Una professoressa riceve il tema di uno studente, lo legge, trova alcune frasi più ordinate del solito, qualche parola che quel ragazzo, almeno secondo lei, non avrebbe mai utilizzato, poi apre uno dei tanti rilevatori disponibili online, incolla il testo e aspetta quei pochi secondi che servono al sistema per restituire un numero.
Ottantasette per cento.
Da quel momento il numero comincia a pesare più del tema, più dello studente, più dei mesi trascorsi in classe, più delle sue difficoltà, dei miglioramenti, delle letture fatte e, soprattutto, più di una domanda che dovrebbe arrivare prima di qualsiasi accusa.
“Che cosa significa davvero quell’ottantasette per cento?”
La scena potrebbe svolgersi dentro una scuola, però potrebbe accadere nello studio di un professore universitario, nella redazione di un giornale, nell’ufficio di un’azienda che sta selezionando una persona, davanti a una lettera di presentazione, a un articolo, a una relazione, a un curriculum, a un elaborato professionale o a un documento ricevuto da un collaboratore esterno.
Il testo sembra scritto troppo bene.
Oppure sembra scritto male in un modo particolare.
Le frasi hanno tutte una lunghezza simile, i passaggi appaiono ordinati, le conclusioni arrivano puntuali, le parole sembrano levigate, quasi prive di esitazioni e, allora, nasce il sospetto che dietro quelle righe ci sia ChatGPT, Gemini, Claude, Copilot o un altro sistema generativo.
Il sospetto può essere ragionevole.
La certezza richiede molto di più.
Un rilevatore AI può dimostrare che un testo è stato scritto da ChatGPT?
La risposta più corretta, quella che dovrebbe apparire subito, prima delle percentuali, delle classifiche e delle promesse di infallibilità che si leggono online, è questa: un rilevatore di testi generati dall’Intelligenza Artificiale può fornire un’indicazione probabilistica, legata alle caratteristiche linguistiche e statistiche individuate nel testo, però quel risultato, osservato da solo, non dimostra con certezza chi abbia scritto il documento, quale strumento sia stato utilizzato, quanto sia intervenuta una persona e in quale fase del lavoro sia entrata l’IA.
Un testo potrebbe essere stato generato interamente da un modello e poi riscritto a lungo da una persona.
Potrebbe essere nato da una persona, corretto con un assistente grammaticale e riorganizzato attraverso l’IA.
Potrebbe contenere soltanto un paragrafo generato.
Potrebbe essere stato scritto interamente da un essere umano, con uno stile ordinato, prevedibile, semplice o molto formale, e finire ugualmente dentro l’area che il rilevatore considera compatibile con la scrittura artificiale.
Dentro quel numero, quindi, convivono molte storie diverse e il software, mentre restituisce la propria stima, non ha visto il processo, non possiede le bozze, non conosce la persona, non sa quali fonti siano state consultate, non può ricostruire le revisioni e non ha accesso alla conversazione che potrebbe essere avvenuta tra l’autore e uno strumento di IA.
Vede il testo finale.
Prova a riconoscere alcuni segnali.
Calcola una probabilità.
Tutto ciò che viene dopo richiede una persona capace di leggere quel risultato senza trasformarlo, con troppa fretta, in una sentenza.
Come funzionano i rilevatori di testi scritti dall’IA
I rilevatori utilizzano tecniche differenti, anche molto complesse, però il loro lavoro può essere raccontato senza trasformare questa pagina in una lezione di informatica.
Un sistema generativo produce il testo scegliendo, passaggio dopo passaggio, le parole o, più precisamente, i token che risultano statisticamente più adatti al contesto, seguendo schemi appresi durante l’addestramento e adattandosi alle istruzioni ricevute.
Un rilevatore osserva il testo e cerca caratteristiche che, in base ai dati sui quali è stato costruito, compaiono più frequentemente nei contenuti generati dai modelli rispetto a quelli scritti dalle persone.
Può analizzare la prevedibilità delle parole, la variazione tra frasi, la distribuzione del lessico, la regolarità della sintassi, la struttura dei periodi, la ripetizione di alcuni modelli linguistici e molte altre caratteristiche che, sommate, conducono a una classificazione.
Alcuni strumenti fanno riferimento a concetti come la perplessità, cioè quanto un testo risulti prevedibile per un modello linguistico, e la variabilità, spesso indicata online con il termine inglese burstiness, che osserva quanto cambino lunghezza, ritmo e complessità delle frasi.
Queste caratteristiche possono essere utili, però nessuna appartiene esclusivamente alla scrittura artificiale.
Una persona può scrivere in modo molto prevedibile perché sta seguendo un modello, perché utilizza una lingua che conosce poco, perché risponde a una domanda semplice, perché ha imparato una struttura scolastica rigida, perché lavora su un documento tecnico pieno di formule ricorrenti o perché, dopo molte revisioni, ha eliminato quasi ogni irregolarità.
Allo stesso modo, un sistema di IA può ricevere istruzioni precise per variare il ritmo, inserire esitazioni, utilizzare un linguaggio più personale, modificare la sintassi e imitare imperfezioni umane, rendendo molto più difficile il lavoro del rilevatore.
Il problema, quindi, vive proprio dentro questa sovrapposizione, perché gli esseri umani possono scrivere testi che sembrano artificiali e l’Intelligenza Artificiale può produrre testi che sembrano profondamente umani.
OpenAI aveva creato un proprio rilevatore, poi lo ha ritirato
Nel gennaio 2023 OpenAI aveva pubblicato un classificatore progettato per distinguere i testi scritti dalle persone da quelli generati dall’Intelligenza Artificiale.
I risultati dichiarati dalla stessa azienda erano già molto prudenti: durante i test, lo strumento riconosceva come probabilmente generato dall’IA il 26% dei testi artificiali presi in esame e classificava erroneamente come artificiali il 9% dei testi scritti da persone.
OpenAI indicava inoltre diversi limiti, spiegando che il classificatore funzionava male sui testi brevi, offriva prestazioni inferiori nelle lingue diverse dall’inglese, poteva essere aggirato modificando il contenuto e, in alcuni casi, mostrava grande sicurezza anche quando la classificazione risultava sbagliata.
Il 20 luglio 2023 quel rilevatore è stato ritirato a causa del basso livello di accuratezza. La pagina ufficiale è rimasta online proprio per documentare l’esperimento, i risultati e i limiti riscontrati. (OpenAI, New AI classifier for indicating AI-written text)
Questo passaggio dovrebbe indurci a una certa prudenza, perché la stessa azienda che aveva sviluppato ChatGPT, avendo accesso a competenze tecniche, modelli e quantità enormi di dati, ha riconosciuto che il proprio sistema di rilevazione non offriva un’affidabilità sufficiente per sostenere decisioni delicate.
OpenAI, nelle indicazioni rivolte agli educatori, continua a spiegare che la propria ricerca sui rilevatori non ha prodotto risultati abbastanza affidabili per decisioni capaci di incidere in modo duraturo sugli studenti, soprattutto perché un falso positivo può attribuire a una persona un comportamento che non ha tenuto. (OpenAI, How can educators respond to students presenting AI-generated content as their own?)
Chiedere a ChatGPT se ha scritto un testo non risolve il problema
Qualcuno prova una strada ancora più diretta.
Copia il tema, l’articolo o la relazione dentro ChatGPT e domanda:
“Hai scritto tu questo testo?”
La risposta potrebbe apparire sicura.
ChatGPT potrebbe dire che lo stile è compatibile con un contenuto generato dall’IA, potrebbe elencare alcuni segnali, potrebbe perfino sostenere di riconoscere espressioni che utilizza frequentemente.
Quella risposta non possiede una base affidabile per stabilire la paternità del testo.
OpenAI chiarisce, in una pagina ufficiale aggiornata anche nel luglio 2026, che ChatGPT non conserva una conoscenza capace di riconoscere quali testi abbia scritto e, quando gli viene chiesto se un contenuto provenga dall’IA, può inventare una risposta priva di fondamento. (OpenAI, Can I ask ChatGPT if it wrote something?)
ChatGPT può analizzare lo stile.
Può indicare espressioni generiche, ripetizioni, passaggi molto regolari o strutture spesso associate ai testi generati.
Quell’analisi resta una lettura del documento, simile per alcuni aspetti a quella che potrebbe compiere una persona esperta, e non rappresenta il recupero di una memoria nascosta nella quale siano registrati tutti i testi prodotti dal sistema.
La domanda “Hai scritto tu questo testo?” può quindi generare una risposta convincente, articolata, piena di spiegazioni e completamente inaffidabile.
Qui ritorna il problema che accompagna ogni uso dell’Intelligenza Artificiale: una risposta scritta con sicurezza può produrre in chi legge una fiducia molto più grande delle prove disponibili.
Ho dedicato un articolo al controllo umano nell’Intelligenza Artificiale, perché il controllo, quando viene esercitato davvero, parte proprio dalla capacità di distinguere una spiegazione plausibile da una dimostrazione.
Che cosa significa un risultato del 90%
Immaginiamo che un rilevatore restituisca questa indicazione:
“Il testo è stato generato dall’IA al 90%.”
La frase sembra dire che esista una probabilità del 90% che ChatGPT abbia scritto quel testo.
Il significato reale dipende dal funzionamento dello strumento, dal modo in cui il produttore ha costruito il punteggio, dalla lingua, dalla lunghezza, dal tipo di testo, dal modello generativo considerato, dai dati usati per l’addestramento e dalla soglia scelta per classificare il contenuto.
Alcuni strumenti mostrano una percentuale riferita alla parte del testo che considerano probabilmente generata.
Altri cercano di stimare la probabilità complessiva.
Altri ancora trasformano un insieme di segnali tecnici in un numero più facile da leggere, anche quando quel numero viene percepito dall’utente con una precisione che il sistema, nella realtà, non possiede.
Per comprendere il valore di una percentuale bisognerebbe conoscere almeno il tasso di falsi positivi, il tasso di falsi negativi, le lingue supportate, la lunghezza minima richiesta, i generi testuali sui quali lo strumento è stato valutato e le prestazioni sui modelli più recenti.
Senza queste informazioni, il 90% resta un numero grande, capace di impressionare, però molto più difficile da interpretare di quanto sembri.
Falso positivo e falso negativo, due errori che possono ferire persone diverse
Un falso positivo si verifica quando un testo scritto da una persona viene classificato come prodotto dall’Intelligenza Artificiale.
Dentro una scuola, quel risultato può trasformarsi in un’accusa di scorrettezza, in un voto annullato, in una contestazione, in una perdita di fiducia e, qualche volta, in una ferita che resta anche dopo che il dubbio è stato chiarito.
Dentro un’azienda, un falso positivo può far apparire disonesto un dipendente, un candidato, un giornalista, un autore o un collaboratore che ha svolto realmente il lavoro.
Un falso negativo percorre la strada opposta: il testo è stato generato dall’IA, però il rilevatore lo considera umano.
Questa seconda possibilità interessa soprattutto chi cerca una garanzia tecnica assoluta, perché un testo generato può essere modificato, parafrasato, tradotto, accorciato, mescolato con parti umane o rielaborato da un altro sistema fino a perdere molte delle caratteristiche che il rilevatore cercava.
La ricerca continua a mostrare quanto le prestazioni cambino quando cambiano i modelli, i domini, le lingue e le tecniche di riscrittura. Uno studio pubblicato negli atti della conferenza NAACL del 2025 ha rilevato che diversi rilevatori faticano a mantenere una buona capacità di individuazione quando si impone, nello stesso momento, un tasso di falsi positivi sufficientemente basso. (A Practical Examination of AI-Generated Text Detectors for Large Language Models)
Il rilevatore, quindi, può mancare il testo generato e può accusare il testo umano.
La qualità dello strumento modifica la frequenza degli errori.
La possibilità dell’errore rimane.
Anche Turnitin invita a interpretare i risultati con cautela
Turnitin rappresenta uno degli strumenti più conosciuti nel mondo scolastico e universitario, soprattutto per il controllo delle somiglianze e del plagio, e negli ultimi anni ha introdotto anche una funzione dedicata alla rilevazione dei contenuti generati dall’IA.
Qui serve distinguere due attività che vengono spesso confuse.
Il controllo antiplagio cerca corrispondenze tra il testo analizzato e contenuti presenti in archivi, pubblicazioni, siti web o altri elaborati.
Il rilevatore IA prova a riconoscere caratteristiche statistiche compatibili con la generazione automatica.
Un testo può risultare originale rispetto alle fonti esistenti ed essere stato generato dall’IA.
Un testo scritto interamente da una persona può contenere parti copiate.
Le due analisi osservano problemi differenti.
Turnitin, nella propria documentazione ufficiale, riconosce che i falsi positivi sono possibili e indica una maggiore incidenza di risultati errati nella fascia compresa tra l’1% e il 19%, tanto da mostrare in quella zona un asterisco al posto della percentuale precisa, proprio per segnalare una minore affidabilità. (Turnitin, Using the AI Writing Report)
La società dichiara, per i documenti nei quali viene rilevata una quantità di testo artificiale superiore al 20%, un tasso di falsi positivi inferiore all’1%, precisando comunque che il report deve rappresentare un punto di partenza per l’esame del lavoro e per il dialogo con lo studente, senza essere utilizzato come unica base di una decisione. (Turnitin, AI writing detection model)
Quella percentuale inferiore all’1% rappresenta una dichiarazione del produttore, riferita alle proprie condizioni di prova, alle soglie utilizzate e ai documenti compatibili con il sistema.
Anche un errore raro, quando viene applicato a migliaia di elaborati e produce conseguenze sulla vita di una persona, merita una procedura capace di fermarsi, ascoltare e verificare.
Un testo italiano richiede ancora più attenzione
La lingua conta.
La struttura di un testo italiano, la lunghezza dei periodi, il modo di utilizzare le subordinate, la frequenza di alcuni connettivi, il rapporto tra forma scritta e parlata e le abitudini scolastiche possono essere molto diversi da ciò che un rilevatore ha imparato osservando testi inglesi.
Secondo i requisiti ufficiali pubblicati da Turnitin, al momento il report di rilevazione IA viene generato per testi lunghi almeno 300 parole e scritti nelle lingue supportate, indicate come inglese, spagnolo e giapponese. L’italiano, dentro quella specifica documentazione, non compare. (Turnitin, File requirements for an AI writing report)
Esistono altri servizi che dichiarano di analizzare testi italiani, però ogni promessa dovrebbe essere accompagnata da informazioni verificabili sui dati di prova, sul tasso di errore, sui modelli riconosciuti, sulla lunghezza minima, sui generi testuali e sulle condizioni nelle quali il risultato perde affidabilità.
La presenza della lingua italiana dentro un menu a tendina, da sola, racconta molto poco sulla qualità reale della rilevazione.
Un docente, un’azienda o un professionista che utilizza un rilevatore su un testo italiano dovrebbe quindi verificare, prima ancora del documento, se quel sistema è stato progettato e valutato seriamente sulla lingua italiana.
Lo stile semplice può essere scambiato per scrittura artificiale
Alcuni rilevatori hanno mostrato difficoltà particolari con i testi scritti in una seconda lingua, soprattutto quando l’autore utilizza un lessico più ristretto, costruzioni regolari e frasi prevedibili.
Uno studio condotto da ricercatori di Stanford nel 2023, pubblicato successivamente sulla rivista Patterns, ha analizzato sette rilevatori su elaborati scritti in inglese da persone madrelingua e da studenti per i quali l’inglese rappresentava una seconda lingua, trovando un numero molto elevato di classificazioni errate nel secondo gruppo. (GPT detectors are biased against non-native English writers)
La ricerca ha aperto una questione importante, perché un sistema che associa la semplicità linguistica alla generazione automatica rischia di penalizzare proprio chi possiede meno libertà espressiva, chi utilizza strutture scolastiche molto rigide, chi sta imparando una lingua o chi, per ragioni personali e culturali, scrive in modo lineare.
Il quadro scientifico continua comunque a evolversi.
Uno studio del febbraio 2026, svolto su testi in lingua ceca, ha riesaminato il tema e non ha trovato un pregiudizio sistematico contro gli autori non madrelingua nei rilevatori contemporanei osservati, mostrando quanto i risultati possano cambiare in base alla lingua, al periodo, allo strumento e alla tecnica utilizzata. (Different Time, Different Language: Revisiting the Bias Against Non-Native Speakers in GPT Detectors)
Questa differenza tra le ricerche rende il ragionamento ancora più chiaro: una conclusione ottenuta su uno strumento, in una lingua e dentro un gruppo di testi, non può essere trasferita automaticamente a ogni studente, ogni documento e ogni rilevatore disponibile online.
Le frasi “tipiche di ChatGPT” possono essere state scritte da una persona
“Nel panorama in continua evoluzione…”
“È fondamentale sottolineare…”
“In conclusione…”
“Da un lato… dall’altro…”
“Questa tecnologia offre opportunità e sfide…”
Sono formule che compaiono spesso nei testi generati, soprattutto quando il prompt è generico e chiede un articolo, una relazione o un tema senza fornire una voce precisa.
Quelle stesse formule esistevano molto prima di ChatGPT.
Sono presenti nei manuali, nelle tesi, nei comunicati, nelle relazioni aziendali e nei compiti di studenti educati per anni a seguire introduzione, sviluppo e conclusione.
Anche l’uso frequente dei titoli, delle liste, delle frasi equilibrate e delle conclusioni ordinate può far nascere un sospetto, però il sospetto riguarda lo stile e non ricostruisce l’origine del testo.
Una persona può aver imparato a scrivere imitando testi generici.
Un sistema può essere stato istruito per imitare una persona.
Un autore può aver scritto il contenuto e aver chiesto all’IA di correggere soltanto la grammatica.
Un testo può essere nato da una conversazione lunga, nella quale la persona ha scelto ogni idea, contestato diverse versioni, aggiunto episodi reali e riscritto interi passaggi.
In tutti questi casi, la domanda “È umano oppure artificiale?” comincia a mostrare i propri limiti, perché la scrittura contemporanea può essere il risultato di una collaborazione, di una correzione, di un suggerimento o di una stratificazione nella quale il contributo umano e quello tecnologico si mescolano.
La domanda più utile diventa allora un’altra.
“Quale parte del lavoro appartiene davvero alla persona e quale parte è stata delegata?”
Un testo può superare il rilevatore e restare vuoto
La capacità di superare un AI detector non rende un testo autentico, profondo o corretto.
Esistono strumenti che promettono di “umanizzare” i contenuti generati, modificando parole, struttura, punteggiatura e ritmo proprio per ridurre la probabilità di rilevazione.
Una persona può anche riscrivere manualmente alcune parti, introdurre errori, alternare frasi corte e lunghe, sostituire espressioni ricorrenti e ottenere un risultato che il rilevatore considera umano.
Il testo, dopo tutto questo lavoro, può continuare a contenere informazioni inventate, fonti inesistenti, citazioni sbagliate, pensieri che l’autore non comprende e conclusioni che non saprebbe difendere durante una conversazione.
Concentrarsi esclusivamente sulla rilevazione rischia quindi di lasciare fuori la qualità.
Un tema può essere umano e mediocre.
Un testo può essere stato costruito con l’aiuto dell’IA e contenere un lavoro serio di ricerca, scelta, verifica e riscrittura.
Un elaborato può essere generato interamente e consegnato senza aver compreso una sola riga.
La valutazione dovrebbe entrare dentro il processo, dentro le fonti, dentro la capacità della persona di spiegare, collegare, correggere e assumersi la responsabilità di ciò che ha consegnato.
Come capire davvero se uno studente ha svolto il lavoro
Quando nasce un dubbio, il rilevatore può rappresentare uno dei segnali da osservare, accanto ad altri elementi che, messi insieme con prudenza, permettono di comprendere meglio il percorso.
Il docente può chiedere allo studente di raccontare come è nato il testo, quali fonti ha consultato, perché ha scelto un certo esempio, che cosa intendeva in un passaggio, quali difficoltà ha incontrato e quale parte riscriverebbe.
Può osservare le bozze, gli appunti, la cronologia delle revisioni, i documenti intermedi e la progressione del lavoro, quando questi materiali esistono e sono stati richiesti in modo trasparente.
Può prendere una frase particolarmente complessa e chiedere allo studente di spiegarla con parole diverse, collegandola alla lezione o applicandola a un caso nuovo.
Può chiedere di riscrivere un breve passaggio in aula, lasciando alla persona il tempo necessario e tenendo conto delle sue difficoltà, perché anche questa prova, osservata da sola, potrebbe essere influenzata dall’ansia, dalla disabilità, dalla lingua o dal contesto.
Può confrontare l’elaborato con i lavori precedenti, evitando di trasformare ogni miglioramento improvviso in una prova di colpevolezza, perché uno studente può essere stato aiutato da un genitore, da un insegnante, da una lettura, da un correttore o, semplicemente, può aver lavorato più del solito.
Questo tipo di verifica richiede tempo, però restituisce qualcosa che una percentuale non possiede: la persona.
UNESCO, ragionando sul futuro della valutazione nell’epoca dell’IA, suggerisce di costruire attività nelle quali gli studenti debbano collegare esperienze personali, contesti locali, giudizi morali, fonti e capacità di critica, chiedendo anche di analizzare e correggere gli output generati, perché la qualità dell’apprendimento emerge meglio quando lo studente deve dimostrare che cosa ha capito e come sa utilizzare ciò che ha studiato. (UNESCO, What’s worth measuring? The future of assessment in the AI age)
Ho affrontato questo passaggio anche nell’articolo dedicato a Intelligenza Artificiale, scuola e lavoro, perché la scuola, davanti all’IA, ha bisogno di regole comprensibili, di docenti formati e di esercizi capaci di osservare il ragionamento, oltre al risultato finale.
Il processo di scrittura può diventare parte della valutazione
Per molti anni abbiamo chiesto agli studenti di consegnare soprattutto il prodotto finale.
Un tema.
Una relazione.
Una ricerca.
Una tesina.
L’Intelligenza Artificiale ci costringe a guardare con maggiore attenzione tutto ciò che accade prima della consegna, quel percorso fatto di domande, tentativi, fonti, correzioni, scelte e ripensamenti che racconta molto più del documento arrivato sulla cattedra.
Un docente può chiedere una prima scaletta, una selezione motivata delle fonti, una bozza, una breve annotazione delle modifiche, una riflessione finale sul lavoro svolto e, quando l’uso dell’IA è consentito, una dichiarazione trasparente che spieghi in quali passaggi sia stata utilizzata.
Lo studente potrebbe scrivere:
“Ho utilizzato ChatGPT per individuare tre possibili strutture del testo. Ho scelto la seconda, ho cercato autonomamente le fonti, ho scritto la bozza e ho usato lo strumento per individuare ripetizioni. Ho controllato e riscritto il risultato finale.”
Una dichiarazione di questo tipo permette di valutare il processo, di discutere le scelte e di insegnare un utilizzo responsabile, evitando quella zona grigia nella quale tutti usano gli strumenti, qualcuno li nasconde e il docente resta solo davanti a un numero prodotto da un altro algoritmo.
La formazione sull’IA costruita attraverso il Metodo Sinibaldi parte proprio dal contesto, perché studenti, insegnanti, professionisti e dipendenti devono sapere prima quali usi sono consentiti, quali devono essere dichiarati, quali richiedono una verifica e quali superano il confine della delega accettabile.
Anche le aziende rischiano di accusare le persone attraverso un algoritmo
Il problema dei rilevatori IA supera la scuola.
Un’azienda potrebbe analizzare le lettere di presentazione dei candidati.
Un editore potrebbe controllare un articolo.
Un cliente potrebbe sottoporre a un detector il lavoro di un copywriter.
Un responsabile potrebbe analizzare la relazione di un dipendente e concludere che sia stata scritta attraverso ChatGPT.
Qui entra un passaggio delicato, perché l’uso dell’IA potrebbe essere vietato, consentito, limitato o perfettamente coerente con il lavoro assegnato, in base alle regole, al contratto, alle informazioni inserite e al livello di responsabilità mantenuto dalla persona.
Un candidato che utilizza un correttore può essere trattato diversamente da chi genera esperienze professionali mai vissute.
Un giornalista che usa l’IA per trascrivere un’intervista affronta un problema diverso da chi pubblica dichiarazioni inventate.
Un copywriter che riceve l’autorizzazione a utilizzare strumenti generativi, mantenendo ricerca, tono, verifica e responsabilità, lavora dentro un perimetro diverso da chi consegna cento articoli automatici facendo credere di averli scritti personalmente.
L’organizzazione dovrebbe quindi definire prima le regole, indicare quali usi richiedono trasparenza e costruire procedure di verifica proporzionate, perché accusare una persona dopo aver applicato uno strumento di rilevazione, senza aver mai chiarito il confine, crea un problema di fiducia ancora prima di quello tecnologico.
Nell’articolo sui rischi legali dell’Intelligenza Artificiale per aziende e professionisti ho spiegato quanto la responsabilità resti legata al modo in cui lo strumento viene utilizzato, controllato e inserito dentro un processo.
Quali segnali possono far nascere un dubbio
Esistono elementi che possono giustificare una verifica più attenta.
Un cambiamento improvviso e radicale dello stile.
Fonti che, dopo un controllo, risultano inesistenti.
Citazioni attribuite a libri nei quali non compaiono.
Esempi generici incapaci di collegarsi alle lezioni.
Parole che l’autore non sa spiegare.
Passaggi molto sicuri costruiti su informazioni sbagliate.
Ripetizioni concettuali mascherate da formule diverse.
Un testo che risponde bene alla domanda generale e ignora i materiali specifici forniti dal docente o dall’azienda.
Questi elementi segnalano un problema possibile.
Potrebbero derivare dall’IA.
Potrebbero derivare dal copia e incolla.
Potrebbero derivare dall’aiuto di un’altra persona.
Potrebbero derivare da una fonte consultata male, da una difficoltà di comprensione o da un testo imparato senza averlo realmente interiorizzato.
Il controllo acquista valore quando cerca di comprendere l’origine del problema, evitando di attribuirgli subito il nome della tecnologia più discussa del momento.
Un rilevatore può essere utile, quando sappiamo quale posto assegnargli
Buttare via ogni rilevatore sarebbe una scelta troppo semplice, perché questi strumenti possono aiutare a individuare passaggi da osservare, confrontare grandi quantità di testi, sostenere un’analisi preliminare e offrire segnali che, insieme ad altre informazioni, fanno emergere situazioni meritevoli di approfondimento.
Il punto riguarda il posto che assegniamo al risultato.
Un detector può somigliare a un campanello.
Il campanello segnala che qualcuno potrebbe essere davanti alla porta.
Non ci dice chi sia, perché sia arrivato, che cosa porti e quali intenzioni abbia.
Prima di aprire, oppure prima di accusare, serve guardare meglio.
Il controllo umano nel Metodo Sinibaldi vive esattamente in questo spazio, tra il segnale prodotto dalla macchina e la decisione che qualcuno dovrà assumere, spiegare e, quando necessario, difendere.
Come utilizzare correttamente un AI detector
Prima di inserire un testo dentro un rilevatore, bisognerebbe verificare quali dati riceverà il servizio, per quanto tempo li conserverà, se potrà utilizzarli, dove verranno trattati e se il documento contiene informazioni personali, riservate o protette.
Un tema può contenere vicende familiari.
Una relazione aziendale può contenere dati dei clienti.
Una candidatura può contenere indirizzi, numeri di telefono, esperienze personali e informazioni professionali.
Caricare quel materiale su un sito gratuito, del quale conosciamo poco, può creare un problema ulteriore mentre stiamo cercando di risolverne un altro.
Dopo aver valutato lo strumento e la protezione dei dati, il risultato dovrebbe essere letto insieme alla lingua supportata, alla lunghezza del documento, alla tipologia del testo e alle indicazioni ufficiali del produttore.
Quando emerge un valore alto, la verifica dovrebbe spostarsi sul processo.
Fonti.
Bozze.
Cronologia.
Capacità di spiegazione.
Coerenza con il lavoro precedente.
Conoscenza dei contenuti.
Regole comunicate.
Eventuale dichiarazione d’uso dell’IA.
La decisione finale dovrebbe nascere dall’insieme di questi elementi, documentando i passaggi soprattutto quando le conseguenze possono incidere sul voto, sulla reputazione, sul lavoro o sulla posizione di una persona.
Domande frequenti sui rilevatori di testi scritti dall’IA
Esiste un rilevatore AI affidabile al cento per cento?
No. I rilevatori possono produrre falsi positivi e falsi negativi, con prestazioni che cambiano in base alla lingua, alla lunghezza, al tipo di testo, al modello generativo e alle modifiche apportate al contenuto.
ChatGPT può riconoscere un testo che ha scritto?
OpenAI dichiara che ChatGPT non possiede una memoria capace di stabilire se abbia scritto un determinato testo e può inventare risposte quando gli viene chiesto di riconoscere la propria paternità.
Un risultato del 90% dimostra che il testo è artificiale?
Il numero rappresenta una stima costruita secondo il metodo del singolo rilevatore. Per interpretarlo servono informazioni su soglie, falsi positivi, lingua, lunghezza e condizioni di utilizzo. Da solo non costituisce una prova definitiva.
Un testo scritto bene viene segnalato più facilmente?
Un testo regolare, prevedibile e molto ordinato può presentare caratteristiche che alcuni rilevatori associano all’IA. Questo può accadere anche con testi umani, soprattutto quando seguono formule scolastiche, tecniche o professionali.
I rilevatori funzionano sui testi italiani?
Dipende dallo strumento. Bisogna controllare se l’italiano sia ufficialmente supportato e se esistano dati verificabili sulle prestazioni. Turnitin, secondo la propria documentazione attuale, supporta per il report IA inglese, spagnolo e giapponese.
Il rilevatore AI coincide con il controllo antiplagio?
No. Il controllo antiplagio cerca somiglianze con fonti esistenti, mentre il rilevatore AI analizza caratteristiche statistiche del testo per stimare una possibile generazione automatica.
Un docente può usare il rilevatore per accusare uno studente?
Il risultato può segnalare la necessità di un approfondimento. Una decisione seria dovrebbe comprendere il dialogo con lo studente, l’analisi delle bozze, delle fonti, della cronologia e della capacità di spiegare il lavoro.
Come si può valutare un elaborato nell’epoca dell’IA?
La valutazione può includere il processo di scrittura, le fonti, gli appunti, le revisioni, l’esposizione orale, l’applicazione a casi nuovi e una dichiarazione trasparente degli strumenti utilizzati.
Fonti utilizzate
OpenAI – New AI classifier for indicating AI-written text
OpenAI – How can educators respond to students presenting AI-generated content as their own?
OpenAI – Can I ask ChatGPT if it wrote something?
Turnitin – Using the AI Writing Report
Turnitin – AI writing detection model
Turnitin – File requirements for an AI writing report
UNESCO – What’s worth measuring? The future of assessment in the AI age
Stanford – GPT detectors are biased against non-native English writers
Different Time, Different Language: Revisiting the Bias Against Non-Native Speakers in GPT Detectors
A Practical Examination of AI-Generated Text Detectors for Large Language Models
La tentazione di affidarsi a un rilevatore nasce da un desiderio comprensibile, quasi umano, quello di avere finalmente una risposta chiara davanti a una tecnologia che ha reso più sfumato il confine tra ciò che una persona scrive, ciò che una macchina suggerisce e ciò che nasce dalla loro collaborazione.
Il numero arriva in pochi secondi, si presenta con una precisione rassicurante, sembra togliere il peso della decisione dalle mani di chi deve valutare e, proprio in quel momento, bisogna rallentare, perché dietro quel testo esiste ancora uno studente, un lavoratore, un candidato, un autore, una persona che potrebbe aver sbagliato, potrebbe aver utilizzato l’IA correttamente, potrebbe averla nascosta oppure potrebbe aver scritto ogni parola da sola.
Un software può accendere un dubbio.
La responsabilità di capire, ascoltare, confrontare e decidere resta nelle nostre mani, quelle mani che, prima di indicare qualcuno, dovrebbero avere la pazienza di aprire il testo, guardare le bozze, controllare le fonti e chiedere alla persona di raccontare come sia arrivata fino a lì.
Forse la vera alfabetizzazione sull’Intelligenza Artificiale comincia anche da questo, dalla capacità di usare una macchina senza consegnarle, insieme al testo, il nostro giudizio.
Antonio Sinibaldi è formatore e docente di intelligenza artificiale, specializzato nell’uso consapevole dell’IA, nel ragionamento umano e nella responsabilità professionale. Formatore in Intelligenza Artificiale per aziende e professionisti. Docente del corso IA per l’Istituto Nazionale Tributaristi. Autore della collana IA PRATICA.