Libro Blanco — Veracitas
y el Sello Veracitas

Resumen Ejecutivo

La irrupción masiva de los grandes modelos de lenguaje (LLMs) en los últimos años ha alterado de forma estructural la cadena de valor de la edición literaria. Texto generado por máquina, indistinguible para un lector humano no entrenado, convive con texto genuinamente humano en flujos editoriales, de investigación y de archivo.

El daño reputacional y legal de no poder distinguir uno de otro es asimétrico: un humano acusado falsamente de usar IA pierde una obra, un autor o una nota; una IA confundida con un humano contamina un catálogo editorial o un archivo público.

Dos principios rectores

Veracitas es un sistema de detección de IA en español de grado de producción, diseñado en torno a dos principios rectores:

El programa Veracitas opera sobre ese motor para emitir sellos editoriales públicamente verificables («IA no detectada») asociadas al hash criptográfico SHA-256 del manuscrito original.

Resultados observados sobre cohortes de validación

Nota metodológica. Las cifras siguientes corresponden al benchmark del 19 de agosto de 2026, medido sobre el modelo que está hoy en producción: 401 manuscritos generados por API con cinco familias de modelos de lenguaje (Claude, Gemini, GPT, Grok y Llama), cuatro registros y tres niveles de reescritura evasiva, y 324 manuscritos humanos — 118 TFG, TFM y tesis de repositorio, 89 artículos de revista, 51 novelas publicadas entre 1994 y 2022, 36 novelas de dominio público y 30 obras anteriores a 1930. Los documentos humanos se recortan a la distribución de longitud de los de IA, para que la longitud no informe por sí sola.

Alcance: prosa larga. Veracitas está especializado en manuscritos, no en fragmentos. El motor analiza el texto en ventanas de 350 palabras y promedia sus notas ponderando por longitud, de modo que necesita varias ventanas para que la media signifique algo. En concreto:

• Las cifras de esta sección se han medido sobre documentos de 670 a 2.562 palabras (mediana 1.863).
• El sello sólo se concede a partir de 3.000 palabras (MIN_WORDS_FOR_SEAL). El análisis no se bloquea por debajo de esa cifra —sigue siendo útil y el cliente lo pide—: lo que se marca es que el documento no reúne condiciones para certificarse. Las métricas publicadas están medidas por debajo de ese umbral, que es el caso más difícil: cuantas más ventanas hay, más estable es la media.
• Por debajo de unas 300 palabras —menos de una ventana— el motor no está validado. Medido contra los conjuntos oficiales de IberLEF (AuTexTification 2023 e IberAuTexTification 2024), cuyos textos tienen una mediana de 62 palabras, su capacidad de ordenación cae a AUC 0,51: prácticamente azar. No es un fallo corregible con umbrales, es que ahí no hay señal suficiente.

A quién va dirigido, y a quién no. Veracitas se ofrece a autores, personal investigador y equipos editoriales que comprueban sus propios textos antes de publicarlos, y a editoriales e instituciones de investigación mediante convenio. No se ofrece a centros educativos para evaluar trabajos de estudiantes, ni para decidir admisiones, ni para vigilar exámenes. Que las cohortes de validación incluyan tesis y artículos no cambia eso: son la prueba de que el motor funciona con prosa académica, no una oferta para juzgar a quien la escribe.

Filtrado anti-contaminación por identificador documental y por huella de contenido; auditoría de integridad previa a la evaluación. Todas las proporciones se publican con intervalo de confianza del 95 % y su tamaño muestral. Las cifras son representativas pero no constituyen garantía contractual de rendimiento sobre cualquier manuscrito futuro: el comportamiento real depende del tipo de texto, su longitud, su género y el estado del arte de los modelos generativos.

El FPR agrupado sobre los 324 humanos es 0,31 % (1 de 324; IC 95 %: 0,05–1,73). Esa media mezcla el académico (0/207) y la novela 1994–2022 (1/51 acusada; 5 más en inconcluso, el 11,8 % sin veredicto «humano»). La cifra que importa a una editorial de novela es la segunda, no la media.

Cómo leer estas cifras. La más importante para un autor o una editorial es el PPV del 99,7 %: de las 392 veces que Veracitas ha afirmado que un texto es IA, se equivocó una — un diario de rodaje dentro de la cohorte de novela. Sobre trabajo académico humano no ha señalado a nadie en 207 documentos. El sistema sigue calibrado para proteger al autor humano por delante de todo, pero ya no paga ese seguro con detección: encuentra el 97,5 % de los manuscritos de IA y deriva sólo un 1,9 % a revisión humana. Subir el umbral de 65 a 86 lleva los falsos positivos a cero y deja la detección en 86,8 %: es dónde ponemos el listón, no lo que el modelo da de sí.

Veracitas es un clasificador: un modelo nativo en español afinado, ventanas de 350 palabras con solape 50, calibración isotónica por longitud —no por género—, media ponderada por palabras y bandas <40 humano · 40–64 inconcluso · ≥65 IA. Las reglas lingüísticas y el heatmap por capítulos salen en el informe; no votan el global. El sello lo concede un revisor humano. Cada decisión queda en un registro criptográfico trazable.

Contexto y Problema

El cambio de paradigma

En los últimos años, la generación de texto por LLMs ha pasado de artefacto detectable a oficio especializado. Tres dinámicas han desactivado la mayor parte de los detectores de primera generación:

• Humanización adversarial. Herramientas que reescriben la salida de un LLM para que pierda los marcadores estilísticos típicos.
• Modelos multilingües más grandes. Producen castellano fluido que ya no comparte la "huella" de los detectores anglocéntricos entrenados sobre modelos antiguos en inglés.
• Edición humana parcial. El caso más frecuente es un texto parcialmente IA con intervención humana posterior. Cualquier detector que tome una decisión binaria sobre la obra completa fracasa cuando una parte es IA y otra no.

Asimetría de costes para una editorial

Para una editorial, los dos tipos de error tienen consecuencias muy distintas:

Esta asimetría justifica que el sistema esté deliberadamente sesgado a no conceder el sello en caso de duda.

Impacto Cuantitativo: ¿Por qué es necesario el Sello?

Para justificar la necesidad del Sello Veracitas, el siguiente desglose muestra el impacto real y la dilución del ecosistema literario que enfrentan los autores y profesionales del sector debido al volumen inasumible de contenido generado por IA y la ausencia de herramientas públicas de verificación:

1 El hueco de mercado: Obligación sin verificación

La paradoja actual del ecosistema

2 El Tsunami Generativo vs La Edición en España

El volumen inasumible frente al mercado tradicional

3 El mecanismo del daño: Dilución de ingresos

La IA no vende más, diluye la oferta

4 Daño medible a los oficios del libro

Encuesta de The Society of Authors (Reino Unido, ~12.500 socios)

5 Fraude de identidad en plataformas

Suplantación de autores

Fuentes: Federación de Gremios de Editores de España (FGEE, 2024) · NBER (Reimers & Waldfogel) · Society of Authors · The Authors Guild

Solución: Veracitas y el Sello Veracitas

Veracitas (motor)

Veracitas es un motor de detección. Desde el 19 de agosto de 2026 el veredicto automático lo emite un solo modelo:

• Un solo modelo nativo en español, afinado sobre el corpus de producción. Un segundo modelo se retiró: medido, bajaba la detección del 97,5 % al 80,5 % y reabría el falso positivo académico.
• Troceado del score: ventanas de 350 palabras con solape 50, truncadas a 512 tokens. Cada ventana se calibra con el calibration.json del modelo (isotónica según longitud). La nota del documento es la media ponderada por palabras.
• Decisión tri-estado: <40 humano · 40–64 inconcluso · ≥65 IA. El estado intermedio existe para no forzar decisiones en zona gris.
• Detectores de patrones lingüísticos (tipografía, vocabulario, retórica, estructura, hedging, caracteres invisibles). Se calculan y se pintan en el informe; no entran en la nota global cuando hay score de transformer.
• Análisis estadístico del texto e inspector de metadatos de PDF y DOCX: misma regla — informativos, no votan el veredicto.

Veracitas (el Sello)

El Sello Veracitas es un programa de sellado con trazabilidad criptográfica construido encima del motor. El análisis automático no emite el sello: lo concede un revisor humano que ve las dos pasadas. Elegible a partir de 3.000 palabras.

Principios de Diseño

Los siguientes principios guían cada decisión técnica del sistema:

1. Verum in dubio pro humano

Ante la duda, el sistema no marca el texto como IA. La banda inconclusa (40–64) existe para no acusar en zona gris. El umbral de acusación (65) se eligió para que el falso positivo sobre prosa académica humana quede en 0 de 207 en la cohorte del 19-08-2026. La novela contemporánea no goza de esa cifra: ver sección 6 y 12.

2. Trazabilidad por encima de magia algorítmica

Cada cifra del sistema está trazada a una versión concreta de modelo y a un conjunto de pesos firmado. No publicamos métricas que no podamos reproducir.

3. Un modelo, una banda, un humano

El veredicto automático lo emite un solo modelo. No hay segundo voto neuronal ni veto de reglas que bloquee el sello. La defensa es la banda inconclusa y, para el sello, una revisión humana que ve el informe y el heatmap y puede denegar.

4. Adversarialidad anticipada

El corpus de entrenamiento incluye textos generados por los principales LLMs comerciales modernos en español y sus variantes humanizadas (light y heavy) para simular las herramientas de evasión que un atacante real usaría.

5. Auditabilidad legal

El registro de auditoría es el ancla probatoria del sistema. Está diseñado para que reescribir entradas pasadas invalide automáticamente todas las posteriores y se detecte en una pasada de verificación.

6. Honestidad sobre los límites

Lo que el sello no garantiza está explícitamente documentado (sección 12). No prometemos detectar modelos generativos futuros ni distinguir una corrección ortográfica de una asistencia masiva.

Arquitectura del Sistema (Vista General)

Pipeline conceptual

Decisión tri-estado

El estado inconcluso es una decisión deliberada de no decidir. Es preferible delegar al juicio humano que emitir una falsa garantía.

Dos pasadas sobre el mismo manuscrito

El score que decide el tri-estado y el mapa que ve el revisor no salen del mismo troceado. Confundirlos es leer mal el informe.

Un manuscrito puede salir «humano» a 36 de media (pasada 1) y tener un bloque marcado porque 36 ≥ 35 (pasada 2). No es un fallo: son dos escalas, y el revisor las tiene las dos a la vista. El sello, si se concede, lo firma esa revisión (human_approved), no un AND automático de capas.

Validación y Resultados

Cohortes de validación

El sistema se valida sobre cohortes independientes construidas a partir de manuscritos públicos de repositorios institucionales españoles (descarga vía OAI-PMH), garantizando mediante hash SHA-256 que ningún manuscrito del benchmark estuviera presente en el corpus de entrenamiento:

• Cohorte académica humana. Trabajos de fin de grado y máster defendidos antes de la generalización de los LLMs, recogidos de dos universidades politécnicas públicas (varias disciplinas técnicas).
• Cohorte de manuscritos largos académicos. Tesis doctorales y libros publicados por repositorios universitarios y por un organismo público de investigación de ciencia básica.
• Cohorte humanística y literaria. Libros, tesis y manuscritos de literatura clásica española, poesía, teatro del Siglo de Oro, tratados religiosos históricos, historia del arte, crítica cinematográfica y leyendas — recogidos de un repositorio universitario público de gran biblioteca histórica.
• Cohorte adversarial IA. Textos generados con LLMs comerciales modernos no presentes en el corpus de entrenamiento del motor, en sus variantes original, light humanización y heavy humanización.
• Cohorte mixta. Textos parcialmente IA con intervención humana posterior.

Resultados clave (19 agosto 2026)

Validación sobre 401 manuscritos de IA —cinco familias de modelos, cuatro registros, tres niveles de reescritura evasiva— y 324 manuscritos humanos, evaluados contra el motor que está hoy en producción. Todas las proporciones se publican con su intervalo de confianza del 95 %:

Detección por registro literario

Efecto de la reescritura evasiva

Interpretación

Primera lectura: cuando acusamos, casi siempre acertamos. El PPV del 99,7 % significa que en 392 dictámenes de «IA» ha habido un error: un diario de rodaje dentro de la cohorte de novela. Sobre trabajo académico humano el sello no ha señalado a nadie en 207 documentos, lo que acota ese riesgo por debajo del 1,8 % con un 95 % de confianza.

Segunda: el umbral es una decisión, no un límite técnico. El corte de acusación está en 65 sobre 100 y da 97,5 % de detección con un solo falso positivo. Subirlo a 86 lleva los falsos positivos a cero y deja la detección en 86,8 %. Se puede mover por convenio: un equipo editorial que decide una publicación no asume el mismo coste por un falso positivo que un autor que comprueba su propio borrador antes de enviarlo. Para quien prefiera errar por defecto, el sistema expone un modo más sensible que devuelve inconcluso en zona gris en lugar de humano.

Tercera, y la que más nos exige: la novela contemporánea sigue siendo el punto débil, pero ya no por detección. El motor encuentra narrativa generada por IA en el 97,3 % de los casos —antes era el 47,8 %—, así que la brecha de registro se ha cerrado. Lo que queda es del otro lado: de 51 novelas humanas publicadas entre 1994 y 2022, una fue acusada y cinco quedaron en «inconcluso»; sobre trabajo académico humano, ninguna de 207. Con 51 obras medidas no podemos afirmar que el riesgo en novela esté por debajo del 10 % aunque lo observado sea el 2 %. Dicho sin rodeos: un sello «Obra sin IA Detectada» sobre una tesis sigue significando más que sobre una novela. Ampliar esa cohorte es la línea de trabajo prioritaria y no la vamos a ocultar tras una media.

Gobernanza, Auditoría y Trazabilidad

Audit log inmutable

Toda decisión —positiva o negativa— produce una entrada en un registro mensual append-only. Cada entrada contiene:

• Identificador único del sello (cert_id).
• Timestamp UTC ISO-8601.
• Decisión final.
• Género literario declarado.
• Metadatos del autor / título / ISBN (declarados por la editorial).
• Hash criptográfico SHA-256 del texto del manuscrito.
• Recuento de palabras.
• Versiones de modelos y calibración activos en el momento.
• Resumen del análisis (estadísticas agregadas por bloque).
• Hash de la entrada anterior (encadenamiento criptográfico).
• Firma HMAC-SHA256 sobre la entrada canónica.

Garantías criptográficas

Verificación pública

Cualquier tercero puede verificar la autenticidad de un sello sin acceso al log completo:

• Consulta del cert_id en el endpoint de verificación pública.
• Comparación del SHA-256 del manuscrito actual contra el SHA-256 registrado en el momento de emisión.
• Consulta del estado de integridad del registro mensual.

La verificación devuelve la entrada original más los eventos de override posteriores (revocaciones, apelaciones aceptadas), de modo que el estado público de un sello refleja siempre la última decisión auditada.

Procedimiento ante una disputa legal

1. Localización del cert_id en el log mensual correspondiente.
2. Verificación integral del archivo mensual completo para descartar manipulación.
3. Reproducibilidad: el campo model_versions permite recargar exactamente la combinación de pesos que produjo la decisión. El campo text_sha256 permite verificar que el manuscrito presentado en juicio es el mismo que el sistema evaluó.
4. Re-evaluación con esos pesos. Si los scores coinciden, la decisión queda probada como producto determinista del sistema en esa fecha.

Marco Legal del Sello

Naturaleza del Sello

El Sello Veracitas es una declaración técnica firmada sobre el resultado de un análisis automatizado. No es un dictamen pericial notarial ni una declaración sobre la autoría última del texto. Lo que aporta como evidencia se limita a la trazabilidad criptográfica y a la reproducibilidad del análisis —su valoración como prueba corresponde a los tribunales—, y en ningún caso equivale a una garantía de «escrito por humano».

Sello, no certificación acreditada

La distinción no es semántica. En España y en la Unión Europea, «certificación» designa una evaluación de la conformidad de un producto frente a una norma, realizada por un organismo independiente y normalmente acreditado (ISO/IEC 17065, ENAC). Veracitas no es un organismo de certificación acreditado y el Sello no es una certificación en ese sentido técnico.

Lo que Veracitas emite es un distintivo de origen privado: un sello que documenta, con trazabilidad criptográfica, el resultado de un análisis concreto sobre un manuscrito concreto en una fecha concreta. Su valor no procede de una acreditación oficial, sino de que cualquiera puede comprobarlo y de que el procedimiento es público y reproducible.

Cómo debe citarse

La redacción del sello es literal: «IA no detectada». Describe un resultado de análisis, no dictamina autoría. Traducirlo a una garantía convierte una descripción veraz en un mensaje engañoso, aunque el análisis sea correcto, porque lo que induce a error es la presentación.

El marco aplicable en España es el de la publicidad engañosa: arts. 5.1.b (engaño sobre los resultados de las pruebas o controles efectuados al producto) y 21 (sellos y distintivos de calidad) de la Ley 3/1991, de Competencia Desleal; art. 3.e de la Ley 34/1988, General de Publicidad; y art. 18 del RDL 1/2007 (TRLGDCU), sobre etiquetado y presentación que no induzcan a error. Responde quien difunde el mensaje en su condición de anunciante —la editorial—, sin perjuicio de la legitimación pasiva del art. 34.1 de la citada Ley 3/1991, que alcanza a quien coopere en la conducta.

Qué DECLARA el sello

Qué NO garantiza el sello

1. No garantiza que la obra haya sido escrita íntegramente por un humano sin asistencia menor (correctores ortográficos, búsqueda de sinónimos, traducción puntual). El sello es sobre detección automatizada, no sobre autoría notarial.
2. No garantiza inmunidad frente a modelos generativos futuros. La evaluación se hace bajo el estado del arte de la fecha de emisión.
3. No sustituye el juicio editorial humano en casos inconcluso o premium_required.

Procedimiento de apelación

Existen dos vías documentadas:

• Apelación de denegación. El autor o la editorial solicitan reconsideración aportando evidencias (borradores previos, historial de versiones, capturas, drafts).
• Solicitud de revocación. La editorial retira un sello previamente emitido (auto-denuncia o detección de manipulación posterior).

Revocación

Un sello puede revocarse en los siguientes casos:

1. Manipulación post-emisión: el SHA-256 del texto actual no coincide con el registrado, indicando alteración del manuscrito después de obtenido el sello.
2. Auto-denuncia editorial.
3. Hallazgo posterior: revisión humana o auditoría externa demuestra que el sello fue emitido sobre un manuscrito que no debería haberlo recibido.

El estado revocado queda en el registro con su cert_id original y es visible públicamente en la verificación.

Casos de Uso

Editoriales

Flujo típico:

1. La editorial sube el manuscrito final junto con metadatos del autor, título, ISBN y género literario.
2. El sistema analiza (pasada 1: nota 350/50; pasada 2: heatmap 1500/200) y deja el expediente a un revisor. El sello no se emite solo.
3. Si el revisor concede, la editorial incorpora el identificador en el colofón del libro y/o en la ficha web. Cualquier lector, librero, biblioteca o investigador puede verificar la autenticidad de forma pública.
4. Si el resultado es negativo o inconcluso, se abre el procedimiento de revisión humana y, en su caso, apelación.

Beneficios:

• Diferenciador comercial verificable frente a la sospecha generalizada del lector.
• Marco claro para responder a denuncias de uso de IA en el catálogo.
• Trazabilidad legal en caso de disputa con autor o tercero.

Auditoría editorial post-publicación

Una editorial, un medio o un instituto literario pueden auditar una obra publicada sometiéndola al sistema y comparando contra el identificador de sello original, detectando manipulaciones posteriores a la emisión del sello.

Integración B2B vía API

Todos los endpoints del sistema son consumibles programáticamente. Los flujos típicos incluyen integración con CMS editoriales y marketplaces de libros (filtros "con Veracitas").

Comparativa con Alternativas

Detectores anglocéntricos

Detección manual por experto

Impacto Medioambiental y Consumo Energético

A diferencia de los modelos generativos de IA (como ChatGPT o Claude) que requieren enormes cantidades de energía y agua tanto para su entrenamiento continuo como para la generación masiva de texto, Veracitas es un sistema puramente analítico (de inferencia). Esto reduce drásticamente su huella ecológica.

Coste energético por libro verificado

Nuestra infraestructura se ejecuta bajo demanda utilizando instancias de cálculo altamente eficientes (NVIDIA T4 en el entorno Modal). Una GPU NVIDIA T4 tiene un consumo máximo (TDP) de 70W.

Considerando un volumen medio de procesamiento de 5 libros completos al día, con un tiempo de análisis exhaustivo de aproximadamente 30 a 60 minutos por obra (dependiendo de la extensión), el cálculo de consumo promedio es el siguiente:

• Consumo eléctrico (GPU + Overhead Datacenter): ~100W a 120W por hora.
• Energía por libro completo: ~0.10 kWh. (Equivalente a mantener encendida una bombilla LED estándar durante 10 horas).
• Consumo de agua (Refrigeración del Datacenter): Con un promedio industrial de 1.8 litros por kWh consumido, procesar un libro requiere apenas ~0.18 Litros de agua (menos de un vaso de agua normal).

Limitaciones Conocidas

Novela contemporánea (el punto débil medido)

El riesgo vivo no está en la literatura clásica pre-1930: esa cohorte es el control fácil. El confusor de época (P-1) está en el entrenamiento: la narrativa humana entrenable es dominio público anterior a 1930; la novela de 1994–2022 se evalúa y no se entrena (licencia NC). Medido el 19-08-2026 sobre 51 obras acreditadas: 1 acusada (2,0 %) y 5 inconclusos (6/51 = 11,8 % sin veredicto «humano»). Con n=51 no se puede afirmar un riesgo <10 %. Un sello «IA no detectada» sobre prosa académica significa más que sobre una novela. Ampliar esa cohorte choca con licencias NC, no con umbrales.

Humanización adversarial extrema en textos cortos

Actualizado el 19-08-2026. La reescritura evasiva ya no abre una brecha: sobre 112 manuscritos reescritos pesadamente el motor detectó 109 (97,3 %), dejó 3 en inconcluso y no se le escapó ninguno. La versión anterior del motor detectaba el 62,5 % en esa misma cohorte. Lo que queda en inconcluso sigue siendo comportamiento deseado —no conceder el sello en caso de duda—, no un fallo a corregir.

PDFs escaneados sin OCR

El sistema rechaza con error explícito cualquier documento del que se extraigan menos de un mínimo de palabras. No realizamos OCR.

Cobertura lingüística

El sistema está calibrado para español peninsular y americano contemporáneos. No está validado para catalán, gallego, euskera ni para variantes históricas anteriores al siglo XIX.

Modelos generativos futuros

El detector está calibrado contra los LLMs conocidos a la fecha de emisión de cada sello. Un modelo generativo significativamente distinto podría requerir un re-entrenamiento. Por eso cada sello incluye la versión del modelo y el timestamp: la garantía está acotada al estado del arte en el momento del análisis.

Roadmap

Glosario

Accuracy

Proporción de predicciones correctas sobre el total.

Audit log

Registro append-only inmutable de cada decisión, firmado criptográficamente.

cert_id

Identificador único de cada decisión emitida por el Sello, verificable públicamente.

Decisión tri-estado

humano / inconcluso / IA. El estado intermedio existe para forzar revisión humana en zona gris.

FNR (False Negative Rate)

Proporción de textos IA clasificados como humanos. Medida del riesgo de "se nos cuela un IA".

FPR (False Positive Rate)

Proporción de textos humanos clasificados como IA. Medida del riesgo reputacional para una editorial.

Hash-chain SHA-256

Secuencia de hashes donde cada entrada incluye el hash de la anterior. Modificar una entrada antigua invalida toda la cadena posterior.

HMAC-SHA256

Código de autenticación de mensaje basado en hash, firmado con una clave secreta. Garantiza autenticidad.

Humanización

Técnica adversarial que reescribe texto IA para evadir detectores. Puede ser light o heavy.

Modelo de producción

Único modelo que vota desde el 19-08-2026, nativo en español y afinado. Un segundo modelo se retiró: medido, restaba detección y reabría el falso positivo académico.

NPV (Negative Predictive Value)

Precisión del predictor cuando predice "humano". Métrica crítica para el Sello: cuando decimos "humano", queremos que lo sea de verdad.

Pasada de capítulos

Segunda pasada del manuscrito en bloques de 1.500 palabras (solape 200) para el heatmap. Informa al revisor; no es la nota del veredicto ni firma el sello.