Padrões de escrita de IA: as palavras, o ritmo e a pontuação que a denunciam

Leia esta frase uma vez e veja se você já sabe de onde ela veio: pesquisadores continuam a destacar a interação complexa entre motivação e desempenho, e um corpo crescente de trabalhos destaca o papel fundamental que a autorregulação desempenha no sucesso acadêmico. Nada nela está errado. Cada oração é gramatical, cada palavra é uma palavra real, e um avaliador não descontaria um único ponto. Mas ainda soa como se tivesse saído de uma máquina, porque saiu. É disso que trata este texto.

Padrões de escrita de IA são os hábitos repetíveis, na escolha de palavras, no ritmo das frases, na pontuação e na estrutura, que tornam a prosa redigida por máquina reconhecível à primeira vista. Eles se agrupam em quatro níveis: as palavras que um modelo tende a escolher, a forma de suas frases, a pontuação de que ele lança mão e a maneira como estrutura um argumento como um todo. Nenhum deles, isoladamente, prova algo. Juntos, dentro de um único parágrafo, são difíceis de ignorar.

A máquina que faz isso é chamada de detector estatístico. Ela atribui uma pontuação a quão previsível é cada palavra, de acordo com o que um modelo de linguagem espera. Um relatório contém a matemática de perplexidade e burstiness por trás dessa pontuação, abordada com mais detalhes em outro texto sobre como os detectores de IA funcionam. O restante deste artigo é um catálogo de indícios de escrita de IA que um leitor pode ouvir, contar ou apontar na página. Isso pode importar, mesmo que um detector esteja errado, indisponível ou fora de propósito. O que segue aqui não precisa de modelo nem de assinatura.

Por que os padrões de escrita de IA soam robóticos?

Um modelo de linguagem está fazendo algo diferente de uma pessoa no nível da frase, escolhendo a próxima palavra estatisticamente provável, repetidas vezes, dentro de um sistema treinado para soar competente, e não distinto. A competência nessa escala produz uma prosa fluida, correta e esquecível, que é a origem da sensação de robô. Muitas vezes, um leitor não consegue dizer o que há de errado com um parágrafo assim, apenas que ele soa sem relevo, e os quatro níveis abaixo são onde essa falta de relevo se manifesta.

A escolha de palavras é o nível que os leitores percebem primeiro: palavras formais, teatrais, surgindo onde não pertencem. O ritmo das frases é mais discreto, um parágrafo em que cada frase tem aproximadamente o mesmo comprimento. A pontuação e a formatação carregam sua própria assinatura, um travessão usado como junta universal, uma lista com marcadores quebrando um texto que nunca foi uma lista na cabeça do autor. A estrutura é a menos visível, uma parte que restata seu próprio título, cobre exatamente três pontos e então se encerra resumindo a si mesma.

Comece pelas palavras: as mais fáceis de apontar e as mais bem documentadas.

Quais palavras a IA usa em excesso?

Você vê essas palavras formais, ligeiramente teatrais, repetidas vezes: "delve", "underscore", "showcase" e "pivotal" estão entre as mais documentadas. Dmitry Kobak e três coautores se propuseram a identificar essa linguagem. Eles analisaram 15.1 million resumos do PubMed de 2010 a 2024 e identificaram um grupo de palavras que teve um aumento acentuado de frequência quando o ChatGPT foi lançado. "Delve" foi a que mais avançou, o estudo, publicado em Science Advances em July 2025, estimou sua frequência em 2024 como cerca de 28 vezes maior do que antes de 2023. As mais próximas foram "underscore" e "showcase". Os autores estimam que pelo menos 13.5 percent dos resumos de 2024 apresentam sinais de assistência de IA, subindo para acima de 40 percent em alguns países e editoras.

Por que os modelos convergem para essas palavras específicas é menos claro do que o próprio padrão. Um estudo da COLING 2025 testou vinte e uma palavras super-representadas em relação à arquitetura do modelo, aos dados de treinamento e ao feedback humano usado para ajustar chatbots, e considerou a etapa de feedback a contribuição mais plausível, sem explicar totalmente o efeito. A interpretação também continua em disputa: uma troca de 2026 no periódico PNAS contestou o quanto uma mudança na frequência de palavras mede diretamente o uso de IA, algo que vale lembrar antes de tratar qualquer número isolado aqui como fato estabelecido.

Isso não é verdade apenas para resumos de artigos. Em um estudo que comparou meio milhão de redações de estudantes e de redações geradas por IA, os pesquisadores compararam o comprimento dos textos e a escolha de palavras e constataram que as redações humanas eram, no geral, mais longas e usavam um vocabulário mais amplo. Em um estudo de avaliações por pares submetidas a quatro conferências de aprendizado de máquina, incluindo ICLR 2024 e NeurIPS 2023, os pesquisadores usaram a mesma técnica para estimar que entre seis e quinze por cento do texto das avaliações foi substancialmente modificado por um LLM. Era mais provável que fosse afetado por um LLM quando era enviado perto do prazo final.

Palavra ou expressão usada em excesso pela IA	O que um escritor cuidadoso usa em vez disso
delve (into)	examinar, analisar
underscore	mostrar, enfatizar
showcase	apresentar, demonstrar
pivotal	principal, निर्णisivo
robust	sólido, confiável
intricate	complexo, detalhado
meticulous	cuidadoso, minucioso
tapestry	mistura, variedade
testament	sinal, evidência
boasts	tem, inclui
foster	incentivar, apoiar
garner	obter, atrair
multifaceted	multifacetado, complexo
holistic	integral, global
nuanced	cuidadoso, preciso
invaluable	útil, valioso
realm	campo, área
embark on	começar, iniciar
unlock	abrir, tornar possível
interplay	relação, vínculo

Nenhuma dessas palavras está errada por si só. Uma seção de métodos que chama um achado de robusto está usando a palavra corretamente, e um historiador que descreve um argumento jurídico intrincado não está se confessando a um chatbot. O que soa como algo feito por máquina é a densidade: três ou quatro dessas palavras em um único parágrafo, sem exercer nenhuma função específica, empilhadas do modo como um modelo as empilha porque cada uma foi, de forma independente, a próxima escolha mais segura. Uma verificação rápida com o removedor gratuito de palavras de IA do TextPulse sinaliza essa densidade diretamente.

Por que as frases de IA soam sempre com o mesmo comprimento?

Um modelo constrói cada frase do mesmo modo como construiu a anterior, em vez de condensar um ponto em seis palavras em um lugar e desdobrá-lo ao longo de trinta em outro, de modo que a saída tende a permanecer quase com o mesmo comprimento ao longo de todo o texto. Essa variação, ou a falta dela, é algo que você pode perceber lendo um parágrafo em voz alta, um exercício diferente da pontuação de burstiness que um detector calcula a partir da mesma propriedade subjacente.

Dois hábitos menores denunciam o ritmo de perto. Um modelo gosta de encerrar uma frase com um particípio solto que sugere importância sem acrescentar informação, uma afirmação seguida de destacar a necessidade de pesquisas adicionais ou refletir uma mudança mais ampla no campo. Ele também recorre a uma estrutura em pares para soar equilibrado, na linha de o método não é apenas eficiente, mas também escalável. Dita uma vez, essa construção não tem nada de notável. Dita em cada parágrafo, soa como um modelo com os substantivos trocados.

A Regra de Três

No nível da expressão também, grupos de três são o ritmo padrão do modelo: três adjetivos antes de um substantivo, três exemplos em uma lista, três orações construídas do mesmo modo em sequência. Grupos ocasionais de três sempre fizeram parte do inglês. Um grupo de três bem colocado não é sintoma de nada. O indício é a frequência. Três não é o problema. Três aparecendo em quase todo parágrafo é.

Contar é suficiente para detectar a maior parte disso sem qualquer treinamento especial. Leia um parágrafo e marque o comprimento de cada frase em palavras. Se todas as suas marcas estiverem a poucos palavras da última, o ritmo é o indício. Use o verificador gratuito de burstiness do TextPulse para automatizar a contagem e representá-la em gráfico, o que é útil para uma passagem longa demais para avaliar visualmente uma frase de cada vez.

O travessão e outros indícios de pontuação

Por que o sinal se tornou a escolha padrão

O travessão é provavelmente o sinal de pontuação mais frequentemente atribuído à escrita de máquina. Você talvez o conheça como o travessão longo que substitui uma vírgula, dois-pontos ou ponto final para conectar duas metades de uma frase. O travessão não é novo e não é algo inventado pela AI. Enquanto os guias de estilo existem, de Chicago a AP, eles têm permitido seu uso para ênfase e interrupção. E muitos escritores profissionais o usam intencionalmente.

A razão provável de ele aparecer com tanta frequência na produção de máquina é banal: o sinal é comum na prosa editada e composta profissionalmente sobre a qual os modelos de linguagem são treinados, e ele permite que uma frase continue avançando sem recorrer a um ponto final. Um modelo construído para produzir texto fluente e conectado recorre a essa flexibilidade com frequência, mais do que a maioria das pessoas quando redige à mão.

A frequência varia enormemente conforme o sistema que produziu o texto. Um teste comparativo realizado em meados de 2025 deu a seis chatbots o mesmo prompt e contou os sinais: três sistemas o retornaram oito ou nove vezes em menos de seiscentas palavras, um o usou duas vezes em quase mil palavras, e dois não o usaram de forma alguma. A frequência é uma propriedade de qualquer modelo que produziu o parágrafo diante de você, não um traço fixo da escrita de AI. A OpenAI acrescentou uma configuração em novembro de 2025 que permite a um usuário dizer ao ChatGPT para parar de usar o sinal e realmente obedecer, o que torna até esse indício parcialmente opcional agora.

Nada disso faz do próprio sinal evidência de qualquer coisa. Muitos escritores cuidadosos o usam deliberadamente, e muitos ensaios de estudantes que nunca tocaram em um chatbot também o usam, às vezes porque um professor os ensinou a isso. O que vale a pena verificar é a densidade: uma página que recorre ao sinal a cada segunda frase lê-se de modo diferente de uma que o usa duas vezes de propósito. O removedor gratuito de travessões do TextPulse verifica essa densidade e propõe a vírgula, os dois-pontos, o ponto final ou o hífen que cada caso exige.

Marcadores, texto em negrito e cabeçalhos

O mesmo nível abrange decisões de formatação abaixo da frase. Uma lista com marcadores no meio de uma prosa que nunca foi uma lista na cabeça do autor. Cabeçalhos em title case quando o restante do documento está em sentence case. Uma frase em negrito no início de cada item da lista, como um mini título. Nada disso são sinais de pontuação, mas tudo vem do mesmo lugar: um modelo formatando para uma janela de chat, em que a estrutura visual substitui as transições que a prosa normalmente carregaria.

Estrutura e forma do argumento

O último nível fica acima da frase e é o mais difícil de corrigir com uma troca de palavras, porque é a própria forma do argumento. Uma seção escrita por máquina muitas vezes começa reformulando o próprio cabeçalho em palavras ligeiramente diferentes, avança por dois ou três pontos de apoio dados com peso aproximadamente igual, independentemente de quanto cada um realmente importa, e então termina resumindo o que acabou de dizer em vez de acrescentar algo novo.

Um hábito relacionado aparece constantemente em textos mais longos: uma seção lista o que algo faz bem, faz uma virada com uma palavra como however, lista desafios na mesma sequência organizada de três, e então faz referência a um futuro que presumivelmente os resolverá. Argumentos reais são mais irregulares do que isso. Um escritor humano normalmente se importa mais com um ponto do que com os outros dois, dedica mais espaço a ele e não deve ao leitor um fechamento simétrico.

Este também é o nível em que a escrita acadêmica formulaica pode parecer enganosamente semelhante à escrita de máquina, já que uma seção de métodos ou uma revisão de literatura supostamente segue uma forma fixa. A diferença está dentro dessa forma. Uma revisão de literatura escrita por máquina menciona os pontos usuais de um campo na ordem usual. Uma revisão humana argumenta sobre quais pontos importam e por quê, mesmo dentro de um modelo rígido, porque uma posição real está sendo defendida.

Julgar um Texto que Você Não Escreveu

Os Quatro Sinais que Mais Valem

A lacuna de especificidade é o sinal mais forte disponível para um leitor sem nenhuma ferramenta. A prosa redigida por máquina faz afirmações que se sustentam em qualquer nível de generalidade e não se prendem a nenhum deles. Ela informa que a pesquisa examinou a questão sem nomear um estudo, que o efeito é significativo sem fornecer um tamanho, que a prática é comum no setor sem nomear uma empresa ou um ano. Um escritor humano trabalhando com o mesmo limite de palavras tende a gastar essas palavras em uma coisa concreta, porque tinha uma coisa concreta e queria incluí-la.

Citações que não se resolvem são o único sinal da lista que chega perto de evidência, e também são as mais raras. Uma referência formatada de modo impecável, atribuída a um periódico real, com um identificador que não retorna nenhum registro, é muito difícil de produzir por acidente. Verifique três referências antes de verificar qualquer outra coisa em uma submissão da qual você não tenha certeza. Isso leva dois minutos e ou encerra a questão ou remove o sinal mais forte da tabela.

A densidade vocabular é o sinal ao qual a maioria dos leitores recorre primeiro e aquele que falha com mais frequência. O sinal é a densidade, e não qualquer palavra individual. Um único verbo formal é registro acadêmico ordinário, enquanto cinco em um parágrafo sem exercer nenhum trabalho específico constituem um padrão. Contar manualmente ao longo de uma submissão longa é lento, e o limpador gratuito de palavras de IA do TextPulse marca os agrupamentos automaticamente, o que transforma uma impressão vaga em algo que você pode apontar na página.

O mais sutil dos quatro é um registro que nunca se rompe. Um escritor humano quase sempre faz algo ligeiramente fora do tom ao longo de duas mil palavras: uma frase curta depois de três longas, uma observação entre colchetes, um juízo que não precisava fazer, uma palavra escolhida porque gostou dela. A prosa redigida por máquina mantém um único registro da primeira à última linha. Há gêneros que proíbem todas essas coisas, então esse indício vale muito menos em uma seção de métodos do que em uma declaração pessoal.

Os indícios que parecem fortes e não são

Gramática impecável não prova nada. Ortografia e pontuação já foram automatizadas há duas décadas, e qualquer escritor cuidadoso que use um verificador produz a mesma superfície limpa. Registro formal também não prova nada, já que a formalidade é o que a maioria dos gêneros acadêmicos e profissionais exige por norma. O uso intenso de títulos, texto em negrito e listas com marcadores é um hábito de estilo editorial muito antes de ser qualquer outra coisa, e muitos escritores foram treinados nisso anos antes de um chatbot mostrar isso a alguém. Os hábitos de pontuação têm o mesmo peso baixo, e o travessão, em particular, tem sido solicitado a suportar muito mais do que um único sinal pode.

As pontuações dos detectores também pertencem a esse grupo, o que tende a surpreender as pessoas. Uma pontuação é um juízo estatístico sobre quão previsível é o texto, e a prosa previsível é o que humanos cuidadosos produzem todos os dias, e é assim que surgem os falsos positivos. A saída do detector é uma entrada para uma decisão que uma pessoa ainda precisa tomar, e o explicador da TextPulse sobre como os detectores de IA funcionam expõe o que o número está medindo antes que alguém o trate como um veredito.

O que fazer quando um texto aciona vários indícios

Verifique primeiro o que pode ser verificado. Extraia três citações, um número e um fato nomeado, e confirme cada um deles. Essa única passagem separa um texto raso de um texto fabricado, e os dois exigem respostas muito diferentes. Em seguida, compare a submissão com algo que a mesma pessoa escreveu antes sob supervisão, pois uma mudança súbita de registro dentro de um mesmo autor tem mais peso do que qualquer leitura absoluta de um único documento. Depois, faça uma pergunta que só o autor poderia responder sobre o próprio texto: por que esta fonte e não a alternativa óbvia, o que a terceira seção originalmente pretendia argumentar, qual parágrafo lhes deu mais trabalho. Quem escreveu a peça responde de imediato.

Siga a política que existe, e não a que você teria escrito. A maioria das instituições agora especifica quem pode levantar uma preocupação, que evidências são admissíveis e o que é dito ao autor, e ignorar essa sequência é o que transforma uma pergunta razoável em uma reclamação. Os autores do outro lado desse problema, informados de que o próprio trabalho deles soa como se tivesse sido redigido por máquina, têm uma tarefa diferente a cumprir, e o humanizador de IA do TextPulse informa uma pontuação humana estimada calculada a partir do texto, e não um veredito de qualquer detector.

Aplicar o mesmo teste aos seus próprios rascunhos é mais difícil, e se sua escrita soa como IA tem sua própria página. O vocabulário em si é catalogado separadamente, em uma lista de as palavras que denunciam ChatGPT.

Os nove indícios são um motivo para fazer uma pergunta, e é sempre a mesma pergunta: o que este texto sabe que uma suposição fluente não saberia? Faça-a primeiro às citações. Essa é a única parte de qualquer submissão que responde por si só, sem que ninguém precise ser acusado de nada.

Esses indícios provam que um texto foi escrito por IA?

Nenhum indício isolado prova qualquer coisa, e nem mesmo um conjunto completo deles. Sob pressão de um editor ou professor, um escritor acadêmico cuidadoso pode produzir parágrafos com várias dessas características, como a ausência de pronomes, mas sem a ajuda de um chatbot. Escritores de inglês não nativos também podem usar palavras seguras que lhes foram ensinadas em sala de aula, e estudantes que são ensinados a usar conectores formais podem empregar muitas dessas características também. Uma lista de palavras não é prova de má conduta, é um erro que pode levar escritores cuidadosos a serem acusados falsamente. Devemos apontar esse erro, não repeti-lo em silêncio.

O que uma ferramenta pode fazer de modo responsável é mostrar o padrão, não julgar a escrita. O que temos a oferecer com o AI humanizer do TextPulse é uma estimativa de Human Score com base no texto diante dele. Trata-se de uma leitura de onde um rascunho se situa em relação a esses padrões superficiais, não de um veredito de qualquer detector e não de uma promessa sobre o que outra ferramenta dirá amanhã. É um número que você pode usar como ponto de partida para uma decisão, da mesma forma que um corretor ortográfico sinaliza uma palavra sem decidir se a frase ao redor dela é boa.

Cada indício acima tem sua própria página. O vocabulário em si é catalogado em um texto sobre palavras que denunciam ChatGPT, com tratamentos separados de o hábito do travessão e de por que os modelos recorrem a um verbo em particular. Os rótulos mais amplos também são abordados: o que significa AI slop, o que significa AI fluff, e um guia prático para saber se algo foi escrito por AI. Se a preocupação for com seus próprios rascunhos, e não com os de outra pessoa, há um texto sobre remover palavras de AI da sua escrita.

Na próxima vez que você estiver lendo sua prosa e algo nela não parecer totalmente certo, não se limite a encontrar um sinônimo para substituí-la. Tente lê-la em voz alta. Conte o número de palavras em cada frase. Pergunte a si mesmo o que exatamente cada palavra está fazendo ali. Essa é a mesma leitura que um editor cuidadoso fazia muito antes de tudo isso ter um nome.