Detectores de IA funcionam parcialmente: acertam em texto claramente sintético, mas falham de forma medível quando o texto humano é simples ou formulaico. Num estudo revisado por pares publicado em 2023 na revista Patterns, sete detectores populares classificaram por engano como texto de IA uma média de 61.22% das 91 redações humanas escritas por candidatos não nativos ao exame de inglês TOEFL. Do lado dos fabricantes, a própria Turnitin, que vende detecção para instituições de ensino, admite taxa de falso positivo de cerca de 4% no nível da frase. A resposta curta à pergunta “funcionam?” é: servem como sinal de alerta, não como prova.
O que o estudo mediu
A pesquisa liderada por Weixin Liang, de Stanford, colocou detectores usados em massa contra dois conjuntos de textos: 91 redações TOEFL escritas por falantes não nativos e 88 redações escolares americanas da base ASAP. Nos textos americanos, a precisão foi quase perfeita. Nos textos TOEFL, o resultado inverteu: mais da metade foi rotulada como gerada por IA, e 89 das 91 redações foram marcadas por pelo menos um dos detectores. O viés não foi isolado — todos os sete detectores testados erraram na mesma direção.
O estudo também mostra que o erro é reversível. Quando os pesquisadores pediram ao ChatGPT que enriquecesse o vocabulário das mesmas redações TOEFL, a taxa média de falsos positivos caiu para 11.77%, e apenas 1 de 91 textos continuou marcado por todos os detectores ao mesmo tempo. Ou seja, o mesmo texto humano foi condenado ou absolvido dependendo apenas do estilo das palavras, sem mudança de autoria.
Por que textos simples sofrem
Detectores estatísticos estimam o quão previsível cada palavra é dentro da frase. Texto com vocabulário restrito, períodos curtos e estruturas repetidas gera baixa perplexidade — o mesmo perfil estatístico de um texto sintético. Por isso, quem escreve em inglês como segunda língua, quem usa linguagem técnica padronizada e quem redige de forma direta acaba mais penalizado.
A prova experimental está no caminho inverso do viés: quando redações americanas foram reescritas pelo ChatGPT com vocabulário simplificado, a taxa média de classificação como texto de IA subiu de 5.19% para 56.65%. O conteúdo continuava humano; só o estilo mudou. Nesse cenário, o marcador mede previsibilidade, não autoria.
O que a Turnitin admite
A Turnitin, um dos detectores mais adotados por escolas e universidades, publica métricas próprias de erro. Para documentos com 20% ou mais de escrita atribuída a IA, a empresa declara falso positivo documental inferior a 1%. No recorte por frase, porém, o indicador sobe para algo em torno de 4%, e a empresa reconhece que 54% das frases marcadas por engano ficam ao lado de trechos que realmente contêm IA — o erro se concentra nas fronteiras entre texto humano e sintético.
A recomendação oficial do fabricante é usar o percentual para iniciar uma conversa, nunca fechar uma acusação. A própria Turnitin reforça que não existe pontuação-alvo correta, como ocorre com o índice de similaridade, e que o professor deve considerar as regras da instituição e a rubrica da atividade antes de qualquer conclusão.
A regra europeia de marcação
Com a regulamentação europeia de inteligência artificial, o ônus de provar a origem do conteúdo começa a migrar de quem adivinha para quem gera. O AI Act europeu obriga provedores de sistemas generativos a marcar as saídas sintéticas em formato legível por máquina e detectáveis como geradas artificialmente. Quem publica texto gerado por IA com o propósito de informar o público também deve divulgar essa origem, com exceção para conteúdo que passou por revisão humana sob responsabilidade editorial de uma pessoa identificável.
A diferença conceitual em relação aos detectores é grande: a regra aposta em proveniência declarada — marcas técnicas embutidas na geração — em vez de adivinhação estatística sobre o estilo do texto. Para quem produz conteúdo, guardar registro da revisão humana passa a ter valor jurídico, não apenas editorial.
Como agir com um resultado
Se você avalia textos como professor, editor ou gestor, o percentual do detector deve abrir uma verificação, não encerrá-la. A tabela resume os três erros mais documentados e a resposta adequada para cada um:
| Sinal no detector | Interpretação correta | Ação recomendada |
|---|---|---|
| Documento todo marcado com pouco texto de IA | Erro documental é raro, mas existe | Conferir as frases destacadas antes de concluir qualquer coisa |
| Frase isolada marcada | Erro por frase é mais comum | Pedir contexto e versões anteriores do autor |
| Texto simples ou de não nativo marcado | Viés documentado contra escrita previsível | Descartar o sinal como prova e avaliar o processo de escrita |
Um roteiro em cinco passos reduz o risco de condenar texto humano por engano:
- Trate o percentual como hipótese: nenhum número isolado sustenta conclusão sobre autoria.
- Exija o histórico: rascunhos, arquivos de versão e registros de edição valem mais que a pontuação.
- Pondere o perfil do autor: escrita simples, técnica ou de não nativo eleva o risco de falso positivo.
- Documente o uso declarado de IA em tarefas auxiliares do fluxo de trabalho, como a transcrição de áudio com IA comparada em 2026.
- Para conteúdo publicado, registre autoria e revisão humana — o mesmo critério que vale para edição de imagens com IA e direitos de uso.
Sinal não é prova: a decisão final deve combinar evidência de processo, declaração do autor e, quando existir, marcação de proveniência declarada pelo provedor do modelo.