Los detectores de texto IA funcionan. Qué cambia esto para sus emails profesionales.

Una PYME española de servicios, veintidós empleados. El gerente responde cada tarde a unos quince mensajes: un cliente que discute una línea de la factura, un proveedor que retrasa una entrega, un jefe de proyecto que espera una decisión. Desde hace un año se apoya en una IA para preparar un primer borrador de sus respuestas. Hasta ahora, saber si eso se notaba era cuestión de intuición.

La pregunta ha cambiado de naturaleza. En agosto de 2026, la revista Nature dedicó un artículo al salto de fiabilidad de las herramientas de detección de texto generado por IA, y un laboratorio independiente, Epoch AI, publicó sus propias mediciones sobre tres de ellas. El debate ya no consiste en saber si estas herramientas funcionan. Consiste en saber qué hace un directivo con ellas.

¿Puede un detector de texto IA identificar un email profesional?

Un detector de texto IA aplicado a un email profesional no dice si usted ha usado una IA: estima una probabilidad. Las mediciones independientes de 2026 muestran que dos de los tres detectores no acusaron por error ningún texto humano, pero dejan pasar del 10 al 18 por ciento de los textos que imitan un estilo.

Dos precisiones antes de seguir. Primera: estas herramientas se evaluaron sobre textos largos, de unas quinientas palabras. Un email de ocho líneas ofrece mucha menos materia estadística, y ninguna de las mediciones citadas aquí se refiere a emails. Segunda: ningún cliente pasa sus mensajes por un detector. El tema es pertinente por lo que estas mediciones revelan sobre lo que distingue un texto de máquina de uno humano.

Cifras del fabricante y medición independiente: dos series para leer juntas

Los fabricantes comunican sobre sus propios bancos de pruebas. Pangram afirma, en tests internos, una tasa de falsos positivos de aproximadamente 1 de cada 10 000, y del 0,004 por ciento (1 de cada 25 000) en escritura académica. Para su versión Pangram 4, publicada en julio de 2026, el fabricante anuncia un 0,34 por ciento de falsos negativos, y un 2,9 por ciento cuando la IA imita el estilo de un autor, cifras recogidas por Nature. GPTZero, por su parte, afirma un 99,6 por ciento de exactitud y un 0,13 por ciento de falsos positivos en su propio banco de pruebas. Pangram reconoce además que no puede ejecutar el mismo protocolo sobre los productos de sus competidores.

Epoch AI llevó a cabo una evaluación independiente en junio de 2026 sobre tres detectores. Sobre 495 textos escritos por humanos y publicados antes de 2022 (blog, ficción, escritura científica, unas 500 palabras cada uno), Pangram y GPTZero no produjeron ningún falso positivo; Originality.ai produjo 19, es decir un 3,84 por ciento. Sobre 297 pasajes generados pidiendo a la IA que imitase el estilo de un autor concreto a partir de cinco muestras, Pangram falla 30 (10,10 por ciento), GPTZero 32 (10,77 por ciento) y Originality.ai 53 (17,85 por ciento).

El punto ciego: los textos que imitan un estilo

El resultado más interesante de Epoch AI no es el de los falsos positivos, sino el de los textos no detectados. La media de los tres detectores ronda el 13 por ciento de fallos en cuanto la IA ha recibido muestras del estilo de un autor antes de redactar. En la escritura científica en particular, alrededor del 26 por ciento de los pasajes que imitan un estilo pasan desapercibidos. Ese registro está muy codificado, y cabe ver ahí una explicación: cuanto más se apoya un género en convenciones compartidas, menos marcas individuales lleva un texto. El email de un directivo es lo contrario, solo lleva las suyas.

Dicho de otro modo: lo que pone en dificultad a un detector no es un truco de redacción, sino un estilo personal real. Suele leerse como una debilidad de las herramientas. Para un directivo dice algo muy concreto: un texto con marcas individuales fuertes se parece a lo que escribe un humano, porque es justo eso lo que distingue a una persona de una media estadística.

Qué cambia esto para un directivo de PYME

Tres consecuencias prácticas, y ninguna es técnica.

• El tema no es la detección, es el reconocimiento. Nadie va a pasar su recordatorio de factura por un detector. En cambio, un cliente que le lee desde hace tres años reconoce su manera de escribir, y nota cuando cambia de un día para otro.
• Lo genérico es el problema real. Lo que mejor detectan las herramientas es también lo que un lector humano encuentra más tibio: un texto liso, correcto, aplicable a cualquier asunto. Ese tipo de mensaje no solo es detectable, es poco útil.
• La relectura sigue siendo el acto que compromete. Un email enviado con su nombre le compromete, sea cual sea la manera en que se produjo el primer borrador. Por eso la validación antes del envío no es un trámite.

Nada de esto enfrenta el uso de la IA con la calidad de la relación con el cliente. Lo que sí la perjudica es el uso sin relectura. El filtrado del volumen aguas arriba es otro asunto, el del método de productividad de email.

Un apunte español, cercano a la misma preocupación: la AEPD publicó el 27 de enero de 2026 un decálogo de recomendaciones sobre el uso de herramientas de IA, bajo el título «Cuidado con lo que le confIAs». Son recomendaciones de una autoridad española, no obligaciones, y seguirlas no otorga por sí solo ninguna presunción de conformidad. Se cita por lo que es: un documento de referencia para quien quiera formarse un criterio interno.

La única respuesta sostenible: enviar un texto que sea de verdad el suyo

Si la detección funciona, intentar esquivarla es un callejón sin salida: es correr detrás de modelos que avanzan más rápido que los trucos. La respuesta sostenible está en otra parte, y es más sencilla. Un email que recoge sus formulaciones, su nivel de detalle, su forma de anunciar una mala noticia o de fijar un plazo no tiene que defenderse de ser el suyo. Lo es.

Esa es la lógica sobre la que está construido Neston: el asistente aprende el estilo de escritura de su usuario a partir de unos 300 emails enviados y 500 emails recibidos, y después propone una respuesta que el humano valida siempre antes del envío. No es una defensa frente a la detección, y no pretende serlo. Es la consecuencia de la misma constatación: el único texto que aguanta frente a un cliente es el que se parece a usted.

Lo que despierta la sospecha sin ninguna herramienta

En la vida de una PYME, el juicio se forma sin detector, leyendo. Se repiten tres señales.

1. El desfase de registro. Usted escribe habitualmente en cinco líneas, sin fórmula de apertura, y de pronto llega un párrafo introductorio cuidado. El contraste lo nota de inmediato un interlocutor habitual.
2. La extensión desproporcionada. Una pregunta cerrada que recibe cuatro párrafos de contexto da la impresión de que nadie ha leído la pregunta.
3. La ausencia de detalles del asunto. Ni número de pedido, ni fecha del intercambio, ni referencia a lo que se dijo la semana anterior. Son exactamente los elementos que una máquina no puede inventar en su lugar, y los que hacen creíble un mensaje.

Estas tres señales no miden el uso de la IA. Miden el cuidado. Es también lo que trata de objetivar el scoring redaccional aplicado a los emails.

Seguir leyendo

• Email e IA: cómo redactar con un asistente, el método en el uso diario
• Productividad email: el método 2026 (Outlook y Gmail), para tratar el volumen antes de hablar de redacción
• Cómo una IA aprende su estilo de escritura, lo que ocurre antes de que se le proponga una respuesta
• Scoring redaccional: puntúe sus emails de 0 a 100, los criterios que hacen que un mensaje inspire confianza
• ¿Hay que avisar de que un email se ha redactado con IA?, lo que dice, y lo que no dice, el artículo 50 del Reglamento de IA

FAQ: detectores de texto IA y emails profesionales

Publicado el 31 de agosto de 2026 · Tiempo de lectura: 6 minutos · aprox. 1 500 palabras