Como o Turnitin detecta IA, passo a passo

Um relatório do Turnitin pode apresentar um único número, digamos quarenta e dois por cento, e dizer quase nada além disso sobre como chegou a esse resultado, a menos que alguém procure o mecanismo por trás dele. Esse número não é lido do documento como um todo, e não é um palpite. Ele é o resultado final de um pipeline específico e documentado, que funciona da mesma maneira em cada envio.

Então, como o Turnitin detecta IA? Ao dividir um envio em partes, atribuir pontuações a cada uma com base em se elas provavelmente foram geradas por IA ou geradas por IA e depois parafraseadas, e calcular a média dessas pontuações para determinar a porcentagem geral mostrada no relatório. Cada etapa desse pipeline é descrita na própria documentação do Turnitin, e não reconstruída a partir de fontes externas.

Isso se refere especificamente ao recurso de detecção de escrita por IA do Turnitin, um sistema separado da verificação mais antiga de similaridade ou plágio que compara um envio com outros documentos. A mecânica abaixo se insere na questão mais ampla de como os detectores de IA realmente funcionam, e o Turnitin é um exemplo prático útil precisamente porque publica mais do seu próprio método do que a maioria dos fornecedores. O que segue é primeiro o pipeline, depois o que ele sinaliza na prática, o que testes independentes constataram que ele deixa passar, e quem dentro de uma instituição realmente vê o resultado.

Como o Turnitin Detecta IA? O Pipeline em Resumo

O detector de escrita por IA do Turnitin executa quatro etapas em uma ordem fixa. Primeiro, verifica se um documento tem texto em prosa suficiente e elegível para receber uma pontuação. Segundo, divide esse texto em segmentos de algumas centenas de palavras cada. Terceiro, um modelo atribui uma pontuação a cada segmento individualmente. Quarto, as pontuações dos segmentos são calculadas em média para formar a única porcentagem em nível de documento que o leitor realmente vê.

O Relatório de Escrita por IA Não É o Relatório de Similaridade

O relatório de escrita por IA do Turnitin é um produto separado do relatório de similaridade, que verifica plágio. Eles funcionam com modelos diferentes e são exibidos em abas diferentes na mesma interface. A pontuação de similaridade compara uma submissão com um banco de dados de fontes publicadas anteriormente e outros trabalhos de estudantes, e retorna a porcentagem que corresponde. A pontuação de IA faz algo totalmente diferente, um classificador lê a prosa, atribui a cada segmento pontuado uma probabilidade de ter sido gerado por IA e agrega essas pontuações em uma única porcentagem do documento. Como medem coisas diferentes, uma submissão pode apresentar uma pontuação de similaridade de 2 percent e uma pontuação de IA de 60 percent, ou o inverso.

A porcentagem de IA também é mais restrita do que parece. Ela descreve a proporção da prosa elegível que o modelo prevê ter sido escrita por IA, não o documento inteiro, porque blocos de código, marcadores, títulos e escrita em formato curto são removidos antes de a pontuação ser calculada. No momento em que este texto é escrito, o detector funciona apenas com texto em inglês, espanhol e japonês.

Etapa Um: Segmentação do Documento em Blocos

Antes de qualquer pontuação ser atribuída, o modelo do Turnitin divide a submissão em blocos de algumas centenas de palavras cada, aproximadamente de cinco a dez frases por bloco. A segmentação ocorre primeiro porque o modelo foi construído para pontuar um bloco desse tamanho, não uma única frase e não uma dissertação inteira em uma única passagem.

Apenas o texto em prosa conta para um chunk. O modelo foi projetado para ler textos longos. Um documento que contém tanto prosa quanto tabelas ou código será pontuado como tendo alguma porcentagem de texto em prosa, mas pode não descrever todo o texto em prosa do documento. Isso ocorre porque o detector está pontuando um conjunto de dados que não inclui blocos de código, listas com marcadores ou texto de formato curto. É por isso que o documento pode retornar uma porcentagem que descreve apenas parte do que foi submetido.

A pontuação em nível de chunk tem uma consequência mais discreta que vale nomear. Uma única frase redigida por IA, inserida em um chunk de algumas centenas de palavras que, de outro modo, foi escrito por humanos, é calculada em média com todo o restante desse chunk, de modo que seu efeito sobre a própria pontuação desse chunk é diluído pela quantidade de texto escrito por humanos ao redor que compartilha o mesmo chunk. Uma inserção curta redigida por IA ainda alcança o modelo. Ela simplesmente tem menos peso do que um chunk redigido por IA da primeira à última palavra.

Etapa Dois: Pontuando Cada Segmento

Cada chunk é pontuado por conta própria, independentemente de qualquer outro chunk no documento. O modelo prevê se esse trecho específico de texto foi escrito por humanos, gerado por IA, ou gerado por IA e depois parafraseado, uma distinção em três vias, em vez de um simples sim ou não.

Esta é uma categoria separada e não apenas uma extensão de gerado por IA, o que sugere que há um problema real com a paráfrase enfraquecendo a detecção. Isso é corroborado por um estudo de 2023, que constatou que passar texto gerado por IA por um modelo dedicado de paráfrase reduziu um detector de pesquisa chamado DetectGPT de 70.3% de precisão para 4.6%, com uma taxa constante de falsos positivos de 1%. Não parece que Turnitin tenha publicado algo sobre quão resistente seu próprio classificador de três vias é à mesma técnica. A categoria existe por um motivo documentado.

Marcar no nível do trecho, em vez do nível do documento inteiro, é uma escolha de projeto deliberada. Uma tese de noventa páginas com dois parágrafos redigidos por IA e uma redação de cinco páginas inteiramente redigida por IA são problemas diferentes, e a média entre trechos é o que permite que um único número no nível do documento reflita essa diferença, em vez de aplaná-la.

Turnitin não publicou a arquitetura interna desse modelo por trecho com o mesmo nível de detalhe que publicou as etapas do pipeline. Trata-se de um classificador supervisionado treinado em exemplos rotulados, não de um limiar simples sobre o tipo de pontuação bruta do próximo token abordada no guia de TextPulse sobre o que a perplexidade na detecção de IA realmente mede, embora a mesma ideia subjacente, texto incomumente previsível, seja quase certamente parte do que esse classificador aprende a identificar.

Etapa Três: Média até uma Porcentagem no Nível do Documento

As pontuações dos trechos são calculadas em média para formar a única porcentagem que um relatório exibe. Essa porcentagem representa a proporção de texto em prosa qualificado, apenas escrita de forma longa, que o modelo prevê ser gerada por IA ou gerada por IA e depois parafraseada. Trata-se de uma proporção de segmentos pontuados, não de uma afirmação de que uma fração exata das palavras do documento foi literalmente digitada por uma máquina.

A porcentagem no relatório é a média. É por isso que dois documentos que ambos retornam quarenta por cento podem parecer diferentes em uma análise mais próxima. Um pode ter quarenta por cento de seus trechos pontuados como totalmente gerados por IA. Outro pode ter cada trecho pontuado como parcialmente provável, resultando na mesma cifra principal. Isso não mostra qual padrão a produziu.

O Turnitin consegue detectar ChatGPT, Claude ou Gemini?

Geralmente, sim, quando um documento contém escrita substancial gerada por IA, e o classificador não se importa com qual fornecedor a produziu. O Turnitin afirma que seu modelo procura um padrão de escrita, e não um nome de marca, e sua cobertura foi ampliada repetidas vezes desde o lançamento original do GPT-3.5 e do GPT-4 em 2023. A orientação atual menciona a série GPT-5, Gemini e Claude entre os sistemas contra os quais ele é treinado, com novos lançamentos de modelos adicionados de forma contínua. Um estudante que usou Gemini, Claude ou DeepSeek em vez disso não está contornando o detector apenas por escolher outra empresa.

A proporção de envios afetados por isso aumentou. Cerca de 15 percent dos ensaios que o Turnitin analisou entre October 2025 e February 2026 apresentaram 80 percent ou mais de escrita gerada por IA, acima de cerca de 3 percent quando a ferramenta foi lançada em April 2023.

Texto de IA parafraseado recebe sua própria categoria, em vez de uma liberação automática, que é a classificação em três vias descrita acima. A documentação do Turnitin separa o texto que julga ser apenas gerado por IA do texto que julga ser gerado por IA e depois parafraseado por IA, e em August 2025 ele adicionou detecção voltada especificamente para ferramentas de bypass de IA criadas para reescrever a saída da máquina e fazê-la passar por um detector. Isso não significa que parafrasear seja inútil ou que toda passagem reescrita seja detectada. Significa que a suposição de que a paráfrase é invisível para o Turnitin por padrão está desatualizada há algum tempo. O que a ferramenta faz com texto parafraseado especificamente, e com saída do DeepSeek, é tratado separadamente.

O requisito mínimo de palavras e o limiar com asterisco

Um envio precisa ter pelo menos 300 words de texto em prosa qualificado antes que o detector de IA do Turnitin gere qualquer pontuação, acima de um mínimo anterior de 150 words. Abaixo desse comprimento, simplesmente não há texto suficiente para que o processo de segmentação e média funcione.

Esse limite de 300 palavras corresponde ao tamanho de um único bloco de pontuação descrito anteriormente, algumas centenas de palavras, de cinco a dez frases. Um documento exatamente no mínimo está, na prática, entregando ao pipeline apenas cerca de um bloco de texto qualificado para fazer a média, e não vários, o que faz com que um relatório situado perto desse limite tenha mais probabilidade de cair na faixa menos confiável que o próximo limiar existe para sinalizar.

Turnitin também não exibirá uma porcentagem abaixo de um limite de 20%. Desde julho de 2024, o relatório mostra um asterisco ao lado de um sinal de porcentagem em vez de um número. Esse único aspecto do comportamento do relatório causa mais confusão do que qualquer outra parte do pipeline, por isso recebe sua própria seção abaixo.

Condição	O que o relatório mostra	Por quê
Menos de 300 palavras de prosa qualificada	Nenhuma pontuação de IA	Não há texto suficiente para que o pipeline de segmentação e média funcione de forma confiável
A pontuação ficaria abaixo de 20%	Um asterisco ao lado de um sinal de porcentagem, não um número	A própria documentação de Turnitin informa uma taxa de falso positivo mensuravelmente mais alta nessa faixa
Pontuação de 20% ou mais	Uma porcentagem específica	Considerada confiável o suficiente por Turnitin para ser exibida como número

O que significa a pontuação com asterisco no Turnitin?

Um asterisco em um relatório de escrita por IA do Turnitin significa que o modelo detectou alguma escrita por IA, mas menos de 20 por cento do documento, e Turnitin se recusa a publicar um número nessa faixa. Onde normalmente haveria uma porcentagem, o relatório mostra um asterisco ao lado de um sinal de porcentagem. A própria documentação do produto de Turnitin afirma isso diretamente: "Quando IA é detectada abaixo do limite de 20% no relatório, isso agora é indicado com um asterisco (*%) e nenhuma porcentagem é atribuída."

Um asterisco, portanto, não é um erro, não é uma pontuação ausente e não é um sinal de que algo deu errado com o envio. Trata-se de uma decisão deliberada do fornecedor de reter um valor que ele não considera confiável o suficiente para ser exibido.

Por que Turnitin oculta o número abaixo de 20 percent

Porque essa faixa é aquela em que a ferramenta tem maior probabilidade de errar, e a própria promessa de precisão do Turnitin é delimitada de modo a excluí-la. A empresa se compromete a manter sua taxa de falso positivo "abaixo de 1% para documentos com mais de 20% de escrita por AI". Leia o escopo com atenção: o compromisso tem um limite inferior embutido, e esse limite inferior é o mesmo 20 percent. Abaixo dessa linha a empresa não reivindica a mesma confiabilidade, então, em vez de exibir um número pequeno que um leitor inevitavelmente trataria como preciso, ela não exibe nada. O asterisco existe para evitar falsos positivos, isto é, existe para evitar entregar a um professor um valor que deturparia um documento escrito por humano.

O raciocínio acompanha a mecânica descrita anteriormente. Uma pontuação em nível de documento é uma média entre trechos de algumas centenas de palavras. Quando apenas uma pequena parcela desses trechos é classificada como AI, a média resultante se apoia em muito pouco sinal, e o pipeline não consegue separar de forma confiável um 8 percent genuíno de um espúrio. Suprimir o número é a resposta honesta a isso, e é o mesmo impulso por trás do mínimo de 300 palavras.

O que o asterisco significa na prática em uma universidade

Na prática, a maioria das instituições trata um asterisco como algo sobre o qual não há o que agir, e o lê como uma pontuação baixa consistente com um trabalho escrito por humano. O raciocínio é direto. Se o fornecedor que construiu o detector não sustenta um valor nessa faixa, o professor não tem nada substancial a levantar com um estudante, muito menos algo a levar a uma comissão de conduta. Para a maioria dos processos de integridade acadêmica, um relatório que mostra um asterisco é funcionalmente equivalente a um relatório limpo.

Essa é uma descrição de como o resultado é usado, e vale a pena conhecê-la se você estiver olhando para um. Não é o mesmo que uma conclusão sobre o que o documento de fato é, e essa distinção importa nos dois sentidos.

O que um asterisco não significa

• Não é um certificado de autoria humana. Turnitin está deixando de atribuir uma pontuação ao documento com confiança, o que é uma afirmação sobre o detector, e não sobre o autor.
• Não é o mesmo que zero. Um documento sem nenhuma escrita por IA e um documento com um único parágrafo assistido por IA podem produzir o mesmo asterisco, e é exatamente por isso que o número é omitido.
• Não é comparável entre envios. Dois asteriscos informam que ambos os documentos ficaram abaixo do mesmo limite, e nada sobre como se comparam entre si.
• Não é a pontuação de similaridade. A correspondência de plágio é um relatório separado, em uma aba separada, e exibe sua própria porcentagem, independentemente do que o indicador de IA faça.

A consequência prática que vale reter é que uma edição leve com assistência de IA, um parágrafo reescrito com ajuda e o restante escrito sem auxílio, muitas vezes produzirá um asterisco em vez de uma pequena porcentagem. Nem a presença nem a ausência de um número resolve a questão por si só, e essa é a mesma conclusão a que as cifras de precisão abaixo chegam pela direção oposta.

O que Turnitin afirma sobre a precisão, e de quem são esses números

Turnitin publica suas próprias cifras de precisão, e vale lê-las exatamente assim: os números de validação do próprio fornecedor, não uma auditoria independente. Seu material publicado afirma uma taxa de falso positivo inferior a 1% para documentos que o modelo pontua acima de 20% de escrita por IA, um limite que coincide com o ponto de corte do asterisco descrito acima. O mesmo programa foi posteriormente estendido a amostras de escrita de English Language Learner em resposta a pesquisas sobre viés do detector.

Turnitin diz que validou esse número em relação a uma grande linha de base de trabalhos escritos por humanos, enviados antes de ChatGPT existir. Os materiais da Turnitin são inconsistentes quanto ao tamanho exato dessa linha de base, a página de FAQ cita 700,000 trabalhos, enquanto uma publicação no blog do Chief Product Officer da Turnitin cita 800,000, com a mesma alegação de menos de 1% associada a ambos. Os materiais da Turnitin também descrevem uma compensação, segundo a própria empresa, detectar conteúdo gerado por IA de forma mais agressiva significa deixar passar cerca de 15% dele.

A empresa também revisou suas próprias alegações em público. Em 2023, logo após o lançamento, o chief product officer da Turnitin reconheceu que os testes de laboratório não haviam previsto quantos falsos positivos apareceriam no uso no mundo real, especialmente em envios curtos, e informou uma taxa de falso positivo em nível de sentença de cerca de 4 percent. Aumentar o comprimento mínimo pontuável de 150 para 300 palavras foi a resposta a essa lacuna.

Lidos em conjunto, esses números descrevem uma compensação específica, e não um único número de precisão. Uma taxa de falso positivo abaixo de 1% parece próxima do desprezível até ser escalada em relação ao número de envios que passam pelo sistema, e uma taxa de omissão de 15% significa que uma parcela relevante do conteúdo gerado por IA é pontuada como humana por projeto, não por mau funcionamento. Os próprios materiais da Turnitin apresentam ambos os números como o equilíbrio pretendido do sistema, e não como evidência de que a ferramenta está simplesmente certa ou simplesmente errada.

O Que os Testes Independentes Encontraram

Os testes independentes acrescentam detalhes que os números do fornecedor não trazem, no mesmo espírito dos testes independentes de detectores de IA mais amplos, que continuam revelando lacunas entre as condições de laboratório e os envios reais. O Center for the Advancement of Teaching da Temple University realizou uma das análises mais cuidadosas disponíveis. Os pesquisadores submeteram 120 amostras de escrita, divididas igualmente entre escrita totalmente humana, escrita totalmente gerada por IA, escrita gerada por IA passada por uma ferramenta de paráfrase e textos híbridos combinando contribuições humanas e de IA, e registraram o que a Turnitin retornou para cada uma.

A ferramenta identificou corretamente 93 por cento das amostras puramente humanas e 77 por cento das puramente geradas por IA. Nas perguntas mais difíceis, a precisão caiu ainda mais. Turnitin identificou com precisão apenas 63 por cento das amostras de IA parafraseadas como geradas por IA, e apenas 43 por cento das amostras híbridas como nem totalmente humanas nem totalmente de IA. Essas são as categorias mais próximas de como a escrita auxiliada por IA realmente é produzida, e os pesquisadores destacaram o texto híbrido em particular como provavelmente responsável por uma parcela grande e crescente das submissões reais, à medida que mais cursos atribuem trabalhos que usam IA para parte da tarefa.

O que foi testado	Resultado de Turnitin
Amostras 100% escritas por humanos	93% corretamente identificadas como humanas
Amostras 100% geradas por IA	77% corretamente identificadas como IA
Texto de IA processado por uma ferramenta de paráfrase	63% corretamente identificadas como IA
Amostras híbridas, parte humana e parte IA	43% corretamente identificadas como nem 0% nem 100%
Documentos com mais de 20% sinalizados (a própria cifra de Turnitin)	Taxa de falso positivo inferior a 1%

Nenhum desses são achados independentes do lado de Turnitin. Pesquisadores fora da empresa, citados na cobertura dos próprios estudos de viés de Turnitin, descrevem um quadro ainda mais complexo, particularmente para escritores de inglês não nativo e rascunhos amplamente editados.

Onde os destaques em nível de frase se desagregam

A pontuação em nível de documento não é a única visualização que um docente pode abrir, e a outra é menos confiável. Algumas interfaces mostram um relatório de sinalização que destaca frases específicas como provavelmente escritas por IA. Os pesquisadores de Temple verificaram esses destaques em relação às frases de suas amostras híbridas que de fato haviam sido escritas por IA e não encontraram relação entre as duas coisas. Isso importa se um docente encaminha uma captura de tela de um parágrafo destacado em vez da porcentagem resumida, a pontuação geral do documento teve desempenho consideravelmente melhor do que os destaques em nível de frase.

Quem De Fato Vê a Pontuação

A pontuação de IA não faz parte, por padrão, do relatório voltado ao estudante. Ela fica em sua própria aba, visível para docentes e administradores, e o estudante só a vê se o docente optar por compartilhar o relatório ou exibi-la diretamente. Trata-se de uma diferença estrutural real em relação à pontuação de similaridade, que os estudantes normalmente podem consultar por conta própria no mesmo sistema, depois que uma submissão foi processada.

O mesmo se aplica ao fato de o recurso existir ou não para um curso específico, o que é uma decisão institucional acima e além do docente. Administradores em nível de conta podem ativar ou desativar a detecção de IA do Turnitin para toda a instituição. Um professor pode não conseguir ativá-la se sua universidade a tiver desativado, e o inverso também é verdadeiro. Dois estudantes em universidades diferentes podem enviar trabalhos comparáveis e ter experiências muito diferentes com essa ferramenta, por razões que não têm nada a ver com o que qualquer um deles escreveu.

Por Que Algumas Universidades a Desativaram

A University of Waterloo descontinuou o recurso de detecção de IA do Turnitin em setembro de 2025, e a justificativa publicada é incomumente direta. A universidade citou a falta de confiabilidade documentada da ferramenta, seu viés contra estudantes cuja primeira língua não é o inglês e seus próprios testes internos, que incluíram pelo menos um caso de texto inteiramente escrito por humanos classificado como 100 percent AI-generated. Em comparação com o custo da ferramenta, a universidade concluiu que os custos superavam os benefícios e redirecionou o esforço para o redesenho da avaliação e para a formação em letramento em IA.

Waterloo é um exemplo visível de uma divisão mais ampla, e não uma exceção. As universidades que mantêm o recurso ativado, em geral, acrescentaram salvaguardas em vez de tratar a pontuação como um veredito por si só, exigindo uma conversa com o estudante antes de qualquer etapa formal começar e tratando o número como um motivo para abrir essa conversa, e não encerrá-la. Ler sobre como as universidades estão lidando com a política de IA de forma mais ampla torna o padrão mais claro: se uma pontuação chega até você, isso depende de uma decisão tomada muito acima da sua sala de seminário, e não de uma propriedade fixa da própria tecnologia.

O que uma pontuação alta prova, e o que não prova

Uma pontuação alta de IA é evidência, não um veredito. O próprio Turnitin enquadra a porcentagem como um dado entre outros para o julgamento do instrutor, e não como uma constatação de má conduta, e os índices de precisão acima explicam por que esse enquadramento importa: mesmo uma pontuação em nível de documento que apresenta desempenho razoável interpreta de forma equivocada uma parcela significativa de textos muito editados, parafraseados ou híbridos, e os destaques em nível de frase são consideravelmente menos confiáveis do que o número resumido. Nada disso garante que qualquer pontuação individual esteja errada. Isso significa que uma porcentagem é um motivo para fazer perguntas, e não uma constatação a ser aceita de imediato.

Uma única porcentagem em nível de documento comprime quatro etapas separadas em um só número, e nenhuma dessas etapas lê o significado nem verifica se um argumento é sólido. Ver como uma passagem mais curta recebe pontuação nos sinais estatísticos subjacentes dos quais um pipeline como esse é construído é uma forma mais direta de entender um relatório do que tratar a porcentagem como um veredito. O verificador gratuito de perplexidade da TextPulse executa uma versão simplificada desse tipo de pontuação em nível de palavra sobre o seu próprio rascunho, fora de qualquer pipeline institucional, e o seu verificador gratuito de burstiness cobre a metade do ritmo das frases da mesma medição. Ambos fornecem uma leitura sobre a sua própria escrita, não uma previsão do que o Turnitin dirá sobre ela. Nenhuma ferramenta pode prometer isso de forma responsável em relação a um sistema que ela não controla.

Turnitin relata dois números e eles medem coisas não relacionadas. Qual é qual é explicado separadamente, junto com o que de fato conta como uma boa pontuação do Turnitin depois que você sabe a que a porcentagem se refere. Várias questões relacionadas têm páginas próprias: se um professor pode perceber que você usou ChatGPT sem nenhum detector, a versão mais direta disso, se serei pego, e, para contextos específicos, detecção de IA em programas de enfermagem e se os escritórios de admissão universitária realizam essas verificações. O enquadramento mais amplo está em um texto separado sobre integridade acadêmica e IA.

Nada disso provavelmente será a versão final. O Turnitin reescreveu seus limites, suas regras de visibilidade e sua cobertura de modelos mais de uma vez desde 2023, e agosto de 2026 também não será a palavra final. Ele se soma ao restante da coleção de ferramentas gratuitas do TextPulse, para quem quer um segundo sinal antes de tratar a porcentagem de uma instituição como a palavra final.

O que a nossa própria pesquisa encontrou

No estudo de concordância entre detectores da TextPulse Research, nove detectores comerciais de IA avaliaram os mesmos 90 textos acadêmicos. Um deles era um texto híbrido de 455 palavras: abertura e fechamento escritos por humanos em torno de um trecho central de 168 palavras gerado por IA. Turnitin pontuou este texto com 26.8% de IA, enquanto os veredictos das outras ferramentas sobre as mesmas palavras variaram de 0% a 95.7% de IA. O artigo completo, o corpus e a matriz de pontuações por ferramenta estão em acesso aberto em TextPulse Research.