Scrivi peggio, così sembri umano: la follia dei rilevatori AI
Una virgola in meno. Una frase un po’ più storta. Magari una ripetizione lasciata lì, come certificato di autenticità.
Benvenuti nel futuro della scrittura: dopo aver insegnato alle macchine a imitarci, chiediamo alle persone di peggiorare per distinguersi dalle macchine.
È il paradosso raccontato da un servizio di NPR pubblicato da Texas Public Radio il 31 ottobre 2026. La ghostwriter Sally McGraw dice di essersi vista contestare un testo che aveva scritto personalmente, segnalato come artificiale da diversi rilevatori. Il cliente conferma il controllo, ma sostiene che la scelta di un’altra professionista dipendesse da esperienza e compatibilità con l’incarico. McGraw la interpreta diversamente. Da allora racconta di aver modificato alcune abitudini stilistiche per evitare nuovi sospetti.
Questa vicenda non dimostra da sola quanto sbaglino tutti i detector. Mostra qualcosa di inquietante: il sospetto di una macchina può cominciare a dirigere il lavoro di una persona.
Abbiamo inventato il CAPTCHA per scrittori: dimostra di essere umano scrivendo abbastanza male.
I rilevatori AI non sono una macchina della verità
Il primo equivoco riguarda ciò che stiamo misurando.
Un rilevatore che analizza soltanto il testo finale non ha assistito alla sua scrittura. Non ha visto le fonti consultate, i ripensamenti, le revisioni. Valuta caratteristiche del documento e restituisce una classificazione secondo il proprio modello.
Il salto arriva dopo: qualcuno legge il risultato e lo traduce in «ti abbiamo scoperto».
La documentazione ufficiale di Turnitin dice esplicitamente che il sistema può sbagliare e che non dovrebbe essere usato come unica base per provvedimenti sfavorevoli contro uno studente. Spiega anche che la percentuale indica la quota di testo analizzabile classificata come probabilmente generata dall’AI.
Quindi, in quel report, un ipotetico 80% non significa «abbiamo l’80% di probabilità che tu abbia imbrogliato». E non va confuso con l’indice di similarità usato nel controllo antiplagio.
Sono differenze decisive. Se devi giudicare qualcuno, leggere il manuale del software mi sembra il minimo sindacale.
Vietato delegare il pensiero. Tranne quando lo fa chi corregge
Immaginiamo una scena, del tutto ipotetica.
Un docente dice alla classe che usare l’intelligenza artificiale significa rinunciare al pensiero critico. Poi carica i temi in un rilevatore e prende il suo punteggio per buono.
Lo studente deve dimostrare di aver pensato. Il valutatore si accontenta di aver cliccato.
Se condanniamo la delega cognitiva, il divieto dovrebbe valere anche dall’altro lato della cattedra.
Naturalmente gli insegnanti devono affrontare consegne copiate, elaborati prodotti senza capire una riga e regole aggirate. Lo stesso vale per editori e committenti. Il problema esiste. Proprio per questo merita una procedura più seria di un semaforo colorato.
Un sospetto può giustificare un approfondimento. Per diventare un’accusa deve reggere alle domande, alle spiegazioni e alle evidenze contrarie.
La provocazione deve reggere anche ai dati scomodi
Dire che tutti i rilevatori sono sempre inutili sarebbe comodo. Sarebbe anche una generalizzazione sbagliata.
Uno studio pubblicato nel giugno 2026 sull’International Journal for Educational Integrity ha confrontato GPTZero, Pangram, Copyleaks e Turnitin su 160 documenti di diversa provenienza. Nel campione sperimentale tutti hanno riconosciuto correttamente i testi interamente umani; Pangram ha ottenuto risultati migliori nel riconoscimento delle altre categorie.
È un risultato da prendere sul serio. Non autorizza però a trasferire automaticamente quelle prestazioni a qualsiasi lingua, genere testuale o situazione reale. Gli stessi ricercatori raccomandano di non utilizzare i detector come unica evidenza nelle decisioni ad alto impatto.
La mia critica, quindi, riguarda soprattutto il potere che attribuiamo al risultato. Un buon risultato sperimentale non trasforma un software in un tribunale.
Il rischio di scambiare una lingua semplice per una colpa
Una ricerca illustrata da Stanford Human-Centered Artificial Intelligence nel 2023 aveva mostrato un problema preciso: sette rilevatori classificavano erroneamente come artificiali, in media, il 61,22% dei saggi TOEFL del campione, scritti in inglese da persone non madrelingua.
Attenzione: sono dati del 2023, relativi a quei sistemi e a quel campione. Non descrivono automaticamente i prodotti del 2026 e non si possono trasferire all’italiano.
La lezione metodologica resta: prima di applicare uno strumento a una persona, bisogna verificare come si comporta con testi e autori comparabili.
Altrimenti rischiamo una scuola in cui chi scrive in modo semplice deve aggiungere complicazioni per sembrare autentico. Una selezione del personale in cui un candidato deve difendersi dal proprio stile. Un mercato editoriale in cui la pulizia del testo diventa sospetta.
È questo il progresso che volevamo?
La patente di umanità non dovrebbe rilasciarla un algoritmo
Nel suo approfondimento la Authors Guild, associazione statunitense degli autori, ha esaminato i limiti dei detector e il clima di sospetto che possono alimentare, richiamando i danni che false accuse possono provocare a reputazione e contratti.
La mia preoccupazione è l’incentivo che creiamo: se basta sembrare artificiali per essere penalizzati, qualcuno finirà per scrivere in funzione del controllo.
Il destinatario del testo diventa il rilevatore. Il lettore può accomodarsi fuori.
Abbiamo già abbastanza scrittura pensata per compiacere un algoritmo. Vorrei evitare di aggiungere anche quella pensata per dimostrargli che abbiamo un’anima.
Come comportarsi quando un testo viene segnalato
Se ricevi un’accusa basata su un detector, chiedi quale prodotto e versione siano stati usati, su quale lingua e su quale parte del documento. Fatti spiegare che cosa rappresenta il punteggio e quali regole sarebbero state violate. Conserva, quando disponibili, appunti, fonti e passaggi di revisione: aiutano a discutere il processo, senza diventare un obbligo di registrare ogni pensiero.
Se invece sei tu a valutare, separa tre domande: il testo è accurato? Rispetta le regole concordate sull’uso dell’AI? L’autore sa spiegare le sue scelte? Una spunta verde non risponde a nessuna delle tre da sola. Nel mio approccio alla formazione, il controllo deve aprire una conversazione motivata, non chiuderla.
Valutiamo il lavoro, facciamoci spiegare le scelte
Propongo un criterio meno spettacolare e più impegnativo.
Prima della consegna, chi valuta chiarisca quali usi dell’AI sono consentiti. Correggere la forma, cercare obiezioni e generare l’intero elaborato sono attività diverse: una regola sensata deve distinguerle.
Dopo la consegna, si valuti il lavoro. Le fonti esistono? Il ragionamento regge? L’autore sa spiegare perché ha scelto quella soluzione e come la cambierebbe davanti a un’obiezione?
Quando emergono dubbi, bozze, appunti, cronologia delle revisioni e confronto diretto possono aiutare a ricostruire il processo. La loro disponibilità va considerata nel contesto: non tutti scrivono nello stesso modo e l’assenza di una cronologia non dimostra una frode.
È l’approccio che ritengo utile anche nella formazione sull’intelligenza artificiale per aziende e organizzazioni: rendere visibili scelte, verifiche e responsabilità.
Un testo scritto senza AI può essere pessimo. Un testo assistito dall’AI può essere accurato, se quell’assistenza è consentita e chi lo firma ne risponde. L’origine e la qualità sono questioni diverse; l’eventuale violazione delle regole è una terza questione.
Confonderle non ci rende più rigorosi. Ci rende soltanto più sbrigativi.
Se per difendere la scrittura umana cominciamo a premiare gli errori e a punire la chiarezza, qualcosa è andato storto.
A quel punto il test dovrebbero farlo ai valutatori: seleziona tutte le caselle che contengono un pensiero critico.
Verificare le immagini: un problema diverso
Per le immagini entrano in gioco anche strumenti e informazioni di provenienza diversi dai rilevatori di scrittura. Nel video mostro un esempio con Gemini e le credenziali C2PA.
Vuoi portare il pensiero critico nei tuoi corsi sull’AI?
Progettiamo un percorso per docenti, aziende e organizzazioni su uso consapevole dell’AI, verifica dei contenuti e valutazione dei risultati. Scrivimi qui sotto.










Lascia un Commento
Vuoi partecipare alla discussione?Sentitevi liberi di contribuire!