A nossa abordagem às regras de proveniência de texto da UE é simples: os rótulos de proveniência indicam de onde o texto veio, não quem o escreveu, e não alteram a forma como edita. Se publica para a UE, consulte a fonte primária em openai.com/index/eu-text-provenance, guarde os seus rascunhos e corrija a escrita que pode realmente controlar. O rótulo é metadados. O seu manuscrito continua a ser seu.
O que mudou realmente esta semana?
Uma camada de proveniência agora é anexada ao texto produzido através de certos sistemas de IA, e as pessoas que a sentem primeiro são aquelas que enviam conteúdo para os mercados da UE: equipas de marketing, agências com clientes na UE, investigadores que submetem a revistas sediadas na UE e qualquer pessoa cujo CMS passe por uma API de modelo. A mudança diz respeito à rastreabilidade da origem, não à avaliação da sua prosa. Nada nela mede se um parágrafo parece feito por máquina.
Essa distinção é importante, porque a maioria das cadeias de e-mails em pânico que vi confunde duas coisas diferentes:
| Sinal | O que reporta | O que não prova |
|---|---|---|
| Metadados de proveniência | Que sistema gerou ou processou uma passagem | Quem escreveu as ideias, ou se um humano a editou |
| Pontuação de detetor de IA | Sinal estatístico na formulação | Autoria, intenção ou má conduta |
| Percentagem de similaridade | Sobreposição com um corpus de referência | Se a sobreposição é citada, referenciada ou acidental |
Uma pontuação de modelo, uma quota de prosa qualificada e uma percentagem de similaridade não são intercambiáveis. Nenhuma das três é um veredicto sobre a autoria. Se um cliente, editor ou comité tratar qualquer uma delas como prova, isso é um problema de processo, não um problema de escrita.
Quem é atingido primeiro, e quem não é?
A exposição prática é mais restrita do que as manchetes sugerem. Você é afetado se o seu texto passa por um sistema que registra proveniência e você publica na UE. Você é amplamente não afetado se escreve em um editor de texto simples, cola em um CMS que não chama um modelo, ou publica fora do escopo da UE.
As pessoas que ficam presas no meio são aquelas que usaram IA como auxílio de redação e depois editaram pesadamente à mão. Seu texto final pode carregar um registro de proveniência da etapa de redação, embora não se pareça em nada com a saída do modelo. Esse é o caso incômodo, e vale a pena nomeá-lo honestamente: um rótulo de proveniência pode ser tecnicamente preciso sobre a ferramenta e completamente não informativo sobre a escrita.
Aqui está a sequência que mantém você fora de problemas:
- Exporte a página da fonte primária para PDF com a data visível.
- Verifique se a sua pilha de publicação envia texto por uma API de modelo. Pergunte ao proprietário da sua plataforma, não adivinhe.
- Mantenha seu próprio histórico de versões: primeiro rascunho, rascunho assistido por modelo, edição final.
- Anote no seu registro editorial quais seções foram assistidas por modelo e quais não foram.
- Se você precisar divulgar, divulgue a ferramenta e a etapa, não uma confissão sobre autoria.
Se o rótulo no seu texto o preocupa mais do que a escrita, passe o rascunho pelo detector de IA primeiro. Pontuações em nível de frase mostram quais linhas carregam o sinal, então você edita as linhas que precisam disso em vez de reescrever um documento inteiro às cegas.
Um rótulo de proveniência significa que um detector vai me sinalizar?
Não, e esta é a objeção que mais ouço: “se o rótulo está lá, o detector vai corresponder a ele.” Proveniência e detecção operam em mecanismos diferentes. Proveniência é um registro anexado a um evento de geração. Detecção é uma leitura estatística do texto que está à sua frente.
Testamos isso em nosso próprio material. Em 2026-09-28, pontuamos dois corpora com o detector DeAIze (ensemble local, camada lite) com um limite de sinalização de 30%. Uma amostra de referência de 709 trechos de guias DeAIze não marcados como gerados retornou uma pontuação de IA com média de 26%, mediana de 25%, intervalo de 0-69%, com 239 de 709 trechos no limite ou acima dele. Essas são contagens de trechos, não contagens de documentos independentes, e a autoria humana não foi verificada de forma independente. Saída de modelo não editada, 12 trechos de prompts fixos, retornou uma média de 33%, mediana de 34%, intervalo de 4-46%.
Leia esses dois intervalos um ao lado do outro. Eles se sobrepõem. Um trecho na extremidade inferior do intervalo de saída do modelo fica abaixo de um trecho na extremidade superior do intervalo de referência. Essa é toda a história de por que um único número não pode resolver uma questão de autoria, e por que um rótulo de proveniência mais uma pontuação de detector ainda não equivalem a prova.
A correção perene: edite as frases que carregam o sinal
Independentemente do que o rótulo diga, o trabalho de edição é o mesmo, e é o trabalho descrito em nosso guia principal sobre humanizar texto de IA. Você não está tentando vencer uma ferramenta. Você está tentando fazer o texto soar como uma pessoa com algo específico a dizer.
Comece pelos trechos que um detector de nível de frase destaca. Em nossa própria amostra, a frequência de indícios de IA ficou em 1 a cada 100 palavras no corpus de referência e 1 a cada 100 palavras na saída do modelo não editada, então a frequência por si só não separará prosa boa de prosa gerada. O que as separa é o posicionamento: o texto gerado tende a distribuir os mesmos hábitos de maneira uniforme, enquanto os rascunhos humanos agrupam suas peculiaridades.
Uma ilustração prática, não um documento real de cliente:
- Antes: “É importante considerar a natureza multifacetada dos requisitos de proveniência a fim de garantir conformidade abrangente em todos os stakeholders relevantes.”
- Depois: “As regras de proveniência se aplicam a três grupos: publicadores, plataformas e qualquer pessoa que faça passar texto por uma API de modelo. Verifique em qual deles você se encaixa.”
A segunda versão nomeia um número, nomeia os grupos e elimina o excesso. Ela também altera a afirmação, que é a parte que as pessoas pulam. Qualquer reescrita que altere uma quantidade, uma citação, uma negação ou um qualificador danificou o documento, mesmo que a pontuação caia. Compare cada frase revisada com o original e verifique os fatos você mesmo. A similaridade semântica é um auxílio de revisão, não prova de que o significado sobreviveu.
Quando esta é a escolha errada
Não compre nada para isso se você estiver em uma destas situações.
- Você está em uma disputa de autoria. Uma ferramenta de reescrita não é evidência, e editar o texto disputado pode destruir o registro de que você precisa. Preserve o original, mantenha os carimbos de data e hora e siga o processo da sua instituição.
- Sua política proíbe o uso de assistência de IA de forma absoluta. Então a solução não é uma reescrita; é uma conversa com seu supervisor sobre o que você realmente fez.
- Você nunca usou um modelo e seu texto está limpo. Regras de proveniência não são motivo para passar seu trabalho por um parafraseador.
- Você precisa de um número Turnitin. Ninguém pode prometer um para você. DeAIze não fornece uma leitura oficial de Turnitin nem um estimador de pontuação Turnitin, e qualquer ferramenta que afirme o contrário está vendendo um palpite.
Se a sua situação envolve um comitê ou um cliente fazendo perguntas difíceis, a leitura útil é o nosso guia sobre o que uma pontuação alta realmente significa, que explica como responder quando o número é contestado, em vez de como escondê-lo.
O que fazer hoje, em ordem
Dez minutos de burocracia valem mais do que uma semana de ansiedade.
- Leia a fonte primária e anote a data em que a leu.
- Pergunte à sua plataforma se o texto sai do seu CMS para uma API de modelo.
- Arquive seu histórico de versões em algum lugar que você controle.
- Passe o rascunho por um detector em nível de frase e destaque apenas as linhas sinalizadas.
- Edite essas linhas para maior especificidade, verifique cada número e citação contra o original e mantenha as duas versões.
- Se a divulgação for exigida, declare a ferramenta e a etapa claramente.
Essa é toda a abordagem: saiba o que o rótulo registra, saiba o que ele não registra e concentre seu esforço nas frases pelas quais um leitor realmente vai julgar você. As ideias, os dados e as conclusões têm que ser seus. Nenhum rótulo muda isso, e nenhum detector consegue medir isso.
Se quiser ver quais frases carregam o sinal antes de começar a editar, o teste de reescrita oferece 200 palavras após confirmação por e-mail sem cartão de crédito, e os limites de detecção são mostrados na interface atual.
Nota de medição: os números neste artigo vêm da execução do nosso próprio detector em 2026-09-28 — n = 709 passagens de referência de guias não marcadas como geradas versus n = 12 passagens de modelo não editadas, pontuação mediana de IA de 25% e 34%, respectivamente. A autoria das referências não foi verificada de forma independente; as passagens não são documentos independentes. Método: /methodology/.