Detetor de IA põe em causa a origem humana de um dos textos mais importantes da história.

Durante séculos, houve um texto que personificou coragem cívica e engenho político.

Hoje, uma ferramenta de software trata-o como se fosse texto genérico produzido em série.

A Declaração de Independência dos EUA, frequentemente apresentada como um auge da retórica humana, acabou de tropeçar num teste contemporâneo: um detetor de IA concluiu que o documento teria sido, quase na totalidade, escrito por uma máquina. Isto não revela nada sobre 1776 - mas diz muito sobre o grau de confusão que já existe em torno da autoria na era da inteligência artificial (IA).

Quando a Declaração de Independência dos EUA (1776) é “apanhada” por detetores de IA

A discussão ganhou tração quando a especialista em SEO Dianna Mason colou o texto integral da Declaração num serviço popular de deteção de IA. O sistema avaliou linguagem, cadência e arquitectura frásica e devolveu um veredicto seco: o texto seria “98,51% provável” de ter sido gerado por IA.

O mesmo software que rotula trabalhos académicos como “escritos por IA” aplica agora esse rótulo ao texto fundador dos Estados Unidos.

É evidente que, quando Thomas Jefferson redigiu a Declaração em 1776, não existia qualquer modelo de IA. O resultado é, historicamente, um erro absoluto - mas reproduz um fenómeno muito actual: a suspeita automatizada que já recai sobre estudantes, jornalistas e investigadores.

O ensaio de Mason não ficou por este exemplo. Ferramentas do mesmo tipo também assinalaram como “prováveis outputs de IA” pareceres jurídicos da década de 1990 e excertos da Bíblia. Estes casos circularam depressa nas redes sociais, muitas vezes como “prova” de que os detetores de IA não funcionam ou de que penalizam escrita formal e complexa.

O episódio surge num momento particularmente tenso: universidades, redacções e instituições públicas em vários países recorrem a detetores para apanhar eventuais fraudes. E multiplicam-se relatos de falhas com um padrão recorrente - a ferramenta confunde prosa estruturada e cuidada com texto algorítmico.

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

Os detetores não “compreendem” o que um texto quer dizer. O que fazem é estimar probabilidades com base em padrões estatísticos, procurando sinais frequentemente associados a escrita gerada por modelos.

• Frases com comprimentos muito regulares podem parecer “demasiado polidas” para um humano.
• Vocabulário previsível tende a activar alertas.
• Um registo formal ou arcaizante pode aproximar-se do tipo de texto usado para treinar modelos.
• Repetições de construção (por exemplo, fórmulas do género “Nós afirmamos…”) geram sinais semelhantes aos da escrita automática.

A Declaração encaixa em vários destes critérios: recorre a aberturas repetidas, paralelismos rígidos e uma sequência argumentativa muito disciplinada, quase mecânica. Para um algoritmo habituado a comparar texto humano moderno com texto de IA moderno, essa regularidade pode soar “familiar” - e, por isso, suspeita.

Textos históricos seguem regras retóricas exigentes. Muitos detetores confundem essa disciplina com a “planura” típica de alguma prosa de IA.

Há ainda um factor adicional: muitos modelos de deteção são treinados com conteúdo recolhido na Internet, incluindo obras em domínio público e textos religiosos. Quando reencontram a Declaração, podem não distinguir entre “texto canónico amplamente reproduzido” e “texto que se parece com exemplos presentes no treino”. O sinal fica contaminado.

Em contexto escolar, o problema torna-se mais sensível. Existem casos documentados de alunos acusados com base exclusiva em percentagens elevadas, apesar de terem escrito o trabalho. Em algumas situações, as sanções foram revertidas após revisão humana - mas a quebra de confiança permanece.

Dá para distinguir, de forma fiável, escrita humana de escrita gerada por IA?

Antes do digital, a atribuição de autoria podia apoiar-se em vestígios físicos: caligrafia, tipo de tinta, origem do papel. Mesmo nos primeiros impressos havia marcas identificáveis de oficinas, prensas e tipógrafos, que permitiam ligar um documento a uma pessoa ou a um local.

O texto digital apaga praticamente tudo isso. Um parágrafo escrito num café em 2025 e um parágrafo produzido numa infraestrutura de servidores aparecem, no ecrã, como a mesma coisa: caracteres alinhados, sem rasuras, sem pressão de tinta, sem margens anotadas.

Hoje, a discussão tende a agrupar as soluções em duas famílias principais:

Abordagem	Como funciona	Fragilidade principal
Deteção apenas pelo texto	Analisa estilo, repetição, escolhas lexicais e estrutura à procura de padrões típicos de IA.	Gera falsos positivos em textos humanos e falsos negativos quando a IA é refinada e editada.
Marcação de água e etiquetas criptográficas	Insere sinais ocultos ou metadados no momento em que a IA gera o texto.	Depende de cooperação dos fornecedores; perde-se quando o texto é copiado, reescrito ou editado.

À medida que modelos como o GPT-4 e os seguintes evoluem, a distância entre output humano e output de máquina encolhe. Os sistemas são ajustados para imitar idiossincrasias humanas, variar ritmos frásicos e introduzir traços de personalidade. Muitos detetores, desenhados para gerações anteriores, ficam para trás.

Importa assim tanto a origem de um texto?

Para Dianna Mason, a questão central não é apenas se a ferramenta acertou, mas como reagimos ao rótulo. Numa entrevista à revista Forbes, ela observa que muita gente se sente desconfortável quando descobre que um conteúdo foi produzido por IA - e afasta-se por reflexo, presumindo falta de profundidade, cuidado ou responsabilização.

O estigma da escrita por IA influencia comportamentos: muitas vezes, o selo “gerado” pesa mais do que o conteúdo em si.

Já o empreendedor Benjamin Morrison, também citado pela Forbes, lê a resistência como parte de um ciclo conhecido: a sociedade resiste, negocia limites e, por fim, absorve cada vaga tecnológica. Tal como aconteceu com calculadoras na sala de aula ou com a fotografia digital, aquilo que parece “batota” numa fase inicial pode tornar-se ferramenta padrão mais tarde.

O debate desloca-se, então, da origem para o impacto: quem beneficia do texto? quem responde por erros e enviesamentos? quanta transparência é devida quando existe apoio de IA? Estas perguntas tendem a ser mais importantes do que qualquer percentagem.

O que está em jogo para estudantes, jornalistas e tribunais

Falhas com a Declaração ou a Bíblia fazem bons títulos. Mas os enganos semelhantes têm efeitos discretos e reais no quotidiano. Se um professor submete um ensaio a um detetor e recebe “99% IA”, o aluno pode enfrentar negativas, processos disciplinares e uma mancha de reputação - por vezes sem meios claros para contestar o resultado.

Juristas na área académica já alertam que estes sistemas não devem servir como prova principal de fraude. No máximo, um resultado pode justificar uma conversa e uma verificação adicional, não uma condenação automática. O mesmo cuidado faz sentido nas redacções, onde editores podem desconfiar do trabalho de freelancers com base num único parecer automatizado.

Até o sistema judicial sente a pressão. Magistrados e equipas de apoio questionam se certas peças processuais incluem argumentos gerados por IA, sobretudo quando surgem citações de casos inexistentes. E se um detetor consegue classificar jurisprudência real dos anos 1990 como “escrita por IA”, então depender cegamente destas ferramentas pode fragilizar a justiça em vez de a proteger.

Novas regras num mundo de escrita híbrida (humano + IA)

Em vez de perseguir um “polígrafo perfeito” para texto, alguns especialistas defendem a construção de normas centradas em divulgação e responsabilidade. Nesta visão, a IA passa a ser encarada como mais uma ferramenta - ao lado do corrector ortográfico ou do software de tradução - e não como um ghostwriter intocável.

Padrões possíveis que já começam a aparecer (incluindo para escrita sobre a Declaração de Independência dos EUA)

• Políticas escolares claras sobre quando e como é permitida assistência de IA.
• Etiquetas em artigos noticiosos indicando se a IA ajudou a redigir, traduzir ou resumir.
• Cláusulas contratuais que obriguem autores a declarar se a IA produziu partes substanciais do texto.
• Orientações no sector público sobre uso de IA em documentos oficiais, para preservar confiança e rastreabilidade.

A lógica muda: em vez de tentar adivinhar probabilidades, as instituições exigem que as pessoas expliquem processos - e definem consequências para declarações falsas.

Num contexto europeu, esta abordagem também conversa com tendências regulatórias e de compliance. Organizações em Portugal, sobretudo em educação e administração pública, começam a procurar políticas internas que conciliem inovação com deveres de transparência, protecção de dados e prestação de contas. Mesmo sem depender de um detetor, a pergunta prática passa a ser: que partes foram assistidas por IA, com que ferramentas, e que validação humana existiu?

Para além da deteção: estilo, intenção e risco

O episódio da Declaração reabre uma discussão mais funda sobre o que entendemos por autoria. Muitos textos canónicos já nasceram de colaboração, edição e influência. Jefferson não escreveu isolado: absorveu 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 levanta preocupações concretas:

• Dependência excessiva pode nivelar estilo, voz e originalidade.
• Dados de treino enviesados podem amplificar estereótipos em relatórios e políticas.
• Conteúdo jurídico ou médico pode soar seguro e convincente, mesmo quando está errado.
• Ghostwriting em escala pode inundar o debate público com argumentos sintéticos, mas persuasivos.

Mesmo que os detetores se tornem mais sofisticados, estes riscos não desaparecem. Exigem literacia: compreender como modelos de linguagem funcionam, onde falham e onde podem ser úteis. Alunos que aprendem a usar IA de forma crítica e declarada podem ganhar melhor discernimento do que aqueles que apenas a usam às escondidas - ou que são proibidos sem alternativa pedagógica.

O caso da Declaração de Independência dos EUA, etiquetada como “texto de máquina”, é estranho mas instrutivo. Se um documento fundador pode ser confundido com escrita sintética, então o estilo, por si só, já não serve como âncora segura para definir o que é “humano”. Leitores, educadores e legisladores enfrentam um desafio maior: desenhar regras e expectativas para um mundo em que frases humanas e frases de IA coexistem, muitas vezes indistinguíveis - mas com responsabilidades e implicações que não são equivalentes.