La revisione con l'IA fa segnalare i tuoi testi? I dati di uno studio del 2026

Spesso, sui due rilevatori commerciali testati in questo studio. I ricercatori hanno chiesto a un modello di IA di riscrivere 642 abstract pubblicati "to sound better and more human-like" (per risultare migliori e più umani). Pangram ha segnalato dal 64 all'80% delle versioni revisionate e GPTZero dal 38 al 49%. Gli stessi rilevatori non hanno segnalato nessuno degli abstract originali scritti tra il 2013 e il 2015. Turnitin non è stato testato. La conclusione degli autori è che "detector scores should not serve as standalone misconduct evidence." (i punteggi dei rilevatori non dovrebbero costituire una prova autonoma di cattiva condotta accademica).

Lo studio si intitola "Why AI Detection Fails for Academic Integrity" (Perché il rilevamento dell'IA fallisce per l'integrità accademica), condotto da quattro ricercatori della University of Notre Dame, pubblicato su arXiv il 6 agosto 2026 e redatto per l'ACM AI Leadership Summit (AILS '26).

Non è il primo lavoro a occuparsene. Uno studio del 2025 di Saha e Feizi della University of Maryland, pubblicato nei Findings di ACL 2025, ha rilevato che dopo "only extremely minor edits" (solo modifiche estremamente marginali) apportate da un modello di IA, il 42.56% dei campioni scritti da esseri umani è stato rilevato come IA da Pangram e il 64.71% da GPTZero, applicando una soglia definita per ciascun rilevatore. I due studi hanno impiegato modelli, soglie e testi differenti, quindi i rispettivi dati vanno affiancati anziché sommati. Tuttavia, indicano la stessa direzione.

Hanno selezionato 642 abstract in lingua inglese di articoli pubblicati in quattro ambiti: chimica, informatica, scienze politiche e teologia. Di questi, 306 risalivano al periodo tra il 2013 e il 2015, prima dell'avvento di strumenti come ChatGPT, e 336 al periodo tra il 2023 e il 2025.

Ciascun abstract è stato riscritto da Gemini 3 Flash. La versione rilevante in questo contesto è quella che gli autori definiscono "refine" (rifinitura), considerata "a proxy for guideline-compliant AI assistance" (un indicatore per un'assistenza dell'IA conforme alle linee guida). Le istruzioni ricevute dal modello cominciavano così:

"You are an expert scientist who excels in writing papers. Your task is to rewrite a given paper abstract to sound better and more human-like." (Sei un abile scienziato esperto nella stesura di articoli accademici. Il tuo compito è riscrivere l'abstract di un articolo assegnato affinché risulti migliore e più simile a quello di un autore umano).

Gli autori sono molto chiari sul tipo di modifica prodotto: "Our refine prompt is closer to light generative rewriting than to grammar-only editing; assisted-writing flag rates should be read accordingly." (Il nostro prompt di rifinitura è più vicino a una riscrittura generativa leggera che a una semplice correzione grammaticale; le percentuali di segnalazione per la scrittura assistita vanno interpretate di conseguenza). Tienilo a mente prima di confrontare questo esperimento con quello che hai fatto tu.

Ogni originale e ogni riscrittura sono stati poi valutati da Pangram 3.2 e GPTZero. In base al codice pubblicato dagli autori, il punteggio considerato per GPTZero corrisponde alla probabilità nella sua classe "AI", e qualsiasi valore pari o superiore a 0.50 è stato conteggiato come segnalato.

Due precisazioni arrivano dagli autori stessi. Gli originali del 2023–2025 potrebbero aver già beneficiato di un aiuto dell'IA non documentato, motivo per cui tali segnalazioni sono "not confirmed false positives" (falsi positivi non confermati). Inoltre, le versioni revisionate non equivalgono a un testo puramente umano: lo studio sottolinea che il loro tasso di segnalazione "must not be abbreviated as FPR" (non deve essere abbreviato come FPR), pertanto nemmeno noi qui lo definiamo tasso di falsi positivi. Ciò che misura è con quale frequenza un abstract scritto da un autore umano viene segnalato dopo essere stato ritoccato da un'IA.

Modificare la soglia non ha cambiato molto il quadro. Tra 0.4 e 0.6, Pangram ha segnalato dall'80 all'85% delle versioni revisionate del 2023–2025, e GPTZero dal 48 al 49%.

Sugli abstract del 2023–2025, le percentuali dipendevano fortemente dalla materia:

Sugli originali non modificati, il divario tra le discipline STEM (chimica e informatica) e le altre (scienze politiche e teologia) è risultato statisticamente significativo. Gli autori hanno anche misurato quali caratteristiche del testo fossero associate a punteggi più elevati. I due fattori più determinanti sono stati la percentuale di parole lunghe e la quota di termini provenienti dall'Academic Word List, un elenco standard di vocaboli comuni nella scrittura accademica, con correlazioni comprese tra circa 0.30 e 0.35. Al contrario, una percentuale maggiore di numeri e di altri caratteri non alfabetici si associava a punteggi inferiori. Gli autori precisano che queste "associations are correlational and do not establish causal mechanisms." (queste associazioni sono correlazionali e non stabiliscono meccanismi causali).

Queste misurazioni riguardano Pangram e GPTZero, non Turnitin. Nelle tre pagine della guida di Turnitin sul rilevamento dell'IA che abbiamo analizzato in perché i rilevatori di IA segnalano i saggi ben scritti, non si fa alcun accenno alla valutazione della qualità della scrittura. I due riscontri si riferiscono a strumenti diversi e non sono in contraddizione tra loro.

Gli autori stessi hanno elencato i limiti della ricerca, ed è fondamentale conoscerli prima di applicare questi risultati al tuo lavoro:

• Abstract pubblicati, non saggi di studenti. Come scrivono gli autori: "We analyze English published abstracts, not student essays; detector behavior on classroom genres may differ." (Analizziamo abstract in inglese già pubblicati, non saggi di studenti; il comportamento dei rilevatori sui generi testuali scolastici o universitari potrebbe differire).
• Due rilevatori commerciali, non Turnitin. I rilevatori commerciali impiegati erano Pangram 3.2 e GPTZero, affiancati da un modello di IA supplementare come baseline. Lo studio non menziona Turnitin. Da allora Pangram ha rilasciato versioni più recenti, quindi un responso odierno di Pangram potrebbe non derivare dallo stesso modello.
• Un solo modello, un solo tipo di revisione. Tutte le riscritture sono state generate da Gemini 3 Flash con l'istruzione citata sopra. Una semplice correzione ortografica e grammaticale non è stata testata a parte.
• Quattro ambiti, solo in lingua inglese. Un tasso basso in chimica non significa che gli studenti di chimica siano al sicuro con altri rilevatori o con altri tipi di testo.
• Pangram ha fornito l'accesso alle API per la ricerca, come indicato nei ringraziamenti.

Lo studio ha inoltre sottoposto le riscritture dell'IA a uno strumento commerciale di umanizzazione del testo, dopo il quale meno del 4% è risultato ancora segnalato da uno dei due rilevatori. Messo a confronto con il tasso di segnalazione dal 38 all'80% per una revisione onesta, questo dato costituisce l'altra metà della tesi degli autori: i punteggi dei rilevatori non possono reggersi da soli. La loro conclusione: "Integrity programs therefore need transparent AI-use norms and process evidence, not standalone detector scores." (I programmi di integrità accademica necessitano quindi di norme trasparenti sull'uso dell'IA e di prove di processo, non di punteggi isolati dei rilevatori).

1. Verifica quale strumento ha generato il punteggio. Se si tratta di Turnitin, questi numeri non lo riguardano. Controlla il report del tuo docente per vedere cosa ha effettivamente evidenziato.
2. Controlla cosa consentono le regole. Le linee guida di molti editori distinguono la revisione linguistica dalla generazione di contenuti, e alcuni richiedono di dichiararla; la nostra guida sulle politiche di trasparenza sull'IA degli editori le mette a confronto. Per gli esami e i compiti universitari, fanno fede la traccia d'esame e il regolamento del tuo ateneo.
3. Conserva la versione precedente alla revisione. Il consiglio pratico dello studio è che "Any flag must be paired with drafting history" (Qualsiasi segnalazione deve essere affiancata dalla cronologia di stesura). Una bozza scritta con parole tue, completa della cronologia delle versioni, rappresenta esattamente questa prova.
4. Esamina quali passaggi sono stati segnalati, non solo la percentuale. Sono proprio quelle le parti che dovrai saper spiegare: come le hai scritte e cosa ha modificato l'IA.

Se hai un report di Turnitin o iThenticate e i passaggi segnalati devono essere riscritti, è proprio questo che fa l'opzione di umanizzazione di HumanPen. Importa il report Turnitin o iThenticate e riscrivi solo i passaggi segnalati. Riceverai un file modificabile nello stesso formato. Prima di procedere, verifica le regole del tuo corso sull'assistenza dell'IA e rileggi attentamente il testo elaborato prima di consegnarlo.

L'uso di Grammarly è considerato una revisione con l'IA in questo studio? Non direttamente. La revisione esaminata nello studio consisteva in una riscrittura con Gemini 3 Flash, che gli autori definiscono "closer to light generative rewriting than to grammar-only editing" (più vicino a una riscrittura generativa leggera che a una semplice correzione grammaticale). Un controllo puramente ortografico e grammaticale non è stato testato. Separatamente, Turnitin ha dichiarato di non prendere di mira le correzioni di ortografia, grammatica e punteggiatura operate da Grammarly; vedi Turnitin rileva Grammarly?.

Posso utilizzare questo studio se vengo accusato di aver usato l'IA? Supporta una tesi generale: questi rilevatori segnalano un'ampia quota di testi umani revisionati con l'IA e gli autori affermano che i punteggi "should not serve as standalone misconduct evidence" (non dovrebbero costituire una prova autonoma di cattiva condotta). Tuttavia, lo studio non prende in esame Turnitin né i saggi universitari, e non può dimostrare cosa sia avvenuto con il tuo testo. A farlo sono le tue bozze e la cronologia delle versioni.

Perché gli abstract non modificati del 2013–2015 ottengono lo 0% mentre quelli del 2023–2025 punteggi più alti? Lo studio non è in grado di stabilire quale sia la causa. Secondo le parole degli autori, l'intervallo temporale 2023–2025 "cannot separate model vintage from unobserved real-world AI use on original abstracts" (non può separare l'anzianità del modello dall'uso reale e non osservato dell'IA sugli abstract originali). Ecco perché questi dati vengono presentati come tassi di segnalazione e non come falsi positivi.

GPTZero etichetta i testi revisionati in modo diverso? GPTZero prevede l'etichetta "AI Polished" (perfezionato con l'IA) all'interno del risultato Mixed; ne abbiamo esaminato il significato nella nostra guida sulle etichette Mixed e AI-Polished di GPTZero. Stando al codice degli autori, questo studio ha utilizzato la probabilità attribuita da GPTZero alla classe "AI", quindi un testo classificato da GPTZero come Mixed, compreso AI Polished, è stato conteggiato come segnalato solo se la probabilità della classe AI raggiungeva comunque 0.50.

• Jonathan A. Karr Jr., Grigorii Khvatskii, Ting Hua e Nitesh V. Chawla, Why AI Detection Fails for Academic Integrity, arXiv:2608.11256 (v1 6 agosto 2026, v2 20 agosto 2026), AILS '26; consultato il 27 settembre 2026 (Tabelle 1–6, Appendici A, B e D), con il codice pubblicato dagli autori.
• Shoumik Saha e Soheil Feizi, Almost AI, Almost Human: The Challenge of Detecting AI-Polished Writing, Findings of ACL 2025 (arXiv:2502.15666); consultato il 27 settembre 2026.