube y el detector lo lee como humano.

La ráfaga —burstiness en la literatura original— mide la variabilidad entre frases. Las personas escribimos irregular: una frase de treinta palabras, otra de cinco, un inciso, una repetición. Los modelos tienden a un ritmo más uniforme. El detector busca esa uniformidad.

Aquí está el problema de fondo, y no se arregla con la siguiente versión del detector: lo que miden esas dos métricas no es "haber usado IA", es "escribir de forma predecible". Y escribir de forma predecible es exactamente lo que hace alguien que redacta en una lengua que está aprendiendo, alguien que sigue una plantilla académica al pie de la letra, alguien que escribe muy claro y muy ordenado, o alguien que ha pasado su texto por un corrector gramatical. Ninguno de ellos ha hecho nada malo.

Qué fiabilidad tienen: los datos que hay sobre la mesa

Aquí es donde toca dejar las opiniones y poner números.

OpenAI retiró su propio detector. Lanzó el AI Text Classifier el 31 de enero de 2023 y lo desactivó el 20 de julio de 2023 reconociendo su "baja tasa de acierto". Los números que la propia empresa publicó en su evaluación: identificaba correctamente el 26% del texto generado por IA y marcaba como IA un 9% de textos escritos por personas. Es decir, la empresa que fabrica el modelo no conseguía detectar de forma fiable su propia salida. Eso debería fijar el listón de humildad de todo el sector.

El sesgo contra quien no escribe en su lengua materna está medido. El estudio más citado, de investigadores de Stanford publicado en Patterns en 2023, evaluó siete detectores comerciales sobre textos escritos por personas. Con ensayos de estudiantes estadounidenses la tasa de falsos positivos rondó el 5,1%. Con ensayos de examen TOEFL escritos por estudiantes no nativos, la tasa de falsos positivos subió al 61,3%. Más de la mitad de los textos humanos marcados como máquina. Y hay dos datos peores dentro del estudio: en el 19,8% de los casos el error fue unánime —todos los detectores se equivocaron a la vez, así que pedir una segunda opinión a otra herramienta no te salva— y al menos un detector marcó el 97,8% de los textos.

El remate del estudio es demoledor: cuando pidieron a ChatGPT que "enriqueciera el vocabulario para sonar más nativo", los falsos positivos cayeron del 61,3% al 11,6%. Traducido: pasar el texto por una IA reducía la probabilidad de ser acusado de haber usado una IA.

Turnitin dice una cosa y los estudios independientes miden otra. Turnitin declara una tasa de falsos positivos inferior al 1% a nivel de documento —y reconoce alrededor de un 4% a nivel de frase suelta—, pero los análisis independientes publicados desde 2024 sitúan la cifra real entre el 5% y el 12% en los casos difíciles: textos de no nativos, borradores muy editados, prosa muy técnica. Algún estudio en revistas de integridad académica ha medido rangos todavía peores en condiciones concretas.

Y lo más importante: el propio Turnitin dice por escrito que su indicador no debe usarse como base única para actuar contra un estudiante. Su documentación reconoce que el modelo puede confundir texto humano, generado y parafraseado, y que hace falta criterio humano y el procedimiento del centro para determinar si ha habido falta académica. Turnitin no declara faltas: aporta un dato.

Y hay universidades que han apagado la función. El caso mejor documentado es el de Vanderbilt, que en agosto de 2023 desactivó el detector de IA de Turnitin con un razonamiento que se entiende a la primera: con 75.000 trabajos entregados en un año, aunque la tasa de falsos positivos fuera realmente del 1%, eso son unos 750 estudiantes marcados injustamente. Desde entonces se han sumado bastantes más instituciones dentro y fuera de España, y algunas han prohibido directamente comprar estas herramientas.

Las herramientas que hay, y para qué sirve cada una

Herramienta	Qué hace	Quién puede usarla	Precio orientativo
Turnitin	Similitud + detección de IA	Solo instituciones (contrato)	Sin precio público
Compilatio	Similitud + detección de IA	Instituciones, con presencia en Europa	Sin precio público
GPTZero	Solo detección de IA	Cualquiera	Capa gratuita limitada; planes de entrada en torno a 15 $/mes
Originality.ai	IA + plagio, por créditos	Cualquiera	Desde unos 15 $/mes en el plan básico
Copyleaks	IA + plagio, multiidioma	Cualquiera y empresas	Rango similar, en torno a 15-20 $/mes

Los precios cambian cada pocos meses y varían según palabras o créditos incluidos: compruébalos en la web de cada fabricante antes de contratar nada. Turnitin y Compilatio no se venden a particulares, así que si eres estudiante y quieres "pasarte el Turnitin antes de entregar", la respuesta honesta es que no puedes: solo lo tiene tu universidad.

Un apunte de mercado que estaba desactualizado en casi todo lo que se lee: Unicheck y PlagScan ya no son alternativas independientes. Turnitin compró Unicheck y absorbió PlagScan a través de Ouriginal, y PlagScan cerró sus planes para particulares. El mercado de antiplagio académico está hoy concentradísimo en un solo proveedor, y eso también explica por qué su criterio pesa tanto en las normativas de las universidades.

Sobre el español, además: la mayoría de estos detectores se entrenan y se evalúan principalmente en inglés. Su rendimiento con texto en castellano es peor que las cifras de marketing, y ninguna empresa publica benchmarks serios en español. Si tu centro toma decisiones basándose en un porcentaje calculado sobre un texto en español, está usando una herramienta fuera de su terreno probado.

Quién tiene más papeletas de que le marquen sin haber hecho nada

No es aleatorio. Hay perfiles que disparan estos detectores de forma sistemática:

• Quien escribe en una lengua que no es la suya. Es el sesgo medido y el más grave.
• Quien escribe muy correcto y muy ordenado. Sintaxis limpia, frases de longitud parecida, cero muletillas: eso es ráfaga baja.
• Quien usa corrector. Pasar un texto propio por Grammarly o LanguageTool sube la puntuación de IA, porque el corrector uniforma justo lo que el detector mide.
• Quien escribe en registro académico estricto. Vocabulario estandarizado, conectores de manual, estructura IMRyD. Cuanto mejor sigues la plantilla, más "sospechoso" pareces.
• Quien escribe textos cortos. Con menos de 300 palabras estas métricas son ruido puro. Muchos detectores directamente avisan de ello.
• Personas con TEA, dislexia u otras condiciones que se apoyan en estructuras muy regulares o en herramientas de asistencia a la escritura.

Fíjate en lo que tienen en común: ninguno ha hecho trampa. El detector no está midiendo honestidad, está midiendo estilo.

Qué hacer si te acusan en falso

Esta es la parte que casi nadie escribe y la que más falta hace. Va en tres tiempos.

Antes: guarda el proceso, no el resultado

Cuesta cero y es la única defensa que funciona de verdad. La prueba de que un texto es tuyo no es el texto: es el rastro de cómo llegaste a él.

• Escribe siempre en un editor con historial de versiones. Google Docs guarda el historial completo automáticamente, y Word lo hace si el archivo vive en OneDrive o SharePoint. Ese historial muestra el documento creciendo a lo largo de semanas, con sus idas y venidas. Un texto pegado de golpe se ve a la legua; uno escrito de verdad, también.
• No trabajes sobre un único archivo. Guarda borradores fechados (tfg-v1-15-marzo.docx, tfg-v2-…). Es la versión analógica de lo mismo.
• Activa el control de cambios cuando revises, y conserva la versión con las marcas.
• Guarda las notas de lectura y la bibliografía anotada. Un gestor tipo Zotero o Mendeley deja fecha de cada referencia añadida.
• Si has usado IA de forma legítima, guarda también eso: los enlaces a las conversaciones y una nota de para qué la usaste. Declararlo por adelantado te quita el problema de encima.

Si alguna vez te toca defenderte, esto se presenta solo. Y si no te toca nunca, no has perdido nada.

Durante: cómo se responde a la acusación

1. No te disculpes por reflejo ni reescribas nada en caliente. Cambiar el trabajo después de la acusación se lee como reconocimiento de culpa.
2. Pide el informe completo por escrito, no el porcentaje: qué herramienta se ha usado, qué versión, qué umbral se aplica y qué pasajes concretos están marcados. Tienes derecho a saber en qué se basa la acusación.
3. Aporta el rastro: historial de versiones, borradores, notas, fuentes. Enseña el documento creciendo.
4. Ofrece defensa oral. Pide una conversación sobre el contenido: por qué elegiste ese marco teórico, qué dice la fuente de la página 14, qué harías distinto. Quien ha escrito algo puede sostenerlo; quien lo ha pegado, no. Y esa conversación sí es defendible en una junta de evaluación.
5. Pon sobre la mesa los datos del apartado anterior, sin tono de confrontación: OpenAI retiró su propio detector, el estudio de Stanford midió un 61% de falsos positivos con no nativos, y el propio fabricante dice que su indicador no debe ser la base única de una sanción. No estás discutiendo la autoridad del profesor: estás señalando el límite de una herramienta.
6. Si el asunto escala, hay procedimiento. En las universidades públicas españolas el régimen disciplinario del estudiantado está en la Ley 3/2022, de convivencia universitaria, que exige separar la instrucción de la sanción en órganos distintos, permite que te asista una persona de tu elección y contempla la mediación. Rige la presunción de inocencia: la carga de probar la falta es de quien acusa, no tuya. Y el Defensor Universitario de tu centro existe justo para estos casos.

Lo que no debes hacer nunca

No pases el texto por un "humanizador". Es el peor consejo de internet. Si el trabajo es tuyo, meterlo en una herramienta de reescritura destroza la redacción, introduce errores de contenido y —esto es lo importante— te deja sin la defensa que sí funciona: ya no puedes enseñar un historial de versiones coherente porque el texto final no se parece al que escribiste. Además, la paráfrasis masiva sí deja rastro detectable, y algunas normativas la sancionan explícitamente.

Qué política siguen las universidades españolas

No hay una norma única, y quien te diga lo contrario está simplificando. El mapa real, a día de hoy:

La CRUE publicó un documento de posicionamiento sobre IA generativa que no prohíbe su uso, sino que fija un marco: transparencia (el uso se declara), autoría genuina (tú respondes de lo que entregas) y responsabilidad sobre el contenido, incluidos los errores y las referencias inventadas. Es una recomendación, no una norma vinculante.

Lo que sí te obliga es la normativa de tu propia universidad y, más concretamente, el reglamento de TFG o TFM de tu facultad. Ahí está escrito qué se permite, qué hay que declarar y con qué formato. La tendencia clara desde 2024 es no prohibir, sino exigir una declaración de uso de IA y reservarse el derecho a una defensa oral. Léelo antes de empezar, no cuando tengas el problema: cambia entre universidades y a veces entre facultades de la misma universidad.

En lo procedimental, la detección no es prueba. Ninguna normativa universitaria española que yo conozca reconoce el porcentaje de un detector como evidencia suficiente. Y el RGPD añade otra capa: someter el trabajo de un alumno a una herramienta externa implica un tratamiento de datos que el centro tiene que tener contemplado. Si trabajas en el otro lado de la mesa, esto lo desarrollo en la guía de IA para profesores, donde también entro en la parte de menores y protección de datos.

Dónde está la raya entre usar IA bien y hacer trampa

La pregunta de fondo no es "¿me van a pillar?", es "¿esto es mi trabajo?". Mi criterio, que coincide bastante con el de las normativas que están saliendo:

Uso	Cómo se suele considerar
Buscar bibliografía y pedir explicaciones de conceptos	Legítimo, como usar Google
Pedir un esquema o una estructura de partida	Legítimo, normalmente sin declarar
Corregir gramática, estilo y ortografía de un texto tuyo	Legítimo, cada vez más se pide declararlo
Traducir texto propio a otro idioma	Zona gris: depende de si el idioma es competencia evaluada
Reescribir párrafos tuyos para "que suenen mejor"	Zona gris: declararlo te cubre
Generar el texto y editarlo por encima	Trampa en casi todas las normativas
Entregar salida de un modelo tal cual	Trampa sin discusión
Copiar bibliografía que da el modelo sin verificarla	Trampa y riesgo objetivo: las referencias inventadas se comprueban en un minuto

Ese último punto merece un párrafo propio. Lo que de verdad delata a alguien no es el detector: son las referencias que no existen. Un modelo puede inventar un artículo con autor, revista, año y DOI perfectamente verosímiles y completamente falsos. Un profesor tarda treinta segundos en comprobar un DOI, y esa sí es una prueba objetiva: o el artículo existe o no existe, no hay porcentaje que discutir. Si vas a usar IA en un trabajo académico, verifica todas las fuentes una a una. Es el paso que más gente se salta y el que más gente ha hundido.

Si estás con el trabajo de fin de grado, tengo desarrollado el proceso completo —fase por fase, con cómo se cita el uso de IA en APA— en cómo hacer un TFG con ChatGPT. Y para el día a día de la carrera, apuntes, exámenes y organización, la guía de IA para estudiantes universitarios va al grano.

Si eres profesor: cómo verificar sin destrozar a nadie

Un detector puede ser un motivo para mirar con más atención. Nunca la conclusión. Lo que sí funciona, por orden de solidez:

1. La conversación. Pide que te expliquen las partes más elaboradas. Es rápido, es justo y es defendible.
2. Verificar las referencias. Prueba objetiva y binaria.
3. Comparar con el rendimiento previo del alumno. Un salto de estilo abrupto es una señal, aunque no una prueba.
4. Rediseñar la evaluación. Trabajos anclados a material de clase, a datos propios o a un caso local son mucho más difíciles de externalizar que un ensayo genérico. Es más trabajo por delante, pero elimina el problema en origen mejor que cualquier herramienta.

Y una regla que ahorra disgustos: nunca comuniques una sospecha en términos de "el detector dice que". Comunícala en términos de "quiero que me expliques esto". El detector no puede sostener la conversación por ti. He desarrollado las señales que sí sirven en cómo detectar texto escrito por IA.

Marcas de agua: la vía que sí podría funcionar (y por qué aún no)

La alternativa técnica seria al análisis estadístico es el marcado en origen: que el modelo introduzca al generar una señal estadística invisible para las personas y detectable para quien tenga la clave. Google desarrolló SynthID para texto y liberó parte de la tecnología; OpenAI ha reconocido tener un método propio que no ha llegado a publicar.

Los límites son evidentes y conviene decirlos: solo funciona con los modelos que lo implementen (no con los abiertos que cualquiera ejecuta en su equipo), se degrada al parafrasear o traducir, y no sirve para nada con el texto ya generado. No es la solución, es como mucho una capa más.

El marco regulatorio va por otro lado: el AI Act europeo impone obligaciones de transparencia y etiquetado al contenido generado por IA, pero eso obliga a los proveedores, no resuelve el problema de un profesor con un ensayo delante.

Mi apuesta sobre hacia dónde va esto: la verificación se desplazará del producto al proceso. Editores que registran cómo se ha escrito, defensas orales, evaluación continua. Es más trabajo y menos cómodo que un porcentaje, pero es lo único que no se rompe. Y si quieres usar la IA a tu favor de forma limpia mientras tanto, en IA para estudiar tienes el marco práctico.

Preguntas frecuentes

¿Puede ChatGPT detectar plagio?

No. ChatGPT no tiene acceso a bases de datos de trabajos académicos ni a repositorios de tesis, así que no puede comprobar si un texto coincide con una fuente existente. Si le preguntas, se inventará un veredicto con mucha seguridad y poca base. Para plagio real hacen falta herramientas de similitud como Turnitin o Compilatio, que sí comparan contra un corpus.

¿Como saber si un texto esta escrito por IA gratis?

Hay detectores con capa gratuita limitada, como GPTZero o Copyleaks, que te dan una probabilidad para unos pocos miles de palabras al mes. El problema no es el precio, es la fiabilidad: esa probabilidad se equivoca con frecuencia y no sirve para acusar a nadie. Úsala como curiosidad, nunca como veredicto.

¿Turnitin detecta ChatGPT?

Turnitin tiene un módulo de detección de IA además del clásico informe de similitud, y detecta parte del texto generado. Pero declara falsos positivos por debajo del 1% mientras estudios independientes miden entre el 5% y el 12% en casos difíciles, y el propio Turnitin advierte de que su indicador no debe usarse como base única para sancionar a un estudiante.

¿Que pasa si Turnitin detecta IA en mi trabajo y lo he escrito yo?

Pide el informe completo por escrito con los pasajes concretos marcados y aporta tu rastro de trabajo: historial de versiones de Google Docs o Word, borradores fechados, notas de lectura y bibliografía. Ofrece explicar el trabajo oralmente. Un porcentaje no es prueba concluyente y así lo reconoce el propio fabricante.

¿Los detectores de IA se equivocan mucho?

Bastante, y de forma sesgada. Un estudio de Stanford publicado en 2023 midió un 61,3% de falsos positivos con textos de estudiantes no nativos de inglés frente a un 5,1% con nativos, y en cerca de una quinta parte de los casos todos los detectores fallaron a la vez. La propia OpenAI retiró su clasificador en julio de 2023 por baja precisión.

¿Es ilegal usar ChatGPT para hacer un trabajo de la universidad?

Ilegal no: no hay ninguna ley española que lo prohíba. Otra cosa es la normativa de tu universidad, que sí puede considerarlo falta académica. La tendencia mayoritaria no es prohibir, sino exigir que declares el uso y que puedas defender el trabajo. Lee el reglamento de TFG de tu facultad antes de empezar.

¿Funcionan los humanizadores de texto para que no detecten la IA?

De forma inconsistente, y te dejan peor de lo que estabas. Bajan la puntuación en algunos detectores, pero degradan la redacción, introducen errores de contenido y destruyen tu mejor defensa: un historial de versiones coherente con el texto entregado. Si el trabajo es tuyo, no lo pases por ninguno.

¿Cual es el mejor detector de IA en español?

Ninguno es fiable en español. La mayoría se entrena y se evalúa principalmente en inglés, y ninguna empresa publica benchmarks serios en castellano. Copyleaks tiene mejor soporte multiidioma que la media, pero su margen de error en español sigue siendo demasiado alto para tomar decisiones con consecuencias.

¿Detectan la IA si escribo yo y luego corrijo con ChatGPT?

Puede que sí, y ese es justo el problema. Pasar un texto propio por un corrector —ChatGPT, Grammarly o LanguageTool— uniforma el vocabulario y el ritmo de las frases, que es exactamente lo que los detectores miden. Un texto tuyo corregido puede puntuar más alto que uno generado y luego desordenado a mano.

¿Puede un profesor suspenderme solo por el porcentaje de un detector?

No debería, y basar una sanción únicamente en ese informe es difícilmente defendible. En las universidades públicas españolas el régimen disciplinario de la Ley 3/2022 separa instrucción y sanción, te permite ser asistido y mantiene la presunción de inocencia. Si te ocurre, pide el informe completo y acude al Defensor Universitario.

Lo que me llevo de todo esto

La detección de contenido generado por IA es una carrera que ningún bando va a ganar de forma definitiva. Los modelos mejoran, los detectores corren detrás, y por el camino la factura la pagan personas concretas que no han hecho nada: el estudiante extranjero, el que escribe demasiado bien, el que usó el corrector.

Lo inteligente, estés en el lado que estés de la mesa, es dejar de tratar un porcentaje como si fuera una prueba y mirar lo que sí es verificable: las fuentes, el proceso y la capacidad de sostener lo que uno entrega. Ni "los detectores no sirven para nada" ni "te van a pillar seguro". Sirven como señal para mirar mejor, y nada más que eso.