Demandas por detección de IA 2026: lo que los escritores ESL deben saber

En mayo de 2026, una familia en California llevó una disputa de calificación escolar hasta un tribunal federal. Su hijo, estudiante de segundo año en un instituto público de Palo Alto, había escrito un ensayo sobre «The Crucible» de Arthur Miller y lo entregó. El detector de IA de Turnitin marcó el ensayo con una probabilidad del 76 % de haber sido generado por IA. El profesor, apoyándose en esa puntuación, exigió al estudiante reescribir el ensayo en clase bajo supervisión. La nota cayó de una A baja o B alta a una C. La familia presentó un paquete probatorio de 1162 páginas de historial de revisiones de Google Docs que mostraba que el trabajo fue escrito por el alumno a lo largo de varios días. El distrito se negó a restaurar la nota. El caso está ahora pendiente en el Tribunal de Distrito de EE. UU. para el Distrito Norte de California como Doe et al v. Palo Alto Unified School District et al., expediente 5:25-cv-04202.

Es una de al menos seis demandas activas en 2025-2026 que comparten un problema estructural. A los escritores ESL —estudiantes cuya primera lengua no es el inglés— y a otros grupos (estudiantes autistas, estudiantes con TOC, estudiantes que usan tecnologías de asistencia) los marcan a tasas mucho más altas que a la población general. Los tribunales federales y estatales empiezan a prestar atención. Las universidades —Waterloo, Vanderbilt, MIT, Curtin— desactivan en silencio la detección de IA. Y el propio Turnitin, en un anuncio de febrero de 2026, dijo que está evolucionando «de la detección a la transparencia».

Este artículo es para los escritores ESL —estudiantes, investigadores de posgrado, profesionales inmigrantes— cuyo trabajo lo lee un software que no se construyó pensando en ellos. Explica qué revela realmente la investigación, qué han dicho los tribunales hasta ahora, cómo responden las universidades y cómo proteger tu trabajo antes de que se marque siquiera.

1. El hallazgo de Stanford que inició la conversación

En abril de 2023, un equipo de Stanford liderado por Weixin Liang y James Zou puso a prueba siete detectores de IA comerciales con ensayos escritos por hablantes no nativos de inglés. Los detectores marcaron el 61,22 % de esos ensayos escritos por humanos como generados por IA, mientras reconocían correctamente los ensayos de octavo grado de EE. UU. como humanos. El artículo se publicó en la revista Patterns, de Cell Press, y replanteó todo el debate sobre la detección.

Los investigadores tomaron 91 ensayos escritos por hablantes no nativos de inglés (procedentes de materiales de preparación del TOEFL) y 88 ensayos escritos por estudiantes de octavo grado de EE. UU. Pasaron cada ensayo por siete detectores de IA comerciales: Originality.AI, Quill.org, Sapling, el GPT-2 Output Detector de OpenAI, Crossplag, GPTZero y ZeroGPT. El resultado:

• El 61,22 % de los ensayos en inglés no nativo escritos por humanos se marcaron por error como generados por IA.
• El 97,8 % de esos ensayos se marcaron como IA por al menos uno de los siete detectores.
• El 19,8 % de ellos se marcaron por unanimidad por los siete.
• Los mismos detectores eran «casi perfectos» a la hora de identificar correctamente los ensayos de octavo grado de EE. UU. como humanos.

Para probar la causa, los investigadores hicieron una prueba adicional. La tasa de falsos positivos se disparó. A continuación tomaron los ensayos de EE. UU. verificados como humanos y pidieron a ChatGPT que «simplificara» las elecciones de palabra para que sonara menos nativo. Después tomaron los ensayos del TOEFL y pidieron a ChatGPT que «mejorara» el lenguaje para que sonara más nativo. La tasa de falsos positivos bajó. Los detectores no estaban encontrando IA. Estaban castigando la simplicidad lingüística.

Esto se debe a que los detectores de IA miden dos cosas: la perplejidad (cuán predecible es cada elección de palabra) y la variabilidad sintáctica (burstiness, cuánto varían la longitud y la estructura de las frases). Los grandes modelos de lenguaje generan texto de baja perplejidad y baja burstiness por diseño: eligen la siguiente palabra más probable y generan una salida uniforme. Los escritores no nativos de inglés, sobre todo los que aún construyen vocabulario, producen de forma natural una prosa de baja perplejidad. Emplean un vocabulario más básico y una gramática estándar. Para un detector entrenado en perplejidad, eso parece que lo escribió una máquina.

El mecanismo no es un fallo que pueda arreglarse con una actualización de modelo. En palabras de los investigadores Hadra, Cambridge y Mesbah (2026) en el International Journal for Educational Integrity (Springer), el equilibrio entre la potencia de detección y las falsas acusaciones es «un límite matemático estructural, no un fallo de ingeniería que pueda solucionarse con un parche».

2. Qué dicen los casos hasta ahora

Al menos seis demandas por detección de IA están activas en 2025 y 2026, con resultados mixtos. Cuando el caso de la escuela se apoya solo en una puntuación de detector, los tribunales son cada vez más escépticos, y ya hay una sentencia que calificó la decisión institucional de «carente de razón». Cuando la marca del detector está respaldada por evidencia independiente de trampa, los jueces se remiten a los profesores y administradores.

Newby v. Adelphi University — el estudiante ganó

En enero de 2026, el Tribunal Supremo de Nueva York (condado de Nassau) falló en Matter of Newby v. Adelphi University. Orion Newby, un estudiante de primer año diagnosticado con trastorno del espectro autista de nivel 2 e inscrito en el «Bridges Program» de Adelphi (una iniciativa de apoyo al aprendizaje para estudiantes con condiciones del neurodesarrollo), había sido acusado de plagio con IA tras una puntuación de Turnitin del 100 % en un trabajo de historia. La universidad mantuvo una nota de suspenso y le exigió cursar un programa antiplagio. Su familia gastó más de 100 000 dólares en honorarios legales impugnando la decisión.

La Hon. Randy Sue Marber falló que la decisión de la universidad era, en sus palabras exactas, «sin base válida y carente de razón». El tribunal ordenó a Adelphi rescindir la sanción y eliminar por completo la anotación del expediente del estudiante. Ahora se considera una sentencia histórica porque establece —al menos a nivel de tribunal estatal en Nueva York— que las instituciones no pueden tratar una puntuación de detector como un veredicto final.

Doe v. Yale University — reclamación ESL bajo el Título VI, pendiente

Un estudiante de un MBA Ejecutivo en Yale fue suspendido un año después de que un examen final fuera marcado por GPTZero. El estudiante, un hablante no nativo de inglés que actúa bajo el seudónimo «John Doe», presentó una demanda en el Tribunal de Distrito de EE. UU. para el Distrito de Connecticut (expediente 3:25-cv-00159-SFR). La demanda sostiene que el algoritmo de GPTZero presenta un sesgo implícito contra los escritores ESL —el mismo mecanismo lingüístico que documentó el estudio de Stanford— y que usar la herramienta para sancionar a un hablante no nativo equivale a discriminación por origen nacional al amparo del Título VI de la Ley de Derechos Civiles de 1964. El caso está pendiente.

R.N.H. v. Hingham Public Schools — el estudiante perdió la medida cautelar

No todos los casos van a favor de la familia. En Massachusetts, los padres de un estudiante de instituto (identificado por las iniciales R.N.H.) demandaron a Hingham Public Schools después de que el estudiante fuera sancionado por usar IA en un proyecto de historia. El tribunal federal denegó la solicitud de medida cautelar de la familia. El juez razonó que el caso «no trataba de IA… sino de una deshonestidad académica simple», porque la investigación del profesor había descubierto citas inventadas por la IA (alucinaciones del modelo) en el trabajo del estudiante, incluido un libro inexistente titulado «Hoop Dreams: A Century of Basketball» atribuido a un autor inexistente. El tribunal declinó «cuestionar las decisiones de profesores y administradores». Es un contracaso importante: cuando una marca de detector se combina con evidencia independiente de trampa, los tribunales son reacios a anular la decisión de la escuela.

Lo que separa los casos es si el argumento de la escuela se apoya en el detector por sí solo (de lo que los tribunales son cada vez más escépticos) o si la marca del detector está corroborada por otra evidencia (en cuyo caso los tribunales se remiten a los educadores). La conclusión para un escritor ESL que produce su propio trabajo: la defensa más fuerte es la evidencia preservada del proceso —borradores, marcas de tiempo y el historial de revisiones— mucho antes de que un detector vea el trabajo final.

3. Las universidades abandonan la detección de IA en silencio

Mientras el litigio avanza por los tribunales, universidades importantes están desactivando la detección de IA por su cuenta. Waterloo, Vanderbilt, MIT y Curtin han desactivado o limitado públicamente el detector de IA de Turnitin, alegando la escasa fiabilidad y el sesgo contra los hablantes no nativos de inglés. Muchas más instituciones han apagado la función en sus sistemas de gestión del aprendizaje sin una nota de prensa.

La Universidad de Waterloo desactivó formalmente la función de detección de IA de Turnitin en septiembre de 2025. El vicerrector académico asociado declaró públicamente: «La investigación ha mostrado que las herramientas de detección de IA no son fiables… También se ha hallado que las herramientas de detección de IA están sesgadas hacia los estudiantes cuya primera lengua no es el inglés… Dado el coste de la herramienta en dólares estadounidenses, su falta de fiabilidad y su sesgo, se determinó que los costes asociados a la función de detección de IA de Turnitin superan los beneficios.»

La Universidad de Vanderbilt desactivó el detector de IA de Turnitin. Su orientación administrativa dice: «Se han reportado ampliamente casos de falsas acusaciones de uso de IA contra estudiantes en otras universidades… Además del problema de los falsos positivos, se ha hallado que los detectores de IA son más propensos a etiquetar como escrito por IA el texto escrito por hablantes no nativos de inglés.»

El MIT publicó una guía interna de enseñanza titulada, con toda su franqueza, «Los detectores de IA no funcionan. Esto es lo que hay que hacer en su lugar».

La Universidad de Curtin en Australia anunció que desactivará la detección de escritura por IA de Turnitin a partir de 2026 mientras mantiene activa la comprobación de plagio estándar.

Varias otras universidades han desactivado o restringido la detección de IA en silencio, entre ellas American University, Boston University, UC Berkeley, Colorado State, DePaul, Georgetown, Michigan State, NYU y la University of Cape Town. La mayoría lo hizo sin una nota de prensa; dejaron expirar los contratos o apagaron la función en su sistema de gestión del aprendizaje.

4. Incluso Turnitin admite los límites

Los propios materiales de Turnitin tienen una advertencia difícil de encontrar pero específica. La empresa ha declarado que su indicador de IA tiene «un margen de incertidumbre de aproximadamente ±15 puntos porcentuales» según la longitud del texto. La misma documentación dice que el indicador «no debería ser la única base para una acción punitiva».

La historia de las afirmaciones de precisión de Turnitin es instructiva. En el lanzamiento del detector de IA en febrero de 2023, la empresa anunció —con confianza— que la herramienta «identifica el 97 por ciento de la escritura autorada por ChatGPT y GPT3, con una tasa de falsos positivos muy baja de menos de 1/100». Tres meses después, en una entrada de blog de mayo de 2023, la directora de producto Annie Chechitelli admitió: «el uso en el mundo real está dando resultados distintos de los de nuestro laboratorio». En febrero de 2026, el CEO Chris Caren anunció un cambio de rumbo: la empresa pasa «de la detección a la transparencia», enfatizando las herramientas que rastrean el proceso de escritura en vez de marcar los documentos terminados.

Una auditoría de la Universidad de Waterloo, antes de desactivar la herramienta, halló que «en más de una ocasión el producto marcó texto escrito por humanos como 100 % generado por IA». Un estudio revisado por pares de 2026 de Hadra et al. cifró la precisión global de Turnitin en el 61 %. El grupo de tecnología educativa Anthology, que evaluó la detección de IA en sus clientes de educación superior, concluyó que «la detección de IA no está actualmente a la altura de las exigencias del ámbito educativo».

5. Qué deberían hacer realmente los escritores ESL

Si eres un escritor ESL que hace su propio trabajo, las tendencias legales son alentadoras, pero no te salvarán en la reunión del próximo martes. Lo que importa en la práctica es la evidencia que tienes antes de que alguien cuestione tu escritura.

Construye el rastro de prueba mientras escribes

La familia de Palo Alto presentó 1162 páginas de historial de revisiones porque lo tenía. Google Docs preserva un historial completo de versiones por defecto: cada edición, pegado, eliminación y marca de tiempo. También Microsoft Word, Notion y la mayoría de los editores modernos. Asegúrate de escribir en algo que conserve este historial, y no trabajes con una herramienta que no lo haga.

Si redactas primero en tu lengua materna y luego traduces al inglés (un flujo ESL común y legítimo), conserva el borrador original. Es una de las evidencias más convincentes que puedes ofrecer. Un juez o administrador que mira un rastro de papel que muestra «aquí está mi esquema en ucraniano, aquí la traducción al inglés, aquí cinco revisiones del inglés» está leyendo el mismo tipo de evidencia que el Certificado de autoría de Diglot convierte en verificable mediante firma criptográfica.

Si te marcan, no te disculpes

El primer instinto cuando un profesor pregunta «¿usaste IA en esto?» es defenderse, explicar, a veces sobreexplicar. La lección del caso Hingham es que la protesta sin evidencia no funciona; la lección del caso Newby es que la evidencia sin pánico sí. Empieza con el rastro de papel. Pregunta qué detector se usó y qué umbral disparó la marca. Señala el propio margen de incertidumbre de ±15 puntos porcentuales admitido por Turnitin. Menciona el estudio de Stanford si eres un escritor ESL: está revisado por pares, es público y aborda exactamente este problema.

Conoce la política de tu institución

Los casos que ganan los estudiantes comparten un rasgo estructural: el procedimiento de la institución para manejar las acusaciones de IA estaba ausente o era vago. El estudiante se sorprende entonces con una sanción que no estaba en ningún manual al inicio del semestre. Lee la política de integridad académica de tu escuela. Si no aborda la IA específicamente, ese es un argumento que vale la pena plantear.

Pregunta por el debido proceso

Los casos más fuertes contra las escuelas alegan violaciones del debido proceso procesal: la institución no dio al estudiante una notificación justa, una oportunidad de presentar contraevidencia o un camino de apelación claro. Si te acusan, pide por escrito los pasos procesales específicos que seguirá la institución. Esa sola solicitud suele centrar la conversación.

6. Dónde encaja Diglot

Todo escritor ESL que se enfrenta a una falsa marca de IA tiene, en el fondo, un problema de evidencia. El historial de revisiones existe en la mayoría de los editores modernos, pero es difícil de compartir y fácil de ignorar para una institución. El Certificado de autoría de Diglot resuelve eso firmando toda la cadena de edición con una clave criptográfica y produciendo una URL de verificación pública.

Diglot rastrea cada edición, cada pegado y cada asistencia de IA en tu documento y firma la cadena de eventos resultante con una clave criptográfica ed25519. El resultado es una URL de verificación pública que cualquiera puede abrir en cualquier navegador —sin necesidad de tener una cuenta de Diglot— para consultar un registro inalterable de cómo se escribió realmente el documento. Si eres un escritor ESL que redacta en su lengua materna y refina en inglés, Diglot está hecho para ese flujo exacto, y el Certificado resultante está hecho exactamente para la conversación de la que trata este artículo.

Si quieres saber más sobre cómo se firma el Certificado y cómo lo verifica un tercero, lee la página de cómo funciona. Para conocer la investigación detrás de por qué los detectores producen tantos falsos positivos con la escritura ESL, lee la pieza complementaria por qué los detectores de IA malinterpretan el inglés no nativo. Para una guía de defensa práctica paso a paso, lee cómo demostrar que tu ensayo lo escribió un humano. Si eres freelance lidiando con acusaciones de clientes, mira qué hacer si un cliente marca tu escritura como IA. Y para consejos sobre escribir un inglés que suene natural (y menos marcable), lee cómo hacer que tu escritura en inglés suene natural. Explora la categoría de investigación del Certificado de autoría completa para más estudios de caso y actualizaciones de política. Si quieres probar el flujo de escritura bilingüe, el plan gratuito cubre la mayoría de los casos de uso.

Fuentes citadas en este artículo

Este artículo cita investigación revisada por pares de Stanford y Springer, demandas y sentencias de tribunales federales y estatales, declaraciones públicas de la Universidad de Waterloo y Vanderbilt, las propias divulgaciones de producto de Turnitin y la cobertura de Hoodline. Cada referencia está enlazada abajo. Donde las sentencias o posiciones institucionales sigan activas, actualizaremos esta página a medida que lleguen cambios materiales.

• Liang, W., Zou, J., et al. (2023). «GPT detectors are biased against non-native English writers.» Patterns, Cell Press. arxiv.org/abs/2304.02819 · DOI: 10.1016/j.patter.2023.100779
• Hadra, Cambridge y Mesbah (2026). «AI Detectors Fail Diverse Student Populations: A Mathematical Framing of Structural Detection Limits.» International Journal for Educational Integrity, Springer.
• Matter of Newby v. Adelphi University (2026), Hon. Randy Sue Marber, Tribunal Supremo de Nueva York (condado de Nassau): law.justia.com
• Doe et al v. Palo Alto Unified School District et al., expediente 5:25-cv-04202, Tribunal de Distrito de EE. UU. para el Distrito Norte de California (presentado 2025-2026, pendiente).
• Hoodline, «Palo Alto Parents Go Federal Over Teen's Turnitin 'AI Cheater' Tag» (11 de mayo de 2026): hoodline.com
• Universidad de Waterloo, «Discontinuing the use of AI detection functionality in Turnitin»: uwaterloo.ca
• Universidad de Vanderbilt, «Guidance on AI Detection and Why We're Disabling Turnitin's AI Detector»: vanderbilt.edu
• National Education Association, «Five Principles for the Use of Artificial Intelligence in Education» (2025): nea.org
• American Federation of Teachers, «Resolution on Artificial Intelligence»: aft.org

Este artículo informa sobre litigios activos y políticas en evolución. El estado de los casos concretos y las posiciones institucionales puede cambiar tras la publicación. Actualizaremos esta página cuando lleguen sentencias materiales. Última verificación: 2026-05-14.