Cuando el detector se equivoca: la demanda que enfrenta a un estudiante de Yale con la universidad por un falso positivo de IA

Un examen, una acusación, una demanda

El caso, recogido el 1 de agosto de 2026, tiene todos los ingredientes de una historia que probablemente se repita, con variaciones, en más de una universidad en los próximos años. Thierry Rignol cursaba un MBA ejecutivo en Yale —con una matrícula de 208.500 dólares— cuando fue acusado de haber usado inteligencia artificial durante un examen final de cuatro horas en la asignatura Sourcing and Managing Funds. La consecuencia fue severa: una calificación de suspenso en el curso y una suspensión académica de un año.

Rignol sostiene que era un «estudiante destacado», que el texto del examen era enteramente suyo, y que el proceso de investigación que llevó a la sanción fue injusto: entre otras cosas, alega que se le imputaron cargos de los que nunca fue notificado de forma adecuada, lo que le habría impedido defenderse con las garantías debidas. Su demanda, presentada en febrero de 2025, incluye trece causas de acción distintas y acumula ya 125 entradas en el expediente judicial. Según la información disponible a agosto de 2026, un juez federal ha mostrado escepticismo sobre el procedimiento seguido por la universidad, mientras Yale presiona para que el caso sea desestimado.

El papel —y los límites— del detector

La pieza central del caso es GPTZero, la herramienta de detección de texto generado por IA que el profesor de Rignol utilizó para analizar el examen, y que señaló varias secciones como probablemente escritas por un modelo de lenguaje. Frente a esa conclusión, Rignol ha presentado en el proceso evidencia de que ese tipo de herramientas produce falsos positivos, y ha subrayado un problema documentado en distintos estudios independientes: varios detectores de IA, GPTZero incluido, muestran un sesgo conocido contra quienes no son hablantes nativos de inglés, cuyo estilo de escritura —más formulaico, con estructuras gramaticales más predecibles— tiende a parecerse, estadísticamente, al de un texto generado por un modelo.

Esta no es una acusación aislada ni exclusiva de este caso. La fiabilidad de los detectores de IA es, en 2026, uno de los debates más activos —y menos resueltos— dentro de la integridad académica: ningún detector comercial garantiza una tasa de error cero, y la literatura disponible coincide en que el riesgo de falso positivo no se reparte de forma homogénea entre todo el alumnado, sino que golpea con más fuerza a determinados perfiles, entre ellos los estudiantes que escriben en una lengua que no es la suya materna. Para una universidad como la CEU San Pablo, con estudiantes internacionales y con alumnado que en ocasiones debe redactar en inglés como segunda lengua, esta no es una cuestión abstracta.

Lo que está realmente en juego: el debido proceso

Conviene no perder de vista que el litigio de Rignol no gira únicamente en torno a si GPTZero acertó o se equivocó —algo que, de hecho, puede no resolverse nunca con total certeza técnica—, sino sobre si el procedimiento seguido por la universidad para investigar y sancionar fue lo suficientemente riguroso y garantista. Esa distinción es crucial para cualquier institución que diseñe su propia política de integridad académica: un detector de IA puede ser, como mucho, un indicio que active una investigación, pero no puede —ni debería— sustituir por sí solo un proceso contradictorio en el que el estudiante conozca los cargos, pueda presentar pruebas y sea escuchado antes de que se le imponga una sanción que, como en este caso, puede llegar a comprometer un año entero de estudios y una matrícula de más de 200.000 dólares.

Una lección para cualquier plan de integridad académica

Este caso conecta directamente con el trabajo que muchas universidades, incluida la nuestra, están llevando a cabo para reforzar su plan de integridad académica frente a la IA. La tentación de apoyarse en una herramienta automática que dé un veredicto claro —«esto es IA», «esto no lo es»— es comprensible, sobre todo ante el volumen de trabajos que hay que revisar. Pero el caso Rignol muestra con crudeza el coste de tratar ese veredicto como si fuera una prueba definitiva en lugar de un dato más a contrastar.

La conclusión práctica es exigente pero clara: cualquier sistema de detección —ya sea un software específico o, en el caso de exámenes presenciales, un dispositivo de vigilancia electrónica— debería integrarse dentro de un procedimiento con garantías, nunca sustituirlo. Notificación clara de los cargos, posibilidad real de defensa, valoración humana del contexto y del historial académico del estudiante, y prudencia ante la incertidumbre técnica de cualquier detector, son piezas que ningún plan de integridad académica debería dar por sobreentendidas.

Fuentes y para saber más

• Estudiante de Yale demanda a la universidad por acusación de trampa con IA — DiarioBitcoin (1 de agosto de 2026) — https://www.diariobitcoin.com/estados-unidos/estudiante-de-yale-demanda-a-la-universidad-por-acusacion-de-trampa-con-ia/