¿Qué es la autenticidad en la era de la inteligencia artificial?

Hay algo perturbador en el siguiente experimento: se introduce Cien años de soledad en un detector de texto generado por inteligencia artificial, y el sistema veredicta que el cien por cien de la novela ha sido escrita por una máquina. Lo mismo ocurre con el Génesis bíblico, al que la herramienta ZeroGPT asigna un 88,2 % de probabilidad de origen artificial. La Constitución norteamericana, según el mismo sistema, es escritura de IA en un 96,21 %. Harry Potter, la letra de Bohemian Rhapsody, las tragedias de Shakespeare: todas señaladas por el algoritmo como sospechosas de no ser humanas.

El problema no es que García Márquez escribiera como una máquina. El problema es que las máquinas aprendieron a escribir como García Márquez. Y en ese bucle reside una de las preguntas más incómodas de nuestra época: ¿qué significa la autenticidad en la era de la inteligencia artificial? ¿Y quién tiene autoridad para responderla?

La lógica perversa de los detectores

Para entender el fallo de estas herramientas, hay que entender cómo funcionan. La mayoría se apoyan en dos métricas principales. La primera es la perplejidad (perplexity): lo predecible que resulta la elección de palabras en un texto. Cuando cada palabra sigue a la anterior de forma esperable, la perplejidad es baja. La segunda es el estallido (burstiness): la variación en la longitud de las frases. Los humanos, en teoría, alternan párrafos largos con oraciones cortísimas; los modelos de lenguaje tienden a producir frases de longitud más uniforme.

Lo que estos sistemas interpretan como señal de origen artificial —baja perplejidad, ritmo uniforme, vocabulario preciso— es exactamente lo que caracteriza a la buena escritura. García Márquez escoge las palabras exactas. El Génesis tiene una cadencia casi hipnótica, sin ruido. Escribir bien, en el sentido más técnico, consiste en ser predecible de la manera más virtuosa posible: que el lector comprenda sin esfuerzo. Y eso, para un algoritmo entrenado para detectar patrones de modelos de lenguaje, dispara las alarmas.

La ironía es completa: los detectores penalizan la excelencia. Y premian, implícitamente, la escritura torpe, irregular, llena de ruido. Si quieres parecer humano ante un algoritmo, escribe peor.

Cuando el error tiene consecuencias reales

Esto no sería más que una curiosidad técnica si no tuviera consecuencias reales sobre personas concretas. En 2026, la editorial Hachette Book Group canceló la publicación en Estados Unidos y retiró la edición británica de Shy Girl, una novela de Mia Ballard, después de que la herramienta Pangram detectara que el 78 % del texto presentaba patrones consistentes con escritura generada por IA. La autora niega haber utilizado inteligencia artificial, y atribuye las secciones en cuestión a un editor freelance que contrató para la versión autopublicada. Su nombre, en sus propias palabras, «quedó arruinado por algo que ella no hizo personalmente».

Este caso —el primero en que una gran editorial retira públicamente un libro por sospechas de uso de IA— ilustra el poder fáctico que están adquiriendo estas herramientas. No juzgan intención. Juzgan textura estadística. Y cuando esa textura es indistinguible, la consecuencia es la sospecha permanente sobre cualquier escritura que funcione demasiado bien.

El episodio de Hachette no está solo. Estudios recientes de 2026 cifran la precisión de los detectores entre el 65 % y el 90 %, con tasas de falsos positivos documentadas y reconocidas. El CEO de GPTZero, una de las herramientas de referencia con más de ocho millones de usuarios, ha admitido que muchas plataformas del sector ajustan deliberadamente sus umbrales para generar más falsos positivos, priorizando no dejar pasar texto de IA aunque eso implique acusar injustamente a escritores humanos. En la Universidad Católica Australiana, cerca de 6.000 estudiantes fueron expedientados en 2024 utilizando Turnitin, muchos de los cuales no habían empleado IA en ningún momento.

El sesgo contra escritores no nativos añade otra dimensión al problema. Un análisis de 2026 sobre redacciones del TOEFL encontró que el 61,3 % de los ensayos de estudiantes chinos fueron marcados como generados por IA, frente al 5,1 % de los ensayos de estudiantes estadounidenses. La explicación es la misma: un escritor en su segunda lengua emplea vocabulario más acotado y estructuras más simples. No escribe mal. Tiene menos herramientas. Y eso, para el algoritmo, lo convierte en sospechoso.

La misma pregunta que lleva siglos perturbando al arte

Pero hay algo más profundo aquí que un problema técnico. La pregunta sobre la autenticidad en la era de la inteligencia artificial no es nueva: es la misma pregunta que el arte lleva siglos tratando de responder.

Cuando el colectivo Obvious vendió en Christie’s en 2018 Edmond de Belamy —un retrato generado por algoritmo— por 432.500 dólares, la crítica se dividió. No sobre si la imagen era hermosa, sino sobre si podía llamarse arte. Cuando la empresa Art Recognition detectó en 2019 que un supuesto Sansón y Dalila en la National Gallery de Londres era probablemente falso —con una probabilidad del 91,78 %— la noticia circuló no como un triunfo tecnológico sino como una perturbación del orden establecido. La IA, entrenada con pinceladas y paletas cromáticas, detectó lo que los expertos no habían querido admitir durante cuarenta años.

El arte siempre ha necesitado establecer criterios de autenticidad porque el mercado del arte se construye sobre ellos. Una obra de Pollock vale millones; una copia perfecta, nada. Una novela de autor humano accede a contratos editoriales; una novela de IA, al desprecio. Pero el criterio que distingue una cosa de otra ha sido siempre más frágil de lo que parecía. La proveniencia de una pintura puede manipularse. La autoría de un texto puede delegarse, encubrirse, disputarse. Lo que los detectores de IA hacen visible, de manera incómoda, es que la autenticidad nunca fue una propiedad objetiva del objeto, sino un acuerdo social sobre su origen.

Lo que los modelos de lenguaje aprendieron del arte

ChatGPT, Claude, Gemini: todos estos sistemas se entrenaron con escritura humana de calidad. Aprendieron a producir textos fluidos, coherentes y con baja perplejidad porque millones de textos humanos excelentes tenían exactamente esas características. En ese sentido, la escritura de los modelos de lenguaje no imita al ser humano: es el ser humano destilado, promediado, recompuesto. Y cuando un detector intenta separar lo que produjo la máquina de lo que produjo el escritor, enfrenta un problema filosófico disfrazado de problema técnico.

El mismo patrón aparece en las artes plásticas. Herramientas como MidJourney o DALL-E aprenden de millones de imágenes humanas para generar otras que combinan estilos, proponen composiciones y producen texturas. ¿Es eso creatividad? Depende de lo que se entienda por creatividad. Si creatividad es la capacidad de producir algo que antes no existía y que genera una respuesta estética en el observador, entonces la respuesta es sí, con matices. Si creatividad implica intención, experiencia vivida, sufrimiento y celebración, entonces la respuesta es no, rotundamente. Pero el mercado, que es lo que mueve el dinero, no distingue siempre entre las dos definiciones.

El problema real no es técnico: es de valor

Hay un riesgo mayor que el de los falsos positivos: que nos acostumbremos a delegar en los algoritmos las preguntas que solo los humanos pueden responder. Un detector de IA puede medir perplejidad. No puede medir si una novela importa. Un sistema de autenticación por red neuronal puede analizar pinceladas. No puede determinar si una obra merece estar en un museo.

Cuando Hachette retira Shy Girl, no lo hace porque el libro sea malo. Lo hace porque el libro viola un contrato de confianza entre autor, editor y lector. Ese contrato no es técnico. Es ético. Y es precisamente ese tipo de contrato el que está en renegociación permanente en el mundo del arte y la literatura desde que los modelos de lenguaje se volvieron lo suficientemente capaces como para engañar a los editores profesionales.

La autenticidad en la era de la inteligencia artificial no es una cuestión de detección. Es una cuestión de valor. ¿Qué valoramos cuando compramos una obra, leemos un libro o contratamos a un escritor? ¿Valoramos el resultado o valoramos el proceso humano que lo produjo? La respuesta a esa pregunta determinará cómo se organiza el mercado del arte, cómo se contratan los creativos, y cómo se protege —o no— la creación humana en las próximas décadas.

Una lectura desde el mercado del arte

Para quienes operamos en el mercado del arte —comprando, vendiendo, asesorando coleccionistas o simplemente observando con atención— este debate tiene consecuencias prácticas. Empresas como Art Recognition ya ofrecen autenticación algorítmica de obras físicas, con informes de probabilidad sobre la autoría de pinturas basados en el análisis de la pincelada, la paleta y la composición. El proceso es más rápido y menos costoso que el peritaje tradicional. También es más frío, y quizás por eso más honesto.

El reto es distinguir entre dos tipos de valor que el mercado confunde con frecuencia: el valor de autenticidad —que una obra sea lo que dice ser, producida por quien dice haberla producido— y el valor de singularidad —que esa obra no pueda reproducirse ni sustituirse. La IA puede erosionar el primero más fácilmente de lo que parece. El segundo, si el artista es coherente y la obra responde a una experiencia genuina e irrepetible, es mucho más resistente.

Lo que los detectores nos enseñan, aunque no sea su intención, es que escribir bien se ha vuelto sospechoso. Y esa sospecha, instalada en los sistemas que evalúan nuestro trabajo creativo, nos dice algo importante sobre el momento en que vivimos: estamos en medio de una renegociación fundamental de lo que significa crear, y todavía no tenemos las herramientas —técnicas ni filosóficas— para resolverla con justicia.

García Márquez nunca necesitó demostrar que era humano. Nosotros, en 2026, empezamos a necesitarlo.

Fuentes

Si te interesa seguir esta conversación sobre tecnología, arte e inversión, puedes leer más reflexiones en el blog de David Moreno.

¿Puede una máquina escribir mejor que García Márquez? Lo que los detectores de IA revelan sobre la autenticidad en la era de la inteligencia artificial