Como se verifica hoje um texto quanto a IA

Pusemos quatro assistentes de IA diferentes a falar do assunto e comparámos as respostas. As conclusões batem certo: não há um teste único, e a resposta é sempre uma probabilidade.

Sete abordagens

1. Estatística: perplexidade (quão previsíveis são as palavras) e burstiness (quão irregular é o ritmo das frases). É rápida e fácil de explicar, mas um texto humano bem polido também é previsível.
2. Métodos probabilísticos sem treino (DetectGPT, Binoculars): comparam a verosimilhança do texto com a das suas reformulações. Uma paráfrase, ou trocar caracteres por outros parecidos, enfraquece-os muito.
3. Estilometria: variedade de vocabulário, comprimento das frases, conectores, pontuação. É transparente e aguenta melhor as edições, mas depende do género e da língua.
4. Classificadores treinados (RoBERTa e semelhantes): a base dos sistemas comerciais. Acertam com dados que já conhecem e ficam depressa desatualizados quando surgem modelos novos.
5. Marcas de água: um sinal inserido durante a geração. Só funciona se o gerador o tiver posto, e desaparece quando o texto é reescrito.
6. Processo de escrita: rascunhos, histórico de edições, pausas e colagens. É a prova mais direta, mas obriga a ter acesso ao processo.
7. Combinações: vários sinais mais revisão humana. É mais fiável, e também mais caro.

Onde todas as fontes concordam

• O detetor estima uma probabilidade, não um facto sobre a autoria.
• Falha mais nos textos mistos: uma pessoa a editar texto de IA, ou a IA a editar texto de uma pessoa. Nos estudos citados, a precisão caiu para cerca de 54-71%.
• Os falsos positivos continuam a ser o maior risco. Os mais afetados são os textos formais e académicos e quem escreve numa língua que não é a materna.
• Paráfrases e «humanizadores» baixam muito a precisão.
• Os números que os fabricantes anunciam (99% ou mais) e os testes independentes divergem bastante.

A percentagem: o que se pode dizer com honestidade

Quando só se tem o texto final, não há como reconstituir a história da sua criação. Por isso é mais correto dizer «65% do texto tem sinais de geração automática» do que «a IA escreveu 65%». A ideia e a edição feita por uma pessoa não entram nesse número.

Um bom sistema também:

• trata os falsos positivos em textos humanos como o erro principal;
• calibra os limiares por língua, género e extensão;
• mostra que passagens levantaram suspeitas, com os limites da incerteza;
• diz sem rodeios «não temos a certeza» quando o texto é curto ou a língua pouco estudada.

Línguas

O inglês é a língua mais estudada. O russo tem muito texto formal, que já é «uniforme» por natureza e dá falsos alarmes. O ucraniano tem menos dados abertos, e por isso a fiabilidade é menor. O português, neste capítulo, está melhor.

O que já temos

Comparando com as sete abordagens acima:

• Estilometria. É o nosso método principal: variação do comprimento das frases e dos parágrafos, conectores, diversidade lexical, pontuação e expressões típicas de IA em três níveis, em russo, ucraniano, português e inglês.
• Explicações. Não damos só um número: damos passagens concretas, com número de linha, citação e uma nota sobre o motivo por que o sinal conta. Segundo os estudos, é para aí que o setor caminha.
• Análise por fragmentos e sugestões. Vê-se que partes são monótonas ou formulaicas e como as melhorar. São regras, sem redes neuronais.
• Caracteres ocultos. Encontramos e removemos os caracteres invisíveis que por vezes servem para marcar um texto (259 tipos) e simplificamos a tipografia. Não é uma marca de água estatística ao nível das palavras, são mesmo caracteres.
• Franqueza quanto aos limites. Abstemo-nos em textos curtos e avisamos nos géneros «uniformes» (notícias, escrita empresarial, publicidade), onde uma pessoa muitas vezes parece «uma máquina».
• Medições. Validação num corpus, com intervalos de confiança e divisão por língua e extensão. A amostra ainda é pequena: com o limiar 50, em 34 textos de IA e 20 humanos, deu 0% de falsos positivos, mas isso ainda não é a precisão final.

O que queremos acrescentar

• Um corpus maior: pelo menos 600 textos humanos por língua, mais falantes não nativos, paráfrases e textos mistos. É aí que hoje todos têm o ponto fraco.
• Calibração por língua e extensão. Zonas «humano / incerto / IA» tiradas das distribuições do corpus, em vez de limiares escolhidos à mão.
• Um intervalo em vez de um só número. Um resultado com escala de incerteza e a indicação «sem dados» quando não dá para concluir.
• Proporção por fragmentos. «Nesta parte do texto há sinais de geração» em vez de uma percentagem geral.
• «E se...». Comparar a avaliação de uma passagem antes e depois da edição.
• Tipo de texto (notícia, opinião, publicação, artigo) com limiares próprios, quando houver corpora por género.
• Um sinal opcional de modelo de linguagem da família Binoculars, mas só se a avaliação mostrar um ganho claro, por exemplo em não nativos e paráfrases. Se não mostrar, não o ligamos.

Não prometemos «indistinguível de um humano» nem fazemos uma ferramenta para contornar verificações: queremos um texto mais vivo e uma avaliação mais honesta. Veja o resultado como uma pista sobre onde reler com mais atenção, não como uma sentença.

O que ler a seguir

As novidades de 2026 estão em Deteção de IA: o que está e não está verificado, os limites em Por que os detetores de IA se enganam, e pode experimentar a verificação num texto seu.