Hacer trampas con IA es cada vez más fácil y demostrarlo, más difícil
Las trampas en pruebas en línea y evaluaciones de contratación prácticamente se han duplicado a medida que se extienden las herramientas de IA, y los detectores concebidos para descubrirlas son menos fiables de lo que parecen. Qué significa si estudias, contratas o te evalúan.
A medida que los asistentes de IA mejoran al responder preguntas sobre la marcha, un problema previsible se está agravando: las trampas en los exámenes. Los informes del último año apuntan en la misma dirección. La empresa de evaluación CodeSignal descubrió que las trampas en pruebas técnicas de contratación se duplicaron en un año, de alrededor del 16 % al 35 %, y diversos estudios estiman ahora que una gran proporción de los exámenes en línea se enfrenta a trampas activas asistidas por IA. El giro incómodo no es solo que las trampas hayan aumentado, sino que detectarlas de forma fiable es realmente difícil.
La razón está en lo que las herramientas de detección pueden decir en realidad. Las trampas de antes dejaban rastros: un bloque de texto pegado, una respuesta sospechosamente rápida, una pestaña del navegador cambiada. La ayuda moderna de la IA puede no dejar casi ninguno. Y cuando un sistema automatizado marca algo, no está diciendo «esta persona hizo trampas». Está diciendo algo más limitado: «este patrón no coincidía con lo que esperábamos». En esa distancia entre una anomalía y una prueba vive todo el problema. Un estudiante que escribe excepcionalmente bien, o una persona candidata nerviosa que se comporta de forma extraña ante la cámara, puede activar la misma alerta que alguien que realmente hace trampas.
Por eso el sector está cambiando discretamente de enfoque. En lugar de confiar en que un supervisor de IA, un programa que te observa mientras haces un examen, dicte veredictos, el estándar que empieza a surgir es «la IA señala; las personas revisan». La capa automatizada acota qué hay que examinar; una persona toma la decisión. Es más lento y más caro, pero reconoce un límite honesto: los detectores actuales son buenos para notar que algo no encaja y malos para demostrar por qué. Apoyarse solo en ellos arriesga dos fallos a la vez: pasar por alto trampas reales y acusar falsamente a personas honestas.
Qué significa esto para ti: Si estudias o buscas empleo, conviene saber que las señales automatizadas no son una prueba y que un falso positivo es un riesgo real que merece que estés preparado para rebatirlo con calma. Si organizas evaluaciones o contratas, el paso práctico es dejar de tratar las puntuaciones de detección como evidencia y rediseñar la prueba: pide que el razonamiento se muestre en directo, utiliza seguimientos orales o plantea tareas en las que usar bien la IA sea precisamente el objetivo y no algo que vigilar. Y para todo el mundo hay una lección más amplia sobre los detectores de IA en general, incluidos los que afirman identificar redacciones o imágenes creadas por IA: trabajan con probabilidades, no con certezas. Trata su resultado como un motivo para mirar más de cerca, nunca como una respuesta definitiva. Conviene mantener las expectativas a ras de suelo: es un objetivo móvil y las herramientas de ambos lados mejoran al mismo tiempo.
Fuentes
Fuentes: https://www.theregister.com/ai-and-ml/2026/07/21/ais-cheatin-heart-will-make-you-weep/5275784
Una IA ayudó a refutar durante el fin de semana un problema matemático de 87 años
Durante el fin de semana, matemáticos usaron el modelo Fable 5 de Anthropic para hallar un contraejemplo a la conjetura jacobiana, una famosa cuestión abierta desde 1939. Qué ocurrió realmente y por qué «una IA hizo matemáticas» no significa lo que sugieren los titulares.
