Doi oameni foarte diferiți tastează detector de IA într-o casetă de căutare în aceeași oră. Prima este o manageră de marketing care a publicat patruzeci de pagini scrise cu ajutorul unui model lingvistic și căreia i s-a spus că Google va pedepsi site-ul pentru asta. Al doilea a fost acuzat de fraudă pentru că un instrument a returnat un număr, iar cineva cu autoritate l-a crezut.

Amândoi ajung în fața unei categorii de software care vinde siguranță de sine, și amândoi merită versiunea incomodă a răspunsului. Dovezile publicate despre aceste instrumente sunt consecvente și nu sunt măgulitoare. Greșesc destul de des încât un scor să nu decidă niciodată nimic despre un om, se prăbușesc pe un text pe care l-a editat o persoană, iar erorile lor nu se împart uniform între cei care scriu.

Întrebarea despre motorul de căutare este o întrebare separată, cu un răspuns separat, iar acel răspuns nu are nicio legătură cu detectarea.

Sunt precise aceste instrumente și penalizează Google conținutul produs cu IA? Testele evaluate colegial au plasat fiecare instrument sub 80% acuratețe, cu o prăbușire la 26% pe textul de IA reformulat, iar un studiu separat a constatat că detectoarele etichetau eseurile autorilor care nu sunt vorbitori nativi de engleză drept scrise de IA în 61,3% din cazuri. Google nu penalizează conținutul pentru că a fost generat cu IA. Penalizează scaled content abuse, care ține de scop și de valoare, nu de paternitatea textului.

Cum funcționează de fapt un detector de IA

Aproape tot ce se vinde în această categorie aparține uneia dintre două familii, iar distincția contează pentru că ele eșuează în moduri diferite.

Perplexitate și burstiness

Familia mai veche măsoară proprietăți statistice ale textului în sine. Perplexitatea descrie cât de surprins este un model lingvistic de fiecare cuvânt, date fiind cuvintele dinainte, așa că proza pe care modelul o găsește foarte previzibilă primește un scor mic. Burstiness descrie variația acelei previzibilități de la o frază la alta, pornind de la ideea că scrisul uman oscilează între evident și ciudat, în timp ce textul generat rămâne într-o bandă mai îngustă.

Un instrument construit așa nu identifică o mașină. Măsoară cât de convențională este proza și apoi afirmă că proza convențională este proză de mașină. Acea deducție este întregul produs și din ea provine fiecare mod de eșec.

Clasificatoare antrenate pe text generat

Familia mai nouă antrenează un model pe corpusuri perechi de text uman și generat și învață orice le separă. Se descurcă mai bine decât perplexitatea brută pe distribuția pe care a fost antrenată și moștenește o problemă mai grea: acea distribuție se deplasează de fiecare dată când un model este actualizat sau un prompt schimbă registrul.

Niciuna dintre cele două familii nu are acces la vreun fapt despre modul în care a fost produs textul. Amândouă ghicesc stilul pornind de la artefactul finit, și tocmai de aceea schimbarea stilului le învinge. O a treia abordare, filigranul, funcționează altfel și este tratată mai jos, pentru că este singura care pornește de la dovezi, nu de la deducții.

Ce spune cercetarea despre precizia detectoarelor de IA

Testul comparativ pe paisprezece instrumente

Cel mai citat test controlat este Testing of detection tools for AI-generated text, publicat în International Journal for Educational Integrity în 2023. Weber-Wulff și colegii au trecut 54 de documente de test prin 14 instrumente, douăsprezece gratuite și două comerciale (Turnitin și PlagiarismCheck), pentru 756 de teste individuale.

Rezultatul este fără menajamente. Fiecare instrument a rămas sub 80% acuratețe și doar cinci au depășit 70%. Acuratețea pe documente scrise cu adevărat de oameni a fost de 96%, cifră care se citește bine până vezi restul. Pe text de IA nemodificat a fost de 74%. Pe text de IA editat ușor de o persoană a fost de 42%. Pe text de IA trecut printr-un instrument de reformulare a fost de 26%.

Lucrarea consemnează că rezultatele ei diferă substanțial de ceea ce pretind unele instrumente de detectare a textului generat de IA, iar propria ei concluzie este citată mult mai rar decât ar merita: acele sisteme nu sunt nici precise, nici fiabile, iar sistemele testate nu ar trebui folosite în mediul academic.

Un test din 2026 al liderilor comerciali

Trei ani mai târziu, un studiu din februarie 2026 din aceeași revistă a testat Turnitin și Originality pe un set echilibrat de 192 de texte: lucrări studențești autentice produse înainte ca IA generativă să fie larg disponibilă, texte profesionale scrise de oameni, ieșiri de IA și documente hibride alcătuite aproximativ pe jumătate din fiecare.

Originality a atins o acuratețe medie macro de 0,69, iar Turnitin de 0,61, și amândouă au produs scoruri F1 medii macro sub 0,55. Pe textele hibride, care descriu felul în care scriu astăzi cei mai mulți oameni, Originality a arătat o rată de regăsire aproape de zero. Nu a identificat aproape niciunul dintre ele.

Diferența dintre domenii este rezultatul care ar trebui să îngrijoreze pe oricine publică conținut tehnic. Acuratețea Turnitin a scăzut de la 0,86 pe texte umaniste la 0,51 pe texte științifice. Originality a scăzut de la 0,96 la 0,58. Ambele diferențe au fost semnificative statistic. La 0,51 pe scriitura științifică, un detector face ceva foarte apropiat de aruncarea unei monede.

Singurul furnizor care și-a publicat propriul eșec

OpenAI a lansat un clasificator în ianuarie 2023 și l-a retras. Propria pagină de anunț poartă acum nota că, începând cu 20 iulie 2023, clasificatorul de IA nu mai este disponibil din cauza ratei sale scăzute de acuratețe, iar textul original păstrează cifrele: identifica corect 26% din textul scris de IA drept probabil scris de IA, în timp ce eticheta greșit textul scris de oameni drept scris de IA în 9% din cazuri. Pagina avertiza și că nu ar trebui folosit ca instrument principal de decizie. Este organizația cu cel mai bun acces posibil la distribuția de antrenament, iar rata de adevărat pozitiv pe care o raportează este de aproximativ unu din patru.

Problema fals pozitivelor și pe cine cade

Studiul TOEFL

GPT detectors are biased against non-native English writers, de Liang, Yuksekgonul, Mao, Wu și Zou, a apărut în Patterns în 2023. Metoda a fost simplă: șapte detectoare larg folosite au fost rulate pe 91 de eseuri TOEFL scrise de vorbitori nenativi de engleză și pe 88 de eseuri scrise de elevi americani de clasa a opta.

Cu școlarii americani detectoarele au lucrat corect. Pe eseurile TOEFL, rata medie de fals pozitiv a fost de 61,3%. Toate șapte au semnalat în unanimitate 19,8% dintre acele eseuri scrise de oameni ca fiind scrise de IA, iar cel puțin un detector a semnalat 97,8% dintre ele.

Apoi cercetătorii au făcut lucrul care dă jocul pe față. Au pus aceleași eseuri să fie rescrise într-un limbaj mai literar, iar rata medie de fals pozitiv a scăzut de la 61,3% la 11,6%.

De ce cade eroarea acolo unde cade

Acea scădere arată exact ce se măsoară. Instrumentele detectează o varietate lexicală limitată, care este o proprietate a scrisului într-o a doua limbă, și o raportează drept paternitate a unei mașini. Testul comparativ din 2023 a găsit același efect dintr-o altă direcție: textul scris de oameni și tradus automat în engleză pierdea 20 de puncte procentuale de acuratețe, așa că un cercetător care scrie în propria limbă și apoi traduce are un risc sporit de acuzație nedreaptă.

Ce urmează de aici nu este un caz la limită. Un instrument cu o rată de fals pozitiv de 61,3% pe un grup identificabil de autori nu trebuie folosit pentru a lua o decizie cu urmări asupra unei persoane. Lucrarea din 2023 formulează bine versiunea practică: aceste instrumente returnează un procent fără nicio dovadă atașată, așa că un student acuzat doar pe această bază nu ar avea nicio posibilitate de apărare.

De ce editarea învinge un detector de IA

Cel mai clar experiment este Paraphrasing evades detectors of AI-generated text, de Krishna, Song, Karpinska, Wieting și Iyyer. Au construit un model de reformulare cu 11 miliarde de parametri numit DIPPER și au trecut text generat prin el. Acuratețea de detectare a DetectGPT a scăzut de la 70,3% la 4,6% la o rată fixă de fals pozitiv de 1%. Filigranul, GPTZero și clasificatorul OpenAI au fost eludate la fel.

Stați o clipă cu corolarul, pentru că el este rezumatul onest al întregii categorii. Dacă ieșirea needitată este detectată în proporție de 74%, iar cea editată în proporție de 42%, atunci ceea ce identifică fiabil instrumentele nu este paternitatea unei mașini. Este neglijența. O pagină lipită direct dintr-o fereastră de chat este semnalată. Aceeași pagină, după ce un redactor competent a tăiat o treime din ea, a adăugat două detalii pe care doar autorul le știe și a rescris deschiderile, nu mai este. Detectorul este un indicator indirect al efortului, și încă unul slab.

Apărarea propusă în lucrarea lui Krishna merită menționată pentru că nu este deloc detectare. Este regăsire: căutarea într-o bază de 15 milioane de secvențe generate anterior a unei potriviri apropiate, ceea ce a prins între 80% și 97% din generările reformulate, semnalând totodată 1% din textul uman. Funcționează pentru că se compară cu o evidență a ceea ce s-a produs cu adevărat. Cere însă ca furnizorul modelului să țină acea evidență și să facă verificarea, lucru pe care niciun instrument public nu îl poate face.

Filigranul, alternativa serioasă din punct de vedere tehnic

Prin ce se deosebește

Filigranul intervine în momentul generării, în loc să ghicească după aceea. SynthID pentru text, de la Google DeepMind, stă în bucla de eșantionare ca procesor de logiți și, în cuvintele Google, îmbogățește logiții modelului cu o funcție g pseudoaleatoare pentru a codifica informația de filigran într-un mod care ajută la stabilirea faptului că textul a fost generat de modelul dumneavoastră, fără a afecta semnificativ calitatea textului. Documentația pentru dezvoltatori descrie un detector bayesian care returnează una dintre trei stări: cu filigran, fără filigran sau incert.

Google a anunțat filigranarea textului pentru aplicația și interfața web Gemini în mai 2024. Este o implementare reală și este o afirmație de altă natură decât o presupunere despre stil, pentru că semnalul a fost introdus intenționat, nu dedus.

Limitele pe care Google le declară singur

Aceeași documentație este sinceră despre ce anume strică metoda. Filigranarea este mai puțin eficientă pe răspunsurile factuale, pentru că există mai puține ocazii de a îmbogăți generarea fără a scădea acuratețea, iar scorurile de încredere ale detectorului pot scădea mult atunci când un text generat de IA este rescris temeinic sau tradus în altă limbă. Google adaugă că SynthID nu este conceput pentru a-i împiedica direct pe adversarii motivați să producă daune.

Există un efort paralel pe metadate de proveniență, nu pe semnal statistic. Specificația C2PA Content Credentials, ajunsă la versiunea 2.4, leagă de un fișier un manifest semnat criptografic care îi consemnează originea și modificările aplicate. Este explicit voluntară, iar adoptarea globală este obiectivul declarat, nu starea actuală.

Ambele abordări au aceeași limită dură. Vă spun că un furnizor participant a generat un anumit șir de caractere. Nu vă spun nimic despre ieșirile unui furnizor care nu participă și slăbesc exact sub acea rescriere pe care un om atent o face oricum. Filigranul este un control al lanțului de aprovizionare pentru cel care rulează modelul. Nu este o cale de a audita documentul unui străin.

Penalizează Google conținutul produs cu IA?

Poziția Google a fost publicată în februarie 2023 și nu s-a schimbat. Articolul de pe blogul Search Central se numește Google Search’s guidance about AI-generated content, titlul secțiunii vorbește despre recompensarea conținutului de calitate, oricum ar fi fost el produs, iar fraza de bază este aceasta: atenția acordată calității conținutului, mai degrabă decât modului în care conținutul este produs, este un reper util care de ani buni ajută la livrarea unor rezultate fiabile și de calitate pentru utilizatori.

Articolul mai afirmă că nu orice utilizare a automatizării, inclusiv generarea cu IA, este spam, amintind că automatizarea produce de mult timp rezultate sportive, prognoze meteo și transcrieri. Ceea ce constituie o încălcare este folosirea automatizării, IA inclusă, cu scopul principal de a manipula clasarea în rezultatele căutării.

Ce se penalizează de fapt

Regula care mușcă este scaled content abuse. Google o definește drept generarea multor pagini cu scopul principal de a manipula clasările în căutare și nu de a ajuta utilizatorii, vizând crearea unor cantități mari de conținut neoriginal care oferă utilizatorilor puțină valoare sau deloc, indiferent de felul în care a fost creat.

Citiți de două ori ultima parte. Metoda de producție este explicit lipsită de relevanță. Două sute de pagini subțiri fabricate de mână dintr-un șablon cu nume de orașe încalcă regula exact la fel de mult ca două sute fabricate de un model. Ghidul Google privind folosirea conținutului de IA generativă spune același lucru din cealaltă parte: tehnologia este utilă pentru documentare și structură, dar folosirea ei pentru a genera multe pagini fără a adăuga valoare pentru utilizatori poate încălca regula antispam a Google privind scaled content abuse.

Așadar nu există nicio penalizare pentru IA care să fie detectată și niciun scor de detector pe care Google să îl consulte. Distincția ține de scop și de valoare. O pagină care răspunde la o întrebare pe care clienții dumneavoastră chiar o pun și care conține ceva ce numai firma dumneavoastră știe nu este abuz, chiar dacă un model i-a scris prima versiune.

Ce să măsurați în loc de un scor

Cifrele noastre demonstrează asta mai bine decât un argument. Într-o fereastră recentă de 28 de zile, acest site a strâns 52.331 de afișări de la Google, cu 531 de interogări aflate în primele zece poziții. Acele interogări au produs 28.847 de afișări și 161 de clicuri, o rată de clic de 0,56%, acolo unde pozițiile de la patru la zece obțin în mod normal între 2% și 8%. Iar 452 dintre ele nu au primit niciun clic.

Nimic din toate acestea nu este o problemă de detectare. Este o problemă de diferențiere, iar niciun instrument din această categorie nu o măsoară.

Indicatorii care merită urmăriți sunt rata de clic raportată la poziția pe care o ocupați și faptul că răspunsurile generate de IA vă citează sau doar vă clasează, subiect pe care îl tratăm în de ce un conținut se clasează, dar nu este niciodată citat și în ce înseamnă modul IA al Google pentru traficul dumneavoastră. Apoi vin deciziile editoriale: curățarea conținutului pentru paginile care nu răspund la nimic anume și împrospătarea conținutului pentru cele care răspundeau odinioară. Un audit SEO tehnic scoate la iveală jumătatea mecanică a aceleiași imagini, adică dacă paginile la care țineți sunt măcar eligibile să fie văzute.

Ce să faceți dacă un detector vă semnalează lucrarea

Un scor nu este o dovadă

Numărul este opinia unui model despre stil, produsă fără acces la vreun fapt despre felul în care a fost scris textul. Nu este retorică, este chiar proiectarea instrumentului. Spuneți asta limpede și citați testele evaluate colegial în loc să argumentați pornind de la propria credibilitate, pentru că cercetarea este de partea dumneavoastră, iar credibilitatea este exact ceea ce se pune la îndoială.

Proveniența pe care o controlați

Istoricul versiunilor este cel mai puternic lucru pe care îl aveți și ajută doar dacă există înainte să aveți nevoie de el. Țineți documentele într-un sistem care înregistrează revizuirile, păstrați schița și notițele, păstrați sursele pe care le-ați citit și data la care le-ați citit. Un document care a crescut de-a lungul a nouă zile prin patruzeci de versiuni salvate este un răspuns mult mai bun decât orice contrascor.

Cereți ca același instrument să fie rulat pe ceva scris de dumneavoastră acum câțiva ani, înainte ca IA generativă să fie disponibilă. Este exact martorul folosit de studiul din 2026. Întrebați dacă un al doilea instrument este de acord, pentru că inconsecvența dintre instrumente, și dintre rulări repetate ale aceluiași instrument, a fost documentată în testul comparativ din 2023. Dacă engleza nu vă este limbă maternă, sau dacă ați scris în altă limbă și apoi ați tradus, puneți cifra de 61,3% și penalizarea de 20 de puncte din traducere în fața celui care ia decizia.

Umanizatoarele și economia baterii unui test deja stricat

Să plătiți un abonament lunar ca să bateți un test care greșește deja între 26% și 58% din cazurile care contează este o folosire proastă a banilor, iar testul comparativ din 2023 a consemnat că un instrument din acest domeniu își sfătuia utilizatorii să își editeze textul până când conține mai puțin conținut de IA detectabil, ceea ce înseamnă o categorie care argumentează împotriva propriei premise.

Există un cost real dincolo de taxă. Trecerile de umanizare funcționează adăugând varianță lexicală, ceea ce în practică înseamnă înlocuiri din dicționarul de sinonime, atenuări și fraze umflate. Ajungeți să optimizați pentru o mașină care nu vă influențează clasările, în dauna omului care decide chiar dacă să vă contacteze. Dacă aveți buget pentru asta, cheltuiți-l pe un redactor.

Unde adaugă cu adevărat valoare o agenție

Nu în evitarea detectoarelor. Ceea ce schimbă rezultatele este procesul editorial și expertiza demonstrabilă: un brief tematic care identifică ce știe firma dumneavoastră și concurenții nu, un autor cu nume și acreditări reale, surse citate și datate și o etapă de verificare în care cineva care a făcut meseria confirmă că afirmațiile sunt adevărate. Acel proces face, ca efect secundar, ca rezultatul să fie nedetectabil, dar aceasta este o consecință, nu obiectivul.

Mecanik construiește programe de conținut pe această bază și le verifică pe cele existente prin serviciul nostru de audit SEO, care pornește de la ceea ce câștigă azi paginile dumneavoastră, nu de la felul în care au fost scrise. Dacă paginile se clasează și nu se întâmplă nimic, remediul este specificitatea și autoritatea, iar un audit SEO tehnic vă va spune care dintre cele două vă blochează cu adevărat. Scorurile detectoarelor nu vor apărea în raport, pentru că nu măsoară nimic asupra căruia să puteți acționa. Dacă vreți mai întâi imaginea comercială de ansamblu, ghidul nostru despre ce face o agenție SEO pentru IA și cât costă arată unde se duc cu adevărat banii.

Întrebări frecvente

Sunt precise detectoarele de IA? Nu în mod fiabil. Un studiu din 2023 din International Journal for Educational Integrity a testat 14 instrumente în 756 de teste individuale și a constatat că fiecare a rămas sub 80% acuratețe, doar cinci depășind 70%. Acuratețea a fost de 74% pe text de IA nemodificat, de 42% după o editare umană și de 26% după reformularea automată. Un studiu din februarie 2026 despre Turnitin și Originality a găsit acurateți medii macro de 0,61 și 0,69.

Penalizează Google conținutul generat cu IA? Nu. Ghidul publicat de Google spune că atenția sa este îndreptată spre calitatea conținutului, nu spre modul în care este produs, și că nu orice utilizare a automatizării este spam. Ceea ce încalcă politica este scaled content abuse, definit ca generarea multor pagini în principal pentru a manipula clasările, nu pentru a ajuta utilizatorii, iar Google precizează că acest lucru se aplică indiferent de felul în care a fost creat conținutul.

De ce semnalează detectoarele de IA autorii care nu sunt vorbitori nativi de engleză? Pentru că măsoară varietatea lexicală și previzibilitatea, nu paternitatea textului. Un studiu din 2023 din Patterns a rulat șapte detectoare pe 91 de eseuri TOEFL scrise de vorbitori nenativi și a consemnat o rată medie de fals pozitiv de 61,3%, față de rezultate aproape corecte pe eseurile elevilor americani. Rescrierea acelorași eseuri într-un limbaj mai literar a redus rata de fals pozitiv la 11,6%.

Poate un detector de IA să spună dacă un text a fost editat de un om? Practic nu, iar aceasta este cea mai mare lacună. Acuratețea pe text de IA cu o editare umană ușoară a fost de 42% în testul comparativ din 2023, iar un studiu din 2026 a găsit o rată de regăsire aproape de zero pe documentele hibride alcătuite aproximativ pe jumătate din text uman și pe jumătate din text de IA. Cercetarea despre reformulare a coborât un detector de la 70,3% la 4,6% la o rată fixă de fals pozitiv de 1%.

Ce fac dacă sunt acuzat pe nedrept că am folosit IA? Tratați scorul ca pe o opinie despre stil, nu ca pe o dovadă, și spuneți asta citând cercetarea publicată. Prezentați proveniența pe care o controlați: istoricul versiunilor documentului, ciornele, notițele și sursele cu marcaj de timp. Cereți ca același instrument să fie rulat pe lucrări scrise înainte ca IA generativă să existe și întrebați dacă un al doilea instrument este de acord, dat fiind că inconsecvența dintre instrumente este documentată.