Una controversia en torno a una novela en español ha desencadenado un debate técnico y editorial de fondo: ¿pueden las herramientas de detección de inteligencia artificial identificar con precisión si una obra literaria fue escrita por una máquina? El caso de la novela Donde el agua trabaja, del autor David Silva Rojas, donde un software especializado determinó que el 99% del texto fue generado por IA, ha expuesto una tensión que el sector editorial enfrenta sin protocolos claros aún.
Cómo funciona la detección de texto generado por IA
Las herramientas de detección no operan como simples verificadores de plagio. Pangram, uno de los sistemas más citados en este debate, segmenta el contenido en tramos y clasifica cada fragmento en tres categorías: "humano", "asistido por IA" o "generado por IA". El porcentaje resultante no representa una probabilidad estadística, sino la proporción del texto que cae en cada categoría tras el análisis. En textos extensos —como el caso analizado, de más de 25,000 palabras— esta clasificación adquiere mayor solidez estadística.
El sistema fue entrenado con decenas de millones de documentos, emparejando textos humanos con sus equivalentes generados artificialmente. Este enfoque supervisado permite al modelo identificar patrones lingüísticos que resultan imperceptibles para lectores humanos, incluso expertos. La arquitectura subyacente es una red neuronal, no un conjunto de reglas heurísticas, lo que le permite adaptarse a distintos estilos y géneros.
La tasa de falsos positivos: el indicador que más importa
El principal riesgo de cualquier sistema de detección es clasificar erróneamente un texto humano como generado por IA. Los datos disponibles sobre esta herramienta sugieren una tasa de falsos positivos de entre 0% y 0.2%. Un análisis académico independiente documentó 49 falsos positivos en más de 36,000 textos humanos, equivalente al 0.14%.
Una de las pruebas más rigurosas consistió en analizar 46 libros físicos antiguos no digitalizados —2.9 millones de palabras que el sistema no podría haber procesado previamente— sin registrar ningún falso positivo. Un equipo de la Universidad de Duke, por su parte, analizó 3,000 pasajes de artículos científicos y solo uno fue marcado como "asistido por IA", sin que ninguno fuera calificado como "escrito con IA". Estos resultados son relevantes para cualquier organización que evalúe implementar este tipo de herramientas en procesos editoriales, académicos o de cumplimiento.
Implicaciones para el sector editorial y más allá
La reducción casi total del costo de producción de texto —consecuencia directa de modelos como ChatGPT— ha alterado el equilibrio entre escritura humana y generación automatizada. Esto no es exclusivo del mundo literario: afecta a medios de comunicación, producción de contenido de marca, documentación técnica y cualquier industria donde el texto sea un activo estratégico.
La capacidad de verificar la autoría de un texto con una tasa de error inferior al 0.2% cambia el cálculo de riesgo para editoriales, plataformas de contenido y equipos legales. No se trata solo de un debate sobre creatividad o autenticidad literaria: es una cuestión de trazabilidad, responsabilidad y gobernanza del contenido en un entorno donde la IA puede producir volúmenes masivos de texto en segundos.
El debate abierto por este caso en el mundo literario en español anticipa discusiones que otros sectores tendrán que afrontar con mayor urgencia en los próximos meses.




