La batalla contra la claudestafa: Pangram levanta US$9 millones para detectar textos de IA

El internet se inunda de contenido generado por inteligencia artificial, y con él crece una necesidad urgente para empresas, editores y plataformas: saber exactamente qué texto fue escrito por una persona y cuál salió de un modelo de lenguaje. La startup neoyorquina Pangram acaba de recibir un voto de confianza de US$9 millones liderado por Menlo Ventures, con el objetivo de escalar su tecnología de detección justo cuando la integración con Substack y un estudio independiente del National Bureau of Economic Research (NBER) la colocan como la herramienta más fiable del mercado.

Pangram fue fundada hace dos años por Max Spero y Bradley Emi, graduados de Stanford en inteligencia artificial y machine learning, tras la explosión de chatbots que, según Spero, abrió las compuertas a bots, contenido SEO generado por IA y “campañas de desinformación rusa potenciadas por modelos de lenguaje y campañas influenciadas por Emiratos Árabes en Twitter”. La compañía no solo ha lanzado su modelo de texto Pangram 4, que declara una precisión superior al 99% para detectar escritura asistida por IA y contenido mixto humano-máquina, sino que también presentó en vista previa un detector de imágenes generadas por inteligencia artificial.

Lo que distingue a Pangram de otras soluciones es su enfoque técnico. El sistema no se basa en metadatos ni marcas de agua ocultas. Los fundadores entrenaron un gran modelo de machine learning con decenas de millones de documentos humanos y, para cada uno, crearon un “espejo sintético” replicando el tema, la longitud y el tono, pero escrito por un modelo de lenguaje de frontera. De esta forma, el detector aprende las diferencias estilísticas consistentes que la IA exhibe al escribir. Y un estudio riguroso del NBER, firmado por Brian Jabarian y Alex Imas, respalda este enfoque: al evaluar cuatro detectores comerciales (Pangram, OriginalityAI, GPTZero y RoBERTa de código abierto), Pangram fue el único capaz de cumplir con un estricto umbral de tasa de falsos positivos menor a 0.005 sin sacrificar precisión, incluso en textos ultracortos de menos de 50 palabras y frente a herramientas ‘humanizadoras’ diseñadas para evadir la detección.

La llegada de Pangram a la escena global es especialmente relevante para las empresas latinoamericanas que dependen de la confianza digital. En la región, donde la adopción de IA crece a la par de los riesgos reputacionales, saber si un post de LinkedIn, una propuesta comercial o un comunicado de prensa fue generado por un modelo se vuelve un activo estratégico. El costo de equivocarse —contratar a un abogado que presente pruebas falsas alucinadas por ChatGPT o publicar contenido generado por IA sin revelarlo— puede traducirse en sanciones, multas o pérdida de credibilidad.

La integración más visible de Pangram hasta la fecha es con Substack, la plataforma de newsletters que está combatiendo lo que su cofundador, Chris Best, bautizó como “claudestafa”, el fenómeno en que un lector consume contenido que cree humano pero que en realidad fue escrito por IA. Substack ya activó la herramienta para que cualquier usuario pueda analizar textos de más de 100 palabras publicados en la plataforma, y además permite a los escritores añadir una declaración de “Cómo hago esto” para detallar su proceso creativo. Marcos García Alonso, responsable de Alianzas de Substack en España, reveló que apenas el 10% del contenido en su plataforma es generado por IA, frente a más del 40% en LinkedIn.

Para un director de marketing o un responsable de comunicación en una empresa latinoamericana, la lección es clara: la transparencia sobre el uso de IA en la producción de contenido está dejando de ser una opción para convertirse en un factor de diferenciación y confianza. El caso de los abogados neoyorquinos sancionados por citar casos inventados por ChatGPT, o el del político canadiense que leyó en voz alta un prompt de IA durante un discurso, son recordatorios de que el descuido cuesta caro.

Pero Pangram no está solo. Competidores como Winston AI, Copyleaks y GPTZero también persiguen el mismo mercado, lo que sugiere que la detección de IA se perfila como una categoría de software empresarial consolidada. La pregunta para los ejecutivos locales no es si implementarán algún tipo de control, sino cuándo lo harán y con qué nivel de exigencia. Porque, como advierte Spero, “si no discriminamos activamente a favor del contenido humano, la IA terminará ahogando toda señal humana que tengamos”. En un entorno donde nuevas GPUs llegan más rápido de lo que nacen personas, la decisión de apostar por la autenticidad podría marcar la diferencia entre construir una marca confiable o perderse en el ruido sintético.