O texto não inglês no detector de IA é onde a confiabilidade cai mais rapidamente. A maioria dos detectores é treinada principalmente em inglês, então um artigo em espanhol ou francês recebe uma pontuação baseada em evidências emprestadas. Essa pontuação é uma estimativa de probabilidade, não uma prova de autoria. Aqui está por que isso acontece, quais idiomas resistem e como testar um sinalizador você mesmo.
Por que a confiabilidade do detector cai fora do inglês?
Três coisas quebram ao mesmo tempo.
Primeiro, os dados de treinamento. Os modelos de detecção aprendem como o texto de máquina se parece a partir de grandes corpora de passagens escritas por humanos e por modelos. Esses corpora são dominados pelo inglês. Um modelo que viu milhões de redações em inglês e uma pequena fração em espanhol tem uma referência mais limitada para o ritmo, os conectores e a estrutura das frases em espanhol.
Segundo, a tokenização. Os detectores medem propriedades estatísticas como perplexidade e burstiness - quão previsível é a próxima palavra e quanto o comprimento e a estrutura das frases variam. Os tokenizadores geralmente são construídos para limites de palavras em inglês. Aplicados ao espanhol ou francês, eles dividem as palavras de forma diferente, e os números resultantes deixam de significar o que significam em inglês. Você pode ler mais sobre esses sinais em nosso guia sobre burstiness e perplexidade explicadas.
Terceiro, a armadilha da fluência. Escritores não nativos frequentemente produzem textos gramaticalmente limpos, com ritmo uniforme e poucas expressões idiomáticas. Esse perfil se assemelha à saída de um modelo de linguagem, que também é limpa, uniforme e com poucas expressões idiomáticas. O detector não está detectando IA. Ele está detectando “prosa incomumente regular”, e prosa regular é exatamente o que escritores multilíngues cuidadosos produzem.
Realizámos a nossa própria medição em 2026-09-19 usando o detector DeAIze (ensemble local, nível lite) com um limiar de sinalização de 30%. Em 46 guias DeAIze escritos à mão, a pontuação média de IA foi de 27% e a mediana de 25%, com 17 de 46 sinalizados. Em 12 passagens de modelo não editadas, a média foi de 35% e a mediana de 34%. Essas duas distribuições sobrepõem-se fortemente. Esse é o quadro honesto: mesmo em inglês, a escrita humana e a escrita de máquina estão muito próximas, pelo que um único limiar produz tanto falhas como falsos positivos. Noutra língua, com dados de referência mais fracos, a sobreposição é maior.
Que línguas são melhor suportadas neste momento?
O suporte é irregular e nenhum fornecedor publica uma tabela de fiabilidade limpa por língua. O que se pode observar é uma hierarquização aproximada.
| Nível | Línguas | O que esperar |
|---|---|---|
| Melhor suportadas | Inglês | A única língua para a qual a maioria dos detetores foi realmente concebida. Ainda assim, ruidosa. |
| Bem suportadas | Espanhol, Francês, Alemão, Português, Italiano | Sinal utilizável, mas os limiares calibrados em inglês podem não ser transferíveis. |
| Parcialmente suportadas | Neerlandês, Polaco, Turco, Russo, Árabe, Chinês, Japonês | As pontuações aparecem, mas são menos estáveis entre ferramentas e rascunhos. |
| Fracamente suportadas | A maioria das outras línguas e texto em várias línguas | Trate qualquer pontuação como uma pista aproximada, não como prova. |
Os documentos em várias línguas são um problema à parte. Um artigo com resumos em inglês, corpo do texto em espanhol e citações em francês pode confundir um detetor que espera uma única língua em todo o documento. Se o seu documento alterna entre línguas, espere resultados instáveis mesmo que cada frase seja sua.
Se quiser a vista frase a frase antes de discutir o número, passe primeiro o seu rascunho pelo DeAIze detetor de IA - o realce por frase é o que transforma “a ferramenta diz que fiz batota” em “aqui estão as quatro linhas que sinalizou e aqui está por que são minhas”.
Como você faz uma verificação de sanidade de um sinalizador em idioma não inglês?
Siga esta ordem. Leva cerca de vinte minutos e fornece algo concreto para mostrar a um instrutor ou editor.
- Obtenha uma visão em nível de frase. Uma pontuação do documento inteiro não diz quase nada. Você precisa ver quais frases carregam o sinal. O detector de IA do DeAIze pontua o documento e destaca cada frase pela probabilidade de IA, para que você possa ver se a sinalização está em três linhas ou trinta.
- Verifique se a sinalização se agrupa. Padrões reais de máquina se agrupam: várias frases adjacentes com pontuações altas, comprimento semelhante, estrutura semelhante. Uma dispersão de frases sinalizadas isoladas ao longo de um longo rascunho humano geralmente reflete a incerteza do detector, não a autoria.
- Leia as frases sinalizadas em voz alta no seu próprio idioma. Se elas soam como você - seus conectores, suas hesitações, seu fraseado habitual - anote o porquê. Compare-as com um parágrafo que a ferramenta pontuou baixo. Se você não consegue perceber a diferença, o detector provavelmente também não consegue.
- Teste o mesmo texto em duas ferramentas. A discordância entre ferramentas é normal e informativa. Se uma sinaliza uma passagem e outra não, você documentou instabilidade, o que é um ponto legítimo a seu favor.
- Guarde as evidências brutas. Salve o relatório, a data, o nome da ferramenta e o limite, se for mostrado. Se você está entrando em um processo formal, nosso guia sobre o que uma audiência de integridade acadêmica realmente avalia explica o que os painéis procuram, e o que preparar quando um detector sinaliza sua tese percorre a trilha documental.
O que você faz se for falsamente acusado com base em uma sinalização em idioma não inglês?
Comece pelo processo, não pela pontuação.
A saída do detector é uma estimativa de probabilidade. Não é uma conclusão de fato, e a maioria das políticas institucionais a trata como uma entrada entre várias. Se você for acusado, pergunte qual ferramenta foi usada, qual limite foi aplicado e se o relatório foi revisado por um humano antes de se tornar uma acusação. Essas são perguntas razoáveis e deslocam a conversa de “seu número é maior que o nosso número” para “quais são as evidências”.
Então apresente o seu próprio registo. Rascunhos com marcas temporais, notas, esquemas, versões anteriores, comentários do orientador, a lista de referências que construiu você mesmo. A defesa mais forte não é uma segunda pontuação de detetor. É o rasto visível de um processo de escrita real.
Tenha cuidado com o enquadramento. Se usou uma ferramenta de tradução ou um modelo de linguagem para o ajudar a formular frases, diga-o. Esconder isso e depois ser apanhado é muito pior do que divulgá-lo desde o início. O nosso artigo sobre escrita assistida por IA para estudantes explica onde costuma estar a linha, e contornar a deteção de IA é batota dá-lhe um teste de divulgação para aplicar ao seu próprio rascunho antes de submeter seja o que for.
Se a sua instituição tem uma política que não leu, leia-a. O que a sua universidade realmente permite é um resumo prático das cláusulas que importam.
Porque traduzir o seu texto para inglês não resolve nada
Este é o erro mais comum que os escritores multilingues cometem, e sai pela culatra em ambas as direções.
A tradução é uma reescrita. Quando passa o seu parágrafo em espanhol por um tradutor automático, entrega ao detetor um novo texto que, de facto, foi produzido por um modelo. Os comprimentos das suas frases uniformizam-se. Os seus conectores tornam-se genéricos. As suas expressões idiomáticas desaparecem. Pode obter uma pontuação mais alta do que o seu original - e agora tem um documento registado que foi realmente gerado por máquina, o que é uma coisa difícil de explicar.
O contrário também acontece. Uma tradução pode obter uma pontuação inferior à do original, e as pessoas então argumentam “veja, meu texto está bom”. Isso não prova nada sobre o original. Você testou um documento diferente.
Há um uso legítimo: a tradução pode ajudar você a entender a que um detector está reagindo. Se sua frase em espanhol se torna uma frase plana em inglês que parece feita por máquina, o problema subjacente provavelmente é que a frase era regular demais também em espanhol. Corrija o original. Não envie a tradução como evidência.
Como você corrige as frases que realmente carregam o sinal?
Depois de conseguir ver as frases sinalizadas, o trabalho é edição comum. A prosa feita por máquina tende a ser uniforme. A prosa humana não é.
- Varie o comprimento das frases de propósito. Coloque uma frase curta ao lado de uma longa. Depois outra curta.
- Substitua conectores genéricos pelos que você realmente usa ao falar seu idioma. Se você diria “y ademas” em espanhol, não escreva “furthermore” em inglês porque soa acadêmico.
- Adicione um detalhe concreto por parágrafo: uma data, um lugar, um número específico dos seus próprios dados, uma fonte nomeada. Texto de máquina é abstrato por padrão.
- Quebre uma estrutura paralela por página. Listas de três itens e padrões de orações correspondentes são a marca mais clara de máquina.
- Leia o parágrafo em voz alta. Se você nunca diria dessa forma, reescreva.
Nada disso muda suas afirmações. Muda o ritmo, que é a que o detector está reagindo. Nosso guia para limpar padrões feitos por máquina em seus próprios rascunhos percorre essa etapa em mais detalhes, e se você está trabalhando em um documento do Word e quer manter sua formatação, este fluxo de trabalho evita quebrar estilos e tabelas.
Se quiser que o ciclo de edição seja tratado por si, o DeAIze editor de rascunhos avalia o texto, reescreve apenas as frases sinalizadas, mantém uma reescrita apenas quando a similaridade semântica indica que o significado se manteve, depois reavalia e mostra-lhe o antes e o depois. O site reporta uma redução média da pontuação de IA de 60%+ após humanização, com um melhor caso de 71% - e essas são as pontuações previstas pelo próprio produto, não um veredicto de qualquer detetor de terceiros. No parágrafo de exemplo usado no site, uma pontuação de 92% passa a 4%. Considere isso uma ilustração do ciclo, não uma promessa sobre o seu trabalho.
Que limites deve assumir à partida?
Assuma mais incerteza do que qualquer interface sugere.
- Nenhum detetor publica fiabilidade por idioma. Uma percentagem aparentemente confiante em francês não é mais fiável do que uma hesitante em inglês.
- Textos curtos não são fiáveis. Um resumo de 200 palavras dá ao modelo muito pouco com que trabalhar.
- O registo formal lê-se mais como máquina do que o registo casual em todos os idiomas. A escrita académica é penalizada por design.
- Os detetores mudam. Uma pontuação do mês passado não é reproduzível hoje.
- Verificações cruzadas com APIs de detetores de terceiros, onde configuradas, são mais informativas do que uma estimativa interna, mas continuam a ser estimativas de probabilidade.
Se quiser ver como diferentes ferramentas reportam a mesma passagem, a nossa comparação de detetores e a análise de o que uma pontuação Copyleaks realmente significa são os dois acompanhamentos mais úteis.
Uma ilustração prática
Aqui está um breve antes e depois, em inglês, para que você possa ver a forma da edição. Isto é uma ilustração, não uma submissão real.
Antes: “Os resultados demonstram que a metodologia proposta proporciona melhorias significativas no desempenho geral. Além disso, a análise indica que é necessária investigação adicional para compreender plenamente os mecanismos subjacentes.”
Depois: “O método melhorou o desempenho. Ainda não sabemos por quê. Três execuções comportaram-se de forma diferente, e a segunda falhou completamente, que é a parte que eu investigaria a seguir.”
As afirmações são as mesmas. A segunda versão é mais curta, irregular e contém uma observação específica. Essa é toda a técnica.
Pronto para ver quais frases parecem feitas por máquina?
Você não precisa adivinhar quais linhas causaram o sinal. Abra o detector de IA, cole o seu rascunho e leia o destaque ao nível da frase antes de decidir qualquer coisa. Se as linhas sinalizadas são genuinamente suas, agora tem algo específico para defender. Se não forem, o editor de rascunho reescreve apenas essas frases e reavalia o resultado, para que possa ver exatamente o que mudou. Consulte preços se precisar de mais do que as 200 palavras gratuitas que recebe ao registar-se, ou crie uma conta e teste primeiro no seu próprio parágrafo. Os créditos são pagos conforme o uso e nunca expiram, por isso não há subscrição para cancelar se não ajudar.
A detecção é um sinal, não um veredito. As suas ideias, os seus dados e as suas conclusões continuam a ter de ser seus.