Quanto sono accurati i rilevatori di IA? Falsi positivi e falsi negativi
Risposta breve
I rilevatori di IA possono commettere due tipi di errore: segnalare come IA un testo umano (un falso positivo) e non riconoscere un testo di IA (un falso negativo). La posizione della soglia scambia l'uno con l'altro, quindi una sola cifra di accuratezza dice poco. Nei nostri test pubblicati, il 96,9% dei testi di IA del 2026 non modificati è stato etichettato “Probabilmente IA”, contro il 1% dei testi accademici umani, e i risultati peggiorano con testi brevi, modelli nuovi e testi riscritti.
Punti chiave
- Gli errori da chiedere sono due: i falsi positivi sulla scrittura umana e i falsi negativi sul testo di IA. Un solo numero di accuratezza li nasconde entrambi.
- Una soglia decide il compromesso. Una soglia più severa protegge chi scrive onestamente, ma lascia passare più testo di IA.
- Il nostro rilevatore è calibrato per mantenere bassi i falsi allarmi sui testi accademici umani: 1% e 0,7% su due insiemi esclusi dalla calibrazione.
- Il rilevamento è più debole su testi brevi, testi riscritti o passati negli humanizer, modelli recentissimi e generi diversi dalla scrittura accademica.
- Nessun rilevatore è perfetto. Considera un punteggio una stima e cerca altre prove prima di trarre conclusioni.
Due tipi di errore
Quando si chiede quanto sia accurato un rilevatore, di solito si pensa a un solo numero. Ma un rilevatore può sbagliare in due modi diversi, e contano per persone diverse.
Un falso positivo etichetta come IA una scrittura umana. Danneggia gli studenti, che possono trovarsi accusati per un lavoro svolto onestamente. Un falso negativo etichetta come umano un testo di IA. Importa ai docenti che vogliono sapere quando un'IA ha scritto un elaborato. Dire “accurato al 99%” non significa nulla se non sai quale dei due errori si misura e su che tipo di testo.
Le soglie scambiano un errore con l'altro
Un rilevatore produce un punteggio, e una soglia lo trasforma in un'etichetta. Se alzi la soglia, vengono segnalati meno testi umani, ma passa più testo di IA. Se la abbassi, accade il contrario. Non esiste un'impostazione che elimini entrambi gli errori.
Poiché un'accusa ingiusta ha un costo alto, abbiamo fissato la soglia in modo da mantenere bassi i falsi allarmi sulla scrittura accademica umana. La scala ha tre verdetti, “Probabilmente scritto da un essere umano”, “Incerto” e “Probabilmente IA”, e la fascia “Incerto” esiste perché un testo al limite non venga costretto in un'etichetta sicura.
Cosa mostrano i nostri numeri pubblicati
Abbiamo calibrato e testato il rilevatore su 583 testi accademici umani e riportiamo i risultati per gruppo. Sono misure del nostro rilevatore su insiemi di test specifici, non promesse valide per ogni testo.
Sulla scrittura umana, la quota etichettata “Probabilmente IA” è stata 1% e 0,7% su due insiemi esclusi dalla calibrazione. Per gruppo è stata 1% per i saggi degli studenti, 0,5% per gli abstract di preprint, 1,1% per gli articoli di autori non madrelingua inglese e 2,6% per il testo enciclopedico scritto prima del 2022. Sul testo di IA, il 96,9% dei testi di IA del 2026 non modificati è stato etichettato “Probabilmente IA”, e il 96,5% su un benchmark pubblico.
Dove l'accuratezza cala
Ogni rilevatore ha condizioni in cui è meno affidabile, ed è più onesto elencarle che nasconderle.
- Testi brevi: poche frasi offrono troppo poco materiale. Il nostro rilevatore non dà alcun verdetto sotto le 50 parole.
- Modelli più recenti: i rilevatori sono addestrati su output precedenti, quindi i sistemi nuovi possono essere più difficili da riconoscere finché il rilevatore non viene aggiornato.
- Testo di IA riscritto: su un benchmark pubblico, il testo di IA parafrasato è stato comunque etichettato “Probabilmente IA” nel 84% dei casi, ma solo nel 50,5% quando a parafrasarlo era un altro modello di IA, e nel 59,5% dopo l'uso di strumenti humanizer. Il rilevamento è più debole quando il testo è stato riscritto.
- Generi diversi dalla scrittura accademica: sul testo web generico scritto da persone, come pubblicità e comunicati stampa, il 32,7% è stato etichettato “Probabilmente IA”, perché il rilevatore è calibrato sulla scrittura accademica.
- Altre lingue: il nostro rilevatore funziona solo in inglese.
Perché un falso positivo non è un evento rarissimo
Un tasso di circa 1 su 100 sembra piccolo, ma su migliaia di elaborati significa che studenti reali verranno segnalati. Per questo il risultato di un rilevatore dovrebbe aprire un confronto, non chiuderlo, e per questo uno studente segnalato merita la possibilità di mostrare le bozze e spiegare il proprio lavoro.
Vale anche il contrario. Un risultato pulito non dimostra che non sia stata usata alcuna IA, perché un testo di IA riscritto o modificato poco può ottenere un punteggio più basso.
Come usare un rilevatore con buon senso
Usato bene, un rilevatore è uno strumento di selezione. Indica i passaggi che meritano un secondo sguardo, che chi scrive può rivedere o un docente può discutere.
Guarda le evidenziazioni frase per frase e non solo il numero in evidenza. Controlla la lunghezza e il genere del testo. Confrontalo con gli altri lavori dell'autore e chiedi del suo processo. Puoi provarlo gratis: AITurnitin controlla fino a 1000 parole senza account, e i testi vengono eliminati entro 24 ore.
Domande frequenti
Qual è una buona accuratezza per un rilevatore di IA?
Chiedi entrambi i numeri: quanto spesso segnala la scrittura umana e quanto spesso riconosce il testo di IA, misurati su insiemi di test realistici. Il nostro etichetta “Probabilmente IA” il 1% dei testi accademici umani e il 96,9% dei testi di IA del 2026 non modificati.
I rilevatori di IA possono sbagliare su un testo scritto da un essere umano?
Sì. Ogni rilevatore produce qualche falso positivo, ed è più probabile su testi schematici, campioni molto brevi e generi fuori dall'addestramento del rilevatore. Per questo un punteggio non va mai trattato come una prova.
I rilevatori riconoscono i testi parafrasati o passati negli humanizer?
In parte. Nei nostri test, il 84% del testo di IA parafrasato su un benchmark pubblico è stato comunque etichettato “Probabilmente IA”, il 50,5% dopo la parafrasi di un altro modello di IA e il 59,5% dopo l'uso di strumenti humanizer. Il rilevamento è più debole, ma non nullo, e questi strumenti possono rovinare significato e citazioni.
I rilevatori migliorano o peggiorano man mano che l'IA avanza?
Agiscono entrambe le spinte. I modelli cambiano, quindi i rilevatori hanno bisogno di aggiornamenti regolari e di test sugli output nuovi. Diffida di qualsiasi promessa di accuratezza permanente.
Perché rilevatori diversi danno risultati diversi sullo stesso testo?
Usano dati di addestramento, metodi di punteggio e soglie diversi, quindi il punteggio di uno strumento non è confrontabile con quello di un altro. Confronta i verdetti e le frasi evidenziate, non le percentuali grezze.