Ninguna palabra por sí sola confirma que un texto fue generado por un modelo de lenguaje. Lo que sí existe es un conjunto de términos, frases y estructuras que tienden a concentrarse en textos producidos por máquinas, y cuya acumulación en un pasaje breve —sin detalles concretos de respaldo— constituye una señal de alerta verificable.

La huella es medible. Un estudio reciente que analizó resúmenes en PubMed, la base de datos de investigación biomédica, detectó que términos como "profundiza", "presentando" y "subraya" aumentaron significativamente su frecuencia tras la adopción masiva de modelos de lenguaje de gran escala. Los investigadores atribuyeron el cambio al uso de estas herramientas en la redacción de artículos científicos, lo que convierte ese corpus en un registro involuntario del impacto lingüístico de la IA generativa.

Por qué los detectores automáticos no resuelven el problema

El software de detección no ha logrado cerrar la brecha. OpenAI discontinuó su propio clasificador de textos en julio de 2023 por baja precisión. Si la empresa responsable de ChatGPT no pudo construir un detector confiable, ninguna herramienta de terceros ofrece certeza absoluta. Esto desplaza la responsabilidad hacia lectores y editores humanos, que deben desarrollar criterio propio.

Los editores voluntarios de Wikipedia han sistematizado ese criterio en una guía titulada "Señales de escritura de IA", que documenta hábitos recurrentes en textos generados por máquinas. La guía describe patrones a observar, no pruebas que emitan un veredicto definitivo.

Los patrones que acumulan evidencia

La misma precaución aplica a cualquier lista de indicios. Términos como "subraya" aparecían en textos académicos mucho antes de ChatGPT, y verbos como "aprovechar" llevan décadas en el vocabulario del marketing. Un solo caso no demuestra nada. La señal se vuelve significativa cuando varios indicios se concentran en un pasaje corto, con escasa información concreta alrededor.

Entre los patrones más frecuentes se identifican diez categorías: palabras individuales de alta recurrencia, frases de transición genéricas y estructuras de oración con ritmo uniforme. Cada uno tiene en común que suena fluido pero vacío: produce la apariencia de profundidad sin anclarla en datos, ejemplos o argumentos específicos.

Implicaciones para quienes leen y editan profesionalmente

Reconocer estos patrones tiene valor operativo directo para quienes revisan propuestas, evalúan ensayos o analizan cartas de presentación como parte de su trabajo. La detección no requiere software: requiere atención a la densidad de información real versus la fluidez superficial del texto.

Los propios escritores también se benefician de este análisis. Muchos de estos hábitos lingüísticos aparecen en borradores iniciales generados con asistencia de IA y pasan desapercibidos en la revisión. Identificarlos antes de publicar o enviar un documento reduce el riesgo de que el texto sea percibido como genérico o poco confiable, independientemente de cómo fue producido.