Autoría híbrida y detección de IA: la Dra. Sheila Queralt presenta los resultados de CorpIdentIA en el Aston Institute for Forensic Linguistics

El pasado 30 de abril, la Dra. Sheila Queralt impartió la sesión Hybrid Authorship and the Limits of Detection, organizada por el Aston Institute for Forensic Linguistics (Reino Unido) en el marco de su programa de seminarios internacionales. La intervención se centró en la evaluación crítica de la fiabilidad de las herramientas de detección de texto generado por inteligencia artificial desde una perspectiva de lingüística forense.

La sesión partió de un contexto marcado por el incremento exponencial de textos generados mediante modelos de lenguaje y la creciente utilización de sistemas automáticos para su identificación. En este escenario, se planteó como cuestión central la validez de estas herramientas para su uso en contextos periciales, donde los estándares de fiabilidad y rigor metodológico son especialmente exigentes.

Para abordar esta problemática, se presentaron los resultados del proyecto CorpIdentIA, desarrollado en el Laboratorio SQ – Lingüistas Forenses. Este proyecto propone un marco analítico estructurado en cuatro fases, orientado a evaluar el rendimiento de los detectores no solo en términos binarios (humano vs. IA), sino considerando la complejidad creciente de los procesos de escritura híbrida.

En la primera fase, centrada en la evaluación base, se evidenció que los sistemas actuales tienden a operar bajo una lógica dicotómica que no refleja adecuadamente la realidad textual contemporánea. Esta simplificación genera errores de atribución, especialmente en textos híbridos, donde la intervención humana y artificial se combina. Asimismo, se observó que las herramientas presentan perfiles diferenciados: algunas priorizan la detección de contenido artificial, incrementando los falsos positivos, mientras que otras adoptan un enfoque más conservador para proteger la autoría humana.

La segunda fase incorporó una réplica longitudinal del estudio, permitiendo analizar la evolución de los sistemas en un intervalo de seis meses. Los resultados muestran una mejora significativa en la precisión global, que se aproxima a un techo del 96% en condiciones no adversariales. Sin embargo, esta mejora no elimina las limitaciones estructurales, particularmente en escenarios de autoría compartida.

En la tercera fase, se analizaron estrategias de evasión mediante el uso de parafraseadores y herramientas de humanización. Los datos indican que, mientras los parafraseadores presentan una capacidad limitada para evadir la detección, los humanizadores generan una caída sustancial en la eficacia de los sistemas, comprometiendo de forma significativa su fiabilidad en contextos forenses.

La cuarta fase, actualmente en desarrollo, se orienta hacia el análisis cualitativo de los errores. Este enfoque busca explicar los fallos de los detectores a partir de parámetros lingüísticos, incorporando análisis a distintos niveles (léxico-semántico, morfosintáctico y pragmático), así como procedimientos de anotación sistemática y evaluación del acuerdo entre analistas.
​
En conjunto, los resultados presentados ponen de manifiesto que, pese a los avances técnicos, las herramientas de detección de IA presentan limitaciones relevantes que cuestionan su uso como prueba pericial autónoma. La complejidad de la autoría híbrida, la variabilidad entre modelos generativos y la eficacia de las estrategias de evasión obligan a adoptar un enfoque crítico y complementario, en el que el análisis lingüístico desempeña un papel fundamental.

Esta intervención se inscribe en la línea de investigación del Laboratorio SQ – Lingüistas Forenses orientada a evaluar el impacto de la inteligencia artificial en la práctica pericial, con el objetivo de desarrollar metodologías rigurosas, replicables y científicamente fundamentadas.