Um detector de IA põe em causa a autoria humana de um dos textos mais importantes da história.

Durante séculos, houve um texto que condensou, numa só peça, coragem civil e engenho político.

Hoje, uma ferramenta de software trata-o como se fosse prosa descartável produzida em série.

A Declaração de Independência dos Estados Unidos, tantas vezes apresentada como um auge da retórica humana, tropeçou num teste contemporâneo: um detetor de IA concluiu que o texto foi, quase na totalidade, escrito por uma máquina. O resultado não diz rigorosamente nada sobre 1776 - mas diz muito sobre a confusão em que já vivemos quanto à autoria na era da inteligência artificial.

Declaração de Independência e detetores de IA: quando um manifesto de 1776 é marcado como “texto de máquina”

A discussão começou quando a especialista em SEO Dianna Mason colou o texto integral da Declaração de Independência num serviço popular de deteção de IA. A ferramenta avaliou linguagem, cadência e organização frásica e devolveu um veredicto sem rodeios: o documento era “98,51% provável” de ter sido gerado por inteligência artificial.

O mesmo software que rotula trabalhos académicos como “escritos por IA” acabou por aplicar a etiqueta ao texto fundador dos Estados Unidos.

É evidente que não existia qualquer modelo de IA quando Thomas Jefferson redigiu a Declaração em 1776. Em termos históricos, trata-se de um erro categórico - mas o episódio reproduz, em tempo real, o tipo de suspeita automatizada que estudantes, jornalistas e investigadores enfrentam hoje.

E não foi um caso isolado. Testes com ferramentas semelhantes assinalaram também pareceres jurídicos dos anos 1990 e passagens da Bíblia como prováveis saídas de IA. Os exemplos circularam rapidamente nas redes sociais, muitas vezes como “prova” de que os detetores de IA não funcionam ou de que penalizam escrita formal, densa e bem estruturada.

O momento é particularmente tenso: universidades, redações e instituições públicas em todo o mundo apoiam-se em detetores de IA para identificar possíveis fraudes. No entanto, cresce o número de queixas a indicar que estes sistemas falham precisamente como falharam com a Declaração - confundindo prosa cuidada e disciplinada com texto algorítmico.

Porque é que os detetores de IA se baralham com o passado - e também com o presente

Os detetores de IA não “leem” significado nem avaliam intenção; procuram padrões estatísticos e calculam probabilidades. Quando encontram traços frequentemente associados a texto gerado por máquina, a pontuação sobe.

• Frases com comprimento muito regular podem parecer “demasiado polidas” para serem humanas.
• Escolhas lexicais previsíveis levantam suspeitas.
• Um registo formal ou antigo pode aproximar-se de estilos existentes nos dados de treino dos modelos.
• Repetições de construção (por exemplo, fórmulas anafóricas do tipo “Nós consideramos…”) disparam sinais típicos de IA.

A Declaração de Independência encaixa em vários destes critérios: usa aberturas repetidas, paralelismos rígidos e uma progressão de argumentos lógica, quase “mecânica”. Para um algoritmo treinado a reconhecer padrões de escrita de IA moderna, esse desenho retórico pode soar estranhamente familiar.

Textos históricos seguem, muitas vezes, regras retóricas rígidas. Detetores atuais confundem essa disciplina com a “planura” típica de alguma prosa gerada por IA.

Há ainda um fator adicional: muitos modelos de deteção foram afinados com conteúdos recolhidos na web, incluindo clássicos em domínio público e textos religiosos. Quando a ferramenta “reencontra” a Declaração, pode não distinguir “texto canónico amplamente divulgado” de “texto que se parece com os exemplos presentes no meu treino”. O sinal estatístico fica contaminado.

Nas salas de aula, o problema amplia-se. Existem casos documentados de estudantes acusados de usar IA apenas com base em pontuações elevadas - mesmo quando escreveram o trabalho por conta própria. Algumas escolas recuaram após revisão humana, mas o dano na confiança, muitas vezes, permanece.

Conseguimos separar, com fiabilidade, escrita humana de escrita por IA?

Antes da era digital, provar autoria recorria com frequência a vestígios físicos: caligrafia, tipo de tinta, origem do papel. Mesmo a impressão tradicional deixava marcas identificáveis de prensas e tipógrafos, permitindo ligar um documento a uma pessoa, oficina ou local.

O texto digital apaga essas pistas. Um parágrafo redigido numa esplanada em 2025 pode parecer, no ecrã, indistinguível de outro produzido num centro de dados. Não há notas na margem, nem pressão de caneta, nem rasuras. Apenas caracteres.

Atualmente, as abordagens para atribuir autoria em contexto de IA tendem a agrupar-se em duas famílias principais:

Abordagem	Como funciona	Principal fragilidade
Deteção baseada apenas no texto	Analisa estilo, repetição, escolhas de palavras e estrutura à procura de padrões típicos de IA.	Gera falsos positivos em texto humano e falsos negativos em texto de IA mais refinado.
Marcação de água e etiquetas criptográficas	Insere sinais ocultos ou metadados quando a IA gera o texto.	Depende da colaboração dos fornecedores; perde-se ao copiar, editar ou reformatar o texto.

À medida que modelos como o GPT-4 e os que lhe sucedem evoluem, a distância entre produção humana e produção automática diminui. Os sistemas são afinados para imitar idiossincrasias, variar ritmos frásicos e introduzir pequenos traços de personalidade. Muitos detetores - desenhados para gerações anteriores - ficam para trás.

Um caminho complementar, cada vez mais valorizado, é o da “prova de processo”: histórico de versões, rascunhos, notas de leitura, bibliografia comentada e registos de edição (por exemplo, em processadores de texto colaborativos). Em vez de tentar adivinhar a autoria só pelo produto final, avalia-se a cadeia de trabalho que o originou.

A origem do texto ainda é o que mais importa?

Para Dianna Mason, a questão central não está tanto na exatidão do algoritmo, mas na forma como reagimos ao rótulo. Numa entrevista à Forbes, defende que muitos leitores ainda sentem desconforto ao descobrir que um conteúdo foi produzido com IA. Há quem se afaste por instinto, partindo do princípio de que falta profundidade, cuidado ou responsabilidade.

O estigma em torno da escrita por IA molda comportamentos: a etiqueta “gerado” pesa, muitas vezes, mais do que as próprias palavras.

O empreendedor Benjamin Morrison, também citado pela Forbes, adota uma posição mais pragmática: vê a resistência à escrita com IA como mais um capítulo de um padrão recorrente - a sociedade recua, discute, e acaba por integrar cada vaga tecnológica. De calculadoras em contexto escolar a fotografia digital, ferramentas que inicialmente pareciam “batota” tornaram-se, depois, equipamento comum.

Daí que o debate se desloque: menos “quem escreveu?” e mais “o que provoca?”. Quem beneficia? Quem responde por erros, enviesamentos ou omissões? Que grau de transparência deve existir quando há apoio de IA? Questões como estas têm mais peso do que qualquer pontuação bruta de um detetor.

Consequências reais para estudantes, jornalistas e tribunais

Falsos positivos na Declaração de Independência e na Bíblia dão títulos fáceis. Mas falhas semelhantes podem afetar vidas de forma discreta e grave. Quando um professor submete um ensaio a um detetor e recebe “99% IA”, o aluno pode enfrentar reprovação ou processos disciplinares. Há estudantes que afirmam não ter tido oportunidade real de contestar o resultado.

Juristas especializados em direito académico já alertam: estas ferramentas não devem ser prova principal de fraude. No máximo, dizem, uma pontuação pode justificar uma conversa - não uma condenação. A mesma prudência aplica-se às redações, onde editores podem desconfiar de trabalho freelance com base num único veredicto automatizado.

Os próprios sistemas judiciais sentem pressão. Juízes e oficiais de justiça começam a questionar se determinadas peças incluem argumentação gerada por IA, sobretudo quando surgem citações de jurisprudência inexistente. Se um detetor é capaz de classificar decisões judiciais dos anos 1990 como “escritas por IA”, então confiar cegamente nesses sinais arrisca comprometer a justiça em vez de a proteger.

Novas normas para um mundo de escrita híbrida entre humanos e IA

Em vez de perseguir um “detetor de mentiras” perfeito, alguns especialistas defendem normas centradas em divulgação e responsabilidade. Nesta perspetiva, a IA torna-se mais uma ferramenta - como o corretor ortográfico ou o software de tradução - e não um “autor fantasma” interdito.

Padrões possíveis que começam a ganhar forma

• Políticas claras nas escolas sobre quando e como a assistência de IA é permitida.
• Identificação em artigos noticiosos indicando se a IA ajudou a redigir, traduzir ou resumir conteúdo.
• Cláusulas contratuais a exigir que autores declarem se a IA produziu partes substanciais do texto.
• Orientações no setor público para uso de IA em documentos oficiais, de modo a preservar confiança.

Estas medidas deslocam o peso da deteção probabilística para a responsabilidade humana. Em vez de tentar adivinhar quem escreveu, as instituições pedem que as pessoas expliquem métodos - e criem consequências para falsas declarações.

Num contexto europeu, esta discussão cruza-se ainda com exigências de transparência e governação tecnológica, e com expectativas sociais de prestação de contas quando sistemas automatizados influenciam decisões com impacto relevante. Mesmo sem entrar em tecnicismos legais, a direção é clara: mais rastreabilidade, mais explicação, menos fé cega em “pontuações”.

Para lá da deteção: estilo, intenção, risco e colaboração

O episódio da Declaração também reabre uma questão mais funda sobre o que entendemos por autoria. Muitos textos canónicos nasceram de colaboração, revisão e influência. Jefferson não escreveu num vácuo: recolheu ideias de filósofos, panfletos e debates políticos do seu tempo.

As ferramentas de IA funcionam como um novo tipo de colaborador: rápido, incansável, moldado por padrões extraídos de milhares de milhões de palavras. Isso cria preocupações práticas:

• Dependência excessiva de IA pode achatar estilo e voz individuais.
• Dados de treino enviesados podem amplificar estereótipos em relatórios e propostas de política pública.
• Conteúdo jurídico ou médico gerado pode soar seguro e convincente, mas estar errado.
• Escrita fantasma em escala pode inundar o debate público com argumentos sintéticos, mas persuasivos.

Nada disto desaparece se os detetores de IA se tornarem mais precisos. Exige literacia sobre como modelos de linguagem funcionam, onde falham e em que são úteis. Estudantes que aprendem a usar IA de forma crítica - e não clandestina - podem acabar por desenvolver melhor discernimento do que aqueles que são simplesmente proibidos de a tocar.

O caso da Declaração de Independência mal rotulada é, ao mesmo tempo, absurdo e esclarecedor. Se um texto fundador pode ser confundido com prosa sintética, então o estilo, por si só, já não sustenta a nossa noção de “escrita humana”. Leitores, educadores e legisladores enfrentam agora uma tarefa mais difícil: desenhar regras e expectativas para um mundo onde frases humanas e frases de máquina coexistem, muitas vezes indistinguíveis - mas não necessariamente equivalentes no plano ético e da responsabilidade.