El test de Turing inverso

Cuando los humanos tenemos que demostrar que no escribimos como máquinas

Hace más de veinticinco años, cuando trabajaba como creativo publicitario en Contraplano, María José Lucerga y yo desarrollamos una pequeña manía estilística. No nos gustaban demasiado los paréntesis: nos parecían una interrupción algo aparatosa de la frase, y preferíamos utilizar guiones largos —rayas, para ser precisos— para introducir incisos, que nos resultaban más limpios, más elegantes, más literarios si se quiere. Los utilizábamos constantemente. Hoy procuro quitarlos de algunos textos, no porque hayan dejado de gustarme ni porque la Real Academia haya decidido expulsarlos de la lengua española, sino porque se han convertido en uno de esos supuestos indicios mediante los que mucha gente cree reconocer un texto escrito por inteligencia artificial.

Hay cierta ironía en haber utilizado durante un cuarto de siglo un recurso estilístico y descubrir de repente que debes abandonarlo para demostrar que sigues siendo tú. Pero quizá sea también una pequeña señal de algo mucho mayor.

Durante décadas imaginamos el test de Turing como una prueba para las máquinas. Alan Turing propuso en 1950 sustituir la pregunta «¿pueden pensar las máquinas?» por un experimento mucho más pragmático: si una persona conversa mediante texto con otra persona y con una máquina y no consigue distinguirlas, la máquina habrá demostrado algo suficientemente interesante sobre su capacidad para imitar el comportamiento humano. La máquina debía convencernos de que era humana. Setenta y cinco años después estamos empezando a construir el experimento contrario: ahora somos nosotros quienes debemos convencer a las máquinas de que somos humanos.

El detector que viajó en el tiempo

Hace poco hice un experimento. Cogí un artículo publicado en Zeitgeist en 2010 y lo pasé por uno de los numerosos detectores de inteligencia artificial disponibles en Internet. Resultado: 95 % de probabilidad de haber sido escrito por IA. El dato tiene una pequeña dificultad histórica —en 2010 no existía ChatGPT—, así que no estamos ante una sospecha discutible, sino ante una imposibilidad material.

El problema es que estos detectores no encuentran una sustancia llamada «inteligencia artificial» escondida entre las palabras. Analizan características estadísticas del texto y buscan patrones asociados a los textos producidos por modelos generativos: previsibilidad, regularidad, determinadas distribuciones léxicas, estructuras sintácticas, variación en la longitud de las frases. Mi escritura tiene probablemente algunos de esos rasgos. La deformación profesional de muchos años escribiendo publicidad me enseñó a buscar claridad, economía, estructura y ritmo; no construyo frases de una página que se abran continuamente en nuevas subordinadas hasta que el lector necesite dejar migas de pan para encontrar el verbo principal. Tiendo a escribir de una manera relativamente limpia y ordenada, y resulta que algunas máquinas consideran sospechoso que un humano escriba así.

El detector no había descubierto que mi artículo fuese artificial. Había descubierto que mi manera de escribir se parecía estadísticamente a aquello que él había aprendido a clasificar como artificial. No es lo mismo.

Cuando la máquina deja una firma invisible

El problema ya no es hipotético. Desde el 2 de agosto de 2026 resulta aplicable el artículo 50 del Reglamento de Inteligencia Artificial de la Unión Europea, que obliga a los proveedores de sistemas capaces de generar contenido sintético de audio, imagen, vídeo o texto a hacer que sus resultados estén marcados en un formato legible por máquina y puedan ser detectados como artificialmente generados o manipulados. La norma exige además que las soluciones utilizadas sean, en la medida técnicamente posible, eficaces, interoperables, robustas y fiables.

Anthropic ha comenzado ya a adaptar Claude a estas obligaciones. Sus nuevos modelos incorporan una marca imperceptible integrada en el propio texto, diseñada para acompañarlo cuando se copia y pega y para sobrevivir, al menos, a determinadas modificaciones. La compañía está extendiendo progresivamente el sistema a sus modelos anteriores.

¿Cómo puede esconderse una marca dentro de un texto sin introducir una etiqueta visible? Existen distintas técnicas de watermarking y no conocemos necesariamente todos los detalles del mecanismo concreto empleado por cada compañía. Una de las estrategias estudiadas consiste en aprovechar la propia naturaleza probabilística de los modelos de lenguaje.

Un modelo construye un texto escogiendo sucesivamente entre diferentes tokens posibles. En cada momento existen varias continuaciones razonables para una frase, y es posible favorecer ligeramente, mediante una clave, determinadas opciones frente a otras. La diferencia puede resultar imperceptible para nosotros: una palabra no demuestra nada, diez tampoco, pero después de cientos o miles de elecciones puede aparecer una desviación estadística reconocible para quien conoce el mecanismo utilizado. Es parecido a utilizar unos dados ligeramente cargados. Si los lanzamos cuatro veces, probablemente no podamos demostrar nada; después de diez mil lanzamientos, una pequeña desviación sistemática empieza a resultar significativa.

La ventaja frente a los detectores actuales es evidente: ya no se trataría simplemente de preguntar si un texto «parece» escrito por una inteligencia artificial, sino de buscar una señal introducida deliberadamente durante su generación.

Pero ni siquiera eso resuelve el verdadero problema, porque detectar intervención de una IA y determinar la autoría de un texto son cosas completamente distintas.

Y resulta significativo que el propio Reglamento parezca consciente de esa diferencia. La obligación de marcado no se aplica cuando el sistema se limita a una función auxiliar de edición estándar o no altera sustancialmente el contenido o su significado. Incluso cuando se trata de textos destinados a informar al público sobre asuntos de interés público, la obligación de revelar que han sido generados o manipulados mediante IA admite una excepción cuando existe revisión humana o control editorial y una persona física o jurídica asume la responsabilidad editorial de la publicación.

Hasta el legislador parece haber comprendido que utilizar una máquina sobre un texto no equivale necesariamente a entregar a la máquina su autoría.

La prueba puede ser correcta y el veredicto falso

Imaginemos que escribo personalmente un artículo de cuatro mil palabras y después utilizo una inteligencia artificial para corregir erratas, mejorar algunas transiciones y proponer una redacción más clara para tres párrafos. El texto resultante podría contener una señal auténtica del modelo. El detector no se habría equivocado. Se equivocaría quien interpretase el detector, porque de «este documento contiene una señal estadística asociada a Claude» no se desprende necesariamente «Claude ha escrito este artículo».

Puede haberlo escrito una persona y haber sido corregido por una IA. Puede haber sido generado inicialmente por una IA y profundamente reescrito por una persona. Puede haber surgido después de una larga conversación en la que el humano aportó la tesis, los argumentos, las referencias y las objeciones mientras la máquina intervino en su formulación. Puede haber atravesado veinte versiones sucesivas en las que resulte imposible establecer una frontera limpia entre ambas intervenciones. Y puede ocurrir exactamente lo contrario: que un texto haya sido íntegramente generado por una IA y haya perdido posteriormente su marca.

Basta imaginar la industria que probablemente aparecerá alrededor del problema: modelos que marcan textos mediante determinadas elecciones estadísticas, y otros modelos capaces de reformular ese mismo texto cambiando vocabulario, sintaxis y estructura hasta degradar la señal, hasta que un tercero aprenda a detectar que la marca ha sido borrada. La vieja carrera entre el DRM y el crack, trasladada al lenguaje. Y con ella, inevitablemente, el blanqueo de capital lingüístico.

La caza de brujas

Todo esto sería solamente un problema técnico si los seres humanos fuéramos especialmente prudentes interpretando probabilidades, y no parece que la historia permita demasiado optimismo. Un detector puede ofrecer un resultado estadístico lleno de matices y nosotros convertirlo inmediatamente en una sentencia: «lo ha escrito con ChatGPT». La distinción entre indicio y prueba, entre intervención y autoría, entre asistencia y sustitución, exige contexto: hay que saber qué hizo la persona, qué hizo la máquina, qué reglas existían y qué uso de la herramienta estaba permitido. Eso requiere tiempo. «95 % IA» requiere tres segundos.

La cautela no es meramente teórica. Investigaciones recientes que han sometido distintos sistemas de watermarking de texto a pruebas de robustez han encontrado tasas importantes de falsos negativos y una enorme vulnerabilidad frente a la paráfrasis, hasta el punto de cuestionar que algunas de las técnicas actualmente disponibles estén preparadas para funcionar como evidencia forense. Una marca estadística puede ser una herramienta útil de trazabilidad. Otra cosa muy distinta es convertirla en una prueba pericial de autoría.

Es fácil imaginar el juicio sumarísimo: trabajos académicos impugnados, artículos puestos bajo sospecha, oposiciones cuestionadas, profesores convertidos en peritos improvisados de estilometría, autores obligados a demostrar que determinadas frases son realmente suyas. La tecnología puede estar formulando una proposición modesta —«este texto presenta determinados patrones estadísticos»— mientras nosotros escuchamos otra completamente distinta: «culpable». Y nuestra especie tiene una considerable experiencia histórica convirtiendo indicios ambiguos en hogueras perfectamente inequívocas.

Todos escribimos igual

Hay sin embargo una razón por la que empezamos a creer que reconocemos los textos producidos mediante inteligencia artificial, y es que muchas veces los reconocemos no necesariamente por los guiones largos, ni por determinadas palabras, ni por esos catálogos de tics que circulan por Internet explicándonos que si alguien escribe «en un mundo cada vez más complejo» probablemente tenga escondido a ChatGPT debajo de la mesa. Lo que empieza a resultar reconocible es algo más profundo: la uniformidad.

Leo publicaciones de autores diferentes y encuentro una respiración extraordinariamente parecida. Introducción limpia, planteamiento del problema, una oposición conceptual perfectamente equilibrada, tres elementos ordenados, una paradoja, un «no se trata de esto, sino de aquello», y finalmente una conclusión elegante que recoge el argumento y lo eleva ligeramente. Todo está bien. Ese es precisamente el problema.

Durante toda la historia de la escritura, cada persona acumulaba defectos particulares. Uno escribía frases interminables, otro abusaba de los adjetivos, otro era seco, otro grandilocuente, uno repetía palabras, otro utilizaba metáforas extravagantes. Nuestras lecturas, profesiones, edades, manías y limitaciones iban dejando sedimentos en nuestra manera de escribir. Ahora empezamos a encontrarnos con autores distintos que parecen haber estudiado en la misma escuela invisible de redacción. La inteligencia artificial no tiene por qué producir mala prosa. Produce algo quizá culturalmente más peligroso: prosa competentemente intercambiable.

Sería injusto, sin embargo, confundir uniformización con deterioro. Probablemente la inteligencia artificial haya elevado ya la calidad media de muchos textos que circulan por la red: ideas antes desordenadas aparecen mejor estructuradas, la sintaxis mejora y desaparece parte del ruido. El problema no es que escribamos peor, más bien estamos empezando a escribir todos razonablemente bien de una manera demasiado parecida.

Quienes hemos trabajado en publicidad conocemos bien el fenómeno. El anuncio verdaderamente malo era fácil de identificar. Más inquietante era la publicidad que simplemente parecía publicidad: titular correcto, fotografía correcta, cierre correcto, logotipo en su sitio. Nada estaba mal, y precisamente por eso nada tenía por qué existir. Estamos empezando a producir textos que parecen textos.

El centro estadístico

No debería sorprendernos. Un gran modelo de lenguaje ha aprendido precisamente a partir de cantidades gigantescas de lenguaje humano, y cuando no recibe una dirección suficientemente fuerte tiende hacia soluciones lingüísticas muy probables: construcciones que funcionan razonablemente bien en una enorme variedad de situaciones. Podríamos llamarlo regresión hacia la prosa competente.

Y conforme millones de personas utilizan los mismos modelos para convertir sus ideas en textos, el fenómeno deja de afectar solamente a las máquinas. Empezamos a aprender de ellas. No solo adoptamos palabras: adoptamos estructuras, formas de ordenar los argumentos, ritmos, transiciones, incluso maneras de producir profundidad. Problema, paradoja, tres dimensiones, matización, conclusión memorable. Cambian los autores y cambian los temas. Permanece la máquina retórica.

Prohibido usar guiones largos

Y aquí regresamos a mis guiones. Porque se está produciendo una segunda reacción todavía más extraña: los humanos empezamos a modificar nuestra escritura para que los demás humanos no sospechen que somos máquinas. Quitamos las rayas, evitamos determinadas estructuras, introducimos irregularidades, cambiamos palabras que utilizaríamos espontáneamente porque «suenan a ChatGPT». En algunos casos incluso podemos acabar empeorando deliberadamente un texto para aumentar su apariencia de humanidad.

La paradoja es magnífica. Primero entrenamos las máquinas con nuestros textos. Las máquinas aprenden determinados recursos de la escritura humana y después los utilizan con enorme frecuencia. Finalmente, los humanos dejamos de utilizarlos porque han empezado a parecernos propios de las máquinas. La inteligencia artificial no se limita entonces a imitar nuestra cultura: empieza indirectamente a modificarla.

Aquellos guiones largos que María José y yo utilizábamos en Contraplano mucho antes de que existieran los modelos generativos siguen siendo míos. Pero ahora tengo que pensármelo antes de escribirlos.

Quizá dentro de algunos años escribir correctamente deje de tener demasiado valor. Durante siglos, producir una prosa clara, estructurada, gramaticalmente correcta y razonablemente elegante exigía determinadas capacidades. Hoy podemos obtenerla en segundos, y cuando algo se vuelve abundante, deja de distinguirnos. Lo escaso puede volver a ser precisamente lo contrario: una voz. Una frase que podamos leer sin firma y reconocer a quien la escribió. Sus obsesiones, sus defectos, sus asociaciones extravagantes, sus ritmos, aquella palabra que utiliza demasiado, la metáfora que otra persona jamás habría elegido, incluso sus errores.

El verdadero antídoto contra la homogeneización no consiste en renunciar a la inteligencia artificial, sino en tener algo propio que decir antes de pedirle que nos ayude a decirlo.

Porque estamos entrando en un territorio extraño. Alan Turing imaginó una máquina situada detrás de una pantalla intentando convencer a un humano de que era humana. Nosotros podemos acabar situados detrás de esa misma pantalla, presentando un artículo, un trabajo universitario, una oposición o una novela, mientras un algoritmo examina nuestras palabras en busca de señales sospechosas.

Con lo que habremos invertido definitivamente el experimento. Ya no será la máquina quien tenga que superar el test de Turing. Seremos nosotros. Y la máquina lo habrá superado definitivamente el día en que el ser humano tenga que suspenderlo para demostrar que es humano.

Víctor Martínez López (Murcia, 1973) es un abogado vinculado a las industrias creativas, creativo publicitario y especialista en comunicación social.