Come capire se un testo l'ha scritto un'IA: i segnali, i rilevatori e 24 accuse reali

In breve: oggi non c'è modo affidabile di stabilire se un testo l'ha scritto un'IA, né a occhio né con un rilevatore. Ma abbiamo qualcosa di più interessante della teoria. Mentre mappavamo il mercato dei corsi sull'IA abbiamo estratto le recensioni degli studenti da Udemy e Coursera e siamo finiti su un filone raro: persone vere che accusano in pubblico l'autore di un corso a pagamento di vendere materiale fatto da una macchina. Nessuna di loro ha lanciato un rilevatore. Abbiamo guardato che cosa li ha traditi davvero, e non era niente di ciò che i rilevatori misurano.

Perché il problema è irrisolvibile in partenza

Un modello linguistico è stato addestrato su testi umani ed è ottimizzato per produrre testo statisticamente «normale». Un buon testo di macchina è, per definizione, indistinguibile dalla scrittura umana media. Il compito «distinguere l'IA dall'uomo» si scontra con il fatto che il confine vero non passa tra macchina e persona, ma tra uno stile con una firma e uno stile mediato. E in modo mediato scrivono anche le persone: soprattutto quando sono stanche, quando si coprono le spalle o quando lavorano in una seconda lingua.

Aggiungi che quasi nessuno pubblica l'output grezzo del modello: il testo viene corretto, ampliato, mescolato al proprio. I casi puri «umano» e «IA» quasi non esistono; c'è un continuo. Il corso che sezioniamo qui sotto è esattamente questo ibrido: il copione sembra scritto da una macchina, ma le slide le ha montate una persona, che ci ha messo la voce e l'ha venduto. Qui la domanda «l'ha scritto un'IA?» non ha nemmeno una risposta unica. Ed è il caso normale, non quello esotico.

I nostri dati: 24 accuse di paternità meccanica, zero rilevatori

Abbiamo estratto le recensioni dei corsi più grandi su ChatGPT e IA generativa: ricerca di mercato nostra, rilevazione del 17.07.2026. Il sottoprodotto è valso più del risultato principale. Nelle recensioni negative torna un'accusa ricorrente: questo l'ha fatto una macchina. E la muove gente che il corso l'ha pagato e se l'è visto tutto.

La versione più diretta colpisce Prompt Engineering with ChatGPT Masterclass di RPATech: 118.803 iscritti, 57.836 recensioni, voto 4,48. Non è un prodotto marginale, è uno dei corsi più grandi della nicchia:

"Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word"
— Bradley M., 16.04.2026, 1★

E sullo stesso corso, un verdetto più secco di così è difficile:

"AI voice, not recommended. didn't learned anything"
— Ashvin D., 22.06.2026, 1★

Guarda che cosa manca in queste recensioni. Nessuna percentuale. Nessun accenno a GPTZero o ZeroGPT. Niente su perplessità, ritmo delle frasi o la formula «non solo X, ma Y». Nessuno ha lanciato un rilevatore: sono bastate due cose, la slide era sovraccarica e le parole dette coincidevano alla lettera con quelle scritte. Non sono indizi di stile. Sono indizi di processo: così appare un testo che nessuno ha riscritto per l'orecchio, perché tra la generazione e la registrazione non c'era nessuno.

Che cosa tradisce davvero una macchina: non lo stile, ma il lavoro che manca

Abbiamo diviso tutte le recensioni negative in gruppi ed è saltato fuori uno schema. La lamentela più frequente sui videocorsi non parla di IA per niente: parla di leggere dalla slide.

"why read straight from the slide? I can do that. This was not a helpful course at all"
— Janie I., 02.07.2026, 1★ (corso di Justin Barnett)

"50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website"
— Shashank T., 13.04.2026, 1★ (The Complete AI Guide)

"They are just reading the prompter sometimes without even knowing the point. Hating myself after purchasing it."
— Sachin S., 13.07.2026, 1★ (The Complete AI Guide)

Guarda come lo dice Sachin: «sometimes without even knowing the point». È la definizione più affilata di testo meccanico che abbia letto, e non c'entra nulla con la statistica. Il testo diventa meccanico quando tra lui e il lettore non c'è stato nessuno che lo capisse. Un modello sa simulare la comprensione dentro ogni singola frase. Quello che non sa simulare è la decisione di buttarne via metà, perché quella decisione richiede di sapere perché stai scrivendo.

Da qui il secondo gruppo: riempitivo e ripetizioni.

"I finished week 2. And all the lessons could be in 1 lesson. I jumped to week 3, 4, 5 and 6, and I see some concept reapeted. Very bad time spending for me."
— Shai Mizrachi, 22.07.2023, 1★ (Vanderbilt)

"The course is far too drawn out… padding the course with filler and making it longer than it needs to be."
— Victoria X., 13.02.2026, 2★ (The Complete AI Guide)

"The majority of the class he just rambles around unimportant subject… There's really no 'meat' in this course. A major waste of time and money!"
— Kevin K., 20.02.2026, 1★ (ChatGPT for Work)

E il terzo: il vuoto spacciato per contenuto.

"The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models."
— Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

"Didnt meet expectations, only theory is discussed which we already know."
— Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone)

Somma tutto. Il lettore emette il verdetto «macchina» non per il ritmo delle frasi, ma per tre cose: al testo non è stato tagliato niente, il testo non decide niente, l'autore non c'è. Tutte e tre non sono proprietà del generatore, ma di una revisione che non è avvenuta. Una persona sotto scadenza e senza voglia produce esattamente la stessa cosa. Proprio per questo l'accusa coglie nel segno e sbaglia bersaglio allo stesso tempo.

Una riserva onesta contro noi stessi: questo non è un esperimento. Non sappiamo se quel corso l'abbia scritto davvero un modello: RPATech non ha mai commentato e la recensione di Bradley M. resta l'opinione di uno spettatore. La nostra affermazione è più modesta: sappiamo su che cosa persone vere e paganti fondano il verdetto. Sono dati sul rilevatore chiamato «persona», non sul fatto della generazione.

Che cosa si scambia per tracce di IA — e perché è un errore

Ora guarda l'elenco canonico dei «segnali» e osserva come non riesca a descrivere una macchina. Ecco che cosa si presenta di solito come prova:

• Una scorrevolezza sospetta. Tutte le frasi più o meno della stessa lunghezza e complessità, il ritmo non cambia mai.
• Tutto a gruppi di tre. Elenchi di esattamente tre punti, paragrafi simmetrici, sezioni della stessa misura.
• La costruzione «non X, ma Y». «Non è solo uno strumento, è un modo di pensare», cinque volte per pagina.
• Zero concretezza. Niente nomi, date, cifre, casi vissuti. Vale per qualsiasi cosa e quindi non serve a niente.
• Il vocabolario spia. «Panorama», «sbloccare il potenziale», «nell'era digitale», «è importante notare».

Nessuno di questi punti separa la macchina dalla persona. Tutti separano la scrittura a stampo da quella viva, e a stampo scrivono anche le persone: stanche, prudenti, che ripassano da una dispensa o che lavorano in una seconda lingua. Con questo elenco «incastri» senza fatica una persona ordinata. E al contrario: l'output di un modello con un buon prompt non ne mostra nemmeno uno. Chiedi concretezza, un esempio vero e una posizione, e la meccanicità evapora (come si fa, lo vedi nella formula di un prompt forte).

Verificalo qui. Il prompt qui sotto fa scrivere al modello lo stesso paragrafo due volte — una «alla macchina» e una viva — e poi gli fa giudicare il proprio output. Entrambe le versioni escono dalla macchina, quindi qualsiasi verdetto del rilevatore «è IA / non è IA» sarà sbagliato per costruzione una volta su due:

Scrivi due volte lo stesso paragrafo di 120 parole sul perché fallisce l'onboarding da remoto dei nuovi assunti.

Versione A: come lo scriverebbe una persona stanca che vuole solo riempire la pagina: senza nomi, senza cifre, senza casi, con tutte le frasi più o meno della stessa lunghezza.

Versione B: con un'azienda inventata ma precisa, un fallimento preciso della prima settimana, una cifra e frasi di lunghezza molto disuguale.

Poi rispondi in tre punti: quale versione un rilevatore di IA basato sulla perplessità segnalerebbe come scritta da una macchina, perché, e se quel verdetto sarebbe corretto dato che le hai scritte entrambe tu.

Come funziona un rilevatore dentro — e perché mente

Un rilevatore di IA non «riconosce» il testo. Misura proprietà statistiche: quanto è prevedibile ogni parola successiva (perplessità) e quanto è disomogenea la distribuzione della complessità delle frasi (burstiness). La logica: un modello per costruzione sceglie la continuazione probabile, quindi il suo testo è in media più prevedibile e più uniforme. La logica è giusta. Il problema è quello che se ne ricava.

• Falsi positivi sulle persone. Chi scrive semplice e prevedibile assomiglia statisticamente a un modello. Un lessico più stretto dà perplessità bassa, e un lessico stretto ce l'ha un ragazzino, un avvocato prudente e chiunque scriva in una lingua che ha imparato invece che assorbito.
• Falsi negativi. Chiedi al modello più varietà, o ritocca il testo a mano appena, e il rilevatore tace. Prende la prevedibilità, non la provenienza.
• Nessuna taratura. La percentuale sembra scientifica ma non è verificabile: i rilevatori non pubblicano nessun metodo trasparente e la precisione cala sui testi diversi dai dati di addestramento. «Probabilità dell'87%» e «il nostro apparecchio ha sputato il numero 87» sono due affermazioni diverse: ti vendono la prima e ti danno la seconda.
• Sui testi corti è tirare a indovinare. Un paragrafo solo non porta abbastanza statistica.
• Una corsa che il rilevatore perde per definizione. Ogni miglioramento del modello avvicina il suo output alla scrittura umana media. Il rilevatore non sta raggiungendo un bersaglio: il bersaglio si allontana.

La conclusione è dura ma necessaria: la percentuale di un rilevatore non può fare da base a un'accusa, né all'università, né in redazione, né in un colloquio di lavoro. È uno strumento con un margine d'errore ignoto, distribuito in modo disuguale, che colpisce più forte chi è già nella posizione più debole.

Su chi scrive in una seconda lingua: che cosa possiamo dimostrare e che cosa no

L'idea che «i rilevatori puniscano chi scrive in una seconda lingua» suona giusta, e il meccanismo della perplessità la prevede in modo diretto. Ma una misurazione dei rilevatori stessi non ce l'abbiamo, e non ce la inventeremo.

Quello che abbiamo è un fatto vicino e solido. La nostra ricerca di mercato si appoggia a uno studio controllato randomizzato di Bälter, Kann, Mutimukwe e Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024), n = 2.263 studenti svedesi, lo stesso corso di programmazione online tenuto in due lingue:

• Abbandono in svedese: 57%. In inglese: 71% (φ = 0,2; p < 0,00001).
• Voto medio di chi è rimasto: 16,9 contro 14,3, una differenza trascurabile (δ = 0,085).

Leggilo bene: l'inglese non ha danneggiato la comprensione, ha fatto andare via la gente. E, cosa che qui conta di più, la padronanza autovalutata non proteggeva: chi riteneva buono il proprio inglese abbandonava lo stesso.

Dei rilevatori questo non dice niente in modo diretto. Dice però questo: il costo di lavorare in una lingua che non è la tua è reale, misurabile e invisibile a chi lo paga. Un rilevatore che penalizza la perplessità bassa è un altro strato della stessa tassa, imposto a chi la sta già pagando. È un argomento, non una prova, e non lo spaccio per la seconda.

L'indizio che funziona: controllare i fatti

La cosa più forte che abbiamo trovato è una recensione in cui qualcuno non ha indovinato: ha beccato.

"Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models."
— Jose C., 12.05.2026, 1★ (corso di Justin Barnett)

L'errore non stava solo nella lezione, ma anche nel test: la risposta sbagliata valeva come giusta. Questo è un indizio. Non «87% di probabilità», ma un'affermazione falsa e precisa che puoi mettere sul tavolo e che l'autore non sa spiegare perché non l'ha pensata lui.

Nessun rilevatore avrebbe trovato niente di tutto ciò: la prosa della lezione è impeccabile. L'ha trovato una persona che conosceva l'argomento. La regola è semplice: se un testo contiene fatti, controlla i fatti, non lo stile. Un link che non porta da nessuna parte, un'architettura confusa, una cifra senza fonte: questi sono indizi duri, e sono anche l'impronta di un'allucinazione dell'IA.

Il prompt per questo controllo si lancia proprio qui:

Controlla queste quattro affermazioni e segna ognuna come VERA, FALSA o NON VERIFICABILE SENZA FONTI, con una frase di motivazione per ciascuna:

1. Midjourney, DALL-E e Stable Diffusion sono costruiti sull'architettura GAN.
2. La perplessità, nella modellazione del linguaggio, misura quanto un testo è prevedibile per un modello.
3. Un testo a cui un rilevatore dà «100% IA» dimostra che l'autore ha usato l'IA.
4. La filigrana permette di rilevare l'output di qualsiasi modello.

Poi dimmi quali di questi quattro errori ti aspetteresti di trovare in un corso online fatto di fretta, e perché proprio quelli.

E le filigrane?

Tecnicamente si può inserire durante la generazione un marchio statistico impercettibile e poi verificarlo: il modello sposta appena la scelta delle parole secondo una regola segreta, e quello scarto viene riconosciuto dopo. Google DeepMind spinge un approccio del genere sotto il nome SynthID. I limiti del metodo sono strutturali, non dettagli di realizzazione:

• Il marchio c'è solo dove qualcuno l'ha messo. Un modello senza filigrana, compreso qualsiasi modello eseguito in locale, semplicemente non gioca.
• Il marchio non sopravvive a tutto. Riformulare, passare per una traduzione andata e ritorno o revisionare a mano in profondità diluiscono lo scarto statistico.
• Nessuno è obbligato. Uno standard di settore vincolante non esiste, e uno volontario identifica gli onesti.
• L'assenza del marchio non significa niente. Anche una filigrana perfetta risponde «sì, questo è il nostro modello», mai «no, questa è una persona».

È una tecnologia utile per le piattaforme, non un rilevatore universale per te.

Che cosa fare invece del rilevatore

Se insegni, se dirigi una redazione o una squadra, «l'ha scritto un'IA?» è quasi sempre la domanda sbagliata. Quelle vere sono: «l'autore capisce quello che ha consegnato?» e «il testo fa il suo lavoro?». Entrambe si verificano.

• Una conversazione. Due domande di rimando sul contenuto rispondono a tutto quello a cui nessun rilevatore risponde.
• Il processo. Bozze, cronologia delle versioni, consegne intermedie. Vedi il percorso, non solo il risultato.
• Un compito che l'IA non chiude da sola. Contesto locale, esperienza personale, dati della lezione, aggancio a un caso preciso.
• Il controllo dei fatti. Vedi il caso di Jose C. qui sopra: un'affermazione verificabile vale più di dieci punti percentuali di sicurezza.
• Regole dichiarate. Di' in anticipo che cosa è permesso: «l'IA va bene per la bozza e per il controllo, non per le conclusioni finali». Una regola trasparente toglie metà del problema.

L'obiezione è ovvia: una conversazione non scala, un rilevatore è un clic. Obiezione legittima. Ma guarda che cosa succede quando costruisci tutto il sistema attorno a ciò che scala:

"you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not."
— Shinysheep, 21.09.2023, 1★ (Prompt Engineering, Vanderbilt — 698.444 iscritti)

"quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'"
— Cory Covino, 04.05.2024, 2★ (IBM)

"Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience."
— Laurie J Phillips, 12.04.2024, 3★ (IBM)

È la stessa malattia del rilevatore, vista dall'altro lato: una correzione automatica che misura la cosa sbagliata perché misurare quella giusta costa. Il «100% correct» automatico e l'«87% IA» sono parenti. Tutti e due ti danno un numero al posto di un giudizio.

E non è pigrizia della piattaforma, è un limite strutturale. Per controllare un prompt serve un modello dentro la lezione. Coursera non ce l'ha: la Prompt Engineering Specialization di Vanderbilt pretende che lo studente compri a parte un abbonamento a pagamento a ChatGPT e faccia gli esercizi altrove. Che cosa ne sia uscito la piattaforma non può vederlo fisicamente, quindi timbra un «superato» automatico. Proprio per questo nel nostro corso sull'IA il modello vive dentro la lezione, e per lo stesso motivo i blocchi con i prompt di questo articolo hanno un pulsante per lanciarli invece di chiederti di ricopiarli da qualche altra parte.

Se l'accusato sei tu

La situazione è reale e sgradevole: il rilevatore ha sputato una percentuale e il testo è tuo. Che cosa aiuta:

• La cronologia delle versioni. Google Docs, Word, qualsiasi editor con salvataggio automatico. È la prova migliore che esista: il processo di scrittura è più difficile da falsificare del risultato. Attiva il salvataggio automatico prima di averne bisogno.
• Bozze e appunti. Conservarli è una noia; sono anche quello che ti salva.
• La disponibilità a spiegare. Se capisci il tuo testo, una conversazione chiude la faccenda in due minuti.
• Smontare lo strumento con calma. Chiedi che ti mostrino non una percentuale, ma il punto preciso del testo che l'ha fatta scattare e il metodo dietro il numero. Un rilevatore non dà né l'uno né l'altro, e questa assenza è già la risposta.
• Cambiare la domanda. «Chiedimi del contenuto» è l'unica frase che porta la conversazione dall'indovinello alla verifica. A chi accusa, rifiutarla riesce scomodo.

Il prompt che ti prepara a questa conversazione non è «frega il rilevatore», ma «controlla se il tuo testo lo reggi davvero»:

Ecco il paragrafo di uno studente:

«Le aree verdi urbane migliorano gli indicatori di salute mentale. Gli studi hanno dimostrato che l'accesso ai parchi riduce lo stress e migliora il benessere generale. Nell'era digitale è importante notare che gli urbanisti devono considerare olisticamente il panorama dello sviluppo urbano per sbloccare il potenziale delle infrastrutture verdi.»

Non giudicare se l'ha scritto un'IA. Scrivi invece cinque domande che potrei fare all'autore in due minuti di conversazione e che rivelerebbero se capisce quello che ha consegnato. Per ogni domanda, di' che cosa conterrebbe la risposta di chi sa e come suonerebbe la risposta di chi bluffa.

Come scrivere con l'IA senza suonare come una macchina

E la conclusione più pratica. Se usi l'IA in modo onesto, come bozza, la meccanicità non si toglie con un trucco ma con la sostanza. Ecco la citazione da ricordare se stai cercando la mossa magica:

"I've studied best practices to avoid it generating content that sounds like AI, but I'm not having any success. … It is reported as 100% written by AI according to zerogpt."
— forum di OpenAI, discussione «Prompt to insert content without sounding like AI»

"the email writing tools just seems to strip out my personal voice making me sound like I'm writing unsolicited marketing spam."
— commento su Hacker News

Riserva: sono tre fonti da forum popolati da utenti avanzati, non da un pubblico di massa. Il campione è piccolo e quello che ne esce è un'ipotesi, non una misura. Ma l'ipotesi combacia con tutto il resto: la persona della prima citazione ha studiato tutte le «migliori pratiche contro lo stile IA» ed è fallita. Perché combatteva lo stile. Lo stile è il sintomo. La malattia è il vuoto.

Ecco una bozza. Se ne hai una tua, mettila al posto di questa.

«L'IA sta trasformando il modo in cui lavorano i team. È importante notare che le organizzazioni devono sbloccare il potenziale di questi strumenti. Nell'era digitale, le aziende che non si adattano rischiano di restare indietro rispetto ai concorrenti in un panorama in continuo cambiamento.»

Compito: rendi il testo più concreto senza allungarlo.
Regole:
- cancella ogni frase che resterebbe vera sostituendo «IA» con qualsiasi altra tecnologia;
- ogni affermazione sopravvissuta ha bisogno di un esempio o di una cifra, altrimenti va cancellata;
- alterna frasi lunghe e frasi corte.
Chiudi con un elenco a parte intitolato «Serve l'esperienza dell'autore»: i punti che solo una persona può riempire.

L'ultima regola è la chiave. Un testo smette di sembrare meccanico esattamente quando contiene quello che il modello non ha: il tuo caso preciso, la tua cifra, la tua posizione. Per questo in questo articolo ci sono nomi, date e stelle: non per darsi un tono, ma perché non si possono generare.

L'essenziale

I rilevatori di IA non sono un sensore della verità: sono una congettura probabilistica con un margine d'errore ignoto, che colpisce più forte chi scrive semplice e in una seconda lingua. I «segnali dello stile meccanico» separano la scrittura a stampo da quella viva, non la macchina dalla persona. E chi il testo meccanico lo becca davvero — Bradley M. e Jose C. nei nostri dati — non lo becca dallo stile: lo becca da un testo a cui nessuno ha tagliato niente, da un errore di fatto, dall'assenza dell'autore. Quindi è quello che conviene controllare. L'unico modo affidabile di capire se dietro un testo c'è una persona è parlarne con lei.

Sul tema: l'IA a scuola e il copiare, che cosa può fare davvero un insegnante; le allucinazioni dell'IA, da dove arrivano i link inesistenti che fanno da vero indizio; la formula di un prompt forte, togliere la meccanicità all'ingresso invece che all'uscita; l'IA al lavoro, su bozze e revisione.