Uma redação de inglês escrita por um candidato ao TOEFL — a prova de proficiência mais usada por universidades estrangeiras — foi apontada como "gerada por IA" por quase todos os sete detectores testados em um estudo da Universidade Stanford. O problema: nenhuma linha daquele texto tinha passado por um chatbot. A pessoa só escrevia em inglês como alguém que aprendeu o idioma na vida adulta, com frases mais simples e vocabulário mais repetitivo — exatamente o padrão que os algoritmos de detecção associam a máquinas.
Resposta Rápida (TL;DR): Detectores de texto por IA como GPTZero, Turnitin e Copyleaks não têm precisão confiável. Um estudo da Universidade Stanford encontrou taxa média de falso positivo de 61,3% em redações de não-nativos em inglês, e uma pesquisa de 2026 da Universidade da Flórida mediu taxas de erro entre 0,05% e 68,6% dependendo da ferramenta e do texto. Nenhum resultado desses sistemas deve ser tratado como prova — apenas como um sinal a mais entre vários.
O que esses detectores realmente medem
Nenhum detector de IA lê o significado de um texto para decidir se ele foi escrito por humano ou por máquina. Eles medem estatística de previsibilidade: o quão surpreendentes são as palavras escolhidas (perplexidade) e o quanto o ritmo das frases varia ao longo do texto (burstiness) — termos que valem uma consulta rápida ao Glossário de IA do Turbina IA para quem não trabalha com machine learning no dia a dia. Um texto humano tende a alternar frases curtas e longas, cometer pequenas inconsistências de estilo e usar palavras menos previsíveis. Um texto gerado por um modelo de linguagem, sem edição, tende a ser mais "liso" — cada palavra segue um padrão estatístico mais regular do que a escrita humana média.
O problema é que essa regularidade também aparece em quem escreve de forma mais simples por outros motivos: estudantes do ensino fundamental, falantes não-nativos de um idioma, pessoas neurodivergentes ou simplesmente alguém escrevendo sobre um tema técnico com vocabulário restrito. O detector não distingue "escrito por máquina" de "escrito por alguém com repertório linguístico mais limitado" — e é exatamente aí que a conta não fecha.
Os números que a indústria não gosta de divulgar
O estudo mais citado sobre o tema é de Weixin Liang, James Zou e colegas de Stanford, publicado na revista científica Patterns em 2023. A equipe passou 91 redações reais do TOEFL, escritas por falantes não-nativos de inglês, por sete detectores populares, e comparou o resultado com 88 redações de alunos americanos do ensino fundamental. O resultado: a taxa média de falso positivo nas redações do TOEFL foi de 61,3%, enquanto os textos dos alunos nativos foram classificados corretamente na quase totalidade dos casos, segundo o preprint publicado no arXiv e a cobertura da Times Higher Education. James Zou, autor sênior do estudo, resumiu a recomendação da equipe: evitar usar esses detectores "tanto quanto possível" em decisões que afetam pessoas de verdade.
Três anos depois, o problema não desapareceu — só mudou de forma. Um estudo apresentado no IEEE Symposium on Security and Privacy de 2026 por pesquisadores da Universidade da Flórida testou cinco detectores comerciais contra cerca de 6 mil artigos acadêmicos de segurança da computação anteriores ao ChatGPT, mais versões desses mesmos artigos reescritas por IA. O resultado, descrito pela própria universidade, foi de taxas de falso positivo entre 0,05% e 68,6% e taxas de falso negativo entre 0,3% e 99,6%, variando enormemente de ferramenta para ferramenta e de texto para texto — conforme o FICS Institute da Universidade da Flórida. Os pesquisadores também descobriram que bastava pedir ao modelo de IA para usar um vocabulário mais sofisticado — o que eles chamaram de "ataque de complexidade lexical" — para que a precisão de dois detectores que inicialmente pareciam confiáveis despencasse.
Essa inconsistência não é um defeito que uma próxima atualização resolve. Um artigo teórico publicado no arXiv em março de 2026, de Nathan Garland, argumenta que qualquer detector que analisa um texto isoladamente — sem mais contexto do que aquele bloco de palavras — enfrenta um limite matemático: para manter alguma capacidade útil de detecção, esse tipo de ferramenta é obrigado a produzir uma taxa mínima de falsas acusações. Em outras palavras, segundo o artigo no arXiv, a imprecisão não é um problema passageiro de engenharia — é estrutural ao próprio formato "um texto, uma resposta sim ou não" que a maioria dessas ferramentas usa.
Quando a confiança cega em um detector já saiu caro
Universidades que adotaram esses sistemas em escala já recuaram. A Curtin University, na Austrália, desativou o recurso de detecção de IA do Turnitin a partir de 1º de janeiro de 2026, mantendo apenas a verificação tradicional de plágio por correspondência de texto — o fluxo de submissão de trabalhos não muda, só sai do ar a parte que tentava adivinhar se havia IA envolvida. O motivo é o mesmo que os estudos acadêmicos apontam: um aviso de "possível uso de IA" não é prova de nada, e punir um estudante com base só nesse sinal é arriscado — a instituição pode estar acusando injustamente justamente quem escreve de forma mais simples, não quem trapaceou.
Esse recuo institucional ecoa o que já virou padrão em outra frente da IA: a confiança automática no que a máquina diz, sem checagem humana. Como mostrou a cobertura sobre erros da IA em respostas eleitorais no Brasil, até ferramentas afinadas para evitar desinformação erram uma fatia relevante das respostas — e o mesmo raciocínio vale ao contrário, quando a ferramenta tenta identificar conteúdo de IA em vez de gerá-lo.
Como usar um detector sem cometer uma injustiça
Isso não significa que esses sistemas sejam inúteis — significa que o resultado deles precisa ser tratado como um indício, não como veredito. Algumas práticas reduzem o risco de um erro:
- Nunca decida com base em um único score. Se um texto for sinalizado, rode o mesmo conteúdo em mais de uma ferramenta antes de agir — mas lembre que mesmo a concordância entre duas ferramentas não é prova, só reduz a chance de coincidência.
- Peça para a pessoa explicar o próprio texto. Alguém que escreveu de verdade normalmente consegue detalhar escolhas específicas, fontes consultadas e o raciocínio por trás de um trecho. Esse teste simples captura mais sinal real do que qualquer score estatístico.
- Desconfie de textos muito curtos. A própria GPTZero reconhece que a taxa de falso positivo sobe em textos com menos de 300 palavras, porque há pouca informação estatística para a ferramenta trabalhar.
- Dê peso extra a quem escreve em uma segunda língua. Os dois estudos citados aqui mostram o mesmo padrão: vocabulário mais simples e menos variado é penalizado, mesmo quando é só reflexo de proficiência, não de uso de IA.
- Trate a saída de IA revisada por humano como uma zona cinzenta, não um crime. Rascunhar com um prompt bem estruturado e depois editar de verdade é hoje parte do fluxo de trabalho de muita gente — inclusive de quem usa o Comparador de IAs do Turbina IA para escolher qual assistente usar em cada etapa. O problema editorial de verdade não é ter usado IA, é entregar o resultado sem revisão e sem responsabilidade pelo conteúdo.
Esse último ponto é o mesmo que já apareceu na cobertura sobre programadores que usam IA em 60% do código, mas confiam sem supervisão em apenas 20% dos casos: a ferramenta entra no processo, mas a responsabilidade pelo resultado final continua sendo de quem assina o texto — e nenhum detector substitui esse julgamento.
Perguntas Frequentes
Detector de IA como GPTZero ou Turnitin pode ser usado como prova de que alguém colou?
Não deveria. Os estudos citados aqui mostram taxas de falso positivo que variam de próximo de zero a mais de 60%, dependendo do texto e da ferramenta. Universidades como a Curtin, na Austrália, já desativaram a função de detecção de IA do Turnitin justamente por esse motivo, mantendo apenas a checagem de plágio tradicional.
Por que detectores de IA erram tanto com quem não é nativo no idioma?
Porque eles medem a previsibilidade estatística do texto, e quem escreve em uma segunda língua tende a usar vocabulário mais simples e repetitivo — o mesmo padrão estatístico que os modelos de IA produzem sem edição. O estudo de Stanford encontrou taxa média de falso positivo de 61,3% em redações do TOEFL por esse motivo.
Existe algum jeito de ter 100% de certeza se um texto foi escrito por IA?
Não, pelo menos não com as ferramentas disponíveis hoje. O artigo teórico de Nathan Garland argumenta que detectores que analisam só o texto, sem outro contexto, têm um limite matemático de precisão — ou seja, a imprecisão é estrutural, não um bug que será corrigido na próxima versão.
Fontes e Referências
- GPT detectors are biased against non-native English writers (arXiv)
- AI text detectors 'biased against non-native English speakers' (Times Higher Education)
- Commercial AI text detectors lack robustness for high-stakes environments (FICS Institute, Universidade da Flórida)
- AI Detectors Fail Diverse Student Populations: A Mathematical Framing of Structural Detection Limits (arXiv)
- Update on Turnitin AI detection tool (Curtin University)
