El mercado gris de servicios para reducir la detección de contenido generado por IA en China: la nueva carrera armamentista académica

El auge de los servicios para reducir la detección de contenido generado por IA en China

A medida que las universidades chinas intensifican el escrutinio de la integridad académica, ha surgido una nueva industria gris: los servicios para reducir la tasa de contenido generado por inteligencia artificial (AIGC, por sus siglas en inglés). Estos servicios, disponibles ampliamente en grandes plataformas de comercio electrónico como Taobao, prometen ayudar a los estudiantes a reducir el porcentaje de texto generado por IA que pueden detectar los sistemas en sus trabajos académicos. El fenómeno se ha disparado durante la temporada de graduaciones y ha suscitado inquietud entre educadores, responsables de formular políticas y estudiantes por sus implicaciones para los estándares académicos y la eficacia de las tecnologías de detección de IA.

En el centro de esta industria hay vendedores que anuncian «modificaciones manuales» y «asesoría en línea las 24 horas», a menudo sin indicar precios con claridad ni acreditar sus competencias educativas. Muchos insisten en trasladar las conversaciones y los pagos a canales privados como WeChat, lo que dificulta el seguimiento de las transacciones y complica las iniciativas de protección al consumidor. La proliferación de estos servicios refleja tanto la rápida adopción de herramientas de IA en la redacción académica como la creciente presión sobre los estudiantes para superar controles de detección de IA cada vez más sofisticados.

¿Cómo funcionan los servicios para reducir la tasa de AIGC?

Estos servicios afirman reducir la tasa de detección de IA en los trabajos académicos mediante la reescritura o modificación de los textos para que parezcan más humanos. Algunos vendedores aseguran contar con bases de datos y algoritmos propios capaces de identificar y sustituir vocabulario o estructuras oracionales que los detectores de IA suelen señalar. Los precios varían mucho: una tesis básica de 5.000 palabras puede costar apenas 32 yuanes (unos 4,45 dólares), mientras que las modificaciones más personalizadas y basadas en algoritmos pueden llegar a los 20.000 yuanes.

A pesar de la etiqueta de «modificación manual», gran parte del trabajo sigue realizándose con IA. Por lo general, los vendedores consultan bases de datos académicas, comparan el contenido y utilizan algoritmos para ajustar las oraciones y el vocabulario. El proceso está diseñado para eludir la detección de sistemas populares en las universidades chinas, como VIP Paper Check System y CNKI. Sin embargo, la calidad de estas modificaciones es irregular: muchos estudiantes señalan que los textos revisados contienen oraciones fragmentadas, lenguaje poco profesional e incoherencias lógicas.

¿Por qué ha surgido esta industria?

El auge de los servicios para reducir la tasa de AIGC está estrechamente relacionado con los esfuerzos de las universidades por regular el uso de la IA en la redacción académica. Ante la preocupación por el fraude académico y el uso indebido de herramientas de IA generativa como ChatGPT, Ernie Bot de Baidu y Tongyi Qianwen de Alibaba, muchas universidades chinas han introducido políticas que exigen a los estudiantes declarar el uso de IA y establecen límites aceptables de contenido generado por IA en las tesis. Algunas instituciones exigen que la tasa de AIGC sea inferior al 20% o al 40% para aprobar una tesis, mientras que otras la usan como referencia para que los supervisores tomen la decisión final.

Esta presión regulatoria ha creado una «demanda artificial», según Luo Xueming, experto sénior del Instituto de Investigación de Tecnología Industrial Urbana Moderna de Guangdong. La introducción de sistemas de detección de AIGC no solo ha impulsado el desarrollo de servicios para reducir las tasas, sino que también ha ampliado la cadena de esta industria gris para incluir la redacción por encargo y la creación de presentaciones de PowerPoint. La falta de límites éticos académicos claros sobre el perfeccionamiento de textos con IA, el plagio y la adaptación ha permitido que estos servicios prosperen en una zona gris regulatoria.

La experiencia de los estudiantes: presión, ansiedad y soluciones improvisadas

Para muchos estudiantes, la presión para cumplir los estándares de detección de IA es intensa. Wen Suyu, estudiante de último año en una universidad de Guangdong, pasó horas revisando su tesis para reducir la tasa de detección de IA, pero apenas consiguió mejorar el resultado. Desesperada, recurrió a un servicio que logró reducir la tasa de detección, pero dejó el texto con un estilo poco natural y robótico. Su experiencia se repite entre miles de estudiantes de toda China, que comparten consejos e inquietudes en redes sociales como Xiaohongshu.

Entre las estrategias habituales para reducir las tasas de detección de IA figuran:

• Reescribir las oraciones para evitar patrones propios de los textos generados por IA, como estructuras oracionales uniformes y el uso de ciertos conectores.
• Usar varias herramientas de IA para diversificar el lenguaje y el estilo, con el fin de reducir la probabilidad de que los algoritmos de detección señalen el texto.
• Editar manualmente los borradores generados por IA para incorporar una voz más personal y ciertas irregularidades.

A pesar de estos esfuerzos, muchos estudiantes consideran que el proceso consume mucho tiempo y que los resultados son impredecibles. Los resultados de detección pueden variar considerablemente entre sistemas; algunos estudiantes han observado diferencias superiores al 50% en las tasas de detección de IA de un mismo texto en distintas plataformas.

¿Cómo funcionan las herramientas de detección de IA y son fiables?

Los detectores de contenido generado por IA analizan patrones, estructuras oracionales, diversidad de vocabulario y otros rasgos que permiten distinguir la escritura humana del contenido producido por máquinas. Los sistemas más utilizados en China, como VIP Paper Check System y CNKI, afirman que pueden detectar textos producidos por los principales modelos de IA y asignarles una tasa estimada de AIGC. Sin embargo, la fiabilidad de estas herramientas sigue siendo objeto de debate.

Según Zong Chengqing, investigador del Instituto de Automatización de la Academia China de Ciencias, los textos generados por IA se basan en reglas matemáticas calculadas por modelos de gran tamaño. Los sistemas de detección utilizan análisis matemáticos similares para determinar si un texto coincide con los patrones estadísticos del contenido producido por máquinas. Aunque algunos expertos afirman que la precisión de la detección supera el 80%, los resultados en situaciones reales son menos uniformes.

Science and Technology Daily, publicación oficial del Ministerio de Ciencia y Tecnología de China, ha advertido que depender en exceso de las herramientas de detección de IA constituye una forma de «superstición tecnológica». La publicación destacó casos en los que ensayos clásicos e investigaciones originales fueron señalados erróneamente como contenido generado por IA, lo que pone de relieve las limitaciones de estas herramientas y la posibilidad de falsos positivos. En un ejemplo citado con frecuencia, una herramienta popular de detección calificó como generado por IA en más del 60% un ensayo chino de 100 años de antigüedad.

Editorial de Science and Technology Daily:
«Aspiramos a eliminar los efectos negativos de la IA con soluciones claras y contundentes, pero utilizar IA para detectar IA sigue siendo, en esencia, una forma de superstición tecnológica».

Estos problemas han llevado a algunas universidades, tanto en China como en otros países, a reconsiderar o incluso abandonar el uso de herramientas de detección de IA y a destacar la importancia del criterio del profesorado y de una evaluación integral del trabajo académico.

Respuesta regulatoria: el impulso de China al etiquetado de contenido generado por IA

Ante la proliferación del contenido generado por IA y de las industrias grises relacionadas, China se dispone a endurecer la regulación. Unas nuevas normas que entrarán en vigor en septiembre de 2025 exigirán que todo contenido generado por IA —incluidos textos, imágenes, audio y video— lleve una etiqueta clara. La Administración del Ciberespacio de China (CAC), junto con otros organismos gubernamentales, ha establecido la obligación de incluir marcas visibles y ocultas en el contenido generado por IA, con sanciones en caso de incumplimiento.

Entre las principales disposiciones de las nuevas normas figuran:

• Etiquetas visibles para los usuarios y marcas de agua digitales ocultas incorporadas a los metadatos.
• Controles obligatorios de cumplimiento por parte de los proveedores de servicios en línea antes de publicar el contenido.
• Obligaciones de conservar registros para los proveedores de servicios y los usuarios que publiquen contenido generado por IA.
• Prohibiciones estrictas de eliminar o alterar las etiquetas del contenido generado por IA.

Las normas forman parte de una campaña más amplia para combatir la desinformación, el fraude académico y el engaño en línea. Sin embargo, su aplicación sigue siendo un desafío, sobre todo en las aplicaciones en tiempo real y el contenido distribuido en distintas plataformas. Las limitaciones técnicas de las marcas de agua y los metadatos, así como la facilidad con que se pueden eliminar o alterar las etiquetas, complican los esfuerzos por garantizar la transparencia y la rendición de cuentas.

Ética académica, vacíos legales y el futuro de la IA en la educación superior

La rápida evolución de la tecnología de IA ha superado el desarrollo de marcos jurídicos y éticos integrales. La supervisión de la industria de servicios para reducir la tasa de AIGC se complica por la participación de varias autoridades, entre ellas las responsables de educación, supervisión del mercado, seguridad en internet y ciencia y tecnología. La falta de directrices claras sobre qué tipo de asistencia de IA es aceptable y qué constituye una falta académica obliga a estudiantes, educadores y proveedores de servicios a desenvolverse en un panorama incierto.

Expertos como Chu Zhaohui, investigador de la Academia Nacional de Ciencias de la Educación de China, sostienen que reforzar la formación en ética académica es una forma práctica de abordar estos desafíos. En lugar de depender únicamente de las herramientas de detección, se alienta a las universidades a centrarse en fomentar el pensamiento independiente, las habilidades de investigación y la integridad entre los estudiantes.

Chu Zhaohui, investigador en educación, propone:
«Una medida práctica sería reforzar la formación de los estudiantes en ética académica».

Li Juan, profesora asociada de la Facultad de Derecho de la Universidad Central del Sur, estima que este año entre el 60% y el 80% de los estudiantes han utilizado herramientas de IA en sus tesis, desde el perfeccionamiento de oraciones hasta la redacción de grandes partes del contenido. Aunque reconoce que la calidad lingüística ha mejorado, también advierte del riesgo de las «alucinaciones de la IA»: estadísticas o casos jurídicos falsos, pero convincentes, generados por IA. En última instancia, destaca el papel de los supervisores a la hora de revisar el contenido señalado y guiar a los estudiantes durante el proceso de revisión.

Riesgos para los consumidores y el lado oscuro de la industria gris

A pesar de su popularidad, los servicios para reducir la tasa de AIGC entrañan numerosos riesgos para los consumidores. Muchos estudiantes han denunciado dificultades para obtener reembolsos, modificaciones de mala calidad e incluso la imposibilidad de contactar con los proveedores después de pagar. El uso deliberado de canales de comunicación privados y métodos de pago difíciles de rastrear busca impedir que los consumidores reúnan pruebas para presentar quejas o emprender acciones legales.

Estas prácticas no solo socavan los derechos de los consumidores, sino que también perpetúan un ciclo de desconfianza e insatisfacción. A medida que la industria sigue creciendo en la clandestinidad, aumentan las demandas de una supervisión más estricta y de estándares éticos más claros.

En resumen

• En China se ha expandido rápidamente una industria gris de servicios para reducir la tasa de AIGC, impulsada por la adopción de herramientas de detección de IA para trabajos académicos por parte de las universidades.
• Estos servicios combinan IA y edición manual para reducir el porcentaje detectable de contenido generado por IA, pero su calidad y fiabilidad varían mucho.
• Los estudiantes afrontan una gran presión para cumplir los estándares de detección de IA, lo que ha extendido el uso tanto de herramientas de IA como de servicios para reducir las tasas de detección.
• Las propias herramientas de detección de IA son controvertidas por los falsos positivos, la inconsistencia de los resultados y la dependencia excesiva de la tecnología.
• China está introduciendo nuevas normas que exigen etiquetar claramente todo el contenido generado por IA, aunque persisten dificultades técnicas y para hacerlas cumplir.
• Los expertos defienden una formación más sólida en ética académica y una mayor dependencia del criterio del profesorado, en lugar de confiar únicamente en las herramientas de detección.
• Los riesgos para los consumidores en esta industria gris son considerables: muchos estudiantes denuncian un servicio deficiente y la falta de recursos para reclamar.