Aqui está um pensamento inconveniente para qualquer instituição acadêmica que atualmente usa detectores de IA para policiar os envios de estudantes e investigadores: as ferramentas não funcionam de forma tão confiável quanto as instituições supõem.
Papel apresentado no Simpósio IEEE de 2026 sobre Segurança e Privacidade desta semana, pesquisadores da Universidade da Flórida concluíram que os detectores de texto gerados por IA disponíveis comercialmente são “inadequados para implantação em contextos acadêmicos ou de alto risco”.
Esta é uma forma educada de dizer que as universidades tomam decisões de mudança de carreira com base em resultados mediáticos que são inerentemente incertos.
O que a pesquisa realmente descobriu?
Patrick Traynor, Ph.D., professor e presidente interino do Departamento de Computação e Ciência da Informação e Engenharia da UF, liderou uma equipe que testou cinco dos detectores de texto mais populares disponíveis comercialmente.
Depois de pesquisar artigos que cerca de 6.000 usuários enviaram para conferências de segurança de alto nível antes mesmo da chegada do ChatGPT, os LLMs criaram clones dos mesmos artigos e, em seguida, executaram ambos por meio de detectores de IA.
Os resultados mostraram taxas de falsos positivos entre 0,05% e 68,6% e, ainda mais surpreendentemente, taxas de falsos negativos entre 0,3% e 99,6%. Esse valor superior está próximo de 100%, o que significa que o detector do pior caso perde quase todo o texto gerado pela IA.
Embora dois dos cinco detectores inicialmente tenham funcionado bem, eles se tornaram inúteis depois que os pesquisadores do LLM pediram que reescrevessem sua saída usando termos mais complexos (o artigo chama esse poder de complexidade lexical).
O que isso importa além da integridade acadêmica?
Traynor disse sem rodeios: “Não podemos realmente usar esses tribunais para fazer julgamentos. As pessoas são os transportadores aqui na linha de frente.” Acusar a submissão de literatura gerada por IA pode prejudicar permanentemente a reputação de um pesquisador, mas não podemos confiar em ferramentas cegas para fazer essas acusações.
O argumento é que a evidência do uso generalizado da IA na escrita académica é em si ambígua. “Embora haja muitos estudos que afirmam que algum trabalho acadêmico gerado por IA está sendo realizado, não temos as ferramentas para medir nada disso”, acrescentou Traynor.
A sua investigação não criticou os instrumentos; demonstra uma falta sistémica de devida diligência por parte de qualquer instituição que tenha adoptado estas ferramentas sem os testes necessários à sua precisão.
