Pangram: el detector de IA que frenó una novela premiada

Pangram, un detector de IA que según Wired opera con 24 empleados desde un edificio sobre un local de Popeyes en Brooklyn, le atribuyó un 99% de autoría artificial a Donde el agua trabaja, la novela del peruano David Silva Rojas que ganó el primer Premio Internacional de Novela Breve Almadía–Ventosa Arrufat, dotado con 20.000 euros. La editorial mexicana Almadía suspendió todas las presentaciones de la obra en España mientras revisa el caso.

Si tu startup usa detectores de IA para filtrar candidatos, validar entregables de freelance o revisar textos de proveedores, este caso te toca de cerca: un porcentaje sin metodología auditable puede costarte una contratación, un cliente o tu reputación.

¿Qué pasó con 'Donde el agua trabaja' y el detector Pangram?

El 23 de octubre, El País publicó un análisis de la novela completa —unas 26.000 palabras— con la versión 4.1 de Pangram, según recogió Infobae. El diario no se limitó al manuscrito: el detector atribuyó también un 97% de IA a las respuestas que Silva Rojas dio en una entrevista publicada en septiembre por la revista Ulrica, mientras el texto de la periodista que la firmaba salió calificado como enteramente humano. Un texto autobiográfico de 924 palabras que el autor publicó en la web de Ventosa-Arrufat obtuvo un 80% de IA.

La editorial Almadía aseguró en un comunicado difundido en Instagram que la situación le genera «desconcierto» y que hará una «revisión detallada» de la obra, según La Voz de Galicia. Las bases del premio prohibían explícitamente el uso de IA y el autor firmó y declaró en el contrato que no la había usado. El certamen se había convocado en noviembre de 2025 junto a la fundación española Ventosa-Arrufat y el jurado —Cristina Rivera Garza, Selva Almada y Mónica Ojeda— eligió la obra entre 2.204 manuscritos de 22 países. La novela se había publicado internacionalmente el 13 de octubre, diez días antes de que se conociera el resultado del análisis.

El caso no llegó solo. Una semana antes, el mismo diario había analizado 175 libros populares en España y concluyó que uno de cada tres superventas autopublicados contiene una proporción considerable de texto generado con IA, según Infobae. Y dos días antes se había confirmado que el canadiense-haitiano Thélyson Orélien usó IA para escribir C'était ça ou mourir, premiada en Francia, lo que llevó a su editorial a desvincularse del autor tras una investigación interna.

¿Qué hace bien Pangram y por qué se volvió el estándar?

La empresa afirma que Pangram 4 detecta el 99,66% del texto de IA y marca por error solo el 0,0041% del texto humano, es decir, un fallo cada 24.000 documentos. No es solo marketing interno: un estudio de la Universidad de Chicago —financiado por la universidad y un programa de Google Cloud, no por Pangram— lo situó por encima de GPTZero y Originality.ai, y El País comprobó que daba 0% en libros anteriores a ChatGPT.

La versión 4.1, lanzada el 19 de octubre, cuatro días antes de la publicación del análisis, mejora un problema clave para cualquier caso real: sobre 29.103 pares de textos con ediciones mínimas, los cambios de veredicto no deseados bajan del 1,08% al 0,15%. La herramienta devuelve además la probabilidad de cada etiqueta (humano, asistido por IA o generado por IA).

Su adopción también se aceleró por la vía comercial. Wired reporta que Substack integró Pangram en su plataforma y que Penguin Random House confirmó que sus editores pueden usar herramientas aprobadas de detección «como un medio adicional» para identificar contenido generado por IA, siempre que no sean determinantes. En paralelo, una encuesta de Gotham Ghostwriters citada por Wired encontró que el 61% de 1.481 escritores profesionales usa herramientas de IA.

¿Dónde falla Pangram? Los límites que ni el proveedor discute

El punto débil más documentado está en el otro lado de la balanza. Nature recoge que, cuando una IA modifica sustancialmente ensayos humanos, Pangram los etiqueta como humanos el 41% de las veces. Un preprint reciente sostiene que, tras pasar un texto por un «humanizador», los falsos negativos superan el 96%. Y Jot Down mostró que basta añadir un espacio para cambiar un veredicto.

El trabajo académico más citado sobre el tema apunta en la misma dirección: un working paper de Notre Dame encontró que el modelo 3.2 de Pangram marcó ediciones ligeras de IA en abstracts académicos como escritura artificial entre el 64% y el 80% de las veces, pero que tras aplicar un humanizador detectó la IA en menos del 4% de los casos, según Wired.

Hay más matices operativos que conviene leer antes de firmar un contrato con cualquier detector:

• Los falsos positivos se miden sobre texto web, no sobre novelas. La empresa cifra el error en 0,009% en inglés y 0,0026% en español, pero su corpus de referencia no es literario.
• El texto corto es territorio inestable. Pangram reconoce menos certeza en bloques inferiores a 150 palabras y admite que un mismo pasaje puede recibir veredictos distintos si se escanea solo o dentro de un contexto mayor.
• El sesgo es un riesgo legal, no solo ético. Un estudio mostró que los detectores tienden a marcar como IA el trabajo de escritores no nativos de inglés, según Wired. En un proceso de selección, eso es discriminación con excusa estadística.
• Su CEO mide los falsos positivos con millones de textos anteriores a 2022. Es un corpus previo a los modelos actuales, justo el escenario que menos se parece a cómo se escribe hoy.

¿Quién vigila al detector? Dinero, conflicto de interés y cero estándar

Pangram Labs es un negocio que crece con la desconfianza. Según The Decoder, que cita al New York Times, sus ingresos se multiplicaron por 35 en un año y sus usuarios mensuales pasaron de 2.700 a 120.000 entre junio de 2025 y junio de 2026. Las tasas de error más citadas del sector son las que publica la propia empresa.

El problema de fondo es que no existe un estándar. Cada proveedor elige su métrica, su umbral y su corpus: GPTZero asegura que, con el mismo banco de pruebas de Chicago, hoy supera a Pangram. Sus auditorías son académicas, no una auditoría pública y recurrente con acceso al modelo, y ninguna norma reconoce validez legal al porcentaje.

En España, a día de hoy no existe ninguna sentencia sobre el valor probatorio de estos detectores, como señala el artículo que origina esta nota. Un informe de Pangram tendría que entrar en un proceso como dictamen pericial, con un experto capaz de explicar el método y el margen de error y de someterse a contrainterrogatorio. Y ahí aparecen tres obstáculos: es una caja negra neuronal que no explica por qué marca una frase, la tasa de error la declara el fabricante y los modelos cambian —Pangram 3 tenía fecha de retirada el 30 de septiembre—, lo que complica reproducir un veredicto meses después.

¿Qué exige el AI Act a los sistemas de IA generativa?

Europa avanza por otra vía. El artículo 50 del AI Act obliga a los proveedores de IA generativa a marcar sus resultados en un formato legible por máquina, con plazo hasta el 2 de diciembre de 2026 para los sistemas ya en el mercado, y la Comisión publicó el 10 de junio un código de buenas prácticas. Un análisis publicado en Cinco Días recuerda que la mayor parte de los artículos de la ley entran en vigor el 2 de agosto de 2026 y que el apartado 4 del propio artículo 50 exime de la obligación cuando el contenido pasó por un proceso de revisión humana o control editorial y una persona física o jurídica asume la responsabilidad de la publicación.

La trampa es que una marca de agua no prueba nada por sí sola y no cubre texto generado con modelos abiertos ni texto reescrito. Sin un auditor independiente, público y europeo que mida estos detectores con pruebas abiertas y comparables, seguimos dependiendo de la palabra del fabricante.

¿Qué significa esto para tu startup?

La lección no es dejar de usar detectores, sino dejar de tratarlos como un veredicto. Acciones concretas que puedes implementar esta semana:

• Nunca uses el porcentaje como prueba única. Los propios editores de Penguin Random House lo describen como «un componente más» de un proceso editorial más amplio, no como algo determinante. Si tu política interna dice «más de 80% de IA = rechazo», estás delegando una decisión de negocio en un modelo que nadie audita.
• Exige al proveedor método, margen de error, versión del modelo y fecha del análisis, y registra esa versión en tu expediente. Sin ese dato no podrás reproducir ni defender el veredicto seis meses después, cuando el modelo ya se haya retirado.
• Documenta el proceso, no solo el resultado. Ante una acusación en el ámbito educativo, el consejo que recoge ABC es claro: pedir la explicación del procedimiento, su margen de error y los borradores y versiones previas del trabajo. Aplica lo mismo a tus entregables: historial de edición, fuentes y decisiones guardadas valen más que cualquier puntuación.
• Diseña el flujo para que la IA no sea la que decide. El propio análisis de Cinco Días propone desplazar la evaluación hacia la capacidad de explicar, argumentar y defender el trabajo. En un proceso de selección, una prueba donde el candidato explique su razonamiento te da más información —y menos riesgo legal— que un score.
• Asume el sesgo como riesgo. Si un detector marca de forma desproporcionada a quien escribe en un segundo idioma, tu filtro automatizado puede estar cerrándole la puerta a talento y exponiéndote a una reclamación.
• Define una política de divulgación de uso de IA con revisión humana. Es exactamente el supuesto que el artículo 50 exceptúa y, además, es lo que tus clientes empiezan a pedir por escrito.

Conclusión

Pangram es hoy, con diferencia, el detector mejor valorado del mercado, y aun así el propio fabricante admite que su tasa de error no es cero y que un solo fallo puede causar daño reputacional. El problema no es la herramienta: es haberla convertido en árbitro de facto de la autoría sin auditoría pública, sin validez legal reconocida y con un conflicto de interés evidente, porque quien vende el detector es quien publica sus cifras de acierto.

Para un founder, la traducción es operativa. Usa los detectores como indicio, nunca como sentencia, y construye un rastro verificable de cómo se produce el trabajo en tu empresa: versiones, fuentes, responsables y revisiones. En un mundo donde cualquiera puede abrir un caso sin umbral definido ni derecho a réplica, tu mejor defensa no es un porcentaje, es la trazabilidad.

Fuentes

• Xataka: Quién vigila al vigilante, los límites de Pangram como árbitro de lo que es IA y lo que no (fuente original)
• Wired: Pangram Has Emerged as the Gold Standard of AI Detection. Should You Trust It?
• La Voz de Galicia: Suspenden la presentación de la novela «Donde el agua trabaja» por sospechas de uso de IA
• Infobae: Una novela premiada con 20.000 euros resultó estar escrita en un 99% por inteligencia artificial
• Cinco Días: ¿Qué porcentaje de este artículo ha sido generado por la IA?
• ABC: IA, detectores y «falsos positivos»: qué hacer si acusan a tu hijo de usar inteligencia artificial sin pruebas