Por que minha pontuação de IA mudou quando reenviei o mesmo trabalho?

Quando o mesmo trabalho volta com uma porcentagem de IA diferente na segunda vez que você envia, a causa mais comum não é o seu texto ter mudado, e sim o detector ter mudado. O Turnitin atualiza o modelo de detecção de escrita com IA continuamente, e toda nota de versão traz a mesma frase: "This release will not retroactively update previously-generated AI writing reports." (Esta versão não atualiza retroativamente os relatórios de escrita com IA gerados anteriormente.) Um relatório é uma medição feita pelo modelo que estava em vigor no dia em que foi gerado. Se uma atualização do modelo cai entre o seu primeiro e o seu segundo envio, as duas pontuações foram produzidas por versões diferentes do detector, e nada em nenhum dos dois documentos indica quanto da diferença vem das suas alterações e quanto vem do modelo.

As pessoas costumam supor que "Turnitin" é um instrumento fixo, que sempre lê do mesmo jeito. As notas de versão contam outra história. A página do modelo de detecção de escrita com IA registra atualizações em 14 de outubro de 2025, 12 de fevereiro de 2026 e 5 de maio de 2026. Cada uma dessas entradas diz:

"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." (Esta versão não atualiza retroativamente os relatórios de escrita com IA gerados anteriormente. Para ver a pontuação de escrita com IA gerada por esta atualização, os envios existentes precisam ser reenviados.)

As notas de fevereiro e de outubro também apontam na mesma direção: "We have updated our AI writing detection model to improve recall while maintaining a low false positive rate." (Atualizamos nosso modelo de detecção de escrita com IA para melhorar a recuperação, mantendo uma baixa taxa de falsos positivos.) As perguntas frequentes acrescentam que, à medida que o modelo itera, "it is likely that our detection capabilities will also change, affecting the AI percentage." (é provável que nossas capacidades de detecção também mudem, afetando a porcentagem de IA). O Turnitin diz isso com todas as letras. O detector é um alvo em movimento, e uma pontuação presa a uma data não é uma propriedade do documento. É uma propriedade do documento tal como aquela versão do modelo o leu naquele dia.

As perguntas frequentes registram ainda uma mudança de arquitetura mais recente: "In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model." (Em julho de 2026, atualizamos a arquitetura do nosso modelo para consolidar um conjunto de vários modelos em um único modelo.) Segundo as perguntas frequentes, essa atualização mantém uma taxa de falsos positivos abaixo de 1%. Ressaltamos isso porque quem enviou em junho e reenviou em agosto pode ter atravessado uma fronteira entre modelos maior do que a de uma atualização incremental comum.

Digamos que seu primeiro relatório voltou com 28 por cento, você revisou algumas frases e a nova verificação dá 42. O instinto é perguntar o que deu errado na revisão. A primeira pergunta a fazer, porém, é outra: existe alguma data de lançamento entre as duas verificações?

Se existir, a diferença mistura as suas alterações e uma mudança de modelo, e nada em nenhum dos dois relatórios permite separá-las. Catorze pontos não são catorze pontos de revisão. São catorze pontos de revisão mais um modelo, e a metade que vem do modelo não é mérito seu nem culpa sua. Comparar os dois relatórios em vez dos dois números é todo o método apresentado em continuar sinalizado depois de uma nova verificação no Turnitin. Para uma comparação honesta, é preciso anotar três coisas: a data do primeiro relatório, a data do segundo e quais notas de versão ficam entre elas. O Turnitin publica todas elas na sua página do modelo de detecção de escrita com IA.

As notas de versão que mencionamos compartilham uma frase: "improve recall while maintaining a low false positive rate." (melhorar a recuperação mantendo uma baixa taxa de falsos positivos). Recuperação é a proporção de texto escrito com IA que o detector consegue pegar. Melhorá-la significa que o modelo está sendo ajustado para pegar mais, não menos. As perguntas frequentes explicam o compromisso que isso cria: "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." (Para manter essa baixa taxa de 1% de falsos positivos, existe a chance de deixarmos passar algum texto escrito com IA em um documento.) E também: "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 identificarmos que 50% de um documento foi provavelmente escrito por uma ferramenta de IA, ele pode conter até 65% de escrita com IA.)

A direção importa. Uma atualização do modelo que melhora a recuperação pode elevar a porcentagem de IA de um trabalho que não mudou absolutamente nada. Isso não é um bug. É o modelo fazendo aquilo para o qual foi atualizado. E, ao contrário: uma reescrita que derrubou a pontuação pode ter sido ajudada por uma atualização que por acaso leu seu texto de outra forma, e não pelas edições em si. Sem as datas, você não consegue distinguir uma coisa da outra. A versão disso com a qual as pessoas mais esbarram é editar um trabalho e ver a pontuação de IA subir.

Mais uma coisa que surpreende: a porcentagem de IA e a porcentagem de similaridade são separadas. O Turnitin afirma: "The Similarity score and the AI writing detection percentage are completely independent and do not influence each other." (A pontuação de similaridade e a porcentagem de detecção de escrita com IA são completamente independentes e não influenciam uma à outra.) Uma mudança em uma não permite prever uma mudança na outra. Se a sua pontuação de similaridade caiu mas a de IA subiu, isso não é contradição. São dois sistemas lendo sinais diferentes no mesmo texto. Já escrevemos sobre essa distinção com mais detalhes no nosso guia AI Writing Report e Similarity Report comparados.

Para resumir o que vimos até aqui:

• Relatórios antigos não são repontuados quando o modelo é atualizado. Uma pontuação é um retrato do momento, não uma propriedade permanente.
• Se uma atualização do modelo cai entre dois envios, as duas pontuações foram geradas por versões diferentes do detector.
• As atualizações recentes melhoraram a recuperação, o que significa que o mesmo texto pode receber uma pontuação mais alta sob um modelo mais novo.
• A porcentagem de IA e a porcentagem de similaridade são independentes e não se movem juntas.

O passo prático é registrar a data de cada relatório e conferi-la com as notas de versão antes de comparar dois números. Se você precisa revisar um trabalho sinalizado, importe seu relatório do Turnitin e trabalhe nas passagens específicas que foram marcadas. As passagens elegíveis podem ser processadas novamente sem custo.