A proliferação de conteúdo gerado por inteligência artificial na web levanta preocupações sobre a qualidade e a autenticidade. Em resposta, a startup Sitefire desenvolveu um método inovador para distinguir textos produzidos por IA de conteúdos escritos por humanos, focando exclusivamente na estrutura textual. A pesquisa, publicada no arXiv, revela que um modelo treinado para analisar 214 características estruturais de artigos de blog pode identificar conteúdo gerado por IA com uma precisão impressionante de 98%.

O estudo comparou 2.250 posts de blog de empresas B2B, escritos antes da popularização do ChatGPT, com versões geradas por cinco modelos de IA distintos (GPT-5.4, Claude Sonnet 4.6, Gemini 3 Flash, DeepSeek V3.2, Kimi K2.5). Em vez de analisar o vocabulário ou a sintaxe, os pesquisadores usaram um modelo de IA para responder a perguntas sobre a organização do conteúdo: o quão agressivamente o texto promove um produto, se as alegações são suportadas por fontes ou se há citações de especialistas. Essas respostas foram usadas para treinar um classificador.

A Trama por Trás do Conteúdo

A precisão de 98% do classificador sugere que os modelos de IA tendem a seguir padrões estruturais semelhantes. Ao mapear os valores das características analisadas, os textos de IA se agruparam, enquanto os escritos por humanos apresentaram maior dispersão e diversidade. Essa uniformidade é o que permite a detecção. Um dos padrões mais recorrentes em conteúdo de IA é a repetição excessiva de informações. Enquanto 77% dos posts gerados por IA repetiam seu ponto principal no final, apenas 12% dos posts humanos faziam o mesmo. Esse padrão, apelidado de "tidy, self-announcing blog post", é um forte indicador de autoria artificial.

Identificando o "Sotaque" de Cada IA

Além de distinguir entre humano e IA, um segundo classificador foi treinado para identificar qual dos cinco modelos de IA era o autor de um determinado texto. Este classificador obteve 79% de acerto, superando significativamente a chance aleatória de 17% (1 em 6). A maioria dos erros ocorreu entre diferentes modelos de IA, indicando que, embora cada IA tenha um "sotaque" estrutural próprio, suas características são mais próximas entre si do que em relação ao conteúdo humano.

A Resistência à Reescrita e Implicações

Uma característica notável do método é sua robustez. Mesmo após os modelos de IA reescreverem seus textos, removendo em média 73% das sequências originais de 13 palavras, o classificador de conteúdo "slop" (termo usado para descrever conteúdo de baixa qualidade ou repetitivo) continuou a funcionar com a mesma eficácia. Isso sugere que a estrutura subjacente é mais resiliente a tentativas de disfarce do que a simples reformulação de palavras. A Sitefire planeja integrar essa capacidade em seus próprios agentes, visando criar conteúdo que emule a variação e profundidade da escrita humana.

Perguntas em Aberto e o Futuro

Apesar da alta precisão, o estudo reconhece limitações. Ferramentas de "humanização", reescrita por humanos e a instrução explícita para evitar hábitos de escrita de IA ainda não foram testadas. Além disso, a comparação direta entre posts humanos de 2020-2022 e posts de IA de 2026 pode não ser totalmente equitativa. A pesquisa abre caminho para futuras investigações sobre como a IA pode gerar conteúdo mais autêntico e menos previsível, e como as empresas podem equilibrar o uso de IA para eficiência com a necessidade de originalidade e qualidade.

A Sitefire oferece um verificador em seu site para que usuários testem seus próprios posts, buscando demonstrar a aplicabilidade prática de sua metodologia. O desenvolvimento contínuo de modelos capazes de discernir a origem do conteúdo é crucial em um cenário onde a distinção entre autoria humana e artificial se torna cada vez mais tênue.

Com reportagem de Brazil Valley

Source · Hacker News