O relatório abre com um número grande e colorido. O texto recebeu um score alto de “provável IA”.
Em dois segundos, um indicador estatístico parece ter virado sentença. O professor pensa em fraude. O editor desconfia do redator. O recrutador imagina que o candidato inventou uma voz que não possui.
Só há um problema: um detector de IA não sabe quem escreveu o texto.
Ele encontra padrões que o sistema aprendeu a associar à escrita gerada por modelos. Isso pode ser útil para levantar uma pergunta. Não é o mesmo que encontrar uma cópia, reconstruir o histórico do documento ou observar alguém usando uma ferramenta.
O ganho real de entender essa diferença não é técnico. É evitar que um palpite automatizado cause uma acusação injusta.
O que um detector realmente detecta
Um verificador de similaridade procura trechos semelhantes em páginas, livros, artigos ou trabalhos já existentes. Quando encontra correspondência, consegue apontar a fonte. Ainda será necessário interpretar citação, paráfrase e contexto, mas existe algo verificável dos dois lados.
O detector de IA enfrenta outro problema. O texto gerado pode ser novo, sem uma frase copiada de lugar algum. A ferramenta então examina características linguísticas e estruturais e calcula quanto daquele material se parece com exemplos que ela associa a geração ou alteração por IA.
O guia do Turnitin deixa claro que o percentual de escrita com IA é separado do score de similaridade. Ele representa a parcela do texto qualificável que o modelo classificou como possivelmente gerada ou modificada por IA.
A palavra importante é “classificou”. Não “provou”.
Também não leia o número como a probabilidade de autoria. Um score de 80% não significa “há 80% de chance de a pessoa ter usado IA”. A orientação da TEQSA, agência australiana de qualidade do ensino superior, chama atenção exatamente para esse erro.
O detector examina o texto pronto. Não vê o cursor se mover, as fontes serem abertas, um parágrafo ser apagado nem a ideia mudar de direção às 23h47.
E é nesse processo que a autoria deixa rastros melhores.
Os dois erros que importam
Todo detector pode errar em duas direções.
O falso positivo acontece quando um texto humano é marcado como gerado por IA. É o erro mais perigoso para quem recebe o relatório como acusação. Uma pessoa fez o trabalho e, mesmo assim, precisa provar que não é um robô — situação que seria engraçada se a nota, o emprego ou a reputação não estivessem em jogo.
O falso negativo acontece quando um texto produzido ou alterado por IA passa como humano. Isso mostra por que um resultado baixo também não funciona como certificado de autoria.
O próprio Turnitin afirma que seu modelo pode identificar incorretamente texto humano, gerado e parafraseado. Por isso, a empresa orienta que o relatório não seja usado como única base para uma ação adversa contra um estudante.
Não é uma cautela exclusiva de quem critica detectores. A OpenAI chegou a oferecer um classificador público e o retirou em julho de 2023 por baixa precisão.
Em um estudo revisado por pares com diferentes ferramentas, pesquisadores encontraram limitações sérias, especialmente quando textos eram editados ou alterados para escapar da detecção. A conclusão foi que os resultados não serviam como evidência de má conduta acadêmica.
Os modelos mudam. As pessoas revisam. Um texto pode misturar pesquisa humana, correção gramatical, sugestões de IA e reescrita autoral. A fronteira que o detector tenta desenhar raramente vem com uma placa dizendo onde começa.
Quem pode pagar mais caro por um falso positivo
Um texto direto, previsível e gramaticalmente regular pode parecer “mais artificial” para certos detectores. Só que pessoas também escrevem assim — especialmente quando usam outro idioma, seguem um modelo formal ou tentam não cometer erros.
Pesquisadores de Stanford e outras instituições testaram detectores com redações humanas em inglês. O estudo publicado na revista Patterns encontrou um risco desproporcional para autores que não eram falantes nativos do idioma. Textos escritos por pessoas foram classificados como gerados porque sua linguagem parecia mais previsível aos sistemas.
Isso não autoriza concluir que todo detector apresenta o mesmo viés, em qualquer língua e versão. A maior parte da pesquisa disponível se concentra em inglês. O resultado serve como alerta contra uma inferência muito confortável: “o sistema marcou, logo a pessoa fez”.
Um estudo publicado em 2026, com textos humanos, gerados e híbridos, reforçou a mesma fronteira prática: detectores podem contribuir como sinal suplementar, mas não devem ser a evidência principal ou determinante em investigações.
Quando a consequência é alta, a pergunta não pode ser apenas “qual foi o score?”. Ela precisa ser “que outras evidências sustentam ou contradizem essa hipótese?”.
Um processo mais justo em sete passos
Se você precisa avaliar possível uso indevido de IA numa escola, empresa, seleção ou publicação, comece pela política — não pelo detector.
Defina o que era permitido. Usar IA para corrigir ortografia é igual a gerar o texto inteiro? Consultar ideias era autorizado? Havia obrigação de declarar o uso? Sem regra clara, a investigação começa numa neblina criada pela própria instituição.
Leia o escopo da ferramenta. Confira idioma, tamanho mínimo, formatos aceitos e significado do score. Um detector pode não ter sido projetado para poemas, listas, código, textos curtos ou aquele idioma.
Preserve o material original. Guarde arquivo, data de envio e relatório completo. Copiar apenas o percentual para uma planilha elimina contexto que pode ser importante.
Trate o alerta como pergunta. Qual trecho foi marcado? Há mudança repentina de estilo? As fontes existem? A pessoa consegue explicar o argumento e as escolhas feitas?
Procure evidências do processo. Histórico de versões no Google Docs ou Microsoft 365, rascunhos, notas, fichamentos, comentários, referências abertas e arquivos intermediários contam uma história que o score não conta.
Converse antes de concluir. Mostre a preocupação, explique a regra aplicável e permita que o autor apresente o processo. Pedir que ele desenvolva uma ideia do texto costuma revelar mais do que solicitar uma confissão diante de um número colorido.
Procure também o que desmente a suspeita. Se você só busca sinais de culpa depois do alerta, cada frase formal vira “prova”. Compare explicações, versões anteriores e trabalhos conhecidos. Documente o raciocínio usado na decisão.
A TEQSA recomenda evidência adicional e alerta que qualquer score, alto ou baixo, é insuficiente sozinho para alegar uso indevido. A instituição também sugere usar ferramentas com histórico de edição para tornar o processo de composição observável.
Esse fluxo exige mais julgamento do que apertar um botão. Também reduz a chance de uma máquina errar rapidamente em escala — uma eficiência que ninguém deveria perseguir.
Se o texto marcado for seu
A melhor defesa começa antes do problema.
Mantenha rascunhos, histórico de versões, referências e anotações de pesquisa. Se a política permite determinadas formas de IA, registre o que usou e para quê. Uma frase como “usei a ferramenta para corrigir gramática; argumento, estrutura e redação são meus” é mais útil do que tentar reconstruir o processo semanas depois.
Se receber uma acusação, peça:
- o nome e a versão do detector;
- o relatório completo, não apenas o percentual;
- a regra que teria sido violada;
- os trechos considerados problemáticos;
- quais outras evidências foram avaliadas;
- como apresentar rascunhos, histórico e explicação;
- qual é o processo de revisão ou recurso.
Evite passar o texto por vários “humanizadores” para tentar reduzir o score. Além de poder violar a política aplicável, isso altera sua escrita justamente quando você precisa demonstrar como ela foi construída.
Também pense antes de colar trabalhos inéditos, currículos ou documentos profissionais em sites gratuitos. Leia a política de privacidade e verifique o que acontece com o conteúdo enviado. Um detector desconhecido não precisa receber o contrato inteiro só porque você ficou curioso com o botão.
Quando o detector ainda ajuda
Nada disso significa que todo detector seja inútil.
Em grandes volumes de texto, ele pode funcionar como triagem: aponta documentos ou trechos que merecem atenção humana. Também pode ajudar uma instituição a perceber que sua política está confusa, que uma tarefa é fácil de terceirizar para IA ou que estudantes e profissionais precisam de orientação mais clara.
O uso responsável começa quando o score abre uma investigação. O uso perigoso começa quando ele encerra a conversa.
Há instituições que decidiram não aceitar esse risco. A Universidade Vanderbilt desativou o detector de IA do Turnitin após avaliar confiabilidade, transparência e privacidade. Outras continuam usando ferramentas de detecção dentro de procedimentos com julgamento humano.
A escolha pode variar. O limite deveria ser o mesmo: nenhuma pessoa perde nota, vaga, pagamento ou reputação porque um único sistema produziu um percentual.
A pergunta certa vem antes da punição
Quando um detector marcar um texto, respire antes de transformar cor em culpa.
Confira o que o relatório mede. Releia a política. Procure histórico, rascunhos e fontes. Converse com quem escreveu. E tente encontrar evidências que contrariem sua primeira impressão.
A ideia para guardar é esta: o detector examina o texto pronto; a autoria mora no processo.
Você talvez não consiga obter uma resposta instantânea. Em compensação, aumenta bastante a chance de chegar a uma decisão que consiga explicar — para a instituição, para a outra pessoa e para si mesmo.
Quando a consequência envolve a vida real de alguém, um pouco menos de velocidade pode ser exatamente o uso mais inteligente da tecnologia.