Um detetor de IA questiona a autoria humana de um dos textos históricos mais importantes.

Agora, um painel de software está a reescrever silenciosamente a mesma velha disputa.

Numa reviravolta curiosa, um detector de IA popular assinalou a Declaração de Independência dos EUA de 1776 como “98,51% gerada por IA”, levantando novas questões sobre a forma como avaliamos autoria, verdade e batota numa era em que as máquinas escrevem com tanta fluência como as pessoas.

Quando uma máquina acusa Jefferson de usar um chatbot

A história começa com uma experiência simples, quase traquina. Dianna Mason, especialista em motores de busca, introduziu o texto integral da Declaração de Independência numa ferramenta de deteção de IA amplamente utilizada. O resultado regressou com uma certeza alarmante: o documento parecia ser quase totalmente escrito por uma máquina.

O detector atribuiu à Declaração de Independência de 1776 uma probabilidade de 98,51% de ter sido gerada por IA.

A conclusão é obviamente errada. Os modelos de linguagem de grande escala só apareceram séculos mais tarde, e a tecnologia por detrás deles não existia quando Thomas Jefferson redigiu o texto. Ainda assim, o erro tornou-se um estudo de caso poderoso sobre quão pouco fiáveis podem ser os detetores de IA quando afirmam adivinhar o “verdadeiro” autor de um texto.

Depois de Mason partilhar o resultado, seguiram-se testes semelhantes. Pareceres jurídicos dos anos 1990, escritos muito antes do atual boom da IA, desencadearam o mesmo veredito. O mesmo aconteceu com capítulos da Bíblia. Estas ferramentas, comercializadas como guardiãs contra a batota, pareciam menos instrumentos forenses e mais motores de adivinhação grosseiros.

Porque é que os detetores de IA têm dificuldade com textos antigos - e novos

A maioria dos detetores comerciais baseia-se em padrões estatísticos da linguagem. Procuram regularidade, repetição, previsibilidade. Os modelos de IA tendem a produzir prosa mais uniforme e polida do que as pessoas, por isso os detetores tratam a “suavidade” como um sinal de alarme. Mas muitos textos famosos partilham exatamente essas características, porque escritores humanos competentes também procuram ritmo, clareza e estrutura.

Isso cria uma colisão básica:

• Textos humanos bem escritos podem ser classificados erradamente como gerados por IA.
• Textos de IA descuidados ou muito editados podem passar por humanos.
• Passagens curtas quase não deixam sinal para os detetores analisarem.
• Traduções e paráfrases confundem sistemas baseados em padrões.

Documentos históricos acrescentam ainda outro fator. Foram copiados, normalizados e digitalizados muitas vezes. A ortografia é padronizada, a pontuação atualizada, formas arcaicas modernizadas. Cada edição empurra o texto na direção de um estilo arrumado e consistente que os detetores associam, erradamente, a modelos generativos.

Quanto mais “limpo” o texto parece, mais alguns detetores o tratam como sintético - mesmo quando vem de pena e tinta.

Isto torna-se um problema prático quando universidades, redações ou empresas dependem destas ferramentas para policiar autenticidade. Um falso positivo contra um manifesto com séculos de idade tem piada. Um falso positivo contra o trabalho de um adolescente ou um memorando de um denunciante pode ser devastador.

Estudantes, notas e o risco de falsas acusações

O software de deteção de IA espalhou-se rapidamente pelas escolas e universidades após o lançamento do ChatGPT. Perante uma vaga de trabalhos de casa que podiam, ou não, vir de um chatbot, muitos professores recorreram a qualquer ferramenta que prometesse respostas rápidas.

Mas o caso da Declaração mostra como essas respostas podem ser frágeis. Se o mesmo detector que “apanha” Jefferson também pode “apanhar” um estudante perfeitamente honesto, a equação da confiança desfaz-se. Comissões de conduta académica recebem muitas vezes uma única captura de ecrã como prova: uma barra colorida a anunciar “94% gerado por IA”, sem contexto nem explicação.

Esse atalho traz riscos sérios:

Cenário	O que pode correr mal
O professor confia apenas no detector	Estudantes honestos enfrentam sanções com base em probabilidades falhas.
O estudante usa IA mas edita muito	O detector não identifica a ajuda, empurrando a batota para a clandestinidade.
Falantes não nativos escrevem um inglês muito formal	O texto parece “demasiado polido” e ativa um falso alerta.
Textos históricos ou jurídicos reutilizados em ensaios	O detector assinala passagens citadas ou em domínio público como escritas por IA.

Algumas instituições tratam agora os relatórios de deteção de IA como um indício entre muitos, não como um veredito. Podem analisar o histórico de rascunhos, o estilo de escrita em trabalhos anteriores, ou conversas diretas com o estudante. Ainda assim, em muitos locais, as políticas continuam atrasadas em relação à tecnologia que procuram gerir.

O que realmente importa aos leitores: origem ou resultado?

A experiência de Mason também levanta uma questão mais básica: o leitor comum importa-se com quem - ou com o quê - escreveu um texto, desde que seja correto, justo e envolvente?

Por agora, ela argumenta, o rótulo ainda importa. Quando as pessoas descobrem que um artigo, um poema ou uma crítica vem de um algoritmo, muitas sentem uma subtil sensação de traição e seguem em frente. O enviesamento surge mesmo quando a escrita, por si só, é perfeitamente boa.

A transparência pode afastar leitores hoje, mas o uso oculto de IA corrói a confiança quando vem ao de cima.

Alguns empreendedores adotam uma visão mais pragmática. “Os tempos mudam, a tecnologia avança”, disse um empresário citado na cobertura mediática nos EUA sobre o debate. Nessa perspetiva, as ferramentas de escrita estão na mesma categoria que calculadoras ou corretores ortográficos: inicialmente controversas, depois rotineiras.

A tensão está no intervalo entre assistência e substituição. Muitas pessoas aceitam IA que sugere frases, corrige gramática ou resume relatórios longos. Um ghostwriter completo que produz discursos políticos, argumentos jurídicos ou ensaios históricos sem divulgação continua a gerar resistência.

Como os humanos costumavam provar autoria - e porque isso está a desaparecer

Antes dos computadores, provar que um humano escreveu algo era muito diferente. A página física trazia o seu próprio rasto forense: traços de caligrafia, tipo de tinta, qualidade do papel, marcas de água, até a pressão da caneta na superfície. Para obras impressas, tipografia, prensas e registos históricos de datas de publicação ajudavam historiadores a identificar quem escreveu o quê.

Hoje, quase tudo existe como píxeis e ficheiros de texto. Um PDF de uma declaração, um trabalho académico e uma publicação de blogue gerada por IA têm estruturas semelhantes. Metadados podem ser falsificados, históricos de ficheiros podem ser apagados, e o estilo de escrita pode ser imitado por máquinas treinadas em milhares de milhões de palavras.

Investigadores experimentam agora “marcas de água” digitais em texto gerado por IA: padrões subtis na escolha de palavras ou na pontuação que leitores humanos não veem, mas que software consegue detetar. No entanto, estas marcas levantam os seus próprios problemas. Modelos concorrentes podem não usar a mesma técnica. Sistemas open-source podem ignorar totalmente a marca de água. E utilizadores adversariais conseguem muitas vezes remover ou baralhar os sinais.

Novas normas: de proibições a rótulos de divulgação

À medida que a deteção falha, muitas organizações passam da proibição para a gestão. Em vez de insistirem que nenhuma IA pode tocar num texto, começam a definir usos aceitáveis e inaceitáveis.

Regras típicas emergentes em vários setores

• Educação: a IA pode ajudar a fazer brainstorming e revisão, mas os estudantes devem escrever as versões finais e guardar rascunhos.
• Redações: a IA pode ajudar na pesquisa de contexto e na análise de dados, enquanto os editores mantêm a responsabilidade pela redação e verificação de factos.
• Entidades públicas: certos documentos, como avisos legais, decisões de política ou pedidos oficiais de desculpa, devem ser escritos e assinados por humanos.
• Indústrias criativas: prompts e resultados de IA devem ser divulgados quando usados em trabalho comercial, sobretudo em publicidade e edição.

Em vez de depender de detetores como porteiros, estas regras promovem comunicação clara. Os leitores podem ver avisos curtos como “escrito com assistência de IA” ou “gerado e editado pela nossa equipa editorial”. Esse tipo de rotulagem desloca o foco da adivinhação forense para a prática honesta.

Ética, propriedade e o estranho caso dos textos históricos

O episódio de 1776 também evidencia um efeito secundário incómodo do treino de IA. Modelos de linguagem modernos aprendem a partir de vastas quantidades de escrita pública, incluindo a própria Declaração. Quando um detector afirma que o documento “parece gerado por IA”, isso acontece em parte porque a IA já aprendeu a imitar o estilo de textos fundacionais como esse.

O passado molda agora o estilo das máquinas, e o estilo das máquinas influencia a forma como lemos o passado.

Este ciclo alimenta questões legais e éticas. Se um sistema de IA treinado em obras de domínio público produz linguagem semelhante, quem é dono do resultado? Uma dependência forte de textos historicamente influentes arrisca apagar vozes minoritárias e narrativas alternativas? E até que ponto sistemas automatizados podem remodelar o nosso sentido de autenticidade, mesmo quando estão claramente errados em factos básicos?

Para historiadores, a classificação errada da Declaração serve de aviso. Arquivos futuros podem conter milhares de documentos anónimos onde frases humanas e de máquina se entrelaçam. Métodos tradicionais de atribuição podem falhar, e métodos baseados em IA podem herdar os mesmos pontos cegos que produziram o erro de 98,51%.

O que isto significa para escritores e leitores no dia a dia

Quem escreve - de estudantes e freelancers a funcionários públicos - enfrenta agora escolhas práticas. Usar ferramentas de IA pode acelerar rascunhos, sugerir estrutura e corrigir gramática. Também pode achatar o estilo pessoal e introduzir erros factuais subtis que passam despercebidos em revisões apressadas.

Uma forma simples de ver o compromisso é comparar três hábitos de escrita:

Abordagem	Benefícios	Riscos
Escrever totalmente à mão ou no teclado, sem IA	Voz autêntica, propriedade clara, competências mais fortes.	Mais lento, mais gralhas, mais difícil para não especialistas.
Rascunho com assistência de IA e depois edição humana intensa	Produção mais rápida, menos pequenos erros, tom flexível.	Dependência de prompts, enviesamento oculto nos dados de treino.
Saída de IA sem edição, copiar-colar	Produção muito rápida, baixo esforço.	Erros factuais, originalidade fraca, exposição ética e legal.

Os leitores, por sua vez, também podem ajustar expectativas. Em vez de presumir que cada parágrafo polido sinaliza IA, ou que cada gralha prova origem humana, a atenção pode mudar para outras perguntas: o texto é transparente sobre os seus métodos? Cita fontes? Lida com nuance, ou simplifica em excesso?

Nesse sentido, a falsa acusação contra a Declaração de Independência funciona como um teste de esforço a toda uma geração de ferramentas movidas por IA. Se um detector pode, com ligeireza, reescrever a autoria de um dos documentos mais estudados da história moderna, os utilizadores poderão precisar de um papel mais cético e mais ativo sempre que uma barra colorida ou uma percentagem pretende encerrar a questão de quem, afinal, escreveu o quê.