AI-SLOP Detector — herramienta para analizar y detectar ‘código exagerado y falso’ creado por IA

Esta herramienta nació de una experiencia personal de fracaso.

Hace unos días, publiqué con mucha confianza un repositorio con el grandilocuente nombre de
“HRPO-X v1.0.1 – implementación de un framework híbrido de optimización de razonamiento”.
Era un proyecto que yo creía basado en la implementación de una arquitectura a partir de un paper reciente.

Pero la primera reacción que llegó justo después de publicarlo destrozó por completo mis expectativas.

“Entré por si acaso, y tal como imaginaba.
Un repo de AI Slop hecho con pura alucinación (Hallucination).”

Al principio pensé que era simplemente un comentario malintencionado.
Pero al volver a abrir el código y revisarlo línea por línea,
me di cuenta de que la crítica era dolorosamente precisa.

---

El problema no era la “intención”, sino la “densidad”

Ese proyecto no era un demo simple,
sino el resultado de una investigación sobre el proceso de llevar un paper a una arquitectura de producción.

• Había diseño de arquitectura
• El árbol de carpetas estaba ordenado
• Existía archivo de configuración (Config)
• Definiciones de clases e interfaces completas
• Incluso el algoritmo interno de auditoría (audit) pasaba correctamente

Por fuera, parecía perfecto.
Incluso pasaba todos los linters y las verificaciones de integridad estructural existentes.

Pero al investigar la causa a fondo,
descubrí un problema fatal.

“La integridad estructural (Structural Integrity) era perfecta,
pero la densidad de contenido (Content Density) estaba convergiendo a 0.”

Es decir,

• La carcasa (Shell) se veía convincente, pero
• la lógica real de implementación estaba vacía o en nivel pass
• y solo estaba rellena con comentarios excesivamente adornados

No me quedó más remedio que reconocer que esto era
el patrón típico de basura en código generado por IA,
es decir, “AI Slop”.

---

Por eso hice esta herramienta: AI-SLOP Detector

Por eso creé AI-SLOP Detector.

El objetivo es simple.

• No medir qué tan bien funciona el código
• sino cuánto desfase hay entre el código y su explicación
• y observarlo de forma estática

Para ello se usan métricas como las siguientes.

---

Qué detecta

Los patrones de AI Slop definidos en el README se dividen, en general, en tres grandes grupos.

1. Empty Function Slop (funciones vacías)

• Funciones cuya explicación es compleja
• pero cuya implementación real está al nivel de pass

2. Buzzword Inflation (inflación de términos)

• Casos en los que, independientemente de la complejidad del código,
  se usan en exceso términos como neural, transformer, quantum, enterprise

3. Overhyped Comments (comentarios sobrevendidos)

• Comentarios sobre lógica simple
  con expresiones repetidas como “innovador” o “state-of-the-art”

---

Método de análisis (resumen)

AI-SLOP Detector, basado en Python AST,
calcula varias métricas en paralelo para producir un Deficit Score (0–100).

Métricas clave

LDR (Logic Density Ratio)

• Proporción de lógica real dentro del código total
• Criterio: menos de 45% es nivel CRITICAL (F)

Inflation Score

• Densidad de buzzwords en documentación y comentarios frente a la complejidad del código
• Criterio: 2.0x o más es CRITICAL

DDC (Dependency Density Check)

• import no utilizados
• proporción de dependencias sin sentido

Pattern Registry

• empty function
• except sin especificar
• abuso de TODO / FIXME, etc.
• detección de múltiples patrones característicos de código generado por IA

Con estos valores combinados, clasifica el estado en:

• CLEAN
• SUSPICIOUS
• INFLATED
• CRITICAL

---

Estado del proyecto

• Python 3.8+
• Incluye CLI y API de Python
• 34 pruebas aprobadas
• Versión más reciente: v2.5.0 (2026-01-09)

---

Para quién es esta herramienta

• Personas que usan herramientas no-code / low-code
• Desarrolladores que tienen que revisar código generado por IA
• Personas que se encuentran seguido con “repositorios que parecen convincentes, pero dan mala espina”

El objetivo es ofrecerles
señales que permitan explicar “por qué este código se ve raro”.

---

Para terminar

El HRPO-X v1.0.1 mencionado arriba pasó por una refactorización total,
y ahora fue reorganizado de forma más realista como una versión educativa.

Espero que este texto y esta herramienta
puedan ayudar, aunque sea un poco,
a quienes estén pasando por dudas parecidas.

¡Mucho ánimo para todas las personas desarrolladoras!