Identificar se um texto, uma imagem ou um vídeo foi produzido com inteligência artificial ficou mais difícil. Os modelos atuais imitam estilos de escrita, criam rostos convincentes e montam cenas completas em poucos segundos. Ao mesmo tempo, os detectores disponíveis para o público não são oráculos. Eles calculam sinais, comparam padrões e apresentam uma estimativa que precisa ser interpretada com cuidado.
O Canaltech reuniu oito ferramentas em uma matéria publicada em 8 de novembro de 2026. A pauta interessa a estudantes, professores, equipes de comunicação, moderadores de comunidades, jornalistas e qualquer pessoa que precise avaliar a origem de um arquivo antes de compartilhá-lo. O aprendizado mais importante é simples: cada serviço observa um tipo de evidência, e nenhum resultado isolado prova quem escreveu, desenhou ou editou um conteúdo.
O debate também ganhou uma dimensão de produto. Em uma reportagem sobre a startup Pangram, o TechCrunch descreveu um detector que procura diferenças de estilo e padrões de pixels, em vez de depender apenas de metadados ou marcas d’água. A comparação ajuda a entender por que as ferramentas têm propostas diferentes e por que a detecção deve ser apenas uma etapa de uma verificação mais ampla.
Comece pelo tipo de conteúdo
Antes de abrir um detector, descubra o que está sendo analisado. Um texto, uma fotografia, uma ilustração, um vídeo e um áudio deixam rastros diferentes. Textos podem ser avaliados por escolhas de palavras, previsibilidade, estrutura das frases e mudanças de estilo. Imagens e vídeos podem carregar marcas d’água invisíveis, padrões de pixels ou informações de procedência. Áudios podem incluir metadados e assinaturas digitais que não aparecem quando alguém apenas ouve o arquivo.
Essa divisão evita um erro comum: usar uma ferramenta fora do seu objetivo. Uma plataforma que procura a marca d’água de um gerador de imagens não consegue confirmar que um parágrafo foi escrito por uma IA concorrente. Da mesma forma, um classificador de texto não deve ser usado para declarar que uma fotografia foi criada por computador. O primeiro passo da análise é saber qual pergunta o serviço consegue responder.
O SynthID Detector, citado pelo Canaltech, é um exemplo de abordagem baseada em marca d’água. Ele procura sinais inseridos por sistemas compatíveis do Google e pode ajudar a examinar imagens, vídeos, áudio e textos produzidos por ferramentas que adotam o padrão. A limitação é decisiva: se o arquivo não recebeu SynthID, a ausência do sinal não prova que ele foi criado por uma pessoa.
Detectores de texto calculam probabilidade
Serviços como GPTZero, Copyleaks e Grammarly AI Detector tentam estimar se um trecho apresenta características comuns de escrita automatizada. Eles não observam o momento da criação e não têm acesso automático ao histórico de edição. Um humano pode escrever de forma previsível, enquanto alguém pode revisar um texto gerado por IA até remover boa parte dos sinais que o classificador procura.
O Copyleaks também combina detecção de IA com análise de possível plágio e, segundo a matéria do Canaltech, oferece suporte a mais de 30 idiomas. O detalhe é importante para quem trabalha em português. Desempenho, vocabulário e taxa de falsos positivos podem mudar de um idioma para outro. Uma porcentagem mostrada na tela não significa que existe uma medição objetiva da participação da IA. É uma interpretação estatística sobre o trecho recebido.
O Grammarly AI Detector apresenta uma estimativa e explica por que determinadas partes foram classificadas de uma maneira. Esse contexto é mais útil do que uma etiqueta binária, porque permite revisar a análise. Ainda assim, a decisão final deve considerar versões anteriores do arquivo, anotações, fontes consultadas, histórico de edição e uma conversa com o autor. Um detector pode indicar que vale a pena investigar, mas não substitui a investigação.
O que muda quando a ferramenta procura estilo
A reportagem do TechCrunch sobre a Pangram apresenta outra estratégia. O sistema foi treinado com documentos humanos e com versões sintéticas que reproduzem tema, tamanho e tom de cada texto. Ao comparar os dois conjuntos, o modelo tenta aprender escolhas que aparecem com frequência em escrita gerada por IA. A proposta é interessante porque não depende apenas de um arquivo carregar uma marca oculta.
Essa abordagem também tem limites. Um texto humano pode soar parecido com o conjunto usado no treinamento de uma máquina, e uma revisão humana pode alterar a classificação de um texto originalmente automatizado. O próprio teste relatado pelo TechCrunch encontrou trechos reescritos por uma pessoa que ainda foram marcados como assistidos por IA. O resultado reforça uma regra prática: a ferramenta identifica sinais de linguagem, não a identidade do autor.
O mesmo vale para imagens. Um detector baseado em pixels pode procurar pequenas diferenças estatísticas entre uma fotografia e uma imagem sintética, inclusive quando a imagem gerada aparece dentro de uma cena real. Porém, compressão, redimensionamento, filtros, captura de tela e edição podem alterar os sinais. A imagem analisada por uma plataforma muitas vezes não é mais o mesmo arquivo que saiu do gerador ou da câmera.
Agregadores ajudam, mas não criam uma verdade
O Solvely.ai reúne resultados de três detectores de texto, como ZeroGPT, GPTZero e Turnitin. Comparar serviços pode ser útil para uma triagem inicial, especialmente em documentos longos. A desvantagem é que a média entre resultados divergentes pode produzir uma falsa sensação de precisão. Se três ferramentas usam modelos e bases de treinamento diferentes, a concordância ou a discordância diz algo sobre os instrumentos, não necessariamente sobre a autoria.
Essa cautela é essencial em escolas, empresas e plataformas de publicação. Uma porcentagem elevada pode justificar uma conversa ou uma checagem de referências. Ela não deve virar uma punição automática. Da mesma forma, uma porcentagem baixa não garante autoria humana. O uso responsável separa a indicação técnica da decisão que pode afetar uma pessoa.
Preserve o arquivo e proteja a privacidade
O procedimento mais seguro começa com a preservação do original. Guarde o documento antes de copiá-lo para um serviço, mantenha a imagem sem recompressão quando possível e registre a origem do arquivo. Depois, escolha uma ferramenta compatível com o formato e anote qual versão foi usada. Se a decisão for importante, repita a análise com outro método e compare o resultado com o histórico de criação.
Também é preciso verificar a política de privacidade. Um texto enviado para análise pode conter nomes, contratos, informações pessoais ou material sob sigilo. Antes de colar um documento profissional em uma plataforma gratuita, leia por quanto tempo o serviço armazena o conteúdo, quem pode acessá-lo e se ele pode ser usado para treinamento. A tentativa de identificar conteúdo sintético não deve criar um vazamento de dados.
Para uma denúncia, um vídeo de violência ou uma informação eleitoral, a checagem precisa ir além do detector. Procure a publicação original, confira a data, compare versões e busque confirmação nas fontes permitidas pela redação. A detecção responde a uma pergunta limitada, que é se o arquivo apresenta sinais de geração ou edição. Ela não responde se a informação é verdadeira, se a pessoa retratada consentiu ou se o contexto foi preservado.
Como equipes digitais podem usar os resultados
Uma equipe de conteúdo pode verificar se credenciais de procedência foram preservadas, registrar quais imagens foram geradas e informar ao leitor quando houve uso de IA. Em ambientes educacionais, professores podem usar detectores para escolher trabalhos que merecem conversa, sem transformar a pontuação em sentença. Em uma empresa, o resultado pode acionar uma revisão de segurança, de propriedade intelectual ou de confidencialidade.
Para desenvolvedores, a principal lição é tratar detecção como um sistema de sinais incompletos. Uma API que retorna 87% não está entregando uma verdade sobre autoria. Ela está apresentando a confiança calculada por um modelo. Um produto responsável deve mostrar o que foi medido, registrar o arquivo analisado, guardar evidências e oferecer uma forma de revisão humana.
O leitor brasileiro pode começar pelas ferramentas que analisam o formato correto, pelas opções que dão suporte ao português e pelos sistemas que preservam marcas de procedência. O uso mais inteligente não é perguntar qual detector está sempre certo. É entender o que cada um mede, quando ele falha e quais evidências adicionais são necessárias antes de compartilhar ou julgar um conteúdo.
Conclusão
Detectores de IA são úteis como instrumentos de triagem, mas perigosos quando tratados como prova definitiva. A combinação de análise técnica, histórico do arquivo, verificação de contexto e revisão humana produz uma resposta mais confiável. Em uma internet cada vez mais sintética, reconhecer os limites da ferramenta é tão importante quanto saber usá-la.
Fontes originais: Canaltech, publicada em 8 de novembro de 2026, e TechCrunch, publicada em 29 de julho de 2026.
