Quanto è preciso il Rilevatore IA di ZeroTell?
Sul nostro set di test separato di 1826 documenti in 10 lingue, il rilevatore ha segnalato come IA 4 documenti su 671 scritti da persone (0,6%) e ha riconosciuto il 90,6% di quelli scritti dall'IA. Sui testi parafrasati da un altro modello va molto peggio, e nessun punteggio prova chi ha scritto qualcosa.
La risposta breve
Il Rilevatore IA di ZeroTell invia ogni frase di un testo al modello Gemini 3.8 Flash di Google insieme alle nostre istruzioni per assegnare il punteggio. Una frase con un punteggio pari o superiore al 50% viene evidenziata come simile all'IA, e il punteggio del documento è la quota del suo testo che si trova in frasi evidenziate. Il 28 ottobre 2026 abbiamo misurato esattamente il modello e le impostazioni usati dal sito su tre set di test etichettati. Ogni numero qui sotto viene direttamente dal report di valutazione prodotto dal nostro script di test; citiamo solo gruppi con almeno 200 documenti o frasi.
Due risultati contano più di tutti. I testi umani vengono segnalati raramente: il 0,6% dei documenti umani nel set separato e il 0,9% dei saggi scritti da studenti non madrelingua inglese. Ma nei nostri dati il testo IA parafrasato da un altro modello sfugge molto più spesso: nel set separato è stato rilevato solo il 71,1% di questi documenti. Sul benchmark pubblico MAGE lo stesso tipo di testo è stato rilevato molto più spesso (96,9%), quindi i risultati dipendono molto dal testo.
Risultati per set di test (a livello di documento)
Un documento è considerato scritto dall'IA quando il suo punteggio è pari o superiore al 50%, cioè quando almeno metà del suo testo si trova in frasi evidenziate. Un documento di test misto è considerato scritto dall'IA quando almeno metà del suo testo è stata scritta dall'IA. Tasso di falsi positivi = documenti umani segnalati per errore come IA. Tasso di rilevamento = documenti IA segnalati correttamente. L'AUROC (0,5 = tirare a indovinare, 1,0 = separazione perfetta) non dipende dalla soglia.
| Set di test | Documenti | Documenti umani segnalati come IA | Documenti IA rilevati | AUROC |
|---|---|---|---|---|
| Set di test separato (10 lingue) | 1826 | 0,6% (4 su 671) | 90,6% | 0,954 |
| Saggi di studenti (non madrelingua inglese) | 555 | 0,9% (2 su 222) | 98,2% | 0,992 |
| Benchmark pubblico MAGE (fuori distribuzione) | 1599 | 0,3% (1 su 399) | 96,6% | 0,990 |
Quale testo IA sfugge
Tasso di rilevamento alla soglia del 50%, suddiviso in base a come è stato prodotto il testo IA. I gruppi con meno di 200 documenti sono esclusi.
| Set di test | Testo IA non modificato | Testo IA parafrasato da un altro modello |
|---|---|---|
| Set di test separato | 97,3% | 71,1% |
| Benchmark pubblico MAGE | 96% | 96,9% |
Risultati a livello di frase per lingua
Il rilevatore evidenzia una frase quando il suo punteggio è pari o superiore al 50%. Set di test separato; ogni lingua qui sotto ha almeno 200 frasi.
| Lingua | Frasi | Frasi umane evidenziate | Frasi IA evidenziate | AUROC |
|---|---|---|---|---|
| Inglese | 8485 | 0,6% | 91,1% | 0,986 |
| Cinese | 5762 | 0,1% | 92,3% | 0,980 |
| Giapponese | 1588 | 1,6% | 97,7% | 0,996 |
| Coreano | 877 | 0% | 87,4% | 0,987 |
| Spagnolo | 1166 | 0% | 96,2% | 0,984 |
| Tedesco | 1109 | 1,5% | 73,5% | 0,901 |
| Italiano | 1038 | 0% | 99,1% | 1,000 |
| Portoghese | 980 | 0% | 91,4% | 0,993 |
| Malese | 1205 | 0% | 81,6% | 0,982 |
| Turco | 1413 | 1,6% | 88,6% | 0,986 |
I tre set di test
Set di test separato (1827 documenti, 23.635 frasi): una quota fissa dei nostri dati etichettati che non usiamo mai per sviluppare il rilevatore. I documenti vengono assegnati per gruppo di origine, quindi qui non compare nessun testo sorgente dei nostri dati di sviluppo, né alcuna sua riscrittura con l'IA. I testi umani provengono da fonti pubblicate, in gran parte scritte prima che gli strumenti di scrittura IA si diffondessero (notizie, voci di enciclopedia e articoli web, risposte umane a domande); i testi IA comprendono output dei modelli non modificato, testo parafrasato da un secondo modello, bozze umanizzate e documenti misti, in 10 lingue. La maggior parte dei documenti IA di questo set è stata scritta da modelli Gemini e GPT.
Saggi di studenti (555 documenti): saggi di studenti non madrelingua inglese tratti dal corpus ELLIPSE, abbinati a saggi IA scritti sulle stesse tracce e a saggi IA poi parafrasati o umanizzati. Questo set viene usato solo per la valutazione, mai per sviluppare il rilevatore.
Benchmark MAGE (1600 documenti): un benchmark di ricerca pubblico per il testo generato automaticamente, che non abbiamo usato per sviluppare il rilevatore. Include testo IA di famiglie di modelli che non sono presenti nei nostri dati e un'ampia quota di testo IA parafrasato. Poiché il benchmark è pubblico, il modello Gemini sottostante potrebbe averne visto alcune parti durante il proprio addestramento, quindi leggi i suoi risultati come uno scenario ottimistico.
Limiti da conoscere
Questi sono i risultati sui nostri set di test, non una garanzia per un testo specifico. Testi brevi, bozze molto modificate, testo IA parafrasato e testi di modelli che non abbiamo testato possono ottenere punteggi diversi.
Un tasso di falsi positivi basso non è zero. Se il tuo testo viene segnalato, considera il punteggio un motivo per guardare meglio, non una prova: consulta la nostra pagina Integrità accademica per sapere cosa fare.
I numeri sono legati a un solo modello e a una sola versione del modo in cui gli viene inviato il testo. Quando cambiamo uno dei due, ripetiamo la valutazione e sostituiamo questo report.
Come abbiamo misurato
Uno script di valutazione invia ogni documento di test allo stesso rilevatore usato dal sito, poi confronta il punteggio di ogni documento e di ogni frase con la sua etichetta nota. Riporta i risultati a due soglie (50%, quella usata dal sito, e 70% per confronto), per lingua, genere e fonte, e segna ogni gruppo con meno di 200 elementi come troppo piccolo per essere citato. Questa pagina mostra solo i gruppi più grandi. I documenti che il filtro dei contenuti di Google si è rifiutato di elaborare non hanno un punteggio e sono esclusi dai numeri: 1 nel set separato, 0 tra i saggi degli studenti e 1 in MAGE. Tutti gli altri documenti hanno ricevuto un punteggio.
Domande frequenti sulla precisione del rilevatore
Sul nostro set di test separato di 1826 documenti, ha segnalato come IA il 0,6% dei documenti umani e ha rilevato il 90,6% dei documenti IA (AUROC 0,954). I risultati variano a seconda del set di test, e il testo IA parafrasato viene individuato molto meno spesso.
Raramente sui nostri set di test: il 0,6% dei documenti umani nel set separato e il 0,9% dei saggi di studenti non madrelingua inglese. Non è zero, quindi un punteggio da solo non è mai una prova.
In modo meno affidabile. Nel nostro set separato, il testo IA parafrasato da un altro modello è stato rilevato nel 71,1% dei casi, contro il 97,3% del testo IA non modificato. Sul benchmark pubblico MAGE il tasso per il testo parafrasato è stato del 96,9%, quindi varia molto a seconda del testo.
No. L'abbiamo eseguito noi, sui nostri set di test e su un benchmark pubblico. Pubblichiamo il metodo, i set e i limiti perché tu possa valutare i numeri, e lo ripetiamo ogni volta che il modello cambia.
No. Il rilevamento è probabilistico. Usa il punteggio come un segnale tra gli altri, insieme alle bozze, alla cronologia delle versioni e a una conversazione con chi ha scritto il testo, come spiega la nostra pagina Integrità accademica.
Controlla un testo con il Rilevatore IA di ZeroTell
Scopri quali frasi sembrano scritte dall'IA e perché, poi giudica tu.
Apri il Rilevatore IA