Universidades que estão deixando para trás a detecção de IA

As universidades não estão abandonando a detecção de IA no sentido de abrir mão da tecnologia. O que elas estão abandonando é a política de tratar uma pontuação de IA como a única base para uma acusação de má conduta acadêmica. A mudança vai de "a pontuação é a prova" para "a pontuação é uma peça de evidência que precisa de um exame mais cuidadoso". Essa mudança não é uma rejeição ao Turnitin. É um alinhamento com o que a própria documentação do Turnitin diz.

A documentação do AI Writing Report expõe a posição sem rodeios. A pontuação "should not be used as the sole basis for adverse actions against a student." (não deve ser usada como única base para medidas desfavoráveis a um estudante). As universidades que exigem evidências adicionais antes de agir estão seguindo a orientação do próprio fornecedor.

A frase mais importante para entender essa tendência está na documentação do AI Writing Report. O Turnitin diz:

"Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student." (O nosso modelo de detecção de escrita por IA pode não ser sempre preciso — ele pode identificar mal texto escrito por humanos, gerado por IA e parafraseado por IA —, portanto não deve ser usado como única base para medidas desfavoráveis a um estudante.)

A frase seguinte é leitura obrigatória:

"It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred." (É preciso um exame mais cuidadoso e julgamento humano, junto com a aplicação, pela instituição, das suas políticas acadêmicas específicas, para determinar se houve má conduta acadêmica.)

Essas duas frases, lidas juntas, descrevem exatamente o padrão de política que as universidades estão adotando. A pontuação inicia uma revisão. Não a encerra. Um estudante não é acusado por causa de um número. Um estudante é submetido a uma revisão por causa de um número, e a revisão aplica julgamento humano e a política da instituição antes de qualquer conclusão.

A página de orientação separada do Turnitin, Como devo analisar o AI Writing Report?, reforça o mesmo enquadramento:

"It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy." (Não é feito para dar respostas definitivas isoladamente. Mais importante do que qualquer ferramenta é o educador que vê a pontuação e toma decisões equilibrando essa informação com o seu conhecimento pessoal dos alunos, do trabalho deles e da política institucional.)

A frase seguinte nessa página deixa explícito o uso pretendido:

"When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended." (Quando os educadores olham a pontuação de escrita por IA e a usam como um dado único em vez de uma resposta definitiva, então ela está sendo usada como pretendido.)

"A single data point rather than a definitive response." (Um dado único em vez de uma resposta definitiva.) Essa é a frase. As universidades que adotam esse enquadramento não estão desafiando o Turnitin. Estão fazendo aquilo para o qual o fornecedor diz que a ferramenta foi projetada.

O Turnitin diz que a taxa de falsos positivos fica abaixo de 1%, mas os detalhes importam. As perguntas frequentes dizem:

"We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing." (Nós nos esforçamos para maximizar a eficácia do nosso detector mantendo a nossa taxa de falsos positivos — identificar incorretamente como gerado por IA um texto totalmente escrito por humanos — abaixo de 1% em documentos com mais de 20% de escrita por IA.)

A frase seguinte repete o número:

"In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents." (Em outras palavras, podemos sinalizar como escrito por IA um a cada 100 documentos totalmente escritos por humanos.)

A ressalva "for documents with over 20% of AI writing" (para documentos com mais de 20% de escrita por IA) é importante. A meta de ficar abaixo de 1% vale para documentos que contêm uma quantidade significativa de texto de IA. A frase que repete o número abandona essa ressalva, mas a afirmação original não.

Mesmo a 1 em 100, a conta fica desconfortável em larga escala. Uma universidade que processa 10.000 trabalhos por semestre pode ver cerca de 100 documentos totalmente escritos por humanos sinalizados como gerados por IA. Uma universidade que processa 75.000 pode ver 750. Esses não são números abstratos. Cada um é um estudante enfrentando uma acusação de má conduta com base em uma ferramenta que o próprio Turnitin diz não dever ser a única base.

(A decisão da Vanderbilt University de desativar o detector de IA é tratada em o que uma taxa de falsos positivos de 1% significa quando uma universidade envia 75.000 trabalhos. O ponto aqui é o padrão mais amplo, não uma instituição isolada.)

Entre as limitações conhecidas do detector, duas explicam por que as universidades estão adicionando garantias em vez de removê-las.

Primeiro, documentos curtos são difíceis para o modelo. As perguntas frequentes dizem:

"In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap." (Em documentos mais curtos, onde há apenas algumas centenas de palavras, a previsão será basicamente "tudo ou nada", porque estamos prevendo com base em um único segmento, sem a oportunidade de sobreposição.)

A frase seguinte:

"This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated." (Isso significa que parte do texto que mistura conteúdo gerado por IA e conteúdo original pode ser sinalizada como totalmente gerada por IA.)

Para um curso construído em torno de respostas curtas, isso é uma preocupação real. Uma reflexão de 300 palavras feita em parte com ajuda de IA pode ser sinalizada como 100% gerada por IA.

Segundo, o fornecedor reconhece que troca cobertura por precisão. As perguntas frequentes dizem:

"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. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing." (Para manter essa taxa baixa de 1% de falsos positivos, há a chance de deixarmos passar algum texto escrito por IA em um documento. Estamos confortáveis com isso porque não queremos apontar incorretamente como escrito por IA um texto escrito por um humano. Por exemplo, se identificamos que 50% de um documento provavelmente foi escrito por uma ferramenta de IA, ele pode conter até 65% de escrita por IA.)

Isso significa que o detector é conservador por design. Ele prefere deixar passar texto de IA a acusar falsamente quem escreve. As universidades preocupadas com acusações falsas podem tirar algum consolo dessa escolha de design. Mas o design também significa que uma pontuação limpa não é prova de ausência de IA. Significa que a ferramenta não sinalizou nada acima do seu limite.

Um fato que complica a narrativa das "universidades que estão deixando a detecção de IA" é que o fornecedor não está abandonando a ferramenta. As perguntas frequentes dizem:

"In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. This update improves and simplifies the AI writing report, maintaining a less than 1% false positive rate." (Em julho de 2026, nós atualizamos a arquitetura do nosso modelo para consolidar um conjunto de vários modelos em um único modelo. Essa atualização melhora e simplifica o relatório de escrita por IA, mantendo uma taxa de falsos positivos inferior a 1%.)

O modelo está em desenvolvimento ativo. A consolidação de julho de 2026 simplificou a arquitetura e manteve a meta de falsos positivos. As universidades estão ajustando as suas políticas em torno de uma ferramenta na qual o fornecedor continua investindo. A tecnologia não está desaparecendo. A resposta institucional a ela está amadurecendo.

O que se vê nas instituições não é uma escolha binária entre "usar detecção" e "não usar detecção". O padrão é mais específico. As universidades estão passando, de modo geral, por três estágios.

Estágio um: a pontuação é tratada como evidência suficiente para uma conclusão de má conduta. É a abordagem da "única base". A própria documentação do Turnitin diz que esse não é o uso que se deve fazer da ferramenta.

Estágio dois: a pontuação dispara um processo de revisão que exige evidências adicionais. A revisão pode incluir uma conversa com o estudante, uma comparação com trabalhos anteriores ou uma verificação do histórico de rascunhos. É a abordagem da "evidência complementar". Ela está alinhada com a afirmação das perguntas frequentes de que a pontuação "should not be used as the sole basis" (não deve ser usada como única base) e de que "it takes further scrutiny and human judgment." (é preciso um exame mais cuidadoso e julgamento humano).

Estágio três: a instituição desativa totalmente o detector de IA. Isso é raro. A decisão da Vanderbilt é o exemplo mais citado, mas a maioria das instituições que reconsiderou as suas políticas parou no estágio dois, não no estágio três.

A tendência é rumo ao estágio dois. As universidades mantêm a ferramenta e acrescentam garantias processuais — se o indicador de IA da sua própria instituição está ligado depende do que eles compraram. Elas não estão abandonando a detecção. Estão exigindo que uma pontuação seja tratada como o que o Turnitin diz que ela é: um dado único, não uma resposta definitiva.

Se você é estudante, a conclusão prática é esta. Uma pontuação alta de IA no seu trabalho não significa automaticamente uma acusação. Em um número crescente de instituições, a pontuação começa uma conversa, não um veredito, e o que se diz ao seu professor para fazer quando a sua porcentagem de IA está alta está escrito pelo fornecedor. Guarde os seus rascunhos, guarde o seu histórico de versões e esteja pronto para explicar o seu processo de escrita se lhe perguntarem.

Se você é professor, a conclusão é que a própria documentação do Turnitin já apoia essa mudança de política. As perguntas frequentes dizem que a pontuação "should not be used as the sole basis for adverse actions." (não deve ser usada como única base para medidas desfavoráveis). A página de orientação para a revisão diz que ela é "a single data point rather than a definitive response." (um dado único em vez de uma resposta definitiva). Você não precisa defender uma política de evidência complementar como se fosse um afastamento da orientação do fornecedor. É a orientação.

Se você tem um trabalho que foi sinalizado e quer revisá-lo antes de entregar, pode importar o relatório do Turnitin e trabalhar apenas nas passagens que ele destacou.