Como funcionam os detectores de texto com IA e por que os resultados variam

Um detector de texto com IA é um classificador. Ele examina um trecho e devolve uma probabilidade, um rótulo ou uma pontuação de confiança que associa a escrita a padrões relacionados a texto gerado por máquinas, texto escrito por pessoas ou uma zona intermediária de incerteza.

Os detectores não consultam um registro oculto de autoria. Não conseguem saber diretamente se uma pessoa, um modelo de IA ou ambos contribuíram para uma versão preliminar.

Também não compartilham todos a mesma arquitetura. Alguns dependem mais de características linguísticas estatísticas, outros usam classificadores treinados, e alguns podem incorporar sinais adicionais quando estes estão disponíveis.

Trate a pontuação de um detector como uma estimativa produzida por um sistema em um determinado momento, não como um veredito sobre quem escreveu o trabalho.

Alguns detectores podem analisar combinações de previsibilidade de tokens, padrões de frases e parágrafos, distribuição de vocabulário, repetição, sintaxe e características estilométricas. Outros usam classificadores específicos, treinados com exemplos rotulados de escrita humana e escrita gerada por máquinas.

Quando um modelo gerador suporta marcas de água, alguns sistemas de detecção podem procurar esses sinais. Esses métodos não são universais, e os sistemas de marcas de água continuam a evoluir. Os metadados só podem ser relevantes quando um sistema específico realmente tem acesso a eles.

Explicações mais antigas costumam destacar a perplexidade, ou seja, o grau de previsibilidade da palavra seguinte, e a variação na estrutura das frases. Essas ideias podem ajudar quem está começando a compreender o tema, mas não descrevem por completo os detectores modernos. Depender apenas de uma ou duas métricas simplificadas exagera a forma como as ferramentas atuais funcionam.

As pontuações podem mudar mesmo quando o autor não muda. Entre os motivos mais comuns estão diferentes conjuntos de dados de treino, limites de decisão distintos, textos curtos que oferecem poucos sinais, efeitos do domínio e do gênero textual, edição intensa, autoria mista entre pessoas e IA, diferenças de idioma e dialeto e atualizações no modelo de escrita ou no detector.

Gêneros muito padronizados, como relatórios baseados em modelos, textos técnicos fortemente editados ou trechos com citações longas, também podem parecer incomuns para um classificador treinado com outros tipos de prosa. Esse é outro motivo pelo qual duas ferramentas podem discordar sobre o mesmo documento.

Exemplo ilustrativo, não uma pontuação medida: imagine um parágrafo curto e bem revisto sobre comunicação no trabalho. O Detector A pode classificá-lo como provavelmente gerado por IA.

O Detector B pode devolver um resultado incerto ou mais próximo de escrita humana. Modelos, limites de decisão e dados de treino diferentes podem produzir essa divergência sem que nenhuma das ferramentas "saiba" quem é o verdadeiro autor.

Um falso positivo ocorre quando um texto escrito por uma pessoa é classificado como gerado por IA. Um falso negativo ocorre quando um texto gerado por IA é classificado como escrito por uma pessoa. Ambos são importantes, sobretudo quando uma pontuação é usada numa avaliação escolar ou profissional.

Uma investigação de Liang e colegas concluiu que vários detectores de GPT classificaram incorretamente uma grande proporção de redações do TOEFL escritas por falantes não nativos de inglês como geradas por IA, enquanto classificaram quase perfeitamente um conjunto de redações de estudantes falantes nativos. A mesma linha de investigação também mostrou que o comportamento dos detectores pode mudar quando o vocabulário é simplificado ou enriquecido. Estas evidências recomendam cautela: textos bem revistos, padronizados, técnicos ou escritos numa segunda língua podem ser classificados de forma inconsistente.

O classificador público de textos com IA da própria OpenAI demonstrou o problema da precisão por outra perspectiva. Nas suas avaliações, o classificador identificou corretamente apenas cerca de 26% dos textos de teste escritos por IA como provavelmente escritos por IA e classificou incorretamente textos humanos como escritos por IA em cerca de 9% dos casos. Mais tarde, a OpenAI descontinuou o classificador devido à sua baixa precisão.

Não. A pontuação de um detector não é prova de autoria.

No máximo, uma pontuação pode servir como um dos sinais de uma análise mais ampla. Evidências mais sólidas costumam vir de versões preliminares, histórico de revisões, fontes, notas, citações e da capacidade do autor para explicar o trabalho. Escolas e locais de trabalho que investiguem o uso de IA devem seguir os seus próprios procedimentos, em vez de tratar uma única porcentagem como uma conclusão.

Este guia tem fins educativos. Não constitui aconselhamento jurídico nem define políticas institucionais.

Não. Nenhum método de reescrita ou Humanizer pode garantir como um detector classificará um trecho. Diferentes detectores se comportam de formas distintas, e os seus sistemas podem mudar com o tempo.

A edição pode alterar a forma como um trecho é lido. Também pode mudar a resposta de um detector específico em um determinado dia. Isso não equivale a garantir uma classificação como escrita humana nem uma pontuação que se mantenha entre diferentes ferramentas.

Concentre-se na qualidade para o leitor, não nas pontuações dos detectores.

Verifique os fatos. Remova conteúdo supérfluo. Esclareça o ponto principal. Acrescente exemplos ou experiências genuínas. Substitua afirmações genéricas por detalhes fundamentados.

Melhore as transições. Varie o comprimento das frases apenas quando isso favorecer a leitura. Mantenha um vocabulário e um tom compatíveis com a pessoa que realmente escreve. Cite as fontes. Divulgue a assistência de IA quando isso for exigido.

Siga sempre as políticas de uso e divulgação de IA da sua escola, empregador, editora, cliente ou plataforma.

Para orientações mais amplas sobre a criação de prompts, consulte Como escrever prompts melhores para IA.

Exemplo de qualidade da escrita:

Antes: É importante observar que uma comunicação eficaz é essencial em muitos casos. Além disso, as equipes podem usar mensagens claras para manter o alinhamento e obter melhores resultados em toda a organização.

Depois: A comunicação clara é importante no trabalho. Quando as equipes dizem o que precisam em linguagem simples, as pessoas perdem menos tempo tentando adivinhar e os projetos avançam com menos surpresas.

A segunda versão é mais clara e menos repetitiva. Ela não faz qualquer afirmação sobre a pontuação que receberia de um detector.

O Humanizer do GetBetterPrompts é uma ferramenta para melhorar a qualidade da escrita. Reduz formulações repetitivas, remove conteúdo supérfluo, melhora a fluidez e suaviza frases típicas de chatbots, procurando preservar o significado. O resultado é uma versão preliminar que ainda precisa de revisão, verificação dos fatos e adaptação à sua própria voz.

O Humanizer é uma ferramenta de qualidade da escrita, não uma garantia sobre o resultado de qualquer detector. Ele não promete que algum detector classificará o texto resultante como escrito por uma pessoa.

As orientações institucionais alertam cada vez mais contra o uso dos resultados dos detectores como evidência isolada. Por exemplo, o site Teaching Support da University of Minnesota afirma que as ferramentas de detecção de GenAI não podem comprovar a autoria por IA e que a universidade não recomenda centralmente essas ferramentas.

Uma prática responsável costuma incluir: não depender da pontuação de um único detector; permitir análise humana; oferecer a oportunidade de explicar o trabalho; examinar versões preliminares e fontes; distinguir a assistência de IA autorizada do uso proibido; e publicar políticas claras sobre o uso de IA.

Esta seção não constitui aconselhamento institucional, jurídico ou disciplinar. A política local é que prevalece.

Os detectores de IA estimam padrões, mas não comprovam a autoria. Use os resultados com cautela, analise a escrita e as evidências subjacentes e concentre-se na precisão, clareza, divulgação do uso de IA e cumprimento da política aplicável.