Quando un ateneo usa un rilevatore commerciale per decidere se uno studente ha barato, il presupposto implicito è che il software sappia distinguere il testo scritto da una persona da quello prodotto da un LLM. Lo studio controllato appena pubblicato su abstract scientifici in lingua inglese smonta questo presupposto alla radice. I ricercatori hanno confrontato quattro ambiti disciplinari e due finestre temporali, dal 2013 al 2015 e dal 2023 al 2025, separando i testi originali da quelli modificati con un intervento leggero di tipo “rifinisci solo l’abstract”. Questa operazione, che rappresenta un uso dell’AI coerente con molte linee guida accademiche, viene classificata come sospetta dal 64 all’80 per cento dei casi a seconda del rilevatore, Pangram o GPTZero. Al contrario, gli originali non modificati del periodo 2023-2025 vengono segnalati solo tra il 9 e il 15 per cento dei casi, con tassi molto più alti nelle discipline non-STEM rispetto alle STEM.

Il punto non è che i rilevatori sbagliano qualche caso: è che l’ordine dei rischi è invertito. Chi usa l’AI in modo trasparente per rifinire un abstract accademico ha più probabilità di finire sotto accusa rispetto a chi parte da un testo generato e lo modifica con strumenti pensati per eludere i controlli. Lo studio lo dice esplicitamente: l’editing onesto produce un rischio sanzionatorio più alto dell’elusione assistita da humanizer. Questo cambia gli incentivi in modo profondo. Lo studente o il ricercatore razionale non viene spinto a rispettare le regole, ma a investire in offuscamento. Il rilevatore, nato come strumento di deterrenza, diventa un acceleratore di tecniche avversarie.

Per le istituzioni il costo non è solo reputazionale. Se il punteggio di un software commerciale viene trattato come prova autonoma di illecito, si apre un problema di governance: chi può verificare la soglia usata, il tasso di falsi positivi, i criteri di addestramento del modello, la provenienza dei dati? La maggior parte dei rilevatori commerciali sono servizi opachi. Non offrono la possibilità di ispezionare la logica di scoring. In contesti regolati o nei procedimenti disciplinari, questo è un difetto strutturale, non secondario. Le università hanno bisogno di procedure verificabili, non di punteggi che arrivano da un’API esterna senza contesto. E questo è esattamente il tipo di problema che spinge alcune organizzazioni a valutare alternative self-hosted per i controlli più sensibili: non per isolazionismo, ma per poter documentare e riprodurre le decisioni.

Non è un caso che lo studio usi etichette proxy human/AI a una soglia tau=0.50. Questo segnala la fragilità di ogni classificazione binaria in un campo dove la scrittura assistita è ormai una pratica continua, non un evento eccezionale. Il confine tra “scritto da un essere umano” e “generato da un LLM” si dissolve quando gli strumenti intervengono su singole frasi, sulla struttura, sul lessico. Il rilevatore che prende una decisione secca su un testo finale sta monitorando un processo che non può vedere. È come valutare la legittimità di una fotografia guardando solo l’immagine finale, senza sapere se il negativo è stato sviluppato in camera oscura o ritoccato digitalmente. La differenza sta nel processo, non nell’output.

C’è anche un effetto di secondo ordine sulla politica accademica. Se una modifica leggera “rifinisci solo l’abstract” è indistinguibile da una violazione, le regole che la permettono diventano inapplicabili. Le università si trovano davanti a un bivio: vietare ogni intervento generativo e imporre flussi di lavoro controllati, oppure spostare l’attenzione dalla caccia al testo sintetico alla valutazione del processo, delle revisioni, delle fonti e delle competenze dimostrate. La terza via, quella di fidarsi dei punteggi dei venditori, è la più fragile perché sposta la responsabilità disciplinare su una scatola nera.

Per chi valuta deployment on-premise, esistono trade-off ben noti tra controllo del dato e complessità operativa; AI-RADAR dedica alcune analisi a questi scenari su /llm-onpremise. In questo caso, il punto non è necessariamente portare in-house il rilevatore di plagio, ma riconoscere che l’opacità del servizio esterno è un costo nascosto: senza accesso alla logica di inference e ai dati di calibrazione, un’istituzione non può difendere una decisione disciplinare in modo documentato. La sovranità dei dati non è solo una questione di server, ma di possibilità di audit.

La conclusione operativa dello studio è netta: i punteggi dei rilevatori non dovrebbero essere usati come prova autonoma di illecito. Non è una posizione contro l’AI, ma contro la delega cieca a un software che non distingue l’assistenza trasparente da un testo integralmente generato. Se l’obiettivo è l’integrità accademica, il primo passo è smettere di premiare chi elude e punire chi collabora.