¿Usa IA la prensa española? Lo que dice el vocabulario de 43.619 artículos, medio a medio

Los artículos de este estudio son los mismos que el briefing diario de sinsesgo recoge cada mañana para comparar cómo cuenta cada bloque una noticia. Esta vez no miramos qué dicen, sino cómo están escritos.

Por qué no usamos un detector de IA

La forma obvia de hacer esto es pasar cada artículo por un detector de IA y contar positivos. Los mejores han mejorado: en una prueba de Epoch AI de julio de 2026, Pangram y GPTZero no marcaron como IA ninguno de 495 textos humanos. Pero el resultado depende de qué herramienta elijas:

• Discrepan entre sí. Park, Jeong y Kim (2026) pasaron por 13 detectores artículos académicos escritos por personas y corregidos por un servicio de edición profesional. La tasa de falsos positivos fue del 0 % al 100 %, según el detector.
• Se les escapa la IA que imita a una persona. En la prueba de Epoch, cuando el modelo imitaba a un autor concreto, Pangram dejó pasar el 10 % de los textos de IA y Originality.ai casi el 18 %. Originality.ai, además, marcó como IA el 3,8 % de los textos humanos.

Y son productos comerciales cuyo modelo no es público. Para un estudio que cualquiera pueda repetir, preferimos un método con datos abiertos.

El estudio más grande sobre periódicos, el de Russell et al. (2025), sí usó un detector comercial, Pangram, sobre 186.000 artículos de 1.500 diarios de Estados Unidos del verano de 2025. Estimó que alrededor del 9 % estaba escrito en parte o del todo con IA, y que de 100 artículos marcados solo cinco lo declaraban. Parte de sus autores trabaja en Pangram Labs, la empresa que vende la herramienta.

El método: contar palabras que la IA usa de más

Hay otra vía que no depende de juzgar artículo por artículo. Los modelos de lenguaje repiten ciertas palabras mucho más que las personas, y si un corpus empieza a usarlas de más, algo ha cambiado. Con este método, Kobak et al. (Science Advances, 2025) calcularon que al menos el 13,5 % de los resúmenes biomédicos de 2024 pasó por un modelo de lenguaje.

Para el español usamos la lista de Juzek (2026), que comparó noticias escritas por personas con continuaciones generadas por GPT-4.1-mini en 34 idiomas. Entre 2020-2021 y 2023-2024, esas palabras subieron en la prensa real de 26 de esos idiomas, con un cambio medio del 15,1 % en los 34. De su tabla pública para el español tomamos 19 palabras de estilo, sin carga temática: destacar, subrayar, reflejar, fortalecer, fomentar, implementar, garantizar, promover, impulsar, reforzar, consolidar, intensificar, importancia, desafío, fundamental, significativo, creciente, profundo y constante, con todas sus formas.

Y las contamos en dos corpus:

• Prensa de 2026: 43.619 artículos de al menos 1.500 caracteres, 32,3 millones de palabras, de 19 medios españoles que lee sinsesgo, del 19 de septiembre al 17 de octubre de 2026.
• Referencia anterior a ChatGPT: 119.458 textos de webs con dominio .es recogidos en 2019, 57,2 millones de palabras. Es antigua a propósito: tiene que ser anterior a los modelos de lenguaje para servir de comparación. Sale del corpus público CC-NEWS-ES.

Artículos escritos con IA: la prensa española escribe casi igual que en 2019

En 2019 aparecían 2,10 de esas palabras por cada 1.000. En 2026, 2,24: un 7 %, menos de la mitad del cambio medio que Juzek midió entre idiomas. Y no todas las palabras suben: «reforzar» se duplica e «intensificar» casi, mientras «destacar» cae un 29 % y «fomentar» un 56 %. Con el rearme y las guerras en portada, parte de esa subida puede ser actualidad, no estilo.

La prueba más clara está en los extremos. En 2019, el 1 % de los textos con más densidad superaba las 12,5 palabras marcadoras por cada 1.000. En 2026 supera ese umbral el 1,06 % de los artículos. Si una parte apreciable de la prensa se escribiera con IA, esa cola habría engordado, y no lo ha hecho.

Medio a medio

Marcadores por cada 1.000 palabras, y entre paréntesis el porcentaje de artículos por encima del umbral de 2019, donde lo esperable sin cambios es un 1 %:

1. elPlural (izquierda): 2,78 (1,9 %)
2. Libertad Digital (derecha): 2,62 (1,8 %)
3. OKDiario (derecha): 2,59 (1,5 %)
4. La Razón (derecha): 2,58 (1,9 %)
5. The Objective (centroderecha): 2,50 (2,0 %)
6. El Periódico (centroizquierda): 2,43 (1,0 %)
7. El Confidencial (centroderecha): 2,38 (1,4 %)
8. ABC (derecha): 2,29 (1,4 %)
9. El Independiente (centroderecha): 2,24 (1,1 %)
10. 20 Minutos (centroderecha): 2,17 (0,7 %)
11. La Vanguardia (centroizquierda): 2,11 (0,6 %)
12. Vozpópuli (derecha): 2,10 (0,4 %)
13. elDiario.es (izquierda): 2,03 (0,5 %)
14. El Español (centroderecha): 1,99 (0,4 %)
15. Público (izquierda): 1,92 (0,6 %)
16. El Salto (izquierda): 1,90 (0 %)
17. El País (centroizquierda): 1,84 (0,3 %)
18. El HuffPost (centroizquierda): 1,74 (0,4 %)
19. El Mundo (centroderecha): 1,57 (0,2 %)

Dos avisos sobre la lista. El Salto (437 artículos) tiene una muestra pequeña. De El País solo entran 754 artículos, porque el muro de pago deja la mayoría de sus textos por debajo de los 1.500 caracteres. La orientación de cada medio es la que usa sinsesgo en todo el sitio y se explica en la guía sobre el sesgo de los medios españoles.

Qué suena a IA sin serlo: notas de prensa y horóscopos

Leímos los 25 artículos de 500 palabras o más con mayor densidad de marcadores. Más de la mitad no son periodismo propio del medio:

• Cinco horóscopos de OKDiario, como el de Tauro del 24 de septiembre.
• Cinco piezas sobre la empresa Cox. Cuatro son la misma nota, «Nace la Fundación Cox para impulsar el desarrollo de las comunidades», publicada casi palabra por palabra en Vozpópuli, OKDiario, The Objective y elPlural.
• Dos copias de una misma nota sobre la reputación de Inditex, en Libertad Digital y elPlural.
• Dos teletipos de Servimedia y Europa Press, y una pieza firmada por «Vozpópuli Contents» en su sección de contenido de marca.

Los diez restantes son piezas de redacción sobre empresas, educación, sanidad o ciberseguridad, más una carta de un lector en La Vanguardia.

El lenguaje corporativo («impulsar», «fortalecer», «garantizar») es el mismo que los modelos aprendieron a imitar. Por eso el método no distingue una nota escrita por un departamento de comunicación de una escrita por ChatGPT, y tampoco te dice si la nota original la redactó una persona. Sí explica parte del ranking: los medios que más notas de empresa reproducen suben en la lista. Cómo reconocer ese tipo de pieza está en la guía sobre la diferencia entre opinión e información.

Por qué descartamos la raya como señal

La raya (—) se cita a menudo como huella de la IA. En estos datos depende sobre todo del gestor de contenidos de cada medio: La Vanguardia usa 2.272 guiones medianos (–) frente a 840 rayas, y El País casi solo rayas. Mide tipografía, no autoría, así que no entra en el recuento.

Lo que este estudio no puede decir

• No prueba que ningún artículo concreto esté o no escrito con IA. Mide tendencias de vocabulario en miles de textos.
• Un periodista que usa IA y luego reescribe el texto no deja estas huellas. Una corrección de estilo con IA, tampoco necesariamente.
• La lista sale de GPT-4.1-mini. Juzek mide que las palabras que GPT usa de más se parecen bastante a las de Claude Haiku (correlación de 0,85), pero mucho menos a las de Gemini (0,46). Un medio que use otro modelo puede dejar otras huellas.
• La referencia de 2019 mezcla todo tipo de webs .es, no los mismos 19 periódicos. Por eso el ranking compara medios entre sí, y la comparación con 2019 solo sirve para el conjunto.

Lo que coincide con lo publicado en España: el estudio de Román-San-Miguel y Sánchez-Hunt (2026) sobre la IA en el periodismo de TVE1, Telecinco, El País y El Mundo encontró que la IA se usa sobre todo para imágenes y vídeos, y que esos usos rara vez se comunican al público.

Qué hacer con esto como lector

• Un detector no basta para acusar a un medio o a un periodista. Las herramientas discrepan entre sí, y un texto humano bien editado puede dar positivo.
• Busca la firma. «Agencias», «Servimedia» o un «Contents» en el autor dicen más del origen de un texto que cualquier análisis de estilo.
• Si el mismo párrafo sale en cuatro medios, es una nota. Contarla como cuatro fuentes es el error que explica la guía sobre cómo contrastar una noticia.

Fuentes

• Russell et al., «AI use in American newspapers is widespread, uneven, and rarely disclosed», arXiv, 2025.
• Kobak, González-Márquez, Horvát y Lause, «Delving into LLM-assisted writing in biomedical publications through excess vocabulary», Science Advances, 2025.
• Juzek, «AI-Associated Lexical Shifts Across 34 Languages», arXiv, 2026, y sus datos públicos.
• Lee, «AI detectors rarely flag human writing, but sometimes miss AI text imitating real authors», Epoch AI, 2026.
• Park, Jeong y Kim, «Style as a Confound: False Positives in AI Detection of Non-Native Academic Writing», arXiv, 2026.
• Córdoba, CC-NEWS-ES, datos de referencia: noticias en español de 2019, anteriores a ChatGPT.
• Román-San-Miguel y Sánchez-Hunt, «Inteligencia artificial en contenidos periodísticos: uso real y transparencia informativa en medios españoles», Revista Mediterránea de Comunicación, 2026.