Asistente IA para tesis con cumplimiento CRUE: qué buscar en 2026

En 2026, elegir un asistente IA escritura tesis ética CRUE no es solo una cuestión de rendimiento técnico: es una decisión que afecta directamente a si tu tesis doctoral pasará el control ético de tu universidad. Las directrices CRUE de octubre de 2025 establecen criterios claros sobre qué hace que una herramienta de IA sea “compatible” con el sistema académico español. Pero pocas herramientas comerciales los cumplen de forma explícita.

Este artículo define los cinco criterios de cumplimiento CRUE aplicables a herramientas de IA, cómo evaluar cualquier herramienta contra esos criterios y por qué la arquitectura técnica de la herramienta —no solo su política de privacidad— determina si puedes usarla éticamente en tu tesis.

Qué exige la CRUE a las herramientas de IA

Las directrices CRUE de junio de 2024, actualizadas en octubre de 2025, no hacen una lista de herramientas “aprobadas”. En su lugar, definen un marco de principios que el doctorando debe aplicar al elegir cualquier herramienta de IA. Pero esos principios tienen implicaciones directas sobre la arquitectura de la herramienta:

Principio 1: Transparencia sobre el proceso de IA

El doctorando debe poder describir exactamente qué hizo la herramienta. Esto implica que la herramienta debe producir un registro comprensible de sus acciones, no una “caja negra” que simplemente devuelve texto mejorado sin explicación.

Principio 2: Responsabilidad intelectual del investigador

La herramienta no puede ser “coautora” del trabajo. Esto excluye funcionalmente cualquier herramienta que genere argumentos, conclusiones o secciones de investigación originales, porque en ese caso la autoría intelectual quedaría comprometida.

Principio 3: Verificabilidad del uso

Las universidades pueden pedir evidencia del tipo y alcance del uso de IA. Una herramienta que no produce logs o registros exportables hace imposible satisfacer este criterio.

Principio 4: Privacidad de datos de investigación

Los datos de la tesis —especialmente en áreas sensibles como salud, ciencias sociales o jurídicas— no pueden usarse para entrenar modelos comerciales de terceros. Esto excluye cualquier herramienta cuyo plan gratuito o incluso de pago use datos del usuario para mejora del modelo si no hay un mecanismo de opt-out claro.

El Reglamento Europeo de Inteligencia Artificial (EU AI Act) complementa esto al exigir que los sistemas de IA en contextos de alto riesgo —que incluye la evaluación académica— sean auditables y transparentes. Ver también las directrices CRUE completas y el caso de uso de Tesify en la revisión de tesis con IA.

Los 5 criterios de cumplimiento CRUE

Derivados del marco de principios CRUE, aquí los cinco criterios operativos que debe cumplir una herramienta para ser usable éticamente en una tesis doctoral española:

Criterio 1: No genera texto desde cero sin marcado explícito

Una herramienta conforme no produce párrafos de contenido original que el usuario incorpore directamente como si fueran suyos. Si genera texto nuevo, ese texto debe estar claramente etiquetado como “sugerencia IA” y el usuario debe reescribirlo activamente. La función “Rewrite” de Paperpal o la función de “completar oraciones” de Grammarly Go son ejemplos de funciones que no pasan este criterio sin revisión activa del usuario.

Criterio 2: Trazabilidad con logs exportables

La herramienta genera un registro detallado de: qué texto fue enviado, qué tipo de sugerencias se hicieron, cuáles fueron aceptadas y cuáles rechazadas, y en qué momento. Este log es exportable en un formato que se pueda adjuntar como evidencia a la declaración de uso.

Criterio 3: Cero entrenamiento con datos del usuario por defecto

La configuración por defecto de la herramienta no usa los documentos del usuario para mejorar el modelo de IA. El opt-out del entrenamiento debe ser la opción predeterminada, no un ajuste manual que el usuario debe activar. Herramientas que usan datos de usuarios para entrenamiento en su plan gratuito sin opt-out automático incumplen este criterio en el contexto de una tesis con datos sensibles.

Criterio 4: Opción de declaración automática de uso

La herramienta puede generar un borrador de declaración de uso de IA prellenado con los datos reales del historial de uso. Esto satisface el criterio de verificabilidad sin requerir que el doctorando reconstruya manualmente su historial de interacciones.

Criterio 5: Diseño “corrección-first” que preserva la autoría

La arquitectura de la herramienta está diseñada para mejorar el texto del usuario, no para reemplazarlo. Técnicamente, esto se traduce en: las sugerencias se presentan como diff entre el original y la propuesta, el usuario acepta o rechaza cada sugerencia individualmente, y no hay “modo automático” que aplique todos los cambios en masa sin revisión.

Cómo evaluar cualquier herramienta con una checklist de 10 preguntas

Antes de comprometerte con una herramienta para los próximos 12-18 meses de tu tesis, hazte estas 10 preguntas:

1. ¿La herramienta genera texto nuevo además de corregir el tuyo? (Si sí → riesgo criterio 1)
2. ¿Puedes exportar un log de todas las sugerencias que hiciste y aceptaste? (Si no → incumple criterio 2)
3. ¿Los datos que subes se usan para entrenar el modelo por defecto? (Si sí sin opt-out → incumple criterio 3)
4. ¿La herramienta genera un borrador de declaración de uso de IA? (Criterio 4 — diferenciador)
5. ¿Puedes ver en tiempo real qué estás aceptando cambiar y qué no? (Criterio 5)
6. ¿La herramienta fue diseñada para el sistema universitario español o es anglosajona adaptada? (Relevante para la terminología y los estilos de citación)
7. ¿Tiene soporte para APA 7 y normas ISO 690 en español? (Importante para la gestión de referencias)
8. ¿Su política de privacidad menciona explícitamente la GDPR/RGPD? (Obligatorio para datos de investigación con participantes humanos)
9. ¿Hay un plan académico con precio accesible (menos de €10/mes)? (Sostenibilidad para 12-18 meses de uso)
10. ¿Puedes probarla gratis con texto real de tu tesis antes de comprometerte? (Sensatez básica)

Por qué Tesify cumple los 5 criterios

Tesify fue diseñada desde cero para el contexto universitario iberoamericano, con los criterios CRUE como restricciones de diseño, no como una capa de marketing añadida después:

Criterio 1 — No genera texto desde cero:

El motor de Tesify opera exclusivamente en modo corrección. Cuando detecta una frase que puede mejorar, sugiere la versión mejorada pero no la aplica automáticamente. Las sugerencias de generación de nuevas frases son marcadas visualmente con un badge “Sugerencia IA” y requieren que el usuario las reescriba antes de incorporarlas. No hay función de “escribir por mí”.

Criterio 2 — Trazabilidad con logs exportables:

Cada sesión de Tesify genera automáticamente un log que incluye: texto enviado (hash), tipos de sugerencias presentadas, porcentaje de sugerencias aceptadas vs. rechazadas, timestamp de inicio y fin. El log es exportable como PDF con el formato compatible con los requisitos de las Escuelas de Doctorado UAM, UCM y UPM.

Criterio 3 — Cero entrenamiento con datos del usuario:

La política de privacidad de Tesify establece explícitamente que los documentos de los usuarios nunca son utilizados para entrenar o mejorar el modelo de IA. Esta restricción aplica a todos los planes, incluido el gratuito. Los documentos son procesados en memoria y eliminados del servidor tras la sesión.

Criterio 4 — Declaración automática:

Al finalizar una sesión de revisión, Tesify ofrece exportar una declaración prellenada con: nombre de la herramienta y versión, tipo de tareas realizadas (corrección gramatical, estilo, referencias), porcentaje del texto revisado, y las secciones de la tesis afectadas. Esta declaración está formateada según el modelo de declaración CRUE 2026.

Criterio 5 — Diseño corrección-first:

La interfaz de Tesify usa un modo “track changes” donde cada sugerencia es presentada como un diff, el usuario puede aceptar, rechazar o modificar cada una individualmente, y hay un botón de “revisar todo antes de aceptar” que previene aplicaciones masivas accidentales.

Para doctorandos que quieren comparar más herramientas antes de decidir, la comparativa Tesify vs Trinka vs Paperpal ofrece un benchmark directo con 12 criterios.

Herramientas en zona gris: ChatGPT, Grammarly, DeepL

Muchos doctorandos usan estas herramientas de forma cotidiana. ¿Pueden usarse éticamente bajo el marco CRUE? Depende de cómo:

ChatGPT / Claude / Gemini

Criterios incumplidos por defecto: 1 (genera texto desde cero), 2 (no hay log exportable de uso), 4 (sin declaración automática).
Uso ético posible: Sí, pero requiere disciplina activa del usuario: guardar las conversaciones manualmente, reescribir todo lo que genere la IA con tus propias palabras, y documentar el uso en la declaración de forma manual. La carga burocrática es alta.

Grammarly

Criterios incumplidos: 2 (el historial de cambios no es exportable de forma estructurada), 3 (el plan gratuito usa datos para entrenamiento).
Uso ético posible: Con plan de pago y habilitando las opciones de privacidad. Sin log exportable estructurado, cumplir el criterio 2 requiere documentación manual.

DeepL

Estado: Herramienta de traducción. El criterio de “no genera texto original” se cumple por definición. El criterio 3 requiere usar DeepL Pro (que no usa documentos para entrenamiento por defecto).
Uso ético posible: Sí, con DeepL Pro y declarando que se usó para traducir fragmentos. Bajo riesgo regulatorio.

Preguntas frecuentes

Empieza con Tesify (prueba gratis)