Resumo
Escolas, periódicos e editoras passaram a usar detectores de texto gerado por inteligência artificial como prova de autoria, mas a evidência acumulada sugere que essa confiança é mal colocada. Este artigo reúne testes comparativos de detectores, resultados teóricos sobre os limites da detecção e a orientação oficial das plataformas. Os números apontam duas falhas distintas: os detectores erram com frequência e erram de forma sistemática contra quem escreve com menos variação lexical. Na sequência, o artigo descreve uma alternativa editorial. Em vez de tentar adivinhar autoria, o E-Cogni passou a medir o texto contra um corpus de referência de jornalismo brasileiro, e o método foi aplicado a duas publicações do portal, com mudança mensurável na mediana de frase, na densidade de frases curtas e no uso de travessão. A conclusão é que o problema prático não é detecção, é qualidade de escrita.
Palavras-chave: detecção de texto; modelos de linguagem; integridade editorial; estilo jornalístico; português brasileiro.
1. Introdução
A pergunta "isso foi escrito por uma máquina?" deixou de ser curiosidade técnica e virou procedimento dentro de várias instituições. Universidades anunciaram o uso de detectores em processos disciplinares, periódicos passaram a rodar software antes de aceitar manuscritos e editoras digitais adotaram a mesma lógica na triagem de originais. Em todos esses casos, o resultado do detector carrega consequência real para uma pessoa.
O problema é que a ferramenta raramente é examinada com o mesmo rigor que seu veredito. Este artigo faz esse exame em três frentes. Primeiro, revisa o que os testes comparativos de detectores encontraram. Segundo, apresenta o resultado teórico que limita o teto de qualquer detector. Terceiro, mostra o que a orientação oficial das plataformas de busca e a legislação europeia exigem de quem publica.
A quarta seção propõe outro caminho. Em vez de investir em adivinhar autoria, o E-Cogni passou a medir o próprio estilo contra um corpus de jornalismo brasileiro de referência. O método não responde quem escreveu, e sim se o texto se parece com o que o leitor de jornal está acostumado a ler. Essa é uma pergunta que se pode responder com dados.
2. Como um detector decide
A maioria dos detectores comerciais combina duas medidas herdadas da linguística computacional. A primeira é a perplexidade, que expressa o quanto um modelo de linguagem se surpreende diante de cada palavra escolhida ao longo do texto. Texto de máquina tende a escolher a palavra mais provável, e isso reduz a perplexidade. A segunda é a variação de comprimento e ritmo das frases, às vezes chamada de burstiness, porque texto humano alterna frases longas e curtíssimas enquanto texto de máquina mantém cadência estável.
Há variações sobre esse desenho. Alguns sistemas treinam um classificador com exemplos rotulados de texto humano e de texto de máquina, outros comparam o material recebido com um banco de obras conhecidas. Existe ainda a abordagem de marca d'água, na qual o próprio modelo de origem insere um sinal estatístico imperceptível durante a geração, como faz o SynthID do Google. A marca d'água muda o problema de lugar: não se tenta inferir autoria pelo estilo, e sim ler um selo embutido na origem.
Todas essas abordagens compartilham uma característica importante. Elas medem desvio em relação a uma noção estatística de normalidade, e nenhuma delas observa o processo de escrita. É aí que começa o problema.
3. O que os testes comparativos mostram
O estudo mais abrangente publicado até hoje testou doze ferramentas gratuitas e dois sistemas comerciais, entre eles o Turnitin e o PlagiarismCheck (Weber-Wulff et al., 2023). A conclusão dos autores é direta: as ferramentas disponíveis não são precisas nem confiáveis. O viés predominante é classificar o texto como humano quando ele foi gerado por máquina. Quando os pesquisadores aplicaram técnicas de ofuscação de conteúdo, o desempenho piorou de forma significativa.
Um teste anterior, citado no mesmo artigo, avaliou as ferramentas então disponíveis e chegou a 27,9% de acurácia geral na detecção de texto de IA, com a melhor ferramenta alcançando 50%. O autor descreveu o conjunto como "não melhor do que classificadores aleatórios" (van Oijen, 2023).
O segundo achado é mais grave, porque o erro não é aleatório. Liang e colegas avaliaram sete detectores com redações de estudantes nativos e não nativos de inglês (Liang et al., 2023). As redações de falantes nativos foram classificadas corretamente. As redações de estudantes estrangeiros, extraídas de um exame de proficiência, foram marcadas como texto de máquina em 61,22% dos casos, em média. Em 18 das 91 redações, todos os sete detectores concordaram que o texto era gerado por IA; no total, 97,8% delas foram marcadas por pelo menos um detector.
Os autores identificaram a causa. As redações acusadas tinham perplexidade mais baixa que as demais, justamente porque usavam vocabulário mais restrito. O detector não mediu autoria, mediu repertório, e traduziu repertório limitado em suspeita.
Sobre o português, o que se sabe é pouco. Não existe, até o momento desta publicação, estudo revisado por pares que meça a acurácia de detectores comerciais em textos longos em português brasileiro. O que circula são testes divulgados pelos próprios fornecedores, com resultados favoráveis a quem publica o teste. Um deles reportou taxas de falso positivo entre 8% e 28%, conforme a ferramenta avaliada. O número é ilustrativo, não é evidência independente, e a lacuna deveria incomodar quem usa essas ferramentas para decidir sobre a vida de alguém.
4. O limite teórico
Existe um resultado formal que fecha a discussão sobre detecção confiável. Sadasivan e colegas demonstraram que a área sob a curva ROC de qualquer detector é limitada pela distância entre a distribuição de texto humano e a distribuição de texto de máquina (Sadasivan et al., 2023). A fórmula é curta e o efeito é grande: conforme o modelo de linguagem se aproxima do texto humano, o teto de desempenho de qualquer detector cai. No limite, um detector perfeito se torna indistinguível de um classificador aleatório.
O trabalho também testou o ataque mais simples possível, que é parafrasear. Rodadas sucessivas de parafraseamento derrubaram a taxa de detecção de marca d'água de 99,8% para menos de 20% em cinco rodadas, com perda pequena de qualidade no texto final. Os autores mostraram ainda o ataque inverso, no qual é possível inferir a assinatura escondida de um modelo e inseri-la em texto humano, fazendo uma pessoa passar por máquina.
A consequência prática é desconfortável. O detector não falha por imperfeição de engenharia que o próximo lançamento resolverá, mas por um teto estrutural. Aperfeiçoar o modelo de linguagem e aperfeiçoar o detector são corridas com o mesmo ponto de chegada.
5. Quem paga a conta do falso positivo
O erro de um detector não se distribui de forma neutra, porque se concentra em quem escreve com menos variação, vocabulário mais repetido ou estruturas mais previsíveis. Isso inclui quem escreve em segunda língua, pessoas neurodivergentes, estudantes em fase de formação e autores de gêneros com fórmula fixa, como relatórios técnicos e petições.
Uma acusação de uso indevido de IA tem custo alto e prova difícil. O estudante precisa demonstrar que escreveu, o que normalmente só é possível com registros de processo, versões anteriores e testemunho de terceiros. O detector, do outro lado, apresenta um número. A assimetria entre um número e uma narrativa costuma favorecer o número.
Daí a recomendação que a literatura repete: detector não deve ser usado como prova isolada em decisão que afete alguém. Serve, na melhor das hipóteses, como sinal para uma conversa.
6. O que as plataformas e a lei exigem
A orientação do Google sobre conteúdo gerado com apoio de IA é explícita (Google Search Central, 2023). O uso de automação não viola as diretrizes da busca por si só; o que viola é a produção de conteúdo em escala com o propósito de manipular posições, prática que a empresa classifica como abuso de conteúdo em escala. A página oficial resume a lógica em uma frase: usar IA não dá vantagem especial ao conteúdo, e o que se avalia é a utilidade para o leitor.
A empresa também recomenda transparência sobre como o conteúdo foi produzido quando o leitor teria motivo para perguntar. Na Europa, a exigência deixou de ser recomendação. O Regulamento de Inteligência Artificial prevê obrigação de transparência para conteúdo gerado por IA, com dever de rotulagem quando o texto é publicado para informar o público sobre assunto de interesse público (União Europeia, 2024).
Para uma publicação que usa IA na produção, isso desenha uma política razoável em três linhas: não usar IA para produzir volume sem apuração, rotular a participação da IA e manter responsabilidade editorial humana sobre o que sai.
7. Uma alternativa: medir, em vez de adivinhar
O E-Cogni publica notícias e análises sobre inteligência artificial e usa modelos de linguagem em etapas do processo. Diante do problema descrito acima, a decisão foi não perseguir detector nenhum. Em vez disso, o portal construiu uma régua de estilo a partir de texto jornalístico humano.
O corpus reúne dezenove matérias publicadas em setembro de 2026 pelo g1, pela Folha de S.Paulo, pelo Estadão, pela Agência Pública e pelo Aos Fatos, selecionadas por variedade de assunto e formato. São 1.319 frases e 757 parágrafos, cerca de 32 mil palavras. A medição produziu as seguintes faixas de referência:
- mediana de 19 a 22 palavras por frase, com 36,5% das frases em até 15 palavras;
- mediana de 33 palavras por parágrafo, sendo 57,7% dos parágrafos formados por uma única frase;
- presença de conectivo abrindo parágrafo em 1,7% dos casos;
- advérbio de modo terminado em -mente abrindo período em três ocorrências a cada 31,8 mil palavras;
- mediana de 83 palavras nos dois primeiros parágrafos, o lide;
- atribuição com verbos simples, sendo "segundo", "disse" e "conta" os mais frequentes.
A régua passou a operar como segunda etapa do fluxo de publicação. Um primeiro modelo escreve o texto a partir da fonte apurada, e um segundo reescreve com as metas numéricas explícitas e com a lista do que não pode mudar, que inclui números, nomes, datas, unidades e links. Depois disso, um conjunto de regras determinísticas corrige o que o modelo insiste em manter, sobretudo travessão em excesso, abertura de parágrafo com conectivo e parágrafo longo demais.
O resultado em duas publicações do portal foi medido antes e depois. A mediana de frase caiu de 25,9 para 19 palavras na notícia e 17,5 no artigo. A proporção de frases com até quinze palavras subiu de 3% para 40%. A mediana de parágrafo caiu de 46,6 para 23 e 30 palavras. O travessão recuou de 4,41 para 1,44 e zero por mil palavras, e números, links e nomes foram preservados.
O ganho não está em escapar de detector, e sim em legibilidade verificável. A régua mede forma, não intenção, e por isso pode ser aplicada sem inferir autoria de ninguém.
8. Limitações
O corpus tem tamanho modesto e cobre um gênero principal, a notícia de veículo generalista. Faixas medidas em jornalismo não se transferem automaticamente para artigo científico, contrato ou romance. A seleção de matérias não é amostra probabilística, de modo que os números descrevem um conjunto de referência, não a imprensa brasileira como um todo.
Vale sublinhar o que as métricas não fazem. Elas não provam autoria humana, porque texto de máquina pode ser ajustado para caber em qualquer faixa. Também não medem qualidade de apuração, que é o que de fato distingue jornalismo de texto produzido em série. E há uma lacuna de pesquisa evidente: falta estudo independente e revisado por pares sobre detecção de texto de IA em português brasileiro. Enquanto ela existir, decisões institucionais nessa área seguem apoiadas em ferramentas sem validação local.
9. Considerações finais
A evidência disponível aponta para uma conclusão pouco confortável para quem compra detecção. Os detectores atuais erram muito, erram de forma enviesada e operam sob um limite teórico que não se resolve com mais treinamento. Usar essas ferramentas como prova é transferir risco para quem escreve.
O caminho que se mostrou produtivo no caso do E-Cogni foi outro. Em vez de tentar provar o que um texto não é, o portal passou a medir o que ele é. Com uma referência explícita de estilo, a discussão sobre qualidade deixa de depender de intuição e passa a ter número. A responsabilidade final continua onde sempre esteve, em quem assina.
Este artigo foi produzido com apoio de modelos de linguagem, seguindo o método descrito na seção 7, e revisado pela redação do E-Cogni.
Referências
GOOGLE SEARCH CENTRAL. Google Search's guidance about AI-generated content. 2023. Disponível em: developers.google.com/search/blog/2023/02/google-search-and-ai-content. Acesso em: 11 set. 2026.
GOOGLE SEARCH CENTRAL. Google Search's guidance on using generative AI content on your website. Disponível em: developers.google.com/search/docs/fundamentals/using-gen-ai-content. Acesso em: 11 set. 2026.
LIANG, W.; YUKSEKGONUL, M.; MAO, Y.; WU, E.; ZOU, J. GPT detectors are biased against non-native English writers. Patterns, v. 4, n. 7, 2023. Disponível em: arxiv.org/abs/2304.02819. Acesso em: 11 set. 2026.
SADASIVAN, V. S.; KUMAR, A.; BALASUBRAMANIAN, S.; WANG, W.; FEIZI, S. Can AI-generated text be reliably detected? arXiv:2303.11156, 2023. Disponível em: arxiv.org/abs/2303.11156. Acesso em: 11 set. 2026.
UNIÃO EUROPEIA. Regulamento (UE) 2024/1689, Regulamento de Inteligência Artificial, art. 50. 2024.
VAN OIJEN, V. AI-generated text detectors: do they work? SURF Communities, 2023. Apud WEBER-WULFF et al., 2023.
WEBER-WULFF, D.; ANOHINA-NAUMECA, A.; BJELOBABA, S.; FOLTÝNEK, T.; GUERRERO-DIB, J.; POPOOLA, O.; ŠIGUT, P.; WADDINGTON, L. Testing of detection tools for AI-generated text. International Journal for Educational Integrity, v. 19, art. 26, 2023. Disponível em: doi.org/10.1007/s40979-023-00146-z. Acesso em: 11 set. 2026.
