¿ZeroGPT es fiable?

¿Qué es ZeroGPT?

ZeroGPT (zerogpt.com) es un detector de texto de IA. Pegas un texto o subes un archivo y devuelve una puntuación de probabilidad de IA para el documento junto con los pasajes que considera parecidos a la IA. El detector gratuito acepta hasta 15.000 caracteres por comprobación, y la interfaz puede generar un informe en PDF del resultado. Su conjunto más amplio de herramientas incluye un comprobador de plagio, un parafraseador y un humanizador.

Su propia documentación describe el detector como un sistema que analiza señales lingüísticas y estadísticas aprendidas de texto humano y de IA, incluidos patrones de tokens, variabilidad, entropía y características de un clasificador de conjunto. Lo que no publica son los pesos entrenados ni los umbrales de decisión, y por eso la cifra debe leerse como una estimación de un modelo y no como una medición de la autoría.

ZeroGPT: detector de IA

ZeroGPT: preguntas frecuentes

¿Qué precisión tiene ZeroGPT?

No hay un porcentaje único de precisión de ZeroGPT que valga para cualquier tipo de escritura. Las estimaciones publicadas van de sólidas a mediocres, y ambos extremos proceden de pruebas legítimas, porque la puntuación de un detector depende del corpus, del género, del modelo que produjo el texto de IA, de la longitud de la muestra, de cuánto se editó, del umbral que eligieron los investigadores y de cómo define el estudio la escritura generada por IA.

Las propias preguntas frecuentes de ZeroGPT afirman que aspira a superar el 98% de precisión en evaluaciones internas, y su página de inicio anuncia un 98,4% de precisión de detección con una tasa de falsos positivos por debajo del 1%. Esas cifras proceden de las pruebas de la propia empresa. Equipos independientes que han vuelto a probar la misma herramienta con sus propios corpus han declarado números muy distintos, y son esas mediciones las que conviene leer antes de tratar una puntuación como decisiva.

Así que la respuesta honesta es un intervalo con condiciones: ZeroGPT separó bien escritura humana de escritura académica generada por ChatGPT en un estudio de 1.000 textos, y rindió mucho peor en otro corpus de resúmenes académicos. La sección siguiente muestra las dos mediciones una al lado de la otra.

Qué dice la investigación independiente sobre ZeroGPT

El primer estudio, publicado en Acta Neurochirurgica en 2025, reunió 1.000 textos: 250 resúmenes e introducciones escritos por personas, procedentes de cuatro revistas de neurocirugía de alto impacto publicadas antes de ChatGPT, más 750 versiones del mismo material generadas por ChatGPT 3.5, GPT-4 y GPT-4o. Con ZeroGPT, la puntuación media de probabilidad de IA fue del 27,55% para los textos humanos, del 81,48% para GPT-3.5, del 87,39% para GPT-4 y del 94,35% para GPT-4o: una separación clara entre el grupo humano y el generado. Con el punto de corte elegido por los investigadores, ZeroGPT alcanzó una sensibilidad del 94,4% y una especificidad del 93,2%, de modo que detectó la mayor parte del texto de IA y descartó correctamente la mayor parte del texto humano.

Acta Neurochirurgica: precisión y limitaciones de los detectores de textos de IA

El mismo artículo midió GPTZero con un 100% de sensibilidad y un 99,6% de especificidad en ese corpus, algo que conviene saber por dos razones: muestra que un solo estudio ordena las herramientas para sus propios textos y no de forma general, y muestra que incluso un detector que queda cerca de lo más alto de un benchmark seguía teniendo errores en el panorama más amplio que describen los autores.

El segundo estudio, publicado en PeerJ Computer Science en 2025, comparó resúmenes académicos escritos por personas con resúmenes generados por ChatGPT o1 y Gemini 2.0 Pro Experimental, y después examinó un segundo escenario en el que los modelos habían mejorado el texto original para hacerlo más legible. En el primer corpus, ZeroGPT alcanzó un 64,35% de exactitud global, con una tasa de falsos positivos del 16,67% y una tasa de falsos negativos del 45,14%. El tema del artículo es el equilibrio entre precisión y sesgo: señala que los errores no se distribuían de manera uniforme, sino que recaían de forma desproporcionada sobre quienes escriben en inglés como segunda lengua y sobre ciertas disciplinas.

PeerJ Computer Science: equilibrio entre precisión y sesgo en la detección de texto de IA

Un tercer estudio, publicado en Advances in Simulation en 2025, comparó ZeroGPT, PhraslyAI y el detector de IA de Grammarly en cinco condiciones de uso de IA, desde introducciones humanas intactas hasta otras sustancialmente asistidas por IA, con 30 artículos publicados antes de 2022. Las puntuaciones cambiaban con la condición, y las herramientas no coincidían entre sí sobre el mismo material. Esa discrepancia es la lección práctica de esta sección: la cifra es una propiedad de un texto, un modelo y un umbral, no de la autoría.

Advances in Simulation: identificar distintas formas de contenido generado por IA

Ninguno de estos artículos encontró un detector que acertara siempre, incluidos los que obtuvieron mejores resultados en su propio corpus.

¿Puede ZeroGPT marcar escritura humana como IA?

Sí. Un falso positivo es escritura humana clasificada como generada por IA, y la investigación independiente lo ha documentado con ZeroGPT. En un pequeño estudio exploratorio publicado en el ASEAN Journal of Open and Distance Learning, se enviaron diez ensayos auténticos escritos por estudiantes universitarios filipinos a ZeroGPT y a un segundo detector. Los diez estaban escritos por estudiantes, y las herramientas partieron el conjunto por la mitad: cinco ensayos fueron etiquetados como generados por IA y cinco como humanos. Los autores describen el resultado como un riesgo de mala clasificación y defienden el juicio humano en lugar de la salida de un detector como prueba.

ASEAN Journal of Open and Distance Learning: falsos positivos en la detección de escritura con IA

Diez ensayos son una muestra pequeña, así que lee ese estudio como una ilustración del riesgo y no como una medición de la tasa de error de ZeroGPT. El corpus de PeerJ es la advertencia más cuantitativa: un 16,67% de falsos positivos en resúmenes académicos, con una exactitud que variaba según la categoría de autor. Las propias preguntas frecuentes de ZeroGPT también reconocen el mecanismo, al explicar que una escritura muy pulida, formulaica o de baja entropía puede parecerse a la de una IA, y sugieren detalles concretos, fuentes y un ritmo de frase variado para reducir el riesgo. La escritura formal, formulaica o de segunda lengua es justo donde un detector tiene más probabilidades de equivocarse.

¿Puede ZeroGPT dejar pasar texto generado por IA?

Sí, en la otra dirección. Un falso negativo es texto generado por IA clasificado como humano, y el mismo estudio de PeerJ midió una tasa de falsos negativos del 45,14% en su corpus: casi la mitad de los resúmenes generados que la prueba esperaba marcar volvieron como humanos. En el corpus de Acta Neurochirurgica la separación fue mucho mejor, con textos humanos que promediaban un 27,55% y textos de GPT-3.5 que promediaban un 81,48%, pero los promedios esconden dispersión. Las muestras individuales se solapan entre los dos grupos, y es exactamente por eso que un clasificador necesita un punto de corte y por eso ese corte tiene que intercambiar un tipo de error por el otro.

La escritura generada por IA tampoco es una categoría fija. Una salida cruda de un modelo, un borrador ligeramente parafraseado y un texto generado y luego reescrito a mano son objetos distintos para un clasificador, y el estudio de Advances in Simulation mostró puntuaciones que cambiaban al variar el grado de implicación de la IA. Una puntuación baja no establece por tanto que un texto sea humano, del mismo modo que una puntuación alta no establece que sea escrito por una máquina.

Por qué pueden variar los resultados de ZeroGPT

Si el mismo pasaje puntúa de forma muy distinta en dos pruebas, eso es lo esperable y no un mal funcionamiento. Las variables siguientes explican la mayor parte de la variación, y también son las razones por las que una puntuación viaja mal de un contexto a otro.

• Longitud del texto: ZeroGPT recomienda al menos 150 o 200 palabras para una lectura estable, y afirma que de 500 a 1.000 o más mejora la fiabilidad. Un párrafo corto aporta pocas pruebas en cualquier dirección.
• Género: la prosa académica, los textos de marketing, los ensayos personales y la documentación técnica tienen ritmos distintos, y un modelo entrenado con corpus mixtos los trata de forma desigual.
• Modelo generador: GPT-3.5, GPT-4 y GPT-4o escriben de forma distinta, y el estudio de Acta Neurochirurgica midió puntuaciones de probabilidad de IA cada vez más altas en esas versiones.
• Edición: un texto generado y luego muy reescrito se sitúa entre las dos categorías, que es donde los detectores son menos estables.
• Estilo humano: la escritura formal, formulaica o de segunda lengua puede coincidir con patrones estadísticos asociados al texto de máquina, y el estudio de PeerJ encontró diferencias de exactitud según la categoría de autor.
• Umbral: un clasificador tiene que elegir una frontera de decisión, y moverla intercambia falsos positivos por falsos negativos. ZeroGPT no publica su propio punto de corte.
• Versión del producto: los sistemas de detección se reentrenan y se actualizan, así que un resultado del año pasado puede no reproducirse hoy.

Estas variables son el argumento para tratar cualquier puntuación aislada como provisional y para contrastar un resultado que importa con una segunda lectura en lugar de con tu intuición sobre la herramienta.

Cómo interpretar una puntuación de ZeroGPT

Un porcentaje de ZeroGPT es una estimación producida por un modelo. No establece la autoría, el plagio, la falta grave ni quién escribió una frase concreta, y nunca se diseñó para eso. Léelo como un indicador: dice dónde reaccionó un modelo al texto, no qué ocurrió mientras se escribía el texto.

Preguntas que conviene hacerse antes de actuar a partir de una puntuación:

• ¿El texto es lo bastante largo para una lectura significativa? Por debajo de 150 palabras, una puntuación es una prueba débil.
• ¿Qué pasajes se resaltaron y parecen formulaicos cuando los vuelves a leer?
• ¿Coincide un segundo detector en los mismos pasajes?
• ¿Hay pruebas del proceso de escritura, como borradores, notas o un historial de versiones?
• ¿Este resultado cambiaría una decisión sobre una persona? Si es así, ¿quién debería interpretarlo contigo?

¿Debería usarse ZeroGPT como prueba de autoría con IA?

No. El resultado de un detector es una prueba más, y los estudios anteriores documentan los dos tipos de error en corpus reales. Una institución que trata una sola puntuación como prueba se expone a acusaciones falsas, y el artículo de PeerJ muestra que esos errores no se distribuyen de manera uniforme: quienes escriben en inglés como segunda lengua cargaban con más de ellos, lo que empeora las consecuencias en lugar de reducirlas.

Cuando la autoría importa, la prueba más sólida es el proceso de escritura: borradores, historial de versiones, notas, citas, la capacidad de quien escribió para hablar de su trabajo y la política que se le aplica. Un detector puede señalar pasajes que merecen una conversación. No puede decirte qué ocurrió, y no se le debería pedir.

Qué hacer si ZeroGPT marca tu texto

Si el resultado importa, recórrelo con calma en lugar de reescribir por reflejo. La mayoría de los pasajes marcados caen en uno de dos grupos: escritura que realmente necesita trabajo y escritura que simplemente es formal o predecible de estilo. Solo el primer grupo merece edición, y distinguirlos es para lo que sirven los pasos siguientes.

A veces la marca señala una debilidad real: párrafos construidos con una sola forma de frase, transiciones que no conectan nada, afirmaciones sin ningún ejemplo detrás. Cuando es el caso, el Humanizador de AI-2-Human puede reescribir el pasaje repetitivo o formulaico en una versión más natural manteniendo tu significado central, y después editas el resultado con tu propia voz.

¿Deberías comparar ZeroGPT con otro detector de IA?

Sí, sobre todo cuando el resultado tiene consecuencias. Los detectores usan modelos distintos, datos de entrenamiento distintos y umbrales distintos, así que la discrepancia entre dos es normal y no prueba que uno esté roto. Esta página es su propio ejemplo: la misma herramienta puntuó de forma muy distinta según el corpus, y distintas herramientas se ordenaron de manera distinta dentro de un mismo corpus.

La comparación ayuda en las dos direcciones. Si dos detectores resaltan el mismo pasaje, ese pasaje merece una lectura atenta. Si discrepan de forma marcada, la discrepancia te dice que el texto está cerca de una frontera de decisión y que la cifra es blanda, algo útil que saber antes de reescribir nada o antes de que otra persona actúe a partir de ella.

El Detector de AI-2-Human informa de su propia lectura del texto y señala los pasajes que todavía parecen generados, para que puedas poner dos interpretaciones una al lado de la otra antes de decidir qué cambiar.