Pattern di scrittura AI: parole, ritmo e punteggiatura che lo rivelano

Legga questa frase una volta e veda se sa già da dove proviene: i ricercatori continuano a mettere in evidenza la complessa interazione tra motivazione e rendimento, e un corpus crescente di lavori sottolinea il ruolo chiave che l'autoregolazione svolge nel successo accademico. Non c'è nulla di sbagliato. Ogni proposizione è grammaticalmente corretta, ogni parola è una parola reale, e un valutatore non toglierebbe un solo punto. Eppure si legge ancora come se fosse uscita da una macchina, perché è così. Di questo tratta questo articolo.

I modelli di scrittura AI sono abitudini ripetibili, nella scelta delle parole, nel ritmo delle frasi, nella punteggiatura e nella struttura, che rendono la prosa redatta da una macchina riconoscibile a colpo d'occhio. Si raggruppano su quattro livelli: le parole che un modello tende a scegliere, la forma delle sue frasi, la punteggiatura su cui fa affidamento e il modo in cui struttura un argomento nel suo insieme. Nessuno di questi, da solo, prova qualcosa. Insieme, all'interno di un unico paragrafo, sono difficili da non notare.

La macchina che fa questo si chiama rilevatore statistico. Assegna un punteggio a quanto sia prevedibile ogni parola, in base a ciò che un modello linguistico si aspetta. Un rapporto contiene la matematica di perplexity e burstiness alla base di quel punteggio, trattata in modo più dettagliato in un altro articolo su come funzionano i rilevatori AI. Il resto di questo articolo è un catalogo dei segnali della scrittura AI che un lettore può sentire, contare o indicare sulla pagina. Questo può essere importante, anche se un rilevatore sbaglia, non è disponibile o non è pertinente. Ciò che segue qui non richiede alcun modello né alcun abbonamento.

Perché i modelli di scrittura AI suonano robotici?

Un modello linguistico sta facendo qualcosa di diverso da una persona a livello di frase, sceglie la parola successiva statisticamente più probabile, ancora e ancora, all'interno di un sistema addestrato a sembrare competente piuttosto che distintivo. La competenza a quella scala produce una prosa fluida, corretta e dimenticabile, che è la radice della sensazione robotica. Un lettore spesso non riesce a dire che cosa non vada in un paragrafo del genere, solo che si legge in modo piatto, e i quattro livelli qui sotto sono il luogo in cui risiede questa piattezza.

La scelta delle parole è il livello che i lettori notano per primo: parole formali, teatrali, che compaiono dove non dovrebbero. Il ritmo delle frasi è più discreto, un paragrafo in cui ogni frase ha all'incirca la stessa lunghezza. La punteggiatura e la formattazione portano una loro firma, un trattino usato come giunto universale, un elenco puntato che spezza un testo che nella mente dello scrittore non era mai un elenco. La struttura è la parte meno visibile, un passaggio che ripete il proprio titolo, copre esattamente tre punti, poi si chiude riassumendo se stesso.

Si cominci dalle parole: le più facili da individuare, e le meglio documentate.

Quali parole usa troppo AI?

Si vedono queste parole formali, leggermente teatrali, ancora e ancora: "delve", "underscore", "showcase" e "pivotal" sono tra le più documentate. Dmitry Kobak e tre coautori hanno cercato di identificare il linguaggio. Hanno analizzato 15.1 million PubMed abstract dal 2010 al 2024 e hanno identificato un gruppo di parole che ha registrato un forte aumento di frequenza quando ChatGPT è stato rilasciato. "Delve" è stata quella che si è spinta più lontano, lo studio, pubblicato in Science Advances nel luglio 2025, ne ha stimato la frequenza nel 2024 a circa 28 volte superiore rispetto a prima del 2023. Le successive più vicine erano "underscore" e "showcase". Gli autori stimano che almeno il 13.5 percento degli abstract del 2024 presenti segni di assistenza da parte di AI, con una quota che sale oltre il 40 percento in alcuni paesi e presso alcuni editori.

Perché i modelli convergano su queste parole specifiche è meno definito del modello stesso. Uno studio COLING 2025 ha testato ventuno parole sovrarappresentate rispetto all'architettura del modello, ai dati di addestramento e al feedback umano usato per mettere a punto i chatbot, e ha individuato nella fase di feedback il contributo più plausibile, senza spiegare del tutto l'effetto. Anche l'interpretazione è ancora oggetto di discussione: uno scambio del 2026 nella rivista PNAS ha contestato il modo in cui uno spostamento della frequenza delle parole misuri direttamente l'uso di AI, cosa da ricordare prima di trattare qualsiasi singolo dato qui come un fatto assodato.

Questo non è vero solo per gli abstract delle riviste. In uno studio che ha confrontato mezzo milione di saggi di studenti e saggi generati da AI, i ricercatori hanno confrontato la lunghezza dei testi e la scelta delle parole e hanno rilevato che i saggi umani erano complessivamente più lunghi e usavano un vocabolario più ampio. In uno studio sulle peer review inviate a quattro conferenze di machine learning, tra cui ICLR 2024 e NeurIPS 2023, i ricercatori hanno usato la stessa tecnica per stimare che tra il sei e il quindici percento del testo delle revisioni era stato sostanzialmente modificato da un LLM. Era più probabile che fosse influenzato da un LLM quando veniva presentato vicino alla scadenza.

Parola o espressione che AI usa in eccesso	Ciò che invece usa uno scrittore attento
delve (into)	guardare, esaminare
underscore	mostrare, sottolineare
showcase	presentare, dimostrare
pivotal	principale, decisivo
robust	solido, affidabile
intricate	complesso, dettagliato
meticulous	attento, accurato
tapestry	miscela, gamma
testament	segno, prova
boasts	ha, include
foster	incoraggiare, sostenere
garner	ottenere, attirare
multifaceted	sfaccettato, complesso
holistic	globale, complessivo
nuanced	attento, preciso
invaluable	utile, prezioso
realm	campo, area
embark on	iniziare, cominciare
unlock	aprire, rendere possibile
interplay	relazione, legame

Nessuna di queste parole è sbagliata di per sé. Una sezione dei metodi che definisce robusto un risultato usa correttamente la parola, e uno storico che descrive un argomento giuridico complesso non sta confessando a un chatbot. Ciò che appare prodotto da una macchina è la densità: tre o quattro di queste parole in un paragrafo, senza svolgere alcuna funzione specifica, accumulate nel modo in cui un modello le accumula perché ciascuna era, indipendentemente, la scelta successiva più sicura. Una rapida verifica con TextPulse's free AI word cleaner segnala direttamente tale densità.

Perché le frasi di AI sembrano tutte della stessa lunghezza?

Un modello costruisce ogni frase nello stesso modo in cui ha costruito la precedente, invece di comprimere un punto in sei parole in un punto e di distenderlo in trenta altrove, perciò l'output tende a mantenersi quasi sempre della stessa lunghezza. Questa variazione, o la sua assenza, è qualcosa che si può percepire leggendo ad alta voce un paragrafo, un esercizio diverso dal punteggio di burstiness che un rilevatore calcola a partire dalla stessa proprietà sottostante.

Due abitudini minori rivelano da vicino il ritmo. Un modello tende a chiudere una frase con un participio sospeso che allude a un significato senza aggiungere informazioni, un'affermazione seguita dall'enfasi sulla necessità di ulteriori ricerche o dal riflettere un cambiamento più ampio nel campo. Ricorre anche a una struttura in coppia per sembrare equilibrato, sulla falsariga di il metodo non è solo efficiente ma anche scalabile. Detto una volta, tale costruzione non è degna di nota. Detto in ogni paragrafo, sembra un modello con i sostantivi sostituiti.

La regola del tre

Anche a livello di frase, i gruppi di tre sono il ritmo predefinito del modello: tre aggettivi prima di un sostantivo, tre esempi in un elenco, tre proposizioni costruite nello stesso modo in successione. I gruppi occasionali di tre hanno sempre fatto parte dell'inglese. Un gruppo di tre collocato bene non è il sintomo di nulla. L'indizio è la frequenza. Il tre non è il problema. Il problema è il tre che compare in quasi ogni paragrafo.

Contare è sufficiente per individuare la maggior parte di questi casi senza alcuna formazione speciale. Leggi un paragrafo e segna la lunghezza di ciascuna frase in parole. Se tutti i tuoi segni sono entro poche parole dall'ultimo, il ritmo è l'indizio. Usa il controllore gratuito di burstiness di TextPulse per automatizzare il conteggio e rappresentarlo in un grafico, utile per un passaggio troppo lungo per valutarlo a colpo d'occhio una frase alla volta.

Il trattino lungo e altri indizi di punteggiatura

Perché il segno è diventato la scelta predefinita

Il trattino lungo è probabilmente il segno di punteggiatura più spesso attribuito alla scrittura prodotta da una macchina. Potresti conoscerlo come il trattino lungo che sostituisce una virgola, due punti o un punto fermo per collegare due metà di una frase. Il trattino lungo non è nuovo e non è qualcosa inventato da AI. Da quando esistono le guide di stile, da Chicago ad AP, esse ne hanno consentito l'uso per enfasi e interruzione. E molti scrittori professionisti lo usano intenzionalmente.

La ragione probabile per cui compare così spesso nell'output delle macchine è banale: il segno è comune nella prosa sottoposta a revisione e composta professionalmente su cui i modelli linguistici sono addestrati, e consente a una frase di continuare a scorrere senza impegnarsi in un punto fermo. Un modello costruito per produrre testo fluente e connesso ricorre spesso a questa flessibilità, più spesso di quanto facciano la maggior parte delle persone quando redigono a mano.

La frequenza varia enormemente a seconda del sistema che ha prodotto il testo. Un test comparativo eseguito a metà 2025 ha dato a sei chatbot lo stesso prompt e ha contato i segni: tre sistemi lo hanno restituito otto o nove volte in meno di seicento parole, uno lo ha usato due volte in quasi mille parole, e due non lo hanno usato affatto. La frequenza è una proprietà del modello che ha prodotto il paragrafo davanti a te, non un tratto fisso della scrittura di AI. OpenAI ha aggiunto un'impostazione nel novembre 2025 che consente a un utente di dire a ChatGPT di smettere di usare il segno e di rispettare effettivamente l'istruzione, il che rende anche questo indizio in parte facoltativo ora.

Nulla di tutto ciò rende il segno stesso una prova di qualcosa. Molti autori attenti lo usano deliberatamente, e molti saggi di studenti che non hanno mai interagito con un chatbot lo usano anch'essi, talvolta perché un insegnante glielo ha insegnato. Ciò che vale la pena controllare è la densità: una pagina che fa affidamento sul segno ogni seconda frase si legge in modo diverso da una che lo usa due volte di proposito. Il rimuovi em dash gratuito di TextPulse controlla questa densità e propone la virgola, i due punti, il punto o il trattino che ogni singolo caso richiede.

Punti elenco, testo in grassetto e intestazioni

Lo stesso livello riguarda le decisioni di formattazione al di sotto della frase. Un elenco puntato nel mezzo di una prosa che nella mente dello scrittore non è mai stato un elenco. Intestazioni in title case quando il resto del documento è in sentence case. Una frase in grassetto all'inizio di ogni punto elenco, come un mini titolo. Nessuno di questi è un segno di punteggiatura, ma tutti provengono dallo stesso luogo: un modello che formatta per una finestra di chat, dove la struttura visiva sostituisce le transizioni che la prosa normalmente porterebbe.

Struttura e forma dell'argomentazione

L'ultimo livello si colloca al di sopra della frase ed è il più difficile da correggere con la sostituzione di una parola, perché è la forma stessa dell'argomentazione. Una sezione scritta da una macchina spesso si apre ribadendo il proprio titolo con parole leggermente diverse, procede attraverso due o tre punti di supporto a cui viene attribuito più o meno lo stesso peso, indipendentemente da quanto ciascuno conti davvero, poi si chiude riassumendo ciò che ha appena detto invece di aggiungere qualcosa di nuovo.

Un'abitudine correlata compare costantemente nei testi più lunghi: una sezione elenca ciò che qualcosa fa bene, cambia direzione su una parola come however, elenca le difficoltà con la stessa ordinata struttura in tre punti, poi allude a un futuro che presumibilmente le risolverà. Gli argomenti reali sono più irregolari di così. Uno scrittore umano di solito tiene più a un punto che agli altri due, gli dedica più spazio e non deve al lettore una chiusura simmetrica.

Questo è anche il livello in cui la scrittura accademica formulaica può apparire ingannevolmente simile alla scrittura prodotta da una macchina, poiché una sezione di metodologia o una rassegna della letteratura dovrebbe seguire una forma fissa. La differenza risiede all'interno di quella forma. Una rassegna della letteratura scritta da una macchina cita i punti abituali di un campo nell'ordine abituale. Una scritta da un essere umano discute quali punti contano e perché, anche all'interno di un modello rigido, perché si sta difendendo una posizione reale.

Questi indizi dimostrano che un testo è scritto da AI?

Nessun singolo indizio dimostra nulla, e neppure un insieme completo di essi. Sotto la pressione di un editor o di un professore, uno scrittore accademico attento può creare paragrafi con diverse di queste caratteristiche, come l'assenza di pronomi, ma senza l'aiuto di un chatbot. Anche gli scrittori non madrelingua di inglese possono usare parole sicure che hanno imparato in classe, e gli studenti a cui viene insegnato a usare connettori formali possono usare anch'essi molte di queste caratteristiche. Un elenco di parole non è una prova di scorrettezza, è un errore che può portare a false accuse contro scrittori attenti. Dovremmo denunciare questo errore, non ripeterlo in silenzio.

Ciò che uno strumento può fare in modo responsabile è mostrare il modello, non giudicare la scrittura. Ciò che possiamo offrire con l'AI humanizer di TextPulse è una stima di Human Score basata sul testo che ha davanti. Questa è una lettura della posizione di una bozza rispetto a questi modelli superficiali, non un verdetto di alcun detector e non una promessa su ciò che dirà domani uno strumento diverso. È un numero che si può usare come punto di partenza per una decisione, come un correttore ortografico segnala una parola senza decidere se la frase in cui si trova sia valida.

Ogni segnale sopra ha una pagina propria. Il lessico stesso è catalogato in un articolo su parole che tradiscono ChatGPT, con trattazioni separate della abitudine all'em dash e del motivo per cui i modelli ricorrono a un verbo in particolare . Anche le etichette più ampie sono trattate: che cosa significa AI slop, che cosa significa AI fluff, e una guida pratica per stabilire se qualcosa è stato scritto da AI. Se la preoccupazione riguarda le proprie bozze piuttosto che quelle di qualcun altro, c'è un articolo su rimuovere le parole AI dalla propria scrittura.

La prossima volta che leggi il tuo testo e qualcosa in esso non ti sembra del tutto giusto, non limitarti a trovare un sinonimo per sostituirlo. Prova invece a leggerlo ad alta voce. Conta il numero di parole in ciascuna frase. Chiediti che cosa esattamente stia facendo ogni parola lì. È la stessa lettura che un editor attento stava facendo molto prima che tutto questo avesse un nome.