Perché il mio punteggio IA è cambiato quando ho inviato di nuovo lo stesso elaborato?

Quando lo stesso elaborato torna con una percentuale IA diversa alla seconda consegna, la causa più comune non è che il tuo testo sia cambiato, ma che sia cambiato il rilevatore. Turnitin aggiorna continuamente il suo modello di rilevamento della scrittura IA e ogni nota di rilascio riporta la stessa frase: «This release will not retroactively update previously-generated AI writing reports.» (Questa versione non aggiorna retroattivamente i report di scrittura IA generati in precedenza.) Un report è una misurazione fatta dal modello in vigore il giorno in cui è stato prodotto. Se un aggiornamento del modello cade tra la tua prima e la tua seconda consegna, i due punteggi sono stati prodotti da versioni diverse del rilevatore, e in nessuno dei due documenti c'è nulla che ti dica quanto della differenza dipenda dalle tue modifiche e quanto dal modello.

Si tende a pensare che «Turnitin» sia uno strumento fisso che legge sempre allo stesso modo. Le note di rilascio raccontano un'altra storia. La pagina del modello di rilevamento della scrittura IA registra aggiornamenti il 14 ottobre 2025, il 12 febbraio 2026 e il 5 maggio 2026. Ognuna di queste voci dice:

«This release will not retroactively update previously-generated AI writing reports. To view the AI writing score generated by this update, existing submissions must be resubmitted.» (Questa versione non aggiorna retroattivamente i report di scrittura IA generati in precedenza. Per vedere il punteggio di scrittura IA prodotto da questo aggiornamento, gli invii esistenti devono essere inviati di nuovo.)

Le note di febbraio e di ottobre vanno anche nella stessa direzione: «We have updated our AI writing detection model to improve recall while maintaining a low false positive rate.» (Abbiamo aggiornato il nostro modello di rilevamento della scrittura IA per migliorare il richiamo mantenendo un basso tasso di falsi positivi.) Le FAQ aggiungono che, con l'evolversi del modello, «it is likely that our detection capabilities will also change, affecting the AI percentage.» (è probabile che anche le nostre capacità di rilevamento cambino, incidendo sulla percentuale IA). Turnitin lo dice senza giri di parole. Il rilevatore è un bersaglio in movimento, e un punteggio legato a una data non è una proprietà del documento. È una proprietà del documento così come quella versione del modello lo ha letto quel giorno.

Le FAQ registrano anche un cambiamento architetturale più recente: «In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model.» (Nel luglio 2026 abbiamo aggiornato l'architettura del nostro modello per consolidare un insieme di più modelli in un unico modello.) Secondo le FAQ, questo aggiornamento mantiene un tasso di falsi positivi inferiore all'1%. Lo segnaliamo perché chi ha consegnato a giugno e ha inviato di nuovo ad agosto potrebbe aver superato un confine tra modelli più ampio rispetto al solito aggiornamento incrementale.

Diciamo che il tuo primo report è tornato con il 28 per cento, che hai rivisto qualche frase e che il nuovo controllo dice 42. L'istinto è chiedersi cosa sia andato storto nella revisione. La prima domanda da fare, invece, è un'altra: tra i due controlli cade una data di rilascio?

Se è così, nel divario ci sono insieme le tue modifiche e un cambio di modello, e in nessuno dei due report c'è nulla che li separi. Quattordici punti non sono quattordici punti di revisione. Sono quattordici punti di revisione più un modello, e la parte che arriva dal modello non è né un tuo merito né una tua colpa. Confrontare i due report invece che i due numeri è tutto il metodo che trovi in ancora segnalato dopo una nuova verifica di Turnitin. Per un confronto onesto bisogna annotare tre cose: la data del primo report, la data del secondo e quali note di rilascio cadono in mezzo. Turnitin le pubblica tutte sulla sua pagina del modello di rilevamento della scrittura IA.

Le note di rilascio che abbiamo citato condividono una formula: «improve recall while maintaining a low false positive rate.» (migliorare il richiamo mantenendo un basso tasso di falsi positivi). Il richiamo è la quota di testo scritto con l'IA che il rilevatore individua. Migliorarlo significa che il modello viene tarato per individuarne di più, non di meno. Le FAQ spiegano il compromesso che questo crea: «In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document.» (Per mantenere questo basso tasso dell'1% di falsi positivi, c'è la possibilità che in un documento ci sfugga una parte di testo scritto con l'IA.) E ancora: «if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing.» (se rileviamo che il 50% di un documento è stato probabilmente scritto con uno strumento di IA, potrebbe contenere fino al 65% di scrittura IA.)

La direzione conta. Un aggiornamento del modello che migliora il richiamo può alzare la percentuale IA di un elaborato che non è cambiato affatto. Non è un bug. È il modello che fa ciò per cui è stato aggiornato. Al contrario, una riscrittura che ha fatto scendere il punteggio può essere stata aiutata da un aggiornamento che per caso ha letto il tuo testo in un altro modo, non dalle modifiche in sé. Senza le date non puoi distinguere un caso dall'altro. La versione in cui ci si imbatte più spesso è modificare un elaborato e vedere il punteggio IA salire.

Un'altra cosa che sorprende: la percentuale IA e la percentuale di similarità sono separate. Turnitin lo afferma: «The Similarity score and the AI writing detection percentage are completely independent and do not influence each other.» (Il punteggio di similarità e la percentuale di rilevamento della scrittura IA sono del tutto indipendenti e non si influenzano a vicenda.) Un cambiamento nell'uno non fa prevedere un cambiamento nell'altro. Se il tuo punteggio di similarità è sceso mentre quello IA è salito, non c'è contraddizione. Sono due sistemi che leggono segnali diversi nello stesso testo. Abbiamo approfondito questa distinzione nella nostra guida AI Writing Report e Similarity Report a confronto.

Per riassumere quanto abbiamo visto:

• I vecchi report non vengono ricalcolati quando il modello si aggiorna. Un punteggio è un'istantanea, non una proprietà permanente.
• Se un aggiornamento del modello cade tra due invii, i due punteggi sono stati prodotti da versioni diverse del rilevatore.
• Gli aggiornamenti recenti hanno migliorato il richiamo: lo stesso testo può quindi ricevere un punteggio più alto con un modello più recente.
• La percentuale IA e la percentuale di similarità sono indipendenti e non si muovono insieme.

Il passo pratico è annotare la data di ogni report e confrontarla con le note di rilascio prima di mettere a confronto due numeri. Se devi rivedere un elaborato segnalato, importa il tuo report di Turnitin e lavora sui passaggi specifici che sono stati segnalati. I passaggi idonei possono essere rielaborati gratuitamente.