Detector de IA: como saber se um texto foi feito por IA

Um detector de IA é uma ferramenta que analisa um texto e estima a probabilidade de ele ter sido escrito por um modelo de linguagem, como o ChatGPT, em vez de uma pessoa. A palavra importante aqui é estima. Nenhum detector consegue provar a origem de um texto. Ele mede padrões estatísticos e devolve um palpite, às vezes certeiro, às vezes completamente errado.

Isso tem consequências práticas. Professores reprovam alunos com base em um percentual, clientes recusam textos de redatores humanos, empresas descartam conteúdo bom por medo do Google. Na maioria desses casos, o número na tela não justificava a decisão.

Abaixo você entende como os detectores funcionam por dentro, por que eles erram, quais sinais ajudam a identificar um texto de IA na leitura e o que o Google de fato diz sobre o assunto.

Como um detector de IA funciona

Modelos de linguagem escrevem escolhendo, palavra por palavra, a continuação mais provável para o texto. Os detectores exploram justamente essa característica. Há três abordagens principais, e muitas ferramentas combinam as três.

Perplexidade: o quanto o texto é previsível

Perplexidade mede o quanto um modelo “se surpreende” com cada palavra de um texto. Se você lê “o gato subiu no…” e a próxima palavra é “telhado”, a surpresa é baixa. Se for “orçamento”, a surpresa é alta.

Textos gerados por IA tendem a ter perplexidade baixa, porque o modelo escolhe palavras prováveis. Textos humanos costumam ter mais escolhas inesperadas: gírias, metáforas próprias, desvios de assunto. O detector calcula essa medida e, se o texto for previsível demais, aponta como provável IA.

Burstiness: a variação entre as frases

Burstiness (algo como “irregularidade”) mede o quanto a perplexidade e o tamanho das frases variam ao longo do texto. Pessoas escrevem em rajadas. Uma frase longa, cheia de vírgulas. Depois uma curta. Às vezes uma pergunta.

Texto de IA, sem edição, costuma ter um ritmo mais uniforme: frases de tamanho parecido, parágrafos do mesmo comprimento, estrutura repetida. Baixa variação reforça a suspeita.

Classificadores treinados

A terceira abordagem é treinar um modelo de aprendizado de máquina com milhares de exemplos de textos humanos e de textos gerados por IA. O classificador aprende a separar os dois grupos com base em padrões que nem sempre são explicáveis. Ele é tão bom quanto os exemplos que recebeu. Se foi treinado com textos de um modelo antigo ou só em inglês, tende a errar mais com modelos novos e com português.

E as marcas d’água?

Algumas empresas de IA estudam marcas d’água estatísticas, padrões invisíveis inseridos na escolha das palavras que permitiriam identificar o texto depois. O Google, por exemplo, divulgou o SynthID para conteúdo gerado pelos seus modelos. Mas isso só funciona para o modelo que inseriu a marca, e edições no texto podem enfraquecê-la. Não existe, hoje, um padrão universal.

Por que detectores de texto IA erram

Todo detector de texto IA trabalha com dois tipos de erro: o falso negativo (texto de IA que passa como humano) e o falso positivo (texto humano marcado como IA). O segundo é o mais grave, porque acusa alguém que não fez nada.

Textos humanos formais parecem IA

Pense em quais textos humanos são previsíveis e uniformes. Documentos jurídicos. Relatórios técnicos. Trabalhos acadêmicos seguindo norma. Redações de vestibular treinadas com estrutura fixa. Todos têm vocabulário padronizado e frases bem comportadas, exatamente o perfil que o detector associa à IA.

Ficou famoso o caso de detectores que classificavam trechos da Constituição dos Estados Unidos como gerados por IA. O motivo é simples: um texto muito citado e muito formal é altamente previsível para um modelo que já o viu inúmeras vezes.

Quem escreve em segunda língua é mais penalizado

Pesquisadores da Universidade Stanford publicaram em 2023 um estudo mostrando que detectores populares marcavam como IA uma parcela grande de redações escritas por pessoas não nativas em inglês, enquanto acertavam bem os textos de nativos. Quem tem vocabulário mais limitado em um idioma usa palavras mais comuns, e isso derruba a perplexidade.

Até quem cria os modelos desistiu de detectar

A própria OpenAI lançou um classificador de textos de IA no início de 2023 e o desativou poucos meses depois, citando a baixa taxa de acerto. É um sinal claro de que o problema não está resolvido.

Textos editados confundem qualquer ferramenta

Na vida real, pouca coisa é 100% humana ou 100% IA. Uma pessoa pede um rascunho ao ChatGPT e reescreve metade. Outra escreve tudo sozinha e usa um corretor que reformula frases. O detector recebe um texto misto e precisa dar um número. Esse número não diz muita coisa.

Como saber se um texto foi feito por IA lendo com atenção

Se o detector não é confiável, a leitura atenta ainda é o melhor caminho. Nenhum sinal sozinho prova nada, mas vários juntos formam um padrão. Para detectar texto IA sem ferramenta, observe:

• Frases-muleta: “no mundo atual”, “é importante ressaltar”, “em suma”, “vale destacar que”, “desvende os segredos”. Modelos repetem essas expressões com frequência.
• Estrutura de manual: introdução que repete a pergunta, três a cinco tópicos com o mesmo tamanho, conclusão que resume tudo o que já foi dito.
• Listas para tudo: tópicos em negrito seguidos de dois pontos, mesmo quando um parágrafo corrido funcionaria melhor.
• Ausência de experiência: nenhum caso vivido, nenhuma opinião arriscada, nenhum “na minha clínica” ou “quando testei isso”. Tudo genérico e equilibrado.
• Dados vagos ou inventados: “estudos mostram que”, sem dizer quais. Ou números precisos sem fonte, que não se encontram em lugar nenhum.
• Tom uniforme do começo ao fim: mesma energia, mesmo comprimento de parágrafo, nenhuma variação de ritmo.
• Conhecimento datado: o texto ignora fatos recentes do tema, porque o modelo foi treinado até uma certa data.

Um exemplo prático. Compare duas aberturas sobre café:

“O café é uma das bebidas mais consumidas do mundo e desempenha um papel importante na rotina de milhões de pessoas.”

“Troquei o coado pela prensa francesa em janeiro e demorei três semanas para acertar a moagem.”

A primeira poderia abrir qualquer texto sobre café já escrito. A segunda só poderia ter sido escrita por alguém que passou pela experiência. Essa diferença é mais confiável do que qualquer percentual.

Google penaliza conteúdo IA?

Essa é a dúvida mais comum de quem produz conteúdo para sites. A resposta oficial é não, desde que o conteúdo seja útil.

Em fevereiro de 2023, o Google publicou no blog da Central da Pesquisa uma orientação específica sobre conteúdo gerado por IA. A mensagem central: o sistema de ranqueamento recompensa conteúdo de qualidade, independentemente de como ele foi produzido. O foco está na utilidade para o leitor e nos critérios de E-E-A-T (experiência, especialização, autoridade e confiabilidade), não na ferramenta usada.

O mesmo texto deixa claro onde está o limite. Usar automação, incluindo IA, com o objetivo principal de manipular o ranqueamento viola as políticas contra spam. Em 2024, o Google reforçou isso com a política de “abuso de conteúdo em escala”, que mira sites que publicam muitas páginas sem valor só para capturar buscas, seja com IA, seja com redatores humanos.

Na prática, o Google não roda um detector de IA no seu blog e derruba o que tiver nota alta. Ele avalia se a página resolve a busca melhor do que as concorrentes. Um texto de IA genérico, sem dado novo e sem experiência, tende a ir mal pelo mesmo motivo que um texto humano genérico iria mal: não acrescenta nada.

Quando faz sentido usar um detector de IA

Os detectores não são inúteis. Eles só precisam ser usados com o peso certo.

• Como ponto de partida para uma conversa, nunca como prova. Um professor pode usar um resultado alto como motivo para pedir que o aluno explique o raciocínio, mostre rascunhos ou o histórico de versões do documento.
• Para revisar o próprio texto. Um resultado alto pode indicar trechos previsíveis demais, que merecem uma reescrita para ganhar personalidade.
• Em conjunto com outros sinais: histórico do autor, consistência com textos anteriores, verificação de fontes.

Uma observação sobre ambiente acadêmico: se a escola ou faculdade proíbe o uso de IA em um trabalho, a saída honesta é seguir a regra ou conversar com o professor. Tentar enganar o detector não muda o fato de que a regra foi descumprida.

Detector de IA para quem produz conteúdo de marca

Para blogs e empresas, a pergunta útil não é “meu texto passa no detector?”, e sim “meu texto parece escrito por alguém que entende do assunto?”. As duas coisas costumam andar juntas, mas a segunda é a que importa para o leitor e para o Google.

Um texto de IA melhora muito quando passa por uma revisão que corta clichês, varia o ritmo das frases, adiciona exemplos concretos e assume uma posição. É essa a lógica do ArtiGen: depois de escrever, o artigo passa por uma segunda etapa para humanizar texto de IA, que remove uma lista de clichês típicos, varia a estrutura das frases e insere opinião editorial. O objetivo não é enganar ferramenta nenhuma, e sim publicar algo que um leitor queira terminar de ler. A revisão de quem conhece o negócio continua sendo o passo final.

Perguntas frequentes

Qual é o detector de IA mais confiável?

Não há um detector confiável o suficiente para servir de prova. As ferramentas variam de acordo com o idioma, o modelo que gerou o texto e o tamanho da amostra. Testar o mesmo texto em ferramentas diferentes e obter resultados opostos é comum.

Detector de texto IA funciona bem em português?

Em geral, funciona pior do que em inglês. A maior parte dos detectores foi desenvolvida e treinada com mais exemplos em inglês, o que aumenta a chance de erro em outros idiomas.

Um texto que eu escrevi pode ser marcado como IA?

Pode, e acontece com frequência. Textos formais, técnicos ou muito revisados têm mais chance de cair em falso positivo. Guardar rascunhos e o histórico de versões ajuda a demonstrar a autoria.

O Google usa detector de IA para ranquear páginas?

O Google afirma avaliar a qualidade e a utilidade do conteúdo, não a ferramenta usada para produzi-lo. O que é punido é conteúdo feito em escala para manipular resultados, com ou sem IA.

Textos curtos são mais difíceis de analisar?

Sim. Com poucas frases, não há dados suficientes para medir perplexidade e variação com alguma segurança. Muitas ferramentas pedem um mínimo de palavras justamente por isso.

Detectores de IA são termômetros imprecisos, não juízes. Use o resultado como um sinal entre vários, leia o texto com atenção e pergunte o que realmente importa: ele é útil, correto e tem a marca de alguém que sabe do que está falando?