Traduziu o próprio texto por máquina? Com que frequência o Pangram o considerou IA em um teste de 2026

Em um teste de 2026, muito raramente. Pesquisadores selecionaram páginas da web escritas por humanos em 24 idiomas, todas anteriores a 2022, e usaram o Gemini 3.7 Flash para traduzi-las para o inglês da forma mais fiel possível. O Pangram 4 classificou 26 das 1.197 traduções como IA, ou seja, 2,17%. Nos 1.198 textos originais, ele não identificou nenhum como IA. No entanto, quando um modelo ficou responsável pela redação, o cenário se inverteu: páginas que o Gemini reescreveu a partir do próprio roteiro do autor foram sinalizadas em 1.161 de 1.197 casos (97,0%) assim que passaram para o inglês.

Esse resultado se refere apenas ao Pangram. Ferramentas como Turnitin, GPTZero e outros detectores não foram avaliados, portanto essa taxa de 2,17% não se aplica a eles. O artigo é um preprint e ainda não passou por revisão por pares; os textos analisados eram páginas da web, e não trabalhos acadêmicos; e a tradução foi deliberadamente literal. Além disso, o fato de um detector sinalizar ou não a sua tradução é uma questão bem diferente de você ter permissão para traduzir. Várias universidades e o JCQ, órgão que define as regras para trabalhos de curso de GCSEs e A-levels, têm normas expressas exatamente sobre isso.

O estudo em questão é "IdeaLens: Detecting AI Ideas in Long-form Writing" (IdeaLens: detectando ideias de IA em textos longos), de Rishanth Rajendhran e outros sete coautores da University of Maryland, Google DeepMind e Simon Fraser University, publicado no arXiv em 5 de outubro de 2026. O teste de tradução é um experimento secundário apresentado no apêndice. O foco principal do artigo é um detector acadêmico que tenta identificar se as ideias de um documento vieram de uma pessoa ou de um modelo. Os autores agradecem ao Pangram, o detector avaliado aqui, pela concessão de créditos de pesquisa.

Os textos humanos vieram do FineWeb2, um amplo conjunto público de páginas da web. Os autores selecionaram apenas páginas criadas antes de 2022 — o que torna pouquíssimo provável que tenham sido geradas por um chatbot — e limitadas a oito categorias de textos longos: redação acadêmica, escrita criativa, artigos informativos, reportagens, não ficção, páginas pessoais do tipo "sobre", blogs pessoais e avaliações de usuários. Para o teste de tradução, eles reuniram 50 páginas de cada um dos 24 idiomas analisados. A lista abrange desde o chinês, espanhol, alemão, japonês, francês e russo, passando por árabe, híndi, persa, vietnamita e ucraniano, até amárico, iorubá, cingalês e tâmil.

Cada página humana foi acompanhada por duas versões geradas por IA no mesmo idioma, ambas redigidas pelo Gemini 3.7 Flash:

• Apenas o tema. O modelo recebeu apenas uma frase descrevendo o tipo de página e o assunto; portanto, todo o conteúdo do texto foi criado por ele mesmo.
• A partir do roteiro do autor. O modelo recebeu o esquema estrutural completo da página com a instrução de redigir cada item em ordem, sem acrescentar nada. O autor forneceu cada ponto; o modelo formulou cada frase.

As três versões foram então traduzidas para o inglês, novamente pelo Gemini 3.7 Flash. Suas instruções exigiam "nothing added, nothing removed, nothing improved" (nada adicionado, nada removido, nada melhorado) e determinavam: "Keep the register, repetition, fragments and clumsy phrasing." (Mantenha o registro, as repetições, os fragmentos e as formulações desajeitadas.) Isso se aproxima muito mais de um tradutor humano cuidadoso do que colar um rascunho em um chatbot e pedir para aprimorar o inglês. O Pangram 4 avaliou cada texto antes e depois da tradução.

O termo "sinalizado" tem um significado específico aqui. O Pangram 4 divide o texto em porcentagens que classifica como IA, assistido por IA e humano. Os autores consideraram um texto como IA quando a parcela atribuída a IA somada à metade da parcela assistida por IA atingia pelo menos metade do total. Uma página traduzida na qual o Pangram marcou apenas uma pequena parte como IA não entraria nessas 26, e o artigo não informa quantas páginas ficaram nessa situação.

Ou seja, cerca de uma em cada 46 páginas humanas traduzidas recebeu o veredito de IA. As outras duas linhas da tabela, contudo, são fáceis de interpretar mal.

Os 97% não representam um alarme falso sobre textos escritos por humanos. O artigo classifica essas detecções como falsos positivos porque o estudo analisa a autoria de ideias, e nessa linha as ideias eram da pessoa. Contudo, o modelo redigiu cada frase, e a redação é exatamente o que o Pangram foi projetado para analisar. A própria descrição do conjunto de dados afirma isso com clareza: "An idea detector should not flag level 5; a prose detector should." (Um detector de ideias não deve sinalizar o nível 5; um detector de texto corrido deve.) O nível 5 é a versão feita a partir do roteiro do autor. Se você fornecer suas anotações ou o seu roteiro no seu idioma materno a um chatbot e deixar que ele escreva, o inglês resultante será a prosa do chatbot — e, nesse teste, o Pangram identificou praticamente tudo.

Nesse teste, a tradução não escondeu o texto gerado por IA; pelo contrário, expôs ainda mais. Nos idiomas originais, o Pangram deixou passar uma quantidade considerável: não detectou 258 dos 1.200 textos gerados apenas a partir do tema, errando ainda mais em línguas com menor volume de conteúdo online. No conjunto multilíngue completo do estudo, ele identificou 58,0% dos textos baseados apenas no tema nos dez idiomas classificados pelos autores como de baixos recursos. Após a tradução para o inglês, ele sinalizou todos os 1.200 textos gerados apenas a partir do tema. Portanto, redigir com um chatbot no seu próprio idioma e depois traduzir resultou em uma taxa de detecção maior, e não menor.

Uma segunda verificação no mesmo artigo aponta para a mesma direção. O CoCoNUTS, conjunto de dados elaborado por outro grupo de pesquisa, reúne pareceres de revisão por pares redigidos em inglês em 2022 ou antes. Alguns deles foram traduzidos para o chinês e de volta para o inglês por modelos de linguagem, e o Pangram 4 sinalizou apenas 0,1% desses 1.493 textos. Outros pareceres do mesmo grupo foram polidos por modelos de linguagem, e o Pangram sinalizou 61,2% desses 1.497. Fazer um ciclo de ida e volta pelo chinês não é o mesmo que o seu próprio rascunho. Ainda assim, em ambos os conjuntos de dados, as conclusões de IA se concentraram onde um modelo redigiu ou aprimorou as frases, e não onde ele apenas as traduziu com fidelidade.

• Nada sobre o Turnitin. Nenhum número sobre o Turnitin resulta desse estudo, e o veredito do Pangram e a porcentagem do Turnitin não são o mesmo tipo de medição (leia mais em Pangram vs. Turnitin: por que as duas pontuações de IA não coincidem). Um argumento comum afirma que tradutores e chatbots funcionam com o mesmo tipo de modelo de linguagem, logo o inglês traduzido pareceria gerado por máquina para qualquer detector. No caso do Pangram e de uma tradução fiel, essa medição em grande parte não confirmou essa tese. Este estudo não testou o Turnitin, portanto não diz nada sobre como o Turnitin lida com textos traduzidos. Um teste anterior de 2023 incluiu o Turnitin entre 14 detectores: considerando todos eles, a precisão geral foi de 96% em textos humanos escritos em inglês e, nas palavras dos autores, "dropped by 20%" (caiu 20%) em nove textos humanos traduzidos por máquina para o inglês com o DeepL ou o Google Translate. Essa é uma média geral das 14 ferramentas, e não um dado específico do Turnitin, sem contar que os detectores mudaram desde então. O artigo Traduzir do chinês para o inglês é sinalizado como IA pelo Turnitin? analisa detalhadamente os padrões que a própria documentação do Turnitin associa a falsos positivos.
• O seu idioma. Os resultados de tradução foram publicados apenas como um total consolidado de 24 idiomas, com 50 páginas cada. Não há dados isolados sobre a taxa específica para o chinês ou para o árabe neste teste.
• A sua ferramenta de tradução. Foi testado somente um modelo, com um prompt estrito de fidelidade ao original. DeepL, Google Translate e um chatbot instruído a "deixar o texto mais acadêmico" não foram testados. O resultado obtido com as avaliações polidas sugere que essa última situação funciona de maneira bem diferente.
• Trabalhos acadêmicos. O teste utilizou blogs, notícias, avaliações e páginas semelhantes, e não redações ou trabalhos estruturados de acordo com critérios de avaliação acadêmica.
• Revisão por pares. Trata-se de um preprint que ainda não foi revisado por pares, e o Pangram forneceu créditos de pesquisa. O estudo não especifica exatamente quando os textos foram avaliados, e os detectores passam por atualizações constantes.

O estudo não responde a essa parte. As universidades elaboram regras específicas sobre o uso de ferramentas de tradução, e essas normas continuam valendo independentemente de qualquer texto ser sinalizado ou não. Veja o que dizem as páginas oficiais de três universidades e os regulamentos de trabalhos de curso do JCQ:

• University of York. Sua política de assistência classifica como inaceitável em avaliações somativas: "Using translation tools or services to translate text in whole or significant sections (oral or written), which is then submitted as summative work" (O uso de ferramentas ou serviços de tradução para traduzir textos no todo ou em partes substanciais [orais ou escritas], que sejam posteriormente submetidos como avaliação somativa). Seu guia para estudantes aceita a tradução "As a dictionary" (como um dicionário) no nível de palavras isoladas, colocações ou locuções, alertando que "translated text which is at sentence level or beyond risks submitting work of false authorship." (textos traduzidos no nível de frases ou além trazem o risco de submeter trabalhos com falsa autoria.)
• University of Huddersfield. "If you translate large portions of text written initially in your native language and submit this for assessment, this may be considered to be misconduct, as it raises the question of authorship of the translated version." (Se você traduzir trechos extensos de texto escritos inicialmente em sua língua materna e os submeter para avaliação, isso poderá ser considerado má conduta, uma vez que levanta dúvidas sobre a autoria da versão traduzida.) O mesmo regulamento exige que você cite as ferramentas de tradução utilizadas e prevê que o professor, caso questione a sua linguagem, poderá pedir que você resuma o conteúdo ou explique a gramática e o vocabulário empregados. A cláusula seguinte, 10.2.3, acrescenta: "We do not expect you to use AI tools to contribute to the completion of your assessment or online exam unless you have been explicitly told that you can." (Não esperamos que você utilize ferramentas de IA para contribuir na elaboração de sua avaliação ou prova online, a menos que tenha recebido autorização explícita para isso.) Isso pode ter peso direto caso o seu tradutor seja um chatbot.
• University of Queensland. O guia da biblioteca recomenda consultar o programa da disciplina antes de usar tradução automática, proíbe seu uso em avaliações presenciais e estabelece: "You must acknowledge that you have used machine translation in your assessment. Failure to acknowledge the use of machine translation can result in Academic Misconduct." (Você deve declarar formalmente que utilizou tradução automática em sua avaliação. Deixar de declarar o uso de tradução automática pode configurar má conduta acadêmica.)
• JCQ (trabalhos de curso para GCSE, A-level e EPQ). As instruções do JCQ de 2026-27 para avaliações não examinadas de GCSE e A-level, bem como para o EPQ, determinam agora: "AI translation tools must not be used to generate work for assessment." (Ferramentas de tradução com IA não devem ser utilizadas para gerar trabalhos destinados à avaliação.)

Compare esses regulamentos com as conclusões do estudo. Em York, um trabalho acadêmico traduzido integralmente a partir do seu próprio rascunho consta na lista de práticas inaceitáveis, mesmo que o Pangram aprove cada página sem qualquer ressalva. Em Queensland, esse mesmo trabalho pode ser aceito, desde que o programa da disciplina permita e você declare expressamente o uso da ferramenta. O veredito do detector não altera nenhum desses dois cenários.

1. Procure as diretrizes específicas deste trabalho, e não apenas a página geral da universidade. York permite que os departamentos vedem a tradução para avaliações específicas, e Queensland orienta a consultar o programa da disciplina. Se a descrição da atividade não mencionar nada, pergunte por escrito: "I write my first draft in [language] and translate it with [tool]. Is that allowed for this assignment, and how should I acknowledge it?" (Escrevo meu primeiro rascunho em [idioma] e o traduzo com [ferramenta]. Isso é permitido para este trabalho e como devo declarar esse uso?) Guarde a resposta.
2. Declare o uso no formato exigido pela sua instituição. O guia de Queensland traz um modelo que você pode adaptar: "This work was post-edited by the author, after being translated from <insert language> to English using <insert tool>." (Este trabalho passou por pós-edição pelo autor após ter sido traduzido de <inserir idioma> para o inglês utilizando <inserir ferramenta>.)
3. Guarde o seu rascunho na língua materna, com as datas devidamente registradas. Ele é a comprovação mais evidente de que as ideias e a estrutura eram suas antes da intervenção de qualquer ferramenta. Um arquivo salvo no OneDrive ou no Google Docs mantém o histórico de versões; um documento do Word salvo apenas na sua área de trabalho, não. O guia Como manter o histórico de versões no Word, Google Docs e Overleaf explica o passo a passo para cada uma dessas três ferramentas.
4. Deixe o modelo de fora da etapa de redação. Neste estudo, os alertas de IA permaneceram raros quando o modelo apenas traduziu, mas dispararam quando o modelo redigiu a partir do roteiro do autor ou aprimorou as suas frases. A política de York também elenca de forma explícita como inaceitável: "Generating or re-writing (including shortening or summarising) any of the student's sentences or sections of work" (Gerar ou reescrever [incluindo encurtar ou resumir] quaisquer frases ou seções do trabalho do estudante). O pedido "Translate this and make it sound more academic" (Traduza este texto e deixe-o mais acadêmico) contém, na verdade, duas solicitações distintas — e é na segunda que residem tanto os alertas dos detectores quanto as restrições daquela regra. Alguns cursos concedem mais flexibilidade; verifique as regras específicas do seu.
5. Certifique-se de que você é capaz de explicar cada frase. Compare a versão em inglês com o seu rascunho até conseguir explicar exatamente o significado de cada período e a razão de ter utilizado aquelas palavras específicas. O regulamento de Huddersfield descreve com exatidão esse tipo de verificação.

Isso significa que o Turnitin não vai sinalizar meu trabalho traduzido? Não. O Turnitin não fez parte do estudo. Com exceção dos modelos acadêmicos desenvolvidos pelos próprios autores, o único detector comercial executado nas páginas traduzidas foi o Pangram 4.

O chinês foi um dos idiomas avaliados? Sim, o chinês estava entre os 24 idiomas. Contudo, os resultados das traduções foram informados apenas como um total consolidado, de modo que não há uma taxa divulgada separadamente para o chinês.

Escrever diretamente em inglês é mais seguro do que traduzir? Este artigo não responde a essa dúvida. Em um conjunto separado de 3.909 redações de estudantes de inglês, o Pangram 4 sinalizou 0,0% (arredondado para uma casa decimal). Já as páginas da web traduzidas atingiram 2,17%. Por se tratarem de tipos de texto distintos, não é possível fazer uma comparação direta entre os dois valores. Ambos, contudo, são baixos.

O que é o IdeaLens e devo me preocupar com ele? Trata-se do detector experimental dos pesquisadores, desenvolvido para avaliar a origem das ideias do texto, e não quem escreveu as palavras. Nas páginas humanas traduzidas, ele sinalizou apenas 3 de 1.197. Os autores disponibilizaram o modelo publicamente, mas o estudo não menciona nenhuma universidade utilizando essa ferramenta.

Meu trabalho traduzido já foi sinalizado como IA. O que fazer agora? Pergunte qual detector foi utilizado e solicite o relatório completo, e não apenas uma porcentagem solta. Reúna o rascunho na sua língua materna, o histórico de tradução e todo o histórico de versões. Em seguida, confira as regras do trabalho: independentemente do que o detector tenha apontado, a questão de se a tradução era permitida e se você a declarou devidamente será avaliada.

• Rishanth Rajendhran, Minjoon Choi, Jenna Russell, Ramya Namuduri, Deniz Bölöni-Turgut, Marzena Karpinska, John Wieting e Mohit Iyyer, IdeaLens: Detecting AI Ideas in Long-form Writing, arXiv:2610.06778v1, publicado em 5 de outubro de 2026; consultado em 7 de outubro de 2026 (Apêndice E.3, H.3, H.4; Tabelas 19 e 30).
• Arquivos de resultados divulgados pelos autores: tradução, CoCoNUTS, ELLIPSE, o prompt de tradução e a ficha do conjunto de dados IdeaShift-X; consultados em 7 de outubro de 2026.
• Debora Weber-Wulff e coautores, Testing of Detection Tools for AI-Generated Text, arXiv:2306.15666v1, 2023; consultado em 7 de outubro de 2026 (seções 3 e 5.1.1).
• Yihan Chen e coautores, CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection, ACL 2026; consultado em 7 de outubro de 2026 (seção sobre construção do conjunto de dados).
• University of York, Acceptable Assistance with Assessments (including Generative AI, Proofreading and Translation) - Policy e Student guidance on using AI and translation tools; University of Huddersfield, Regulations for taught students, section 10; University of Queensland Library, Machine translation for assignments; todos consultados em 7 de outubro de 2026.
• JCQ, Instructions for conducting non-examination assessments e Instructions for conducting coursework (em vigor desde 1 de setembro de 2026), consultados em 2 de outubro de 2026.