Como Saber se um Texto Foi Escrito por IA? Guia Prático

Por que “isso parece IA” nem sempre significa IA

É comum orientandas me perguntarem se um trecho de TCC “tem cara de ChatGPT”. O texto tinha frases um pouco genéricas, alguns “além disso” em excesso, e uma conclusão que dizia tudo e nada ao mesmo tempo. Fiquei olhando aquilo e pensei: isso também descreve metade dos textos acadêmicos escritos por humanos cansados às 2 da manhã.

Detecção de texto por IA é o conjunto de sinais linguísticos, estruturais e estatísticos usados para suspeitar se um conteúdo foi gerado, total ou parcialmente, por um modelo de linguagem. Existem ferramentas automáticas que tentam fazer isso, e existem sinais que uma leitora experiente consegue notar sem ferramenta nenhuma. O problema é que nenhum dos dois métodos é confiável o bastante para servir como prova definitiva, e isso muda a forma como você deveria lidar com a questão, tanto escrevendo quanto avaliando.

Vou te mostrar os sinais reais que aparecem em texto gerado por IA, por que os detectores automáticos erram tanto quanto acertam, e o que realmente deveria importar quando você avalia um trabalho, seja o seu ou o de outra pessoa.

Os sinais linguísticos que realmente aparecem

Quando um modelo de linguagem produz um texto sem edição humana cuidadosa, alguns padrões tendem a se repetir. Não são infalíveis, mas valem conhecer porque ajudam você a revisar o próprio texto com outro olhar.

O primeiro é a variação artificial de sinônimo. O modelo troca “personagem principal” por “protagonista”, depois por “figura central”, numa sequência de parágrafos que fala da mesma pessoa. Humanos repetem a mesma palavra sem problema. IA evita repetição como se fosse pecado, e o resultado soa estranhamente decorado.

O segundo é o excesso de frases que terminam em gerúndio, encaixadas como se dessem profundidade extra a algo que já foi dito. “O estudo aponta para essa direção, reforçando a importância do tema e contribuindo para um entendimento mais amplo da questão.” Tira o gerúndio final e a frase perde quase nada de sentido, porque ele não estava acrescentando nada, só parecendo acrescentar.

O terceiro é a estrutura de “não é apenas X, é também Y”, ou variações como “isso não representa só um problema, representa uma oportunidade”. Esse padrão aparece raríssimas vezes na escrita humana espontânea e aparece direto em texto gerado, porque é uma forma fácil do modelo parecer que está fazendo uma virada argumentativa.

O quarto é o vocabulário inflado de importância: “papel fundamental”, “marco importante”, “testemunho de”, “reflete uma tendência mais amplo”. Esse tipo de frase tenta convencer você de que algo é significativo sem de fato mostrar por quê. Textos humanos, mesmo ruins, costumam ser mais diretos: dizem que algo importa e explicam o motivo, em vez de anunciar importância como decoração.

O quinto, e talvez o mais revelador, é a ausência de opinião real. Texto gerado tende a listar prós e contras de forma neutra demais, sem nunca se comprometer com uma posição. “Por um lado, há vantagens. Por outro, existem desafios.” Pesquisadora de verdade, mesmo insegura, geralmente inclina pra algum lado, ainda que hesitante. Ela discorda de alguma coisa, defende uma escolha metodológica em detrimento de outra, ou admite abertamente que ainda não sabe. Neutralidade absoluta em texto acadêmico costuma ser sinal de que ninguém pensou de verdade sobre o problema, seja IA, seja um humano copiando de um resumo qualquer.

Por que os detectores automáticos falham tanto

Existe uma indústria inteira de ferramentas que promete dizer, com uma porcentagem, se um texto foi escrito por IA. GPTZero, Originality.ai, Turnitin com detector embutido. A tentação é confiar no número que aparece na tela. O problema é que esses detectores funcionam com base estatística sobre padrões de previsibilidade linguística, e essa base tem falhas conhecidas e documentadas.

Um estudo publicado na Patterns em 2023 (Liang et al., “GPT detectors are biased against non-native English writers”, https://doi.org/10.1016/j.patter.2023.100779) mostrou que detectores de IA tendiam a classificar erroneamente redações escritas por falantes não nativos de inglês como geradas por IA, enquanto textos de falantes nativos eram avaliados com mais precisão. O motivo é que escrita de não nativo tende a ser mais previsível estruturalmente, exatamente o padrão que o detector associa a IA.

Isso significa que uma pesquisadora brasileira escrevendo em inglês acadêmico, com estrutura mais formal e vocabulário mais limitado por escolha deliberada de clareza, corre risco real de ser marcada como suspeita sem nunca ter usado IA. E o inverso também é verdade: um texto gerado por IA revisado com cuidado por um humano, com frases reorganizadas e vocabulário pessoal inserido, passa reto pelos detectores.

A OpenAI mesma desativou seu próprio classificador de detecção de texto por IA em 2023, por baixa taxa de precisão (ver comunicado da OpenAI sobre o AI Text Classifier, https://openai.com/index/new-ai-classifier-for-indicating-ai-written-text/). Se a empresa que criou o modelo não confia num detector pra identificar o próprio produto, vale pensar duas vezes antes de basear uma acusação de plágio ou fraude acadêmica nesse tipo de ferramenta.

Isso não significa que detectores sejam inúteis em todo contexto. Alguns têm uso razoável como triagem inicial, um primeiro filtro entre muitos trabalhos numa disciplina grande. O problema é tratar o número que a ferramenta cospe como veredito final, sem conversa, sem chance de defesa, sem checar o histórico de escrita daquela pessoa. Decisão que afeta a vida acadêmica de alguém, como reprovação ou acusação formal de fraude, não pode se basear só numa porcentagem gerada por uma ferramenta com taxa de erro documentada.

O que fazer quando você suspeita de um texto (seu ou de outra pessoa)

Se você é orientadora, avaliadora de banca ou revisora de periódico e está diante de um texto que “parece IA”, o instinto de rodar num detector e aceitar o resultado é compreensível, mas é o caminho errado. Detector nenhum substitui leitura crítica.

O que funciona melhor é pedir que a autora explique o próprio raciocínio. Peça pra ela justificar uma escolha metodológica específica, defender por que aquele referencial teórico e não outro, ou detalhar como chegou àquela interpretação dos dados. Quem escreveu de verdade, com ou sem apoio de IA no processo, consegue responder. Quem só copiou um texto gerado sem entender, trava.

Esse é o critério que realmente importa: não é “a IA participou ou não”, é “a pessoa entende e defende o que está escrito”. Alguém pode usar IA pra organizar um rascunho inicial e ainda assim dominar completamente o argumento. Outra pessoa pode escrever cada palavra sozinha e não conseguir explicar o próprio parágrafo, porque copiou de outro lugar sem processar.

Se você é a autora e está insegura se o seu próprio texto “parece IA demais” mesmo tendo escrito sozinha, o problema geralmente não é fraude, é estilo. Textos acadêmicos formais tendem naturalmente a ser mais previsíveis, porque a linguagem da área é padronizada. Isso confunde tanto detectores quanto leitores desatentos. Vale revisar com foco em cortar frases genéricas, incluir posicionamento próprio e variar o ritmo das frases, não pra “escapar” de acusação, mas porque isso deixa o texto melhor de qualquer forma, com ou sem IA envolvida no processo.

Um exercício simples ajuda bastante aqui: leia o parágrafo em voz alta. Se soa como algo que você realmente diria numa reunião com a orientadora, provavelmente está bem. Se soa como um comunicado institucional genérico, vale reescrever, independente da origem.

A declaração de uso de IA muda o jogo

Um jeito de tirar a ambiguidade da equação é declarar o uso de IA de forma explícita, em vez de deixar que outra pessoa tente adivinhar. Isso é cada vez mais exigido, não só recomendado. O ICMJE (International Committee of Medical Journal Editors) publica recomendações que tratam especificamente do uso de IA generativa em manuscritos, e afirma que ferramentas de IA não podem ser listadas como autoras, mas o uso deve ser declarado (ver recomendações do ICMJE sobre IA, https://www.icmje.org/recommendations/browse/roles-and-responsibilities/defining-the-role-of-authors-and-contributors.html). A COPE (Committee on Publication Ethics) segue linha parecida.

Isso resolve boa parte da tensão em torno de “texto parece IA”. Se você declarou que usou uma ferramenta pra organizar a estrutura inicial de um capítulo, e depois escreveu, revisou e defendeu cada frase, o texto pode até manter alguns dos padrões linguísticos mencionados acima, e não tem problema nenhum nisso, porque a transparência já resolveu a questão de fundo. O que preocupa a academia não é o padrão de escrita em si, é a falta de clareza sobre autoria e responsabilidade intelectual.

Boa parte dos periódicos científicos hoje pede uma seção específica de declaração de uso de ferramentas de IA, geralmente na metodologia ou em nota de rodapé. Detalhe o modelo usado, a etapa em que entrou (revisão gramatical, brainstorming, geração de resumo) e deixe claro que a interpretação e as conclusões são de responsabilidade humana. É um trabalho de dois minutos que evita um problema de meses.

Vale lembrar que essa exigência varia entre periódicos e entre instituições, então checar a norma específica da revista ou do programa de pós-graduação antes de submeter é parte do processo, não um detalhe menor. Regra que vale numa revista pode não valer noutra, e presumir que todas seguem o mesmo padrão é um erro comum.

O foco certo não é o detector, é a responsabilidade intelectual

Esse é o exercício que costumo sugerir: ler o parágrafo em voz alta e perguntar se você conseguiria explicar cada frase pra uma banca sem gaguejar. Muitas vezes, esse teste simples já revela sozinho quais frases precisam ser reescritas, sem precisar de nenhuma ferramenta de detecção.

Isso resume o argumento inteiro deste post: a pergunta “esse texto foi escrito por IA?” é menos útil do que parece, porque tem resposta binária pra um problema que não é binário. A pergunta certa é “quem entende, defende e assume esse texto?”. Quando a resposta é a própria autora, com clareza e argumento, o resto é detalhe de processo. Quando não é, nenhum detector precisava ter sido chamado pra revelar o problema, porque ele já estava visível na conversa.

No fim, a ferramenta de IA é só um instrumento a mais na caixa de uma pesquisadora, parecido com um corretor gramatical ou um gerenciador de referências. O que separa uso responsável de uso problemático nunca foi a ferramenta em si, é a clareza sobre quem está pensando e quem está apenas produzindo texto. Se você quer entender melhor como manter presença autoral mesmo usando IA como apoio na escrita, o post sobre como manter sua voz autoral usando IA na escrita aprofunda exatamente esse equilíbrio entre eficiência e responsabilidade intelectual.