Qual é a precisão dos detectores de IA? Falsos positivos e falhas
Resposta curta
Os detectores de IA podem cometer dois tipos de erro: marcar um texto humano como IA (falso positivo) e deixar passar um texto de IA (falha). A posição do limite troca um erro pelo outro, então um único número de precisão diz pouco. Nos nossos testes publicados, 96,9% dos textos de IA de 2026 sem edição foram classificados como “Provavelmente escrito por IA”, contra 1% dos textos acadêmicos humanos, e os resultados pioram em textos curtos, modelos novos e textos reescritos.
Pontos principais
- Há dois erros a perguntar: falsos positivos em textos humanos e falhas em textos de IA. Um único número de precisão esconde os dois.
- Um limite define a troca entre os dois erros. Um limite mais rigoroso protege quem escreve com honestidade, mas deixa passar mais texto de IA.
- Nosso detector é calibrado para manter baixos os alarmes falsos em textos acadêmicos humanos: 1% e 0,7% em dois conjuntos de teste.
- A detecção é mais fraca em textos curtos, textos reescritos ou humanizados, nos modelos mais novos e em gêneros fora da escrita acadêmica.
- Nenhum detector é perfeito. Trate a pontuação como uma estimativa e procure outras evidências antes de tirar conclusões.
Dois tipos de erro
Quando as pessoas perguntam qual é a precisão de um detector, geralmente querem um único número. Mas um detector pode falhar de duas maneiras diferentes, e elas importam a pessoas diferentes.
Um falso positivo classifica um texto humano como IA. Isso prejudica os estudantes, que podem enfrentar uma acusação por um trabalho feito com honestidade. Uma falha classifica um texto de IA como humano. Isso importa a professores que querem saber quando a IA escreveu um trabalho entregue. Dizer "99% de precisão" não informa nada se você não souber qual desses erros está sendo medido e em que tipo de texto.
Os limites trocam um erro pelo outro
Um detector produz uma pontuação, e um limite transforma a pontuação em um rótulo. Se você sobe o limite, menos textos humanos são marcados, mas mais textos de IA passam. Se desce, acontece o contrário. Não existe uma configuração que elimine os dois erros.
Como uma falsa acusação tem um custo alto, definimos o nosso limite para manter baixos os alarmes falsos em escrita acadêmica humana. A escala tem três vereditos, “Provavelmente escrito por humano”, “Incerto” e “Provavelmente escrito por IA”, e a faixa “Incerto” existe para que textos em zona limítrofe não sejam forçados a receber um rótulo confiante.
O que mostram os nossos números publicados
Calibramos e testamos com 583 textos acadêmicos humanos e divulgamos os resultados por grupo. São medições do nosso detector em conjuntos de teste específicos, não promessas sobre todos os textos.
Em escrita humana, a parcela classificada como “Provavelmente escrito por IA” foi de 1% e 0,7% em dois conjuntos de teste. Por grupo, foi 1% para redações de estudantes, 0,5% para resumos de preprints, 1,1% para artigos de autores não nativos de inglês e 2,6% para texto de enciclopédia escrito antes de 2022. Em texto de IA, 96,9% dos textos de IA de 2026 sem edição foram classificados como “Provavelmente escrito por IA”, e 96,5% em um benchmark público.
Onde a precisão cai
Todo detector tem condições em que é menos confiável, e é mais honesto listá-las do que escondê-las.
- Textos curtos: há pouca evidência em poucas frases. Nosso detector não dá veredito com menos de 50 palavras.
- Modelos mais novos: os detectores são treinados com produções anteriores, então sistemas novos podem ser mais difíceis de reconhecer até o detector ser atualizado.
- Texto de IA reescrito: texto de IA parafraseado ainda foi classificado como “Provavelmente escrito por IA” em 84% dos casos em um benchmark público, mas em apenas 50,5% quando outro modelo de IA o parafraseou, e em 59,5% depois de ferramentas humanizadoras. A detecção fica mais fraca depois que o texto é reescrito.
- Gêneros fora da escrita acadêmica: em textos humanos gerais da web, como anúncios e comunicados de imprensa, 32,7% foram classificados como “Provavelmente escrito por IA”, porque o detector é calibrado para escrita acadêmica.
- Outros idiomas: nosso detector funciona apenas em inglês.
Por que um falso positivo não é um acontecimento raríssimo
Uma taxa de cerca de 1 em 100 parece pequena, mas, em milhares de trabalhos entregues, significa que estudantes de verdade serão marcados. Por isso o resultado de um detector deve iniciar uma conversa, e não encerrá-la, e por isso um estudante marcado merece a chance de mostrar seus rascunhos e explicar o trabalho.
O inverso também vale. Um resultado limpo não prova que nenhuma IA foi usada, já que texto de IA reescrito ou levemente editado pode ter pontuação menor.
Como usar um detector com bom senso
Bem usado, um detector é uma ferramenta de triagem. Ele aponta trechos que merecem uma segunda olhada, que quem escreveu pode revisar ou o professor pode discutir.
Olhe os destaques por frase, e não só o número principal. Considere o tamanho e o gênero do texto. Compare com outros trabalhos da pessoa e pergunte sobre o processo dela. Você pode experimentar de graça: o AITurnitin verifica até 1.000 palavras sem conta, e os textos são apagados em até 24 horas.
Perguntas frequentes
Qual é uma boa precisão para um detector de IA?
Peça os dois números: com que frequência ele marca escrita humana e com que frequência ele pega texto de IA, medidos em conjuntos de teste realistas. O nosso classifica 1% dos textos acadêmicos humanos e 96,9% dos textos de IA de 2026 sem edição como “Provavelmente escrito por IA”.
Os detectores de IA podem errar com textos humanos?
Sim. Todo detector produz alguns falsos positivos, e eles são mais prováveis em textos formulaicos, amostras muito curtas e gêneros fora do treinamento do detector. Por isso uma pontuação nunca deve ser tratada como prova.
Os detectores pegam textos parafraseados ou humanizados?
Em parte. Nos nossos testes, 84% dos textos de IA parafraseados em um benchmark público ainda foram classificados como “Provavelmente escrito por IA”, 50,5% depois que outro modelo de IA os parafraseou e 59,5% depois de ferramentas humanizadoras. A detecção é mais fraca, mas não é zero, e essas ferramentas podem prejudicar o sentido e as citações.
Os detectores estão melhorando ou piorando conforme a IA evolui?
Existem as duas pressões. Os modelos mudam, então os detectores precisam de atualizações regulares e de testes com produções novas. Qualquer promessa de precisão permanente deve ser vista com cautela.
Por que detectores diferentes dão resultados diferentes para o mesmo texto?
Eles usam dados de treinamento, métodos de pontuação e limites diferentes, então a pontuação de uma ferramenta não é comparável à de outra. Compare vereditos e frases destacadas, não percentuais brutos.