Come funzionano i detector AI (e come superarli)

La diffusione del rilevamento AI

Nel 2026 i detector AI sono ovunque. Le università fanno passare ogni elaborato nel checker AI di Turnitin. Gli editor analizzano le proposte con GPTZero. I datori di lavoro controllano le lettere di presentazione con Originality.ai. Capire come funzionano questi strumenti non è solo teoria: è una competenza pratica.

Però c’è una cosa che molti non realizzano: i detector AI in realtà non “capiscono” il testo. Usano analisi statistiche per stimare se un contenuto sia stato scritto da una persona o da una macchina. E le statistiche si possono aggirare.

Vediamo quindi come funziona davvero il rilevamento AI — e che cosa puoi fare in pratica.

I tre pilastri del rilevamento AI

Ogni detector AI importante si basa su tre metriche centrali. Capirle è il modo migliore per capire il rilevamento — e come evitarlo.

1. Perplexity: quanto è prevedibile il tuo testo?

La perplexity è la metrica più importante nel rilevamento AI. Misura quanto siano “sorprendenti” le tue scelte di parole.

Quando ChatGPT scrive una frase, a ogni passaggio sceglie la parola statisticamente più probabile. Il risultato è un testo che scorre perfettamente — quasi troppo perfettamente. Ogni parola è prevedibile. Ogni transizione è liscia.

La scrittura umana è più disordinata. Usiamo parole inattese. Iniziamo le frasi in modi strani. A volte scegliamo la seconda parola migliore solo perché ci suona meglio. Questa imprevedibilità aumenta la perplexity.

Perplexity bassa = probabilmente AI. Perplexity alta = probabilmente umano.

Ecco un esempio:

AI (perplexity bassa): “L’intelligenza artificiale ha rivoluzionato il modo in cui affrontiamo la creazione di contenuti, consentendo un’efficienza e una scalabilità senza precedenti.”

Umano (perplexity alta): “L’AI ha cambiato tutto nel modo in cui scriviamo. È più veloce, certo — ma a volte l’output sembra scritto da un robot fin troppo educato.”

La seconda versione ha una perplexity più alta. Le scelte lessicali sono meno prevedibili. “Robot fin troppo educato” non è l’espressione statisticamente più ovvia — ed è proprio questo che la fa sembrare umana.

2. Burstiness: le tue frasi si assomigliano tutte?

La burstiness misura la variazione nella complessità delle frasi. In pratica, è il ritmo della tua scrittura.

L’AI scrive con una lunghezza delle frasi sorprendentemente uniforme. Se guardi un paragrafo generato da ChatGPT, molte frasi stanno nella fascia 15-25 parole e hanno una complessità grammaticale simile. È monotono in un modo difficile da notare a occhio, ma facile da rilevare statisticamente.

Gli esseri umani scrivono con burstiness alta. Mescoliamo tutto. Frasi corte. Poi una lunga, piena di subordinate e idee che si intrecciano prima di arrivare al punto. Poi un’altra breve. Un frammento. Poi una domanda?

Questa variazione — questa burstiness — è uno dei segnali più forti usati dai detector.

Burstiness bassa = probabilmente AI. Burstiness alta = probabilmente umano.

3. Riconoscimento dei pattern: l’impronta digitale dell’AI

Oltre a perplexity e burstiness, i detector cercano pattern specifici che funzionano come impronte digitali della generazione AI:

• Frasi di transizione: “Furthermore”, “Moreover”, “Additionally”, “It is worth noting that” — l’AI le adora. Le persone le usano molto meno nella scrittura naturale.
• Struttura dei paragrafi: l’AI scrive paragrafi ordinati e uniformi. Stessa lunghezza, stessa struttura, stesso ritmo.
• Pattern di hedging: espressioni come “It is important to note” o “One could argue” suonano diplomatiche ma impersonali.
• Mancanza di voce personale: nei testi AI mancano spesso formule come “secondo me”, “onestamente”, “guarda”, “ecco il punto”.
• Argomentazioni troppo bilanciate: l’AI tende a presentare sempre pro e contro in modo perfettamente equilibrato. Le persone sono più sbilanciate, più sporche, più vive.

Come funzionano i detector AI più diffusi

GPTZero

GPTZero è probabilmente il detector AI più conosciuto. È stato creato da uno studente di Princeton ed è stato adottato in modo ampio nel mondo educativo.

Come funziona:

• calcola la perplexity a livello di frase e di paragrafo
• misura la burstiness sull’intero documento
• usa un modello di classificazione addestrato su testi AI e umani
• restituisce un punteggio di probabilità (% di testo probabilmente generato dall’AI)

Punti di forza: buona accuratezza sui testi lunghi (500+ parole), strumento molto noto

Punti deboli: tasso di falsi positivi intorno al 5-10%, fatica con testi AI modificati

Turnitin AI Detection

Turnitin ha aggiunto il rilevamento AI alla propria piattaforma anti-plagio, diventando di fatto il detector predefinito per molte università.

Come funziona:

• analizza il testo in segmenti sovrapposti
• confronta i pattern di scrittura con quelli dei modelli AI noti
• usa un modello proprietario addestrato su milioni di elaborati studenteschi
• evidenzia le frasi specifiche segnalate come generate dall’AI

Punti di forza: integrato nei flussi accademici esistenti, enorme dataset di addestramento

Punti deboli: può segnalare erroneamente i non madrelingua inglesi, Turnitin stesso riconosce circa il 4% di falsi positivi

Originality.ai

Originality.ai è pensato per marketer e publisher che devono verificare se i contenuti freelance sono stati davvero scritti da persone.

Come funziona:

• combina analisi della perplexity e classificatore neurale
• controlla più “firme” di modelli AI (GPT, Claude, Gemini, Llama)
• restituisce una percentuale con i passaggi evidenziati
• aggiorna regolarmente i modelli per intercettare le versioni AI più recenti

Punti di forza: aggiornato molto spesso, controlla più famiglie di modelli AI

Punti deboli: solo a pagamento, può risultare troppo aggressivo e aumentare i falsi positivi

Winston AI

Winston AI si posiziona come detector premium, con particolare attenzione alla scansione di documenti.

Come funziona:

• supporto OCR per documenti e immagini
• rilevamento multilingua
• analisi basata su perplexity e pattern
• restituisce un “AI score” da 0 a 100

Punti di forza: scansione documenti/PDF, supporto multilingua

Punti deboli: base utenti più piccola, meno verifiche indipendenti sulla precisione

Il segreto scomodo: tutti i detector hanno punti ciechi

Ecco la parte che le aziende che vendono detector preferiscono non enfatizzare: ogni detector AI ha limiti strutturali.

I falsi positivi esistono davvero

Ogni detector ha un tasso di falsi positivi, cioè casi in cui un testo umano viene classificato come AI. GPTZero riconosce circa il 5%. Turnitin parla di circa il 4%. Nella pratica, questi valori possono essere anche più alti, soprattutto per:

• chi non è madrelingua inglese (una scrittura formale e accurata può sembrare “AI-like”)
• testi tecnici o scientifici (lessico prevedibile)
• testi che seguono un template o una struttura rigida
• studenti che scrivono naturalmente in modo formale e ordinato

Un testo AI modificato manda in crisi i detector

I detector vengono addestrati soprattutto sugli output AI “grezzi”. Quando un testo viene anche solo moderatamente modificato, l’accuratezza cala molto. Una persona che riscrive il 30% di un testo generato dall’AI spesso può già evitare il rilevamento.

I testi brevi sono quasi impossibili da rilevare

La maggior parte dei detector ha bisogno di almeno 200 parole per un’analisi affidabile. Sotto quella soglia, semplicemente non ci sono abbastanza dati statistici per esprimere un giudizio forte.

Come superare i detector AI (in modo etico)

Capire i meccanismi del rilevamento ti aiuta a produrre testi che sembrano sinceramente umani. Ecco le strategie più utili:

Strategia 1: aumenta la perplexity

Rendi le tue scelte di parole meno prevedibili:

• usa contrazioni e forme più naturali
• preferisci parole semplici a quelle troppo formali
• aggiungi espressioni colloquiali e passaggi conversazionali
• inserisci analogie o metafore un po’ inattese
• varia il lessico — non scegliere sempre la parola “perfetta”

Strategia 2: aumenta la burstiness

Varia in modo netto la struttura delle frasi:

• alterna frasi molto corte (3-5 parole) a frasi lunghe (25+ parole)
• usa anche qualche frammento. Volutamente.
• inizia alcune frasi con “E” oppure “Ma”
• fai domande retoriche
• usa paragrafi di una sola frase per dare enfasi

Strategia 3: aggiungi elementi umani

Inserisci segnali che l’AI produce raramente:

• opinioni personali (“secondo me”, “onestamente”, “per esperienza”)
• tono conversazionale in modo costante
• piccoli incisi tra parentesi (come questo)
• leggere imperfezioni naturali — un’espressione un po’ storta che una persona lascerebbe così
• esempi concreti o aneddoti reali

Strategia 4: elimina le impronte digitali dell’AI

Rimuovi i pattern che i detector cercano:

• sostituisci “Furthermore” con “In più” o “Anche”
• sostituisci “It is important to note” limitandoti a dire direttamente la cosa
• sostituisci “In conclusion” con “Quindi” o “Il punto è questo”
• spezza i paragrafi troppo perfetti
• evita argomentazioni troppo bilanciate — prendi posizione

Strategia 5: usa HumanTone (l’approccio automatico)

Tutte le strategie qui sopra funzionano — ma richiedono tempo. HumanTone automatizza l’intero processo:

• aumenta la perplexity variando in modo naturale le scelte di parole
• aumenta la burstiness ristrutturando le frasi con una variazione più umana
• aggiunge elementi umani — flusso conversazionale, ritmo naturale, voce più autentica
• rimuove le impronte AI — elimina frasi e pattern tipici
• zero meaning drift — cambia solo il modo in cui il testo suona, non quello che dice

Scegli la modalità più adatta al contesto: Academic per i temi, Professional per i testi business, Casual per i blog, Creative per la scrittura narrativa.

Provalo gratis su humantone.ai — senza registrazione.

Che cosa non funziona

Alcune strategie consigliate online in realtà non superano i detector moderni:

• Sostituire semplicemente i sinonimi — i detector conoscono già questo trucco. Non cambia abbastanza né la perplexity né la burstiness.
• Aggiungere errori di battitura — è poco affidabile e fa sembrare il testo poco professionale.
• Passare il testo in più parafrasatori di fila — spesso produce un effetto artificiale, troppo rimaneggiato, che i detector più nuovi riconoscono.
• Mescolare testo AI e testo umano — molti detector analizzano a livello di frase, quindi le parti AI vengono comunque segnalate.

Il futuro del rilevamento AI dal 2026 in poi

Il rilevamento AI è una corsa agli armamenti. Mentre i detector migliorano, i tool di umanizzazione si adattano. Ecco che cosa stiamo vedendo:

• Watermarking — alcune aziende AI stanno sperimentando watermark invisibili nei testi generati. È una strada tecnicamente complessa e spesso facile da rimuovere con una parafrasi.
• Analisi stilometrica — confronto del testo con lo stile noto di uno specifico autore. Più promettente in ambito accademico, dove esistono elaborati precedenti.
• Rilevamento multimodale — non si guarda solo il testo, ma anche il comportamento di scrittura (ritmo di digitazione, cronologia delle modifiche). Per ora è limitato a piattaforme specializzate.

Il problema di fondo resta lo stesso: il rilevamento si basa su statistiche, non sulla comprensione. Qualsiasi testo con proprietà statistiche naturali — perplexity alta, burstiness alta, pattern variati — può superare il rilevamento, indipendentemente da come sia stato creato.

Conclusione

I detector AI funzionano analizzando pattern statistici: perplexity, burstiness e impronte linguistiche. Sono strumenti utili, ma non infallibili. Capire come operano ti dà le basi per produrre testi che sembrano davvero umani.

L’approccio più efficiente? Usa l’AI per creare la bozza, poi usa HumanTone per umanizzarla senza meaning drift. Si occupa automaticamente di perplexity, burstiness e rimozione dei pattern — in pochi secondi, non in ore.

*Ultimo aggiornamento: marzo 2026*