Vaticano y detectores de IA: la crisis de autoría que afecta a startups

¿Por qué el Vaticano necesita una empresa para demostrar que su texto es humano?

El Vaticano contrató a Proudly Human, una startup especializada en certificar autoría humana, para validar que la encíclica Magnifica Humanitas —publicada por el Papa León XIV el 25 de mayo de 2026— fue escrita por un ser humano y no por inteligencia artificial. La decisión puede parecer absurda hasta que entiendas el contexto del ecosistema digital actual.

Días después de la publicación, un investigador identificado como Zhang utilizó Pangram, uno de los detectores de autoría más empleados en ámbitos académicos, y encontró que secciones del documento mostraban probabilidades de autoría artificial notablemente superiores a las de encíclicas anteriores. Zhang llegó más lejos al señalar que lo más probable es que la IA utilizada fuera Claude, el sistema de Anthropic. La ironía es irónica incluso para estándares vaticanos: una institución milenaria necesita herramientas de IA para probar que sus textos son humanos, mientras que esas mismas herramientas son las que supuestamente generaron el texto.

La respuesta oficial fue contundente. El editor Christopher Hale desmintió las acusaciones desde la cuenta de X del Vaticano afirmando que el primer borrador fue literalmente escrito en papel con bolígrafo. Pero la pregunta real que deja este episodio va mucho más allá de la autoría de un documento religioso.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Qué tan fiables son los detectores de IA que usaron para acusar y absolver?

Aquí está el dato que pocos discuten: tanto la acusación como la defensa descansan sobre herramientas que sus propios fabricantes reconocen como imperfectas. Los detectores de IA operan con distribuciones probabilísticas, no con certezas absolutas.

Pangram, la herramienta que usó el investigador para acusar, es una startup fundada hace aproximadamente dos años por los graduados de Stanford Max Spero y Bradley Emi. En julio de 2026 cerró una ronda de US$9 millones liderada por Menlo Ventures, llevando su financiación total a casi US$13 millones según TechCrunch. Su modelo Pangram 4 afirma tener una tasa de falsos positivos de 0,0041% —aproximadamente uno cada 24.000 documentos— según benchmarks internos reportados por SiliconANGLE. Pero esos benchmarks internos son exactamente el tipo de métrica que debe leerse con cautela.

El panorama institucional es aún más preocupante. MIT Sloan Teaching and Learning Technologies calificó esta tecnología como "lejos de ser infalible" y señaló que presenta tasas de error altas que pueden llevar a acusaciones falsas. La Mozilla Foundation encontró que las herramientas de detección no son tan confiables como reclaman y que los detectores de IA pueden presentar sesgos contra hablantes no nativos de inglés. Como resultado, numerosas instituciones educativas han discontinuado o prohibido el uso de detectores de IA: la Universidad de Waterloo dejó de usar Turnitin en septiembre de 2025, y la posición de MIT es clara: los detectores simplemente no funcionan.

El informe de Snopes publicado en junio de 2026 fue honesto en su veredicto: encontró elementos que otorgaban "cierta credibilidad a la reclamación pero no prueba concluyente de que León XIV, funcionarios vaticanos o cualquier otro usara IA para crear la encíclica". Su conclusión fue "no probado".

¿Cuánta web está realmente escrita con IA?

La magnitud del problema se hizo evidente justo cuando ocurrió la controversia vaticana. Según datos del Pew Research Center publicados el 20 de agosto de 2026, se analizaron 10.000 páginas web aleatorias recolectadas en julio de 2026 usando el archivo Common Crawl y ejecutándolas a través de un detector llamado Open Pangram.

Los resultados muestran una tendencia imparable: de todas las páginas en la muestra, el 10% presenta signos significativos de autoría IA. Pero si filtramos solo las páginas publicadas después del lanzamiento de ChatGPT (noviembre de 2022), la cifra sube a más de un tercio. Esto significa que aproximadamente el 35% de las páginas web modernas muestran indicios de haber sido escritas o editadas sustancialmente por IA, confirmando la cifra mencionada en la fuente original.

El patrón varía dramáticamente por tipo de dominio. En julio de 2026, alrededor del 9,35% de las páginas .com mostraban signos de autoría IA —casi el doble que en enero de ese año (5,48%)—. Las páginas .org alcanzaron el 4,59%, mientras que los dominios .edu y .gov permanecieron cerca del 1%, actuando como zonas relativamente limpias de contenido generado por máquinas.

Los rasgos lingüísticos que revelan la autoría IA también están cambiando. Comparando enero de 2023 con enero de 2026:

Los em dashes (—) aparecen aproximadamente el doble de frecuentemente (de 5,79 a 11,19 por cada 10.000 palabras)
Las comas Oxford aumentaron un 63%
Cierto vocabulario preferido por LLMs como "delve", "interplay" o "testament" se duplicó en uso
El uso de "negative parallelism" para estructurar comparaciones ("no es solo X, es Y") casi se triplicó

Estos patrones son tan característicos que ahora forman parte del ADN textual de la web post-ChatGPT.

El mismo problema en ciberseguridad: cómo la escala destruye la verificación

La paradoja de verificar la autoría humana con IA tiene un equivalente directo en seguridad informática, y el caso de Apple lo ilustra perfectamente.

Según informó el Financial Times y confirmó TechTimes, Apple impuso límites estrictos a su programa de bug bounty tras descubrir que estaba siendo inundado por informes de vulnerabilidades generados con IA —muchos describiendo fallos de seguridad que simplemente no existían. Estos informes incluían código sintácticamente correcto, referencias a API reales y explicaciones técnicas plausibles que podían tomar horas de trabajo de ingeniería para verificar.

La startup italiana Bynario desarrolló una herramienta personalizada basada en GPT-5.5 que generó más de 50 informes de vulnerabilidades macOS en solo tres semanas. Sin IA, Bynario había presentado solo 13 informes durante todo 2025 y principios de 2026. Este volumen automático activó inmediatamente el límite de Apple, bloqueando a Bynario justo cuando descubrió una vulnerabilidad crítica (CVE-2026-43760) que podría dar control root completo a un Mac —un fallo valorado entre US$100.000 y US$200.000 en el mercado negro.

La vulnerabilidad afectaba un código heredado en el sistema de autenticación VNC de macOS Screen Sharing y funcionaba sin activar Memory Integrity Enforcement (MIE), el sistema de protección de memoria de Apple. Fue parcheada finalmente en macOS Tahoe 26.6 y macOS Sonoma 14.8.8.

Este caso revela algo estructural: los sistemas de throttling por volumen no pueden distinguir entre generadores de contenido IA falso y investigadores legítimos que usan IA para escalar su trabajo. Ambos producen alto volumen de submissions. La diferencia es que los primeros generan afirmaciones no verificadas vestidas con lenguaje técnico, mientras que los segundos producen exploits funcionales con proof-of-concept demostrable.

Lo que nadie dice: el otro lado de la moneda

Mientras Apple restringe reportes externos asistidos por IA, usa internamente IA de Anthropic y OpenAI para encontrar vulnerabilidades en su propio código. Esta asimetría no es hipocresía —es estrategia— pero crea un efecto colateral importante: las empresas que tienen pipelines internos de IA validada avanzan exponencialmente más rápido en detección de problemas que quienes dependen de fuentes externas.

Ese es precisamente el objetivo de Project Glasswing, lanzado por Anthropic en abril de 2026. Según TechCrunch, 12 organizaciones partner —incluyendo Amazon, Apple, Microsoft, Google, Cisco, CrowdStrike, Palo Alto Networks, Broadcom y la Linux Foundation— recibieron acceso anticipado a Claude Mythos Preview, el modelo más avanzado de Anthropic, para trabajar exclusivamente en seguridad defensiva. En el primer mes, los partners identificaron colectivamente más de 10.000 vulnerabilidades de alta o crítica severidad.

Las capacidades de Mythos son disruptivas. Según Forbes, el modelo encontró vulnerabilidades de hasta 27 años de antigüedad en OpenBSD, un fallo de 16 años en FFmpeg que herramientas automatizadas habían escaneado cinco millones de veces sin detectar, y explotó completamente una vulnerabilidad de ejecución remota de 17 años en FreeBSD (CVE-2026-4747) sin intervención humana después del prompt inicial. En benchmarks, Mythos alcanzó 93,9% en SWE-bench Verified, 97,6% en la olimpiada de matemáticas USAMO, y 83,1% en CyberGym.

Lo que esto significa es que la brecha entre defensores que usan IA y quienes no la usan ya no es incremental —es una discontinuidad operativa. Empresas como Curl reportaron que su tasa de vulnerabilidades confirmadas cayó de más del 15% a menos del 5% en su programa de bug bounty antes de eliminar las recompensas monetarias en enero de 2026, filtrando automáticamente el ruido generado por IA.

Qué significa esto para tu startup

El episodio del Vaticano no es una curiosidad periodística. Es un termómetro del estado de la confianza digital en 2026, y tiene implicaciones directas para cualquier founder que publique contenido, contrate talento o evalúe proveedores tecnológicos.

Acción 1: Documenta tus procesos de creación. Si tu equipo usa IA para asistencia —redacción, análisis, generación de código— documenta explícitamente dónde entra y dónde termina la IA. No como ejercicio de compliance, sino como activo de reputación. En un mundo donde el 35% de la web post-2022 muestra indicios de autoría artificial, la transparencia sobre el uso de IA se convierte en una señal de diferenciación competitiva. Empresas que publiquen políticas claras de "IA + humano" ganarán credibilidad frente a competidores que oculten su dependencia de estas herramientas.

Acción 2: No confíes en detectores de IA como criterio de calidad ni de autoría. Ni para evaluar contenido de proveedores, ni para auditar a empleados, ni para validar productos. Los datos son inequívocos: universidades líderes como MIT y Waterloo los abandonaron porque no funcionan. Usa señales alternativas —profundidad del análisis, originalidad de insights, capacidad de reproducir resultados— como métricas reales de calidad.

Acción 3: Aprovecha la IA para escalar verificación interna. Mientras el mercado externo lucha con falsos positivos masivos, las empresas que integren IA en sus pipelines internos de revisión (como Apple con Anthropic y OpenAI) tendrán una ventaja estructural significativa. El costo de oportunidad de no hacerlo crece exponencialmente: lo que tomó meses identificar manualmente ahora toma minutos con modelos frontier.

Acción 4: Prepara tu equipo para la "flagxiety" institucional. El término acuñado por investigadores describe la ansiedad que experimentan autores humanos ante la posibilidad de ser señalados erróneamente por un detector de IA. Si tu startup depende de credibilidad externa —inversores, clientes, reguladores— ten protocolos claros para responder a acusaciones de autoría artificial. La encíclica vaticana nos enseñó que incluso documentos firmados por manos humanas pueden ser marcados como artificiales por algoritmos probabilísticos.

La pregunta ya no es si la IA escribió este o aquel texto. La pregunta estructural es si podemos construir mecanismos de verificación que funcionen a la velocidad a la que la IA genera contenido. Por ahora, las respuestas siguen siendo tan imprecisas como las herramientas que intentan generar el texto que hay que detectar.