Análisis de Señales IA

Qué hace este skill

• Detecta el tipo de texto y el canal y elige la lente adecuada (correo, LinkedIn, web, carta de presentación, soporte, SEO, redes, Discord, académico, legal)
• Da una categoría de valoración (7 niveles de «parece humano» a «probablemente generado por IA») — siempre una hipótesis, nunca un veredicto
• Evalúa la fuerza de la señal 1–10 como *fuerza de los patrones*, no como probabilidad de IA, más confianza y riesgo de falso positivo, por separado
• Examina ocho capas de señales y las pondera (fuerte/media/débil) mediante una escalera de evidencia — ninguna palabra aislada como «prueba»
• Cita pasajes concretos con tipo de señal, justificación, explicación alternativa y dirección editorial
• Nombra las construcciones retóricas de la IA (paralelismo negativo «no solo X, sino Y», regla de tres, «es testimonio de…», adulación) con el pasaje y una corrección — los patrones en los que los expertos confían más que en palabras sueltas
• Ordena las hipótesis de origen (generado por IA, asistido por IA, pulido por IA, plantilla, traducción, puramente humano) por plausibilidad
• Explica, para cada hallazgo, qué se opone a un veredicto tajante de IA
• Trata con cautela extra los textos cortos, formales, traducidos y no nativos
• Calibra en ambos sentidos — un texto concreto y humano obtiene una señal baja, sin problemas inventados
• Termina de forma útil: recomendación, siguientes opciones y un bloque de traspaso para una reescritura natural

Descripción

Análisis de Señales IA es un skill para el análisis justo de patrones de escritura típicos de la IA — explica, de forma transparente, por qué un texto suena artificial, genérico o demasiado pulido, sin acusar a nadie de usar IA. Su valor es **orientación, no certeza**: no «IA sí/no» sino «qué señales apuntan en qué dirección — y qué fiabilidad tiene esta valoración». Está construido con cautela a propósito, porque la detección de IA es poco fiable: OpenAI cerró su propio clasificador en 2023 por baja precisión, y los detectores marcan erróneamente como IA alrededor de 6 de cada 10 textos de personas no nativas (Stanford 2023). Por eso Análisis de Señales IA no da **ningún veredicto de autoría ni porcentaje** como «87 % IA» — los porcentajes fingen una objetividad que no tienen. En su lugar devuelve una categoría de valoración (de «parece humano» a «probablemente generado por IA», siempre una hipótesis), una fuerza de la señal 1–10 (no una probabilidad de IA, sino la fuerza de los patrones), una confianza y un riesgo de falso positivo — informados por separado. Trabaja con una ponderación de señales y una escalera de evidencia según el principio «una palabra no es el problema, el patrón lo es»: una sola palabra de moda o una raya es débil; solo varios tipos de señal concurrentes, sobre suficiente texto, pesan de verdad. Examina ocho capas (suavidad de la estructura, lenguaje/muletillas, concreción, tono, ritmo/variación, ajuste al contexto, restos de plantilla, diversidad léxica), cita pasajes concretos y da a cada marca una **explicación alternativa** (plantilla corporativa, traducción, autor no nativo, SEO, forma legal/académica, lenguaje deliberadamente sencillo). Lentes por canal — correo, LinkedIn, web, carta de presentación/RR. HH., soporte, redes, SEO, comunidad — ajustan qué cuenta como señal, y dónde el riesgo de falso positivo es alto porque el canal es naturalmente formulaico. Los modos van del chequeo rápido al informe detallado y la revisión editorial, hasta el modo cautela académica (sin acusación, revisar el proceso de escritura y no solo el texto), la voz de marca, RR. HH. y una reescritura natural. Dos principios lo distinguen: **calibra en ambos sentidos** — un texto realmente concreto y humano obtiene una señal baja y un visto bueno en lugar de ser menospreciado; y **nunca ayuda a evadir detectores** ni a optimizar el engaño, haciendo el texto más real (concreto, claro, auténtico), no más astuto. Es el skill de diagnóstico: revisar, entender, marcar — y, a petición, traspasar a un paso de reescritura mediante un bloque estructurado.

Ejemplos

Qué no hace

• No da ningún veredicto de autoría definitivo («esto es IA» / «esto es humano») ni porcentaje
• No acusa a nadie ni recomienda consecuencias escolares, legales, laborales o disciplinarias basándose solo en este análisis
• No sobreinterpreta textos cortos, formales, traducidos o no nativos — en su lugar marca el riesgo de falso positivo
• No ayuda a evadir detectores, a hacer un texto «indetectable», a encubrir plagio ni a optimizar el engaño
• No trata una palabra aislada o una lista como prueba — la fuerza viene solo de patrones concurrentes
• No produce un muro de texto; empieza por la valoración

Compatibilidad y técnica

Probado (interno)

6 escenarios

Modos

Chequeo rápido de señales · Informe de señales detallado · Revisión editorial · Cautela académica · Autenticidad de marca · Carta de presentación / RR. HH. · Reescritura natural (autenticidad, no camuflaje) · Comparación (dos textos: ¿cuál suena más típico de IA?) · Mapa de calor por secciones (¿qué párrafos suenan más típicos de IA?)

Entradas

Texto (de cualquier tipo) · Canal / público / contexto (opcional) · Textos de marca / textos de ejemplo (opcional, para comparación de marca) · Texto de comparación (original vs. versión revisada)

Formato de salida

Informe de señales estructurado (valoración, fuerza de la señal, confianza, riesgo de falso positivo, veredicto corto, patrones llamativos, pasajes marcados, hipótesis de origen, qué se opone a un veredicto, recomendación, siguientes opciones); a petición una tabla de dimensiones, un informe exportable (AI_SIGNAL_REPORT.md) y un bloque de traspaso para la reescritura

Subcategoría

Señales de texto IA & revisión de autenticidad

Licencia

Proprietär

Perfil de seguridad

Qué incluye

• ai-signal-check-1.0.0/10 archivos
  • .claude-plugin/marketplace.json
  • plugins/ai-signal-check/skills/ai-signal-check/10 archivos

    • SKILL.md
    • manifest.json
    • references/8 archivos

      • ai-signal-check-channels.md
      • ai-signal-check-checklist.md
      • ai-signal-check-constructions.md
      • ai-signal-check-evidence.md
      • ai-signal-check-false-positives.md
      • ai-signal-check-modes.md
      • ai-signal-check-output-templates.md
      • ai-signal-check-signals.md
  • .agents/skills/ai-signal-check/→ universal — mismo contenido (Codex, Cursor, Copilot, Gemini, Windsurf, Cline)
  • LICENSE.txt

Instalación

También como prompt de chat

Nota

No es un detector de IA ni una prueba de uso de IA — un análisis editorial de señales. Una valoración nunca sustituye una conversación, una mirada al proceso de escritura o una revisión profesional; nunca la uses por sí sola como base para consecuencias escolares, legales o laborales. Más fuerte con el canal/público como contexto; para textos muy cortos solo da indicios aproximados.

Historial de cambios

• v1.0.030.06.2026Primera versión: un análisis de señales de IA justo con el estándar AUTHORING v2 — categoría de valoración + fuerza de la señal 1–10 + confianza + riesgo de falso positivo (en vez de porcentajes falsos), pasajes marcados con explicación alternativa, hipótesis de origen ordenadas, escalera de evidencia + ponderación de señales, lentes por canal (correo/LinkedIn/web/carta de presentación/soporte/SEO/Discord/académico/legal), modos (rápido/detallado/editorial/cautela académica/voz de marca/RR. HH./reescritura natural/comparación/mapa de calor), detección de construcciones retóricas de la IA (paralelismo negativo, regla de tres, adulación) y bloque de traspaso. 8 referencias, ejemplos realistas con un caso de calibración y evaluaciones internas. Resistente al abuso: no ayuda a evadir detectores.

Preguntas frecuentes