Universidade Pode Detectar Uso de IA? O Que Muda na Prática

Por que tanta orientadora diz que “sente” quando um texto foi escrito por IA, mas não consegue provar nada com um relatório de detector?

A detecção de uso de IA em trabalhos acadêmicos é um conjunto de métodos, humanos e automatizados, que tentam identificar se um texto foi gerado ou significativamente produzido por inteligência artificial generativa. Não é uma tecnologia única nem perfeita. É uma mistura de leitura atenta, ferramentas estatísticas imprecisas e, cada vez mais, políticas institucionais que mudam a pergunta de “como provo que foi IA” para “você declarou o que usou”.

Essa mudança de pergunta é o ponto central deste post. Vou te mostrar o que os detectores realmente medem, por que eles erram tanto quanto acertam, o que as universidades de fato fazem na prática, e o que protege você numa banca ou numa submissão de artigo.

O que um detector de IA realmente mede

Ferramentas como GPTZero, Turnitin AI e Originality.ai não leem o conteúdo do jeito que uma orientadora leria. Elas calculam duas métricas estatísticas do texto: perplexidade e burstiness.

Perplexidade mede o quão previsível é a próxima palavra de uma frase, dado o que veio antes. Texto gerado por modelos de linguagem tende a ter perplexidade baixa, porque o modelo sistematicamente escolhe a palavra estatisticamente mais provável. Burstiness mede a variação no ritmo e na complexidade das frases ao longo do texto. Texto humano costuma alternar entre frases curtas e longas, parágrafos densos e soltos. Texto de IA tende a ser mais uniforme, quase sem essas oscilações.

O problema é que essas duas métricas não detectam IA. Elas detectam um estilo de escrita previsível e uniforme, e muita gente escreve assim naturalmente, principalmente em segunda língua ou em registros técnicos muito formatados. É por isso que detectores marcam falsos positivos com frequência em textos de falantes não nativos de inglês, em resumos técnicos e em textos revisados por editores profissionais que removeram variação estilística de propósito.

Nenhuma dessas ferramentas garante exatidão. Diversos relatos apontam que classificadores de detecção de texto por IA têm baixa taxa de precisão em certos contextos, o que reduz a confiabilidade do resultado isolado. Isso não significa que detectores sejam inúteis, significa que o resultado deles é um indício, não uma prova. Uma orientadora que recebe um relatório de 85% de “probabilidade de IA” ainda precisa decidir, com critério próprio, se aquilo é motivo suficiente pra uma conversa, uma investigação formal, ou simplesmente nada.

O que as universidades realmente fazem

Aqui está o que muda na prática, e é diferente do que a maioria imagina. As universidades brasileiras, de modo geral, ainda não têm um protocolo único e nacional de detecção de IA. O que existe são políticas institucionais fragmentadas, construídas às pressas nos últimos anos, e e um movimento mais recente, em algumas instituições, de priorizar a declaração de uso sobre a perseguição ao uso em si.

Bancas de qualificação e defesa costumam identificar uso de IA não pelo detector, mas pela inconsistência. Um texto que usa vocabulário técnico avançado em um parágrafo e comete erro conceitual básico no parágrafo seguinte levanta suspeita. Uma citação que não existe, um autor inventado, uma referência que não corresponde ao conteúdo descrito, isso levanta muito mais suspeita do que qualquer métrica de perplexidade. Se você já leu sobre como a IA pode errar análise de discurso de forma sutil, sabe que o problema raramente é a prosa bonita demais. É o conteúdo que não se sustenta quando alguém pergunta de onde veio.

Periódicos e comitês editoriais, por outro lado, estão cada vez mais formalizando a exigência de declaração. Diversos periódicos e comitês editoriais vêm publicando orientações sobre uso de IA generativa em manuscritos. Em muitos casos, a exigência é parecida: declarar o uso, especificar a ferramenta e a etapa, e assumir responsabilidade integral pelo conteúdo final, inclusive por erros que a IA tenha introduzido.

Vale notar uma diferença de postura entre os dois ambientes. A banca de defesa costuma reagir a um sintoma pontual: aquele trecho estranho que destoa do resto. O comitê editorial de um periódico trabalha de forma mais estrutural, com política escrita que vale pra todo manuscrito submetido, independente de qualquer suspeita individual. Entender essa diferença ajuda a saber onde focar: na banca, o risco é a inconsistência interna do seu texto. No periódico, o risco é a ausência de uma declaração que já é exigida por norma.

Por que a pergunta certa não é “serei pego”

Essa é a virada de posicionamento que eu quero que você leve deste post. A pergunta “a universidade consegue detectar” pressupõe um jogo de gato e rato, onde o objetivo é escrever de um jeito que escape da ferramenta. Esse jogo é perdido de antemão, porque as ferramentas vão melhorar, as políticas institucionais vão endurecer, e qualquer estratégia de disfarce tem validade temporária.

A pergunta certa é outra: você consegue explicar e defender cada parágrafo do seu trabalho numa conversa cara a cara com quem avalia?

Essa pergunta não depende de detector nenhum. Ela depende só de você entender o que escreveu. Se um parágrafo do seu referencial teórico foi sugerido por uma IA e você não sabe justificar por que aquela citação está ali, aquele parágrafo é um risco, independente de qualquer ferramenta detectar ou não. Se você usou IA pra organizar uma seção de metodologia e consegue explicar cada escolha metodológica com propriedade, esse uso de IA não é um problema ético nem factual.

O Método V.O.E. (Velocidade, Orientação, Execução Inteligente) trabalha exatamente essa lógica na fase de Orientação: entender profundamente o que se está escrevendo antes de acelerar a produção. Quando você domina o conteúdo, a ferramenta que ajudou a chegar lá importa muito menos do que parece numa avaliação séria.

Esse entendimento muda inclusive a forma como você usa a IA no dia a dia de escrita. Em vez de pedir “escreva minha discussão sobre esses resultados”, fica mais seguro pedir “me ajude a organizar os pontos que já tenho sobre esses resultados” e escrever a discussão você mesma a partir disso. A diferença entre as duas abordagens não aparece num relatório de detector, mas aparece claramente numa pergunta de banca.

Declarar não é confissão, é prática científica

Tem uma resistência comum em declarar uso de IA, como se fosse admitir uma falha. Isso vem de uma confusão entre usar ferramenta e terceirizar pensamento. São coisas diferentes.

Pesquisadores sempre usaram ferramenta. Ninguém declara “usei o Word” ou “usei o Zotero pra organizar referências”, porque essas ferramentas não produzem conteúdo intelectual, só organizam. A IA generativa é diferente porque, dependendo de como você usa, ela pode produzir conteúdo intelectual, e é exatamente esse ponto que precisa de transparência.

Declarar uso de IA funciona como declarar conflito de interesse ou fonte de financiamento: não é confissão de erro, é transparência sobre o processo. Uma declaração bem feita diz algo como “utilizei o ChatGPT (versão GPT-4) para auxiliar na organização inicial de tópicos da seção de resultados; a análise, interpretação e redação final foram de responsabilidade integral da autora”. Isso não enfraquece seu trabalho. Protege ele, porque fixa claramente onde está a sua contribuição intelectual.

A ausência de declaração, quando descoberta depois, é que vira problema grave. Quando casos de retratação envolvendo IA aparecem, o problema relatado costuma não ser o uso da IA em si, mas o uso escondido e depois descoberto, muitas vezes por citação inventada ou dado inconsistente que ninguém verificou antes de submeter. O dano reputacional nesses casos não vem da ferramenta. Vem da omissão.

Uma dúvida comum é se declarar demais pode parecer insegurança, como se a pesquisadora estivesse se desculpando por algo. Não é esse o efeito. Uma declaração de uso de IA bem escrita, específica e curta, lida como profissionalismo. É exatamente o tipo de transparência metodológica que qualquer trabalho científico sério já pratica em outras frentes, como declarar financiamento ou conflito de interesse.

O limite real: você precisa saber defender o texto

Faz sentido voltar ao ponto de partida com mais precisão agora. A pergunta “a universidade consegue detectar” tem uma resposta técnica, às vezes sim, às vezes não, depende muito do caso, e uma resposta prática, que é a que importa de verdade: não importa, se você souber defender o que escreveu.

Isso exige um nível de domínio do próprio texto que, honestamente, é bom pra pesquisa de qualquer forma. Quando você usa IA pra gerar um parágrafo inteiro sem entender profundamente o argumento ali dentro, você fica vulnerável não só a detectores, mas a qualquer pergunta minimamente incisiva numa defesa. Quando você usa IA como apoio, sempre mantendo o controle intelectual sobre o conteúdo, a ferramenta deixa de ser um risco e passa a ser só isso: uma ferramenta.

Esse é o tipo de distinção que separa uso responsável de uso problemático, e nenhum detector de IA, por mais sofisticado que seja, consegue fazer essa distinção por você. Só você sabe se entende o que escreveu, e só você vai estar sentada na frente da banca no dia da defesa, sem relatório de detector nenhum na mesa, só as perguntas e as suas respostas.

Se você quer entender melhor os limites legais e institucionais que estão sendo construídos agora no Brasil, vale olhar como diferentes universidades brasileiras estão regulamentando o uso de IA em suas políticas internas. A tendência geral aponta pra mais exigência de declaração e menos aposta cega em detector automático, o que confirma exatamente o argumento deste post: a transparência vale mais do que a esperança de não ser pego.