Em nome da “humanização”: como a indústria que apaga os vestígios da IA recompensa a hipocrisia
Está a crescer discretamente uma nova indústria: não produz ideias, limita-se a apagar os vestígios maquinais das ideias.
As chamadas ferramentas de “humanização” de texto gerado por IA prometem transformar uma escrita automática num texto que “pareça humano”, ajustando o ritmo das frases, introduzindo irregularidades, eliminando a uniformidade estilística que costuma associar-se aos modelos generativos.
Investigação recente descreve estas ferramentas como sistemas concebidos para disfarçar texto de IA como escrita humana, com consequências diretas para a integridade da informação e para a confiança nas práticas académicas.
O debate público tende, porém, a concentrar-se numa pergunta técnica: “é possível detetar o texto gerado por IA?”.
Essa pergunta é importante, mas tornou-se uma armadilha.
Ao transformar o problema numa corrida entre geradores e detetores, desvia a atenção da questão institucional mais decisiva: o que é que os nossos sistemas de avaliação estão, na prática, a premiar?
A armadilha da deteção
Quando uma escola, uma revista científica ou um empregador valoriza sobretudo um texto que “pareça escrito por uma pessoa”, sem conseguir, ou sem querer, verificar se quem o assina possui efetivamente o pensamento nele expresso, a indústria da humanização deixa de ser uma anomalia moral.
Torna-se uma resposta de mercado a uma falha de desenho institucional.
O problema não é apenas que existam ferramentas para ocultar a proveniência de um texto.
É que o nosso critério dominante de mérito académico, fluência, estrutura, acabamento, conformidade formal, pode ser simulado com enorme facilidade.
Estudos sobre ferramentas de deteção e humanização mostram que ambas as categorias exploram as mesmas dimensões superficiais da escrita: regularidade estatística, previsibilidade lexical, coerência de superfície e estilo.
Assim, a avaliação centrada no produto final premia a representação antes de premiar a substância.
O serviço de “absolvição tranquila”
O efeito mais insidioso destas ferramentas é que embalam a ocultação como um serviço tecnologicamente neutro.
Um estudante pode gerar um trabalho com IA e depois passar horas a “estragar” o texto, introduzindo pausas, variações de registo, pequenas assimetrias, para que pareça ter sido escrito por ele.
Em que é que isto difere, do ponto de vista da responsabilidade intelectual, de contratar alguém para escrever o trabalho?
A diferença óbvia é o preço.
Um humanizador custa muito menos do que um ghostwriter e está disponível de forma imediata.
Isso não o torna mais legítimo; torna a fraude mais acessível.
E cria uma assimetria nova: quem não pode pagar, não sabe usar estas ferramentas ou se recusar usá-las pode ficar em desvantagem num sistema que confunde acabamento com mérito.
Há aqui uma inversão moral perturbadora.
O estudante que escreve por si próprio, com hesitações, repetições e um estilo ainda imperfeito, produz precisamente aquilo que um processo de aprendizagem deveria produzir: vestígios visíveis de pensamento em construção.
Mas, num sistema que avalia apenas o artefacto final, esses vestígios podem ser lidos como falta de polimento.
Não estamos apenas a punir a fraude; arriscamo-nos a punir a honestidade.
O que a “humanização” realmente vende
Estas ferramentas não vendem apenas uma reescrita estilística.
Vendem uma espécie de “absolvição tranquila”: primeiro terceiriza-se a escrita para uma máquina; depois terceiriza-se para uma segunda máquina a tarefa de fazer parecer que a primeira máquina nunca existiu.
O pressuposto implícito é duplo.
Primeiro, que os vestígios da máquina são uma vergonha a apagar.
Segundo, que “parecer humano” tem valor em si mesmo.
A primeira premissa é eticamente suspeita; a segunda confunde valor estilístico com valor epistémico.
Não é absurdo valorizar uma escrita com voz, ritmo, ironia, hesitação ou experiência vivida.
Essas qualidades podem expressar perspetiva e pensamento.
O problema é que um humanizador não produz perspetiva, experiência nem compromisso intelectual: produz uma imitação de humanidade.
Vende fluência sem compreensão, estilo sem autoria e uma aparência de voz sem a responsabilidade de a sustentar.
O paradoxo pedagógico
O papel do sistema educativo é especialmente incómodo.
Dizemos aos alunos que “o processo importa mais do que o resultado” e que a honestidade é a base da integridade académica.
Mas, em muitos contextos, continuamos a avaliar quase exclusivamente o produto final: um texto fluente, bem estruturado, com citações formalmente corretas.
São precisamente essas dimensões que a IA e as ferramentas de reescrita conseguem falsificar com maior competência.
Entretanto, raramente temos mecanismos sistemáticos para verificar se o aluno leu as fontes, compreende as suas limitações, consegue reconstruir a lógica do argumento ou responder a uma objeção inesperada.
O resultado é o clássico paradoxo pedagógico: pregamos a integridade, mas desenhamos um sistema que recompensa a integridade simulada.
A questão não é apenas se o aluno usou IA; é se a instituição lhe deu alguma razão estrutural para acreditar que a compreensão real vale mais do que a aparência de compreensão.
Porque os detetores não são a resposta
A tentação institucional é responder com mais vigilância: melhores detetores, pontuações de risco, relatórios automáticos.
Mas essa resposta é frágil.
A própria Turnitin esclarece que o seu relatório de deteção de escrita por IA não deve ser usado isoladamente como prova conclusiva, mas como um sinal que exige investigação e julgamento humano.
A empresa descreve-o como uma peça de um puzzle investigativo, não como uma decisão sobre má conduta académica.
Além disso, a evidência empírica mostra que estes sistemas podem produzir erros graves e desigualitários.
Um estudo de Stanford testou sete detetores com 91 ensaios autênticos escritos por falantes não nativos de inglês no âmbito do TOEFL: em média, 61,22% foram incorretamente classificados como gerados por IA; um dos detetores sinalizou 97% desses textos.
No mesmo estudo, os detetores classificaram corretamente mais de 90% dos ensaios de alunos norte-americanos do oitavo ano como escritos por humanos.
Isto significa que a deteção automática não é apenas tecnicamente instável: pode tornar-se um instrumento de injustiça, sobretudo contra estudantes não nativos, autores com estilos mais simples ou escritores cuja língua materna não é a língua de avaliação.
Apostar a integridade académica num detetor é, portanto, substituir um problema epistémico por um problema de vigilância e frequentemente criar um novo prejuízo no processo.
Do texto ao autor: uma verificação mais honesta
O caminho mais promissor não é melhorar infinitamente os detetores, mas mudar o objeto da avaliação: passar de julgar apenas o texto para interrogar o autor.
Isto não constitui uma inovação radical.
Os exames orais, as defesas de dissertação, os vivas e as discussões em aula existiam muito antes da IA generativa.
Foram empurrados para a margem pela avaliação escrita padronizada, mais fácil de escalar e de classificar.
A investigação recente volta, contudo, a defender formas orais e reflexivas de avaliação como instrumentos para verificar autoria, raciocínio, metacognição e domínio conceptual, não como mecanismos policiais de punição.
Numa avaliação oral estruturada, o estudante deve ser capaz de explicar por que escolheu determinadas fontes, como uma conclusão depende das premissas, que limitações reconhece no seu argumento e como responderia a uma objeção.
O avaliador não pergunta: “consegues repetir o que escreveste?”.
Pergunta: “consegues defender as decisões intelectuais que o texto pressupõe?”.
Estudos sobre avaliação oral no ensino superior sugerem que este formato pode reforçar a verificação de autoria e promover um envolvimento mais profundo com o conteúdo, sobretudo quando está integrado num desenho pedagógico claro e não reduzido a um interrogatório de suspeita.
Uma proposta realista: portefólio de verificação
A solução não deve ser substituir automaticamente metade da nota de todos os trabalhos por uma prova oral.
Essa medida pode melhorar a verificação, mas também criar novos problemas: favorecer alunos mais confiantes ou mais treinados para falar em público; penalizar estudantes com ansiedade, deficiências da fala, neurodivergência ou menor domínio da língua de avaliação; e exigir tempo docente e recursos que muitas instituições não têm.
A oralidade não elimina a desigualdade; desloca-a.
Por isso, a alternativa mais robusta é um portefólio de verificação, combinando diferentes formas de evidência:
- Versões de trabalho: rascunhos, anotações, mapas conceptuais ou registo de decisões, quando compatíveis com a disciplina;
- Justificação de fontes: uma breve nota sobre por que razão cada fonte foi escolhida e que papel desempenha no argumento;
- Declaração de uso de IA: descrição transparente de onde a IA foi usada, para quê e como o resultado foi verificado ou transformado;
- Conversa curta e estruturada: não um interrogatório generalizado, mas uma amostragem de trabalhos, com cinco a dez minutos para explicar escolhas, fontes, método e possíveis objeções;
- Rubrica centrada na compreensão: avaliar a capacidade de explicar, justificar, aplicar e criticar, não a eloquência, a confiança verbal ou a ausência de hesitação.
O critério central não deve ser a fluência nem a imperfeição.
Um aluno pode escrever com grande fluência e compreender profundamente; outro pode gaguejar e não compreender nada.
O que importa é a capacidade de responder pelo que afirma.
O risco de uma nova indústria de contorno
Se acrescentarmos uma prova oral, mas mantivermos os mesmos critérios centrados na fluência e no desempenho, criaremos apenas uma nova oportunidade de mercado.
Aparecerão serviços para ensaiar respostas, gerar guiões de defesa, treinar respostas a perguntas previsíveis e simular segurança verbal.
Isso não significa que usar IA para preparar uma apresentação seja ilegítimo.
Ensaiar, receber feedback e organizar ideias são práticas pedagógicas normais.
O problema surge quando a preparação substitui a compreensão: quando o aluno deixa de saber explicar o argumento e passa apenas a recitar um guião.
Por isso, a mudança necessária não é apenas acrescentar oralidade.
É deslocar o centro de gravidade da avaliação de “quão bem dizes isto” para “consegues explicar, sem dependência de um guião, por que razão isto está certo, incompleto ou discutível”.
Essa mudança exige critérios novos, formação docente, tempo institucional e uma cultura que valorize a responsabilidade intelectual.
É consideravelmente mais difícil do que comprar um software de deteção.
O custo real da hipocrisia
A objeção inevitável é o custo.
Exames orais consomem tempo, exigem formação e colocam dificuldades logísticas à escala.
Essa objeção é legítima e não deve ser descartada.
Mas há outro custo, menos visível: uma sociedade que se habitua a pagar por ferramentas que a ajudam a fingir ser aquilo que gostaria de parecer, enquanto as instituições permanecem presas a critérios que não conseguem distinguir compreensão de desempenho.
Esse custo não se mede apenas em horas docentes.
Mede-se na relação que uma geração estabelece com a honestidade, a autoria e a responsabilidade pelo que diz.
Quando a subscrição de um humanizador se torna um limiar invisível de competição académica, criamos um novo filtro social: não pelo talento, nem pelo esforço, mas pela capacidade de pagar pelo disfarce.
A desigualdade não desaparece; apenas muda de código.
Não se trata de proibir a IA
Nada disto implica proibir a escrita assistida por IA.
Usar IA para organizar ideias, gerar contraexemplos, verificar gramática, traduzir, resumir bibliografia ou explorar alternativas argumentativas pode ser tão legítimo como usar uma calculadora para conferir contas.
A distinção decisiva não é “IA sim” ou “IA não”.
É a diferença entre:
- IA como assistente declarada, usada para apoiar um processo de pensamento que o autor assume e verifica;
- IA como substituição não declarada da autoria intelectual;
- humanização como ocultação, destinada a apagar a proveniência do texto e a simular uma autoria que não existiu.
A crítica moral deve incidir sobretudo no terceiro caso.
Um estudante que declara abertamente: “usei IA para gerar um primeiro esboço, reescrevi o argumento, verifiquei todas as fontes e assumo a responsabilidade pelo resultado” está a exercer exatamente a competência que a educação deveria formar.
Quem oculta a proveniência e finge ter escrito tudo do zero está a vender uma aparência de autoria.
O espelho, não a causa
O objetivo da educação não é produzir textos impecáveis.
É formar pessoas capazes de responder por aquilo que dizem, capazes de explicar, corrigir, duvidar, justificar e assumir as consequências das suas afirmações.
Se continuarmos a avaliar apenas o produto acabado, sem olhar para o processo, a proveniência ou a capacidade de resposta, a indústria da humanização continuará a florescer.
E a honestidade, essa forma desajeitada de honestidade, que exige tempo, admite hesitação e nem sempre encontra de imediato a palavra certa, tornar-se-á um artigo de luxo.
Nessa altura, já não fará sentido criticar apenas as ferramentas.
Elas são espelhos: refletem aquilo que as instituições avaliam, premiam e toleram.
Questão para debate
Se uma universidade anunciasse que metade da nota de todos os trabalhos escritos resultaria do texto e a outra metade da capacidade de o estudante explicar oralmente, no momento, o seu argumento, isso alteraria substancialmente a motivação dos estudantes para usar ferramentas de humanização, ou apenas faria surgir novas estratégias de contorno?
A minha resposta é: alteraria a incentivo, mas não resolveria o problema por si só.
Sem rubricas centradas na compreensão, formação docente, amostragem equitativa e espaço para diferentes formas de expressão, a oralidade pode tornar-se apenas mais um desempenho a otimizar.
A questão não é substituir o texto pela fala; é deixar de avaliar apenas a aparência do pensamento e começar a avaliar a responsabilidade pelo pensamento.
Para que não me acusem de não tentar contribuir para a solução, junto um artigo que produzi para testar uma nova abordagem ao desenvolvimento do pensamento crítico, no link abaixo:
Referências
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7). Disponível em: https://ar5iv.labs.arxiv.org/html/2304.02819[turnitin]
Stanford HAI. (2023). AI detectors are biased against non-native English writers. Disponível em: https://hai.stanford.edu/news/ai-detectors-biased-against-non-native-english-writers[link.springer]
Turnitin. How should I review the AI Writing report? Disponível em: https://guides.turnitin.com/hc/en-us/articles/27139000787853-How-should-I-review-the-AI-Writing-report[guides.turnitin]
Turnitin. How an AI checker can support quality, original writing. Disponível em: https://www.turnitin.com/blog/how-an-ai-checker-can-support-quality-original-writing[guides.turnitin]
AI humanizers and the crisis of information integrity. (2026). Springer. Disponível em: https://link.springer.com/article/10.1007/s00210-026-05200-4
Tools for Detecting and Humanizing AI in Academic Work: An Exploratory Study. (2023). Springer. Disponível em: https://link.springer.com/chapter/10.1007/978-3-032-25652-2_48
GenAI Humanizers in Academic Writing: A Novel Ethical Risk. (2024). Springer. Disponível em: https://link.springer.com/chapter/10.1007/978-3-032-25955-4_36
The pitfalls of AI detection in academic writing: bias, false positives and reliability. (2026). AI and Ethics, Springer. Disponível em: https://link.springer.com/article/10.1007/s43681-026-01376-w
Asynchronous oral assessments: enhancing integrity, engagement and authenticity. (2026). Educational Technology Research and Development, Springer. Disponível em: https://link.springer.com/article/10.1007/s11423-026-10677-0
Reflective VIVA: Voicing Insight, Validation, and Authenticity through oral assessment. (2026). AEA Conference Program. Disponível em: https://www.aeaweb.org/conference/2026/program/paper/yfEi8kNR
Design and Evaluation of an AI-Mediated Oral Interview for assessing student authorship. (2025). Springer. Disponível em: https://link.springer.com/chapter/10.1007/978-3-032-29794-5_43
Navigating GenAI in Psychology Education: Assessment validity, academic integrity and the realities of implementation. (2026). White Rose Eprints. Disponível em: https://eprints.whiterose.ac.uk/id/eprint/238706/
Replacing written assessment with an oral ISBAR assessment in a 700-student cohort. (2026). Assessment & Evaluation in Higher Education. Disponível em: https://www.tandfonline.com/doi/full/10.1080/02602938.2026.2684284
Nota do Autor
Este artigo foi desenvolvido no quadro do Corpus Informacional, teoria original do autor, e não recebeu financiamento externo. A análise das implicações teóricas é da responsabilidade exclusiva do autor.
Correspondência: vitor.lima@crivosoft.pt
