En este artículo
Escribiste tu ensayo. Pasaste días en él: leyendo fuentes, esquematizando, redactando, revisando. Lo entregas. Entonces tu profesor te dice que Turnitin lo marcó como generado por IA.
Si el inglés no es tu primera lengua, este no es un caso límite raro. Es un problema estructural de cómo funcionan los detectores de IA, y ahora se impugna en tribunales federales.
Esta guía explica por qué se marca la escritura en inglés no nativo, qué dice la investigación, qué han resuelto los tribunales hasta ahora y —lo más importante— cómo construir tu defensa de autoría antes de pulsar «entregar».
Por qué los detectores de IA marcan la escritura ESL
Los detectores de IA en realidad no detectan IA. Miden dos propiedades estadísticas del texto:
- Perplejidad: cuán predecible resulta cada elección léxica. Baja perplejidad significa que el texto sigue patrones comunes.
- Variabilidad sintáctica (burstiness): cuánto varían la longitud y la estructura de las frases. Baja variabilidad sintáctica significa que las frases son uniformes.
Los grandes modelos de lenguaje producen texto de baja perplejidad y baja variabilidad sintáctica porque están diseñados para elegir la siguiente palabra más probable y mantener una salida consistente. Cuando un detector ve texto con esas propiedades, lo marca.
Aquí está el problema: los hablantes no nativos de inglés también producen texto de baja perplejidad. Si todavía estás ampliando tu vocabulario, tiendes a elegir palabras más predecibles. Si aprendiste gramática a través de libros de texto, tiendes a escribir con estructuras más convencionales. Si traduces de tu lengua materna, el resultado tiende a ser estructuralmente uniforme. Para un detector, tu inglés cuidadoso y correcto parece lo mismo que la salida de máquina.
No es especulación: un estudio revisado por pares de Stanford lo confirma con datos.
Los números: tasa de falsos positivos del 61 %
En 2023, investigadores de Stanford (Liang, Zou, et al.) publicaron un estudio en Patterns (Cell Press) titulado «GPT detectors are biased against non-native English writers». Sometieron 91 ensayos de inglés como segunda lengua escritos por humanos (extraídos de materiales de preparación del TOEFL) y 88 ensayos escritos por estudiantes de octavo grado de EE. UU. a siete detectores de IA comerciales.
Los resultados:
- El 61,22 % de los ensayos ESL escritos por humanos se marcaron por error como generados por IA
- El 97,8 % de esos ensayos se marcaron por al menos uno de los siete detectores
- El 19,8 % se marcaron por unanimidad por los siete detectores
- Los mismos detectores identificaron correctamente los ensayos en inglés nativo con una precisión casi perfecta
Para probar la causalidad, los investigadores hicieron una prueba de seguimiento. Tomaron ensayos en inglés nativo verificados como humanos y pidieron a ChatGPT que «simplificara» el lenguaje para sonar no nativo. La tasa de falsos positivos se disparó. Tomaron los ensayos ESL y pidieron a ChatGPT que los «mejorara» para sonar nativos. La tasa de falsos positivos bajó. Los detectores no identificaban escritura generada por IA; estaban penalizando la simplicidad lingüística.
Un estudio de 2026 de Hadra, Cambridge y Mesbah en el International Journal for Educational Integrity (Springer) halló que Turnitin alcanzó solo un 61 % de precisión global, calificando ese equilibrio entre potencia de detección y falsas acusaciones de «límite matemático estructural, no un fallo de ingeniería que pueda corregirse».
Qué dicen los tribunales
El panorama legal está cambiando. Varias demandas presentadas en 2025 y 2026 cuestionan si las escuelas pueden sancionar a estudiantes basándose solo en puntuaciones de detector de IA. El patrón en las sentencias es claro: cuando el caso de la escuela se apoya en una puntuación de detector por sí sola, los jueces son cada vez más escépticos. Cuando también existe evidencia independiente de trampa, los tribunales se remiten a los educadores.
El caso de Palo Alto — litigio federal pendiente
Una familia en California presentó una demanda federal (Doe et al v. Palo Alto Unified School District et al., expediente 5:25-cv-04202) después de que el ensayo de su hijo fuera marcado al 76 % por Turnitin. La nota del estudiante cayó de una B alta/A baja a una C. La familia presentó un paquete probatorio de 1162 páginas —historial de revisiones, borradores, marcas de tiempo de Google Docs— que mostraba que el trabajo se escribió a mano a lo largo de 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, con reclamaciones presentadas bajo el Título VI (discriminación por origen nacional), el Título IX y el debido proceso.
Newby v. Adelphi — el estudiante ganó
En enero de 2026, el Tribunal Supremo de Nueva York falló en Matter of Newby v. Adelphi University. Orion Newby, un estudiante de primer año con trastorno del espectro autista de nivel 2 inscrito en el «Bridges Program» de Adelphi, fue marcado al 100 % por Turnitin en un trabajo de historia. La universidad mantuvo una nota de suspenso. Su familia gastó más de 100.000 dólares en honorarios legales.
El juez falló que la decisión de la universidad era «sin base válida y carente de razón» y ordenó anular la sanción y limpiar por completo el expediente académico. Esta sentencia establece —al menos a nivel de tribunal estatal en Nueva York— que la puntuación de un detector de IA por sí sola no es una base válida para una sanción académica.
Doe v. Yale — ESL y 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, presentó una demanda en el Tribunal de Distrito de EE. UU. para el Distrito de Connecticut argumentando que el algoritmo del detector tiene un sesgo implícito contra los escritores ESL —el mecanismo exacto que documentó el estudio de Stanford— y que usarlo para sancionar a un hablante no nativo equivale a discriminación por origen nacional bajo el Título VI. El caso está pendiente.
El contraejemplo: Hingham
No todos los casos van a favor del estudiante. En Massachusetts, un tribunal federal denegó la medida cautelar de un estudiante después de que la escuela encontrara citas alucinadas por IA en su trabajo, incluido un libro inexistente. El tribunal razonó que el caso de la escuela se apoyaba en evidencia independiente de trampa, no solo en el detector.
El patrón en los casos es claro: cuando la acusación se apoya únicamente en una puntuación de detector, los tribunales son cada vez más escépticos. Cuando el detector está corroborado por otra evidencia, los tribunales se remiten a los educadores. Para los estudiantes ESL que hacen su propio trabajo, la implicación es directa: tu defensa más fuerte es la evidencia preservada de tu proceso de escritura.
Las universidades abandonan la detección de IA
Mientras los tribunales juzgan, las instituciones toman sus propias decisiones. Waterloo, Vanderbilt, MIT y Curtin han desactivado o restringido públicamente el detector de IA de Turnitin citando la falta de fiabilidad y el sesgo contra los hablantes no nativos de inglés. American University, Boston University, UC Berkeley, Georgetown, NYU y muchas otras han apagado la función en silencio a través de sus sistemas de gestión del aprendizaje.
La Universidad de Waterloo suspendió formalmente el uso de la detección de IA de Turnitin en septiembre de 2025, afirmando que las herramientas son «poco fiables» y «están sesgadas hacia los estudiantes cuya primera lengua no es el inglés». Vanderbilt desactivó el detector citando los riesgos de falsos positivos y el sesgo ESL. El MIT publicó una guía interna de enseñanza titulada «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 IA de Turnitin a partir de 2026.
Varias otras instituciones 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 notas de prensa.
Incluso el propio Turnitin ha cambiado. En febrero de 2026, el director ejecutivo Chris Caren anunció un cambio de enfoque «de la detección a la transparencia». La propia documentación de la empresa reconoce un margen de incertidumbre de aproximadamente 15 puntos porcentuales y afirma que el indicador de IA «no debería ser la única base para una acción punitiva».
La defensa de autoría en 8 pasos
El panorama legal es prometedor, pero no te servirá de nada en la reunión del próximo martes. Lo que importa en la práctica es la evidencia que tienes antes de que alguien cuestione tu escritura. Los ocho pasos de abajo cubren qué preparar antes de escribir, qué rastrear mientras escribes y cómo responder con calma y evidencia si llega una marca de detector tras la entrega.
Antes de escribir
1. Elige una herramienta de escritura que conserve el historial. Google Docs preserva un historial completo de versiones por defecto: cada edición, pegado, eliminación y marca de tiempo. También Microsoft Word (con AutoGuardado en OneDrive), Notion y la mayoría de los editores modernos. Si tu herramienta no conserva el historial de revisiones, cámbiate a una que sí. Esta es la base de cualquier defensa de autoría.
2. Conserva tus borradores en lengua materna. Si esquematizas o redactas en tu primera lengua antes de traducir al inglés, conserva ese original. Un rastro de papel que muestra «aquí está mi esquema en mandarín, aquí la traducción al inglés, aquí cuatro rondas de revisión» es evidencia que ningún detector puede contradecir.
3. Guarda las notas de investigación por separado. Mantén un documento (o carpeta) en curso con tus fuentes, citas, notas y razonamiento. Si alguien pregunta cómo llegaste a un argumento concreto, puedes mostrar el camino de la fuente al borrador.
Mientras escribes
4. Escribe en sesiones, no de una sentada. Un historial de revisiones que muestre escritura distribuida a lo largo de varios días —con pausas, revisiones, párrafos eliminados, secciones reestructuradas— es la evidencia más fuerte de autoría humana. Un documento que aparece completo desde la primera sesión —aunque lo hayas escrito de una sola vez— es más difícil de defender.
5. No pegues grandes bloques de fuentes externas. Si redactas secciones en un documento aparte y las pegas en tu trabajo final, el historial de versiones muestra una aparición repentina de texto completamente formado. Redacta directamente en el documento de entrega cuando sea posible, o al menos conserva ambos documentos con sus propios historiales de versiones.
Tras la entrega — si te marcan
6. No te disculpes ni admitas culpa. El primer impulso cuando un profesor pregunta «¿usaste IA?» es ponerse a explicar demasiado. En cambio, presenta primero la evidencia. Presenta con calma tu historial de revisiones, borradores en lengua materna, notas de investigación y marcas de tiempo. Menciona el estudio de Stanford si eres un escritor ESL: está revisado por pares y va directo al grano.
7. Haz preguntas procesales específicas. Solicita por escrito: qué detector se utilizó, qué puntuación activó la alerta, cuál es el procedimiento formal de tu institución para manejar las acusaciones de IA y cuáles son tus opciones de apelación. Los casos más fuertes contra las escuelas implican violaciones del debido proceso procesal: instituciones que no dieron a los estudiantes una notificación justa, una oportunidad de presentar contraevidencia o un camino de apelación claro.
8. Conoce la política de tu institución. Lee la política de integridad académica de tu escuela antes de que surja cualquier disputa. Si no aborda la IA específicamente —o no especifica qué evidencia cuenta como defensa— ese es un argumento que vale la pena plantear. Muchas instituciones adoptaron las herramientas de detección más rápido de lo que actualizaron sus códigos de integridad.
Qué hacen los escritores ESL ahora mismo
La NEA (National Education Association) —que representa a 3 millones de educadores— publicó Cinco Principios para la IA en la Educación afirmando que «las aplicaciones sesgadas de detección de trampas con IA han marcado por error a estudiantes por mala conducta» y nombrando específicamente a los «aprendices multilingües emergentes» que «han sido falsamente acusados». La American Federation of Teachers aprobó una resolución instando a salvaguardas para los derechos individuales en el despliegue de IA.
A nivel estatal, Idaho promulgó la SB 1227, un marco estatal de IA en la educación que exige supervisión centrada en lo humano y prohíbe las decisiones automatizadas de alto riesgo. La AB 1159 de California, que fue aprobada en primera lectura, prohibiría a los proveedores de tecnología educativa entrenar modelos con los envíos de los estudiantes. Maryland e Illinois tienen proyectos de ley similares pendientes.
El rumbo es claro: la época de tratar la puntuación de un detector como un veredicto está llegando a su fin. Pero la transición es lenta, y los estudiantes individuales cargan con el riesgo mientras tanto.
Cómo ayuda Diglot a los estudiantes ESL
Diglot es un espacio de escritura diseñado para acompañar el proceso exacto que hace que los detectores marquen a estudiantes ESL: pensar en un idioma, escribir en otro y refinar hasta que el inglés esté limpio.
El Certificado de autoría rastrea cada edición, pegado y asistencia de IA en tu documento y firma la cadena de eventos resultante con una clave criptográfica. El resultado es una URL de verificación pública que cualquiera —tu profesor, tu departamento, un comité de apelaciones— puede abrir en cualquier navegador para ver un registro a prueba de manipulaciones de cómo se escribió de verdad el documento. Sin necesidad de cuenta de Diglot para verificar.
Si eres un estudiante ESL que redacta en su lengua materna y publica en inglés, el Certificado registra todo ese recorrido: el primer borrador, la traducción al inglés, cada ronda de revisión. Cuando alguien cuestione si escribiste tu propio trabajo, no necesitas discutir. Envías un enlace.
Lee los artículos complementarios para más contexto: las demandas por detección de IA en 2026, por qué los detectores de IA malinterpretan el inglés no nativo, cómo hacer que tu escritura en inglés suene natural y qué hacer si un cliente marca tu escritura.
Empieza un borrador gratis con Diglot
Preguntas frecuentes
Las preguntas que figuran a continuación responden a las dudas más frecuentes de los estudiantes ESL sobre las falsas marcas de IA: si la expulsión es realista, cuán precisos son los detectores de verdad en la escritura en inglés no nativo, si las herramientas de gramática y paráfrasis aumentan el riesgo, qué evidencia se sostiene en una apelación y qué hacer específicamente si tu universidad aún se apoya en el detector de IA de Turnitin para marcar los ensayos.
¿Pueden expulsarme por una falsa detección de IA?
Las sanciones varían según la institución: desde una advertencia hasta cargos de mala conducta académica. Sin embargo, los tribunales son cada vez más escépticos de los castigos basados solo en puntuaciones de detector. En Newby v. Adelphi, un juez anuló la sanción por completo. Tu mejor protección es la evidencia preservada de tu proceso de escritura.
¿Son precisos los detectores de IA para la escritura ESL?
No. Un estudio revisado por pares de Stanford halló que siete detectores de IA comerciales marcaron por error el 61,22 % de los ensayos ESL escritos por humanos como generados por IA. El sesgo es estructural: los detectores miden la predictibilidad del texto, y la escritura en inglés no nativo es naturalmente más predecible por el vocabulario limitado y los patrones gramaticales estándar.
¿Usar Grammarly o una herramienta de paráfrasis hace que mi ensayo parezca IA?
Las herramientas de gramática y paráfrasis pueden reducir la perplejidad (predictibilidad de palabras) y la variabilidad sintáctica (burstiness): las mismas señales que activan los detectores. Usarlas no significa que hicieras trampa, pero puede aumentar tu riesgo de falso positivo. Conserva registros de tus borradores de antes y después del uso de herramientas.
¿Qué evidencia necesito para demostrar que escribí mi ensayo?
La evidencia más fuerte incluye: historial de revisiones con marcas de tiempo (Google Docs, Word, Notion), borradores o esquemas en lengua materna, notas de investigación y enlaces a fuentes, y versiones de borrador intermedias que muestren la evolución del trabajo a lo largo de varias sesiones.
Mi universidad sigue usando Turnitin. ¿Qué debería hacer?
Escribe en una herramienta que preserve el historial de revisiones. Conserva tus notas de investigación. Si redactas en tu lengua materna, guarda esos borradores. Construye el rastro de prueba antes de entregar, no después de una marca. Lee el artículo completo sobre el panorama legal para contexto sobre cómo responden las universidades.
Fuentes
Esta guía se apoya en estudios revisados por pares de Stanford y Springer, sentencias de tribunales federales y estatales, anuncios públicos de universidades importantes sobre la suspensión de la herramienta, documentos de posición de la NEA y la AFT, y las propias divulgaciones de Turnitin. Cada cita está enlazada abajo. Donde las sentencias sigan activas o las instituciones aún no hayan finalizado su política, revisaremos 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
- Hadra, Cambridge, Mesbah (2026). «AI Detectors Fail Diverse Student Populations.» International Journal for Educational Integrity, Springer.
- Doe et al v. Palo Alto Unified School District et al., expediente 5:25-cv-04202, N.D. Cal. Cobertura de Hoodline
- Matter of Newby v. Adelphi University (2026). law.justia.com
- Universidad de Waterloo. «Discontinuing AI detection in Turnitin»
- Universidad de Vanderbilt. «Guidance on AI Detection»
- NEA. «Five Principles for AI in Education» (2025)
- AFT. «Resolution on Artificial Intelligence»
Este artículo hace referencia a litigios activos. El estado de los casos puede cambiar. Última verificación: 2026-05-19.
Compartir
