IdeaLens, el detector de IA que busca el origen de las ideas de un artículo científico
La nueva herramienta de inteligencia artificial intenta distinguir la aportación intelectual de un ser humano de la redacción automática. Sus resultados son prometedores en pruebas controladas, pero todavía no permiten certificar al cien por cien la autoría de un trabajo.
Por Enrique Coperías, periodista científico
La nueva herramienta IdeaLens busca distinguir las ideas humanas de las generadas por IA, pero sus resultados no certifican la autoría de un texto. Crédito: IA-Gemini / RexMolón Producciones
Una investigadora diseña un experimento, interpreta los resultados y encarga a una inteligencia artificial que mejore el inglés de su artículo. Otro investigador pide a un chatbot que elabore el argumento y después lo redacta con sus propias palabras. Ambos manuscritos pueden llegar a una revista con una apariencia impecable, pero la intervención de la máquina ha sido muy distinta.
Los detectores convencionales del uso de una IA buscan rastros en la escritura. Una nueva herramienta, bautizada como IdeaLens, intenta averiguar algo más difícil: de dónde procede lo que se cuenta.
El sistema lo acaba de presentar un equipo de investigadores encabezado por Rishanth Rajendhran, doctorando de la Universidad de Maryland, en Estados Unidos, con participación de Google DeepMind y la Universidad Simon Fraser, en Canadá. El estudio, subido al repositorio arXiv como prepublicación, plantea separar la procedencia de las ideas de la procedencia de las frases. El artículo todavía no ha pasado por la revisión por pares y sus autores advierten de que sus predicciones no constituyen pruebas concluyentes del uso de IA.
Así funciona IdeaLens: del texto a un esquema de contenido
La distinción afecta al debate sobre cuánto trabajo intelectual puede delegarse en estas nuevas herramientas. Según recoge la revista Science, algunas publicaciones y congresos aceptan que se utilice la IA para pulir un manuscrito si se declara expresamente su intervención, pero rechazan los trabajos producidos de forma íntegra por una aplicación de chatbot. Un detector que examine solo la prosa puede señalar como artificial un texto cuyas hipótesis, argumentos y resultados pertenecen a sus autores.
IdeaLens cambia el material que examina. Se puede resumir en tres fases:
1️⃣ Extrae un esquema. Un modelo transforma el documento en una lista ordenada de contenidos y señala la función de cada elemento. En un artículo académico, puede recoger afirmaciones, argumentos y pruebas.
2️⃣ Reformula los esquemas durante el entrenamiento. Así se reduce la coincidencia con la redacción original y se dificulta que el detector aprenda únicamente señales de estilo.
3️⃣ Clasifica el contenido. Otro modelo aprende a estimar si ese esquema está asociado a una procedencia humana o artificial..
Examinando la frontera del conocimiento: cuando la estructura binaria de la IA se encuentra con la chispa impredecible del intelecto humano. Crédito: IA-Gemini / RexMolón Producciones
Cómo se creó IdeaLens
La reformulación adicional se aplica al entrenamiento. Al evaluar un documento nuevo, IdeaLens utiliza el esquema extraído de él.
Para desarrollar el sistema, los investigadores reunieron un millón de documentos de internet, de los que unos 842.000 se destinaron al entrenamiento. Eran textos en inglés de al menos 500 palabras y de ocho tipos, entre ellos escritura académica, ficción y no ficción.
IdeaLens no se entrenó exclusivamente con artículos científicos. Además, las etiquetas de origen humano o artificial procedían de Pangram, un detector comercial; no de una comprobación independiente de cómo se había creado cada documento.
IdeaLens y Pangram: ¿quién aporta las ideas y quién escribe las palabras?
Una persona puede desarrollar el contenido de un artículo y encargar su redacción a una IA. También puede escribir con sus propias palabras un planteamiento elaborado por un chatbot. IdeaLens y Pangram intentan identificar contribuciones distintas: el origen del contenido y el de la escritura.
| Qué se compara | IdeaLens | Pangram |
|---|---|---|
| Qué intenta identificar | La procedencia humana o artificial de las ideas y el contenido. | La procedencia humana o artificial de la redacción. |
| Qué examina | Un esquema del contenido extraído del documento. | El texto redactado y las señales presentes en su escritura. |
| Cómo interpretar el resultado | Una estimación estadística sobre el origen del contenido. | Una estimación estadística sobre el origen de la escritura. |
La clave: un texto puede contener ideas humanas y frases generadas por IA. Que ambos detectores discrepen puede reflejar que están evaluando aspectos distintos. Sus resultados, por sí solos, no certifican la autoría.
Qué resultados obtuvo el detector de ideas de IA
Las pruebas más informativas separaron deliberadamente el origen del contenido y el de la redacción.
Ideas humanas redactadas por una inteligencia artificial
Los investigadores dieron a modelos de lenguaje instrucciones cada vez más detalladas, elaboradas a partir de documentos previamente clasificados como humanos.
Cuando los modelos recibían solo el tema, IdeaLens señalaba un origen artificial del contenido en alrededor del 95 % de los textos. Cuando recibían un esquema humano completo, esa proporción descendía al 7 %. Pangram seguía identificando como artificial aproximadamente el 92 % de las redacciones.
Si el esquema inicial procedía de la IA, IdeaLens mantenía sus alertas por encima del 96 %.
La diferencia encaja con las tareas de ambos sistemas: Pangram señalaba que una máquina había escrito las frases; IdeaLens clasificaba como humano el contenido de la mayoría de los textos construidos sobre un esquema humano.
En otras 12 evaluaciones, que incluían textos humanos corregidos, reformulados o reescritos por IA, IdeaLens clasificó sus ideas como humanas en cerca del 95 % de los casos, frente al 44 % de Pangram, en promedio.
Estos porcentajes describen resultados en evaluaciones concretas. No significan que IdeaLens tenga una precisión universal del 95 %.
Ideas de IA redactadas por personas
El equipo también ensayó el recorrido inverso. Diecisiete participantes escribieron presencialmente cincuenta relatos a partir de esquemas generados por IA, sin leer los cuentos originales.
IdeaLens señaló un origen artificial del contenido en el 68 % de los relatos; Pangram lo hizo en el 8 %. El resultado respalda la posibilidad de separar contenido y expresión, pero también muestra que IdeaLens dejó sin detectar una parte considerable de los casos.
Además, la prueba utilizó una muestra pequeña de ficción, no investigaciones científicas. No permite trasladar directamente ese rendimiento a los manuscritos que reciben las revistas.
Qué señales asocia IdeaLens con las ideas humanas y artificiales
Los autores analizaron 90.000 predicciones sobre elementos de los esquemas para estudiar qué diferencias había aprendido el sistema.
Los contenidos clasificados como humanos solían incluir detalles relevantes para el argumento, datos contextualizados y limitaciones explícitas. Los asociados a la IA tendían a presentar generalidades con apariencia de concreción, recomendaciones poco operativas o conclusiones que excedían las pruebas.
Un ejemplo ayuda a entender la diferencia. Una reseña humana de una cámara explica que, al colocarla sobre un trípode, queda bloqueada la tapa de acceso a la batería y la tarjeta. Ese detalle cambia la valoración del producto. Una reseña artificial de un altavoz destaca su calidad de sonido y su estética depurada: atributos aplicables a muchos aparatos.
La pista está en cuánto aporta un detalle a lo que se sostiene. Sin embargo, estos son patrones observados en las muestras analizadas, no propiedades universales de las personas y las máquinas. Incluir detalles concretos tampoco demuestra una autoría humana.
Cuáles son los límites de IdeaLens
Las etiquetas de entrenamiento no verifican la autoría
IdeaLens aprende de etiquetas producidas por otro detector y presupone que las ideas y las palabras de los documentos de entrenamiento comparten origen. Esa suposición puede fallar: una persona puede redactar ideas de IA y una máquina puede reformular ideas humanas.
Según sus declaraciones a Science, Max Spero, director ejecutivo de Pangram, valora la novedad de la propuesta, pero reclama más validación antes de incorporarla a políticas sobre IA. Rajendhran también considera necesario avanzar hacia un archivo con procedencias verificadas.
Max Spero, director ejecutivo de Pangram, reclama más validación antes de incorporar IdeaLens a las políticas sobre el uso de IA. Cortesía: Pangram
La colaboración entre humanos e IA no cabe bien en dos categorías
Una persona propone una hipótesis, un chatbot sugiere una objeción y la respuesta humana transforma el planteamiento. En ese intercambio, atribuir cada idea a una única fuente resulta difícil.
IdeaLens ofrece una clasificación binaria, humana o artificial. No calcula qué porcentaje de la aportación intelectual corresponde a cada participante.
Marijke Van Vlasselaer, responsable de integridad académica en la Escuela de Negocios Solvay, destaca esa complejidad en sus declaraciones a la revista Science. Y Misha Teplitskiy, sociólogo de la Universidad de Míchigan, cuestiona si el detector podría apoyarse en pistas como nombres propios sin captar lo esencial de una idea.
Identificar regularidades asociadas a una procedencia no equivale a reconstruir cómo se produjo un documento. Tampoco permite juzgar la calidad de sus conclusiones.
El rendimiento depende del texto y de los modelos evaluados
El estudio reconoce un rendimiento menor con textos breves y con algunas técnicas que modifican el contenido. También observa una caída en la detección de relatos producidos por ciertos modelos más recientes.
Estas limitaciones refuerzan la necesidad de validación adicional antes de utilizar el sistema para tomar decisiones sobre trabajos concretos.
¿Puede IdeaLens demostrar que un artículo científico utilizó IA?
No. IdeaLens ofrece una estimación estadística, no una prueba concluyente del uso de inteligencia artificial ni una certificación de autoría. La declaración ética del estudio indica que sus predicciones no deben utilizarse por sí solas para establecer que un texto empleó IA.
La propia investigación ilustra cómo se mezclan las contribuciones. Sus autores declaran haber utilizado IA para programar, recibir comentarios sobre los métodos, explorar ideas y mejorar la legibilidad. Aseguran haber revisado el trabajo asistido y asumir la responsabilidad final.
El equipo ha liberado modelos, datos y código, y ofrece una demostración en ideadetector.ai. La herramienta podría ayudar a reflexionar sobre qué se delega al escribir. Convertir una clasificación en una acusación exigiría evidencias adicionales sobre el proceso de elaboración.
IdeaLens abre una vía para estudiar la procedencia del contenido. La cuestión pendiente es también la más difícil: distinguir las contribuciones cuando personas y máquinas desarrollan las ideas juntas.▪️(13-octubre-2026)
COMUNICACIÓN CIENTÍFICA
⏱️ LO MÁS IMPORTANTE DEL ESTUDIO, EN 30 SEGUNDOS
- Qué propone: IdeaLens intenta estimar si las ideas de un texto proceden de una persona o de una IA, independientemente de quién haya escrito las frases.
- Cómo funciona: transforma el documento en un esquema de contenido y analiza sus afirmaciones, argumentos y organización para reducir la influencia del estilo.
- El resultado clave: cuando una IA redactaba siguiendo un esquema humano completo, IdeaLens señalaba un origen artificial del contenido en solo el 7 % de los textos. Pangram identificaba como artificial el 92 % de las redacciones: ambos examinaban contribuciones distintas.
- La prueba inversa: detectó ideas de IA en el 68 % de 50 relatos escritos por personas a partir de esquemas artificiales. Es una muestra pequeña de ficción, no de artículos científicos.
- Su principal límite: aprende de etiquetas de otro detector y clasifica el contenido como humano o artificial, sin medir las aportaciones cuando personas e IA desarrollan ideas juntas.
- Qué no demuestra: el estudio es una prepublicación sin revisión por pares. Sus resultados no certifican la autoría ni deben utilizarse por sí solos como prueba concluyente del uso de IA.
Fuente: Rishanth Rajendhran et al. IdeaLens: Detecting AI Ideas in Long-form Writing. arXiv (2026). DOI:
https://doi.org/10.48550/arXiv.2610.06778
🦖 NO TE PIERDAS LA CIENCIA QUE ESTÁ CAMBIANDO EL MUNDO
-
Cada domingo seleccionamos para ti las noticias y los descubrimientos científicos más fascinantes de la semana, explicados con rigor, claridad y el estilo de RexMolón, la Ciencia en Acción.👉 SUSCRÍBETE GRATIS A LA NEWSLETTER DE REXMOLÓN
-
Si quieres recibir las noticias de ciencia de RexMolón cada día, únete a RexMolón News en WhatsApp, el canal donde compartimos las noticias según se publican.👉 ÚNETE GRATIS A REXMOLÓN NEWS
