AI detection, il punto debole è lo stile, ovvero quando l’intelligenza artificiale imita gli autori. Sarà sempre più difficile avere certezze su testi scritti o elaborati con l’AI.

Riconoscere un testo prodotto dall’intelligenza artificiale sembra relativamente semplice finché il modello scrive con la propria voce standard. Le cose cambiano quando gli vengono forniti esempi di un autore reale e gli si chiede di riprodurne lo stile.

Gli strumenti che promettono di distinguere un testo scritto da una persona da uno generato attraverso l’intelligenza artificiale sono diventati una presenza sempre più comune nel mondo dell’editoria, della scuola, dell’università e della produzione di contenuti digitali.

Il principio sembra semplice: si sottopone un testo a un software e si ottiene una valutazione sulla probabilità che sia stato generato da un modello linguistico. Il problema è che l’evoluzione dell’AI generativa sta rendendo questa distinzione sempre più complessa.

Una ricerca pubblicata nel luglio 2026 da Epoch AI mette in evidenza un punto debole particolarmente interessante. I detector riescono a identificare quasi sempre i contenuti prodotti attraverso prompt semplici, ma diventano molto meno affidabili quando l’intelligenza artificiale imita lo stile di uno scrittore reale.

Tre AI detector messi alla prova

Epoch AI ha analizzato tre tra i sistemi più conosciuti per il riconoscimento dei testi generati artificialmente: Pangram, GPTZero e Originality.ai.

I ricercatori hanno costruito un corpus formato da 495 brani di circa 500 parole scritti da 99 autori reali. I testi appartenevano a tre categorie: narrativa, blogging e scrittura scientifica. Per ridurre il rischio che nel campione fossero presenti contenuti creati con strumenti generativi moderni, sono stati utilizzati materiali pubblicati prima del 2022.

Successivamente sono stati coinvolti tre modelli di frontiera: Claude Opus 4.8, GPT-5.5 e Gemini 3.1 Pro. I modelli hanno dovuto affrontare due tipi di compito.

Nel primo caso hanno ricevuto un normale prompt e hanno prodotto un testo senza particolari indicazioni stilistiche. Nel secondo hanno ricevuto cinque brani autentici dello stesso autore e l’istruzione di produrre un nuovo contenuto imitandone lo stile.

Con i prompt semplici i detector funzionano quasi sempre

Quando l’AI produce un testo partendo da una normale istruzione, i tre strumenti riescono a identificarlo con grande precisione.

Il tasso di falsi negativi, cioè di testi artificiali classificati come umani, rimane sotto l’1%: 0% per Pangram, 0,67% per GPTZero e 0,34% per Originality.ai. Da questo punto di vista, gli AI detector sembrerebbero quindi estremamente efficaci.

Il problema emerge nel momento in cui il modello smette di produrre il tipico testo generativo e dispone di un campione sufficientemente ampio da cui ricavare caratteristiche stilistiche specifiche.

Quando l’AI imita un autore cambia tutto

Fornendo al modello cinque testi autentici e chiedendogli di riprodurre la voce dello stesso autore, il numero di contenuti che riescono a superare i detector aumenta sensibilmente.

Pangram non riconosce come artificiali il 10,1% dei testi. GPTZero arriva al 10,8%, mentre Originality.ai raggiunge il 17,9%. Nel complesso, circa il 13% dei 297 testi prodotti imitando un autore reale passa inosservato.

Significa che un semplice cambiamento nella modalità di prompting riesce a modificare in modo sostanziale l’efficacia degli strumenti di rilevamento. Il dato diventa ancora più interessante se si osservano separatamente le diverse tipologie di scrittura.

La scrittura scientifica è il caso più difficile

La maggiore difficoltà riguarda infatti i testi scientifici. In questa categoria, mediamente, circa il 26% dei contenuti artificiali che imitano un autore non viene riconosciuto dai detector. In alcuni specifici test la percentuale risulta ancora più elevata.

Narrativa e blogging sembrano invece più facili da identificare, anche se i risultati cambiano a seconda del modello generativo e del sistema di detection utilizzato.

Questo elemento merita particolare attenzione nel mondo dell’editoria accademica e scientifica. La prosa scientifica segue spesso strutture consolidate, un lessico specialistico e convenzioni formali relativamente prevedibili. Un modello che dispone di esempi sufficienti può quindi riprodurre queste caratteristiche con grande efficacia.

Più l’intelligenza artificiale riesce ad avvicinarsi allo stile di un essere umano, meno diventa riconoscibile attraverso strumenti progettati proprio per distinguere le due forme di scrittura.

I falsi positivi restano un altro problema

La questione funziona anche nella direzione opposta: un AI detector può classificare come artificiale un testo realmente scritto da una persona.

Nel test di Epoch AI, Pangram e GPTZero non hanno prodotto falsi positivi sui 495 testi umani analizzati. Originality.ai ne ha invece classificati erroneamente 19, pari al 3,84% del campione. Una percentuale apparentemente limitata può diventare rilevante quando questi strumenti vengono utilizzati su larga scala o quando dalla loro valutazione dipendono decisioni importanti.

Un software che indica una probabilità di utilizzo dell’AI produce infatti un segnale statistico. Quel risultato difficilmente può trasformarsi, da solo, in una prova certa sulla provenienza di un testo.

Per gli editori il problema non è soltanto individuare l’AI

Per il settore editoriale la ricerca suggerisce una riflessione più ampia. Fino a oggi buona parte del dibattito si è concentrata sulla possibilità di riconoscere automaticamente i contenuti generati dall’intelligenza artificiale. La progressiva capacità dei modelli di imitare stili individuali rende però questa strategia sempre più fragile.

Un autore può utilizzare l’AI per generare integralmente un testo. Può impiegarla soltanto per revisionarlo, tradurlo, sintetizzarlo o riorganizzarlo. Può partire da un proprio manoscritto e chiedere al modello di modificarne alcune parti. Oppure può fornire all’AI centinaia di pagine scritte personalmente, trasformandole di fatto in un modello stilistico.

In tutti questi casi la domanda binaria «questo testo è umano oppure artificiale?» rischia di descrivere sempre meno bene il processo reale di produzione dei contenuti.

Nel dibattito sulla pubblicazione scientifica sta infatti emergendo un approccio diverso, basato maggiormente sulla responsabilità dell’autore e sulla dichiarazione dell’uso dell’intelligenza artificiale piuttosto che sulla sola identificazione automatica della provenienza delle parole.

Dalla detection alla trasparenza

Per editori e redazioni potrebbe quindi diventare più utile stabilire con precisione come e quando sia accettabile utilizzare strumenti generativi, chiedendo agli autori di dichiararne l’impiego nei casi previsti dalle policy editoriali.

L’AI detection può continuare a essere uno degli strumenti disponibili nel processo di controllo. I risultati di Epoch AI mostrano però perché sia rischioso trasformarla in un arbitro automatico.

La stessa ricerca presenta alcuni limiti che gli autori dichiarano apertamente. Sono stati analizzati 99 autori, i testi erano lunghi circa 500 parole e i detector utilizzati corrispondevano alle versioni disponibili nel giugno 2026. Inoltre è stata testata una sola tecnica di elusione, basata sull’imitazione dello stile attraverso cinque testi di riferimento. Parafrasi automatiche, successive revisioni umane e altre strategie non rientravano nell’esperimento.

Questo significa che i risultati mostra che l’efficacia dei sistemi di AI detection dipende fortemente dal modo in cui il testo artificiale viene prodotto.

L’autorialità nell’era dell’intelligenza artificiale

La questione riguarda infine il concetto stesso di autore. La capacità dei modelli generativi di riprodurre non soltanto grammatica e sintassi, ma anche ritmo, struttura, lessico e caratteristiche ricorrenti di uno specifico scrittore rende sempre meno efficace la ricerca di una presunta impronta universale del testo artificiale.

Per l’editoria si apre quindi una fase nuova. La sfida sarà costruire procedure capaci di verificare qualità, fonti, originalità e responsabilità dei contenuti senza affidarsi esclusivamente a una percentuale prodotta da un algoritmo.

Gli AI detector continueranno probabilmente a migliorare. Anche i modelli generativi continueranno però a evolversi.

La vera linea di confine potrebbe quindi spostarsi progressivamente dalla domanda «chi ha scritto queste parole?» a una questione molto più concreta per editori e lettori: chi si assume la responsabilità di ciò che viene pubblicato?