Um detector de IA põe em dúvida se um dos textos mais importantes da história foi realmente escrito por um humano.

A centuries-old document has just failed a very modern test, and the result says more about us than about 1776.

A Declaração de Independência dos Estados Unidos foi arrastada para a ansiedade atual em torno da IA, depois de um detetor popular ter alegado que o texto foi quase totalmente escrito por uma máquina. Esse veredicto é obviamente errado, mas o erro expõe como são frágeis os novos métodos de avaliar o que é escrita “humana”.

Quando um documento fundador parece “demasiado IA” para uma máquina

O rastilho foi aceso por Dianna Mason, uma especialista em motores de busca que submeteu a Declaração de Independência de 1776 a uma ferramenta online de deteção de IA. O sistema concluiu que o texto tinha sido gerado por inteligência artificial, com um nível de confiança de 98,51%.

O detetor tratou um dos textos humanos mais estudados do planeta como prosa sintética, gerada séculos antes de a IA existir.

No século XVIII não existia, obviamente, qualquer modelo de linguagem. A Declaração foi redigida por Thomas Jefferson e editada por um comité de políticos humanos, não por um chatbot com uma data-limite de treino. Ainda assim, o veredicto do detetor pareceu perturbadoramente plausível para o software, porque a prosa encaixa em muitos padrões que os algoritmos atuais associam à IA:

• Estrutura frásica altamente regular e tom formal.
• Padrões retóricos repetitivos e cláusulas paralelas.
• Pouca gíria, marcadores emocionais ou anedota pessoal.
• Estrutura argumentativa clara, familiar a partir de dados de treino.

Quando se constrói um sistema que faz suposições com base nesses padrões, surge um risco: a escrita humana polida - sobretudo textos públicos mais antigos - pode parecer estranhamente semelhante à produção de um grande modelo de linguagem. Esse risco já não é apenas teórico.

Falsos positivos da Bíblia a processos judiciais dos anos 1990

A Declaração não é a única vítima. Investigadores e jornalistas documentaram falhas semelhantes. Detetores assinalaram secções da Bíblia como geradas por IA. Também rotularam erradamente pareceres legais e resumos de casos dos anos 1990, muito antes da IA de consumo.

Quando textos sagrados e registos judiciais empoeirados disparam alarmes de IA, o problema está no detetor - não em software secreto com viagens no tempo.

Estas ferramentas costumam basear-se em sinais estatísticos. Algumas medem a “irregularidade” (burstiness), isto é, a variação no comprimento das frases e na escolha de palavras. Outras recorrem a marca de água (watermarking), quando o próprio modelo de IA codifica secretamente padrões nas suas saídas. Muitos detetores comerciais, porém, continuam a ser caixas negras: dão uma percentagem e pouca explicação.

Quando essas pontuações aparecem numa sala de aula ou numa redação, podem ter consequências pesadas. Um professor que confie na ferramenta pode acusar um aluno de copiar. Um editor pode rejeitar um texto de um freelancer iniciante. Em ambos os casos, um algoritmo opaco molda silenciosamente a reputação de alguém.

A ciência frágil por detrás da deteção de IA

À distância, a deteção de IA parece simples: se os modelos têm um “estilo de assinatura”, basta procurá-lo. Visto de perto, o quadro é muito mais confuso.

Método	O que verifica	Principal fraqueza
Estilometria	Padrões de estilo como sintaxe, frequência de palavras, ritmo	Confunde humanos formais com IA; sensível à edição
Testes de perplexidade	Quão previsível o texto é para um modelo de linguagem	Textos curtos e escrita técnica são frequentemente classificados de forma errada
Marca de água (watermarking)	Padrões ocultos adicionados pelo próprio modelo de IA	Quebra-se se o texto for traduzido, parafraseado ou misturado
Análise de metadados	Histórico do ficheiro, dispositivo, propriedades do documento	Falha com copiar/colar ou capturas de ecrã; levanta questões de privacidade

À medida que os sistemas de IA melhoram, aprendem a imitar as idiossincrasias humanas. Ao mesmo tempo, os humanos adaptam-se à IA: escritores mudam o tom para “soar menos a ChatGPT”, estudantes introduzem gralhas de propósito, profissionais de marketing pedem às ferramentas erros mais “humanos”. A fronteira torna-se um alvo em constante movimento.

Investigadores também alertam para o facto de muitos detetores terem enviesamentos incorporados. Falantes não nativos de inglês, que muitas vezes escrevem de forma mais simples e regular, são assinalados com maior frequência. Textos de certas regiões ou níveis de escolaridade podem apresentar pontuações mais elevadas de “probabilidade de IA”, mesmo quando foram escritos inteiramente à mão.

A origem de um texto ainda importa para os leitores?

Para Mason, que desencadeou o caso da Declaração, a questão central não é apenas tecnológica. Ela defende que os leitores continuam a preocupar-se profundamente com o rótulo associado a um texto. Em entrevistas, observa que o público tende a afastar-se assim que descobre que um texto veio de uma máquina - mesmo quando a informação permanece correta.

Neste momento, a reação emocional a “isto foi escrito por IA” muitas vezes pesa mais do que qualquer diferença subtil de qualidade.

Essa reação liga-se a receios antigos sobre automação. As pessoas associam a escrita à identidade, criatividade e autoridade. Quando um sistema de IA redige uma notícia ou uma carta jurídica, alguns leitores sentem que algo foi retirado ao papel humano.

Outros adotam uma postura mais pragmática. Como disse o empresário Benjamin Morrison numa entrevista separada: “Os tempos mudam, a tecnologia avança.” Para este grupo, a IA parece mais uma calculadora de palavras: uma ferramenta para acelerar trabalho rotineiro, não um autor rival a roubar protagonismo.

Salas de aula, tribunais e redações sob pressão

Em lado nenhum o debate é tão agudo como na educação. Universidades e escolas apressaram-se a comprar detetores de IA após a primeira vaga de chatbots. Algumas instituições chegaram a integrá-los diretamente em plataformas de deteção de plágio.

Essa pressa causou danos reais. Estudantes relataram ter sido falsamente acusados com base apenas numa pontuação percentual de um detetor. Em certos casos, comissões de recurso admitiram mais tarde que as ferramentas não tinham validação robusta. Mas a confiança quebrada entre docentes e alunos não desapareceu com um pedido de desculpas.

Os sistemas legais enfrentam tensão semelhante. Juízes e advogados preocupam-se com peças processuais geradas por IA e cheias de citações falsas. Ao mesmo tempo, um funcionário demasiado zeloso pode tratar qualquer linguagem “com ar de IA” como suspeita. Como a prosa jurídica segue frequentemente modelos rígidos, está precisamente na zona de perigo para falsos positivos.

As redações também vivem sob o seu próprio tipo de escrutínio. Alguns órgãos usam IA para pesquisa de contexto, títulos ou atualizações de mercado bolsista. Outros proíbem por completo rascunhos gerados por IA. De qualquer forma, os jornalistas trabalham agora sabendo que os leitores podem perguntar: isto foi escrito por uma pessoa, ou por uma máquina nos bastidores?

Da deteção à divulgação: uma mudança de estratégia

Como as assinaturas técnicas continuam escorregadias, muitos especialistas em políticas públicas defendem agora um foco diferente: transparência em vez de deteção perfeita. Em vez de tentar “ler forensemente” a alma de um texto, promovem regras mais claras sobre a forma como as pessoas usam ferramentas de IA.

Várias abordagens começaram a emergir:

• Rótulos voluntários quando a IA ajudou a gerar ou editar conteúdo.
• Registos internos de prompts e saídas em trabalho profissional.
• Contratos que restringem relatórios totalmente automatizados em áreas de alto risco, como medicina ou direito.
• Ensinar os estudantes a citar ferramentas de IA, tal como citam fontes.

Este tipo de governação transfere a responsabilidade para os humanos que usam os sistemas. Se uma empresa mentir sobre o seu uso de IA, reguladores ou tribunais podem agir. A questão passa a ser de honestidade e responsabilização, e não apenas de análise de padrões no texto.

Novas competências para ler e escrever numa era de IA

A saga da Declaração “gerada por IA” destaca um ajustamento cultural mais profundo. Os leitores precisarão de novos hábitos para avaliar o que veem no ecrã. Isso implica confirmar informação em várias fontes, prestar atenção a padrões editoriais e tratar textos virais anónimos com algum ceticismo, independentemente de como foram produzidos.

Os escritores, por seu lado, enfrentam novas escolhas estratégicas. Alguns podem apostar numa voz pessoal forte, em anedotas e numa estrutura idiossincrática, em parte para se distinguirem da prosa genérica de IA. Outros poderão usar a IA como motor de rascunhos, investindo depois a energia em refinamento, reportagem e verificação de factos.

O valor de um texto pode deslocar-se de “quem escreveu as palavras” para “quem assumiu responsabilidade por elas - e porquê”.

Há também efeitos práticos a observar. A dependência intensa de IA para comunicação rotineira pode, lentamente, achatar a linguagem. E-mails corporativos podem começar a soar mais parecidos. Ensaios de estudantes podem convergir para modelos seguros e polidos. Essa uniformidade pode reduzir enviesamentos em alguns contextos, mas também arrisca embotar a originalidade genuína.

O veredicto errado sobre um documento de 1776 não vai travar a disseminação de ferramentas de IA. Serve, porém, de aviso sobre a forma como as usamos. À medida que mais detetores, geradores e filtros se colocam entre escritores e leitores, compreender os seus limites torna-se parte da literacia digital básica. A Declaração de Independência passa agora a ter uma nota de rodapé estranha: não sobre liberdade ou monarquia, mas sobre o que acontece quando a retórica do século XVIII colide com algoritmos do século XXI.