W grudniu 2025 roku wydawnictwo Hachette UK wycofało ze sprzedaży powieść grozy „Shy Girl”. Nie dlatego, że była zła. Dlatego, że czytelnicy na Reddicie zaczęli zgłaszać podejrzenia: niemal każdy rzeczownik poprzedzał przymiotnik, opisy układały się w trójki, a pewne słowa powtarzały się z częstotliwością, która jest charakterystyczna dla maszyny, nie dla człowieka. Autorka zaprzeczała. Ale skanery AI powiedziały swoje.
Miesiąc wcześniej w Japonii pisarka Rie Kudan odbierała prestiżową Nagrodę Akutagawy – jedno z najważniejszych wyróżnień literackich w kraju. I sama, dobrowolnie, przyznała, że około pięciu procent tekstu napisał ChatGPT. Jej książka wygrała. Jury powiedziało, że to bez znaczenia.
Dwa przypadki, dwa werdykty. I jedno pytanie, które zadaje sobie cały świat kultury i edukacji: jak odróżnić to, co napisał człowiek, od tego, co napisała maszyna?
Jak AI pisze – i dlaczego to widać
Żeby zrozumieć, jak działa detekcja, trzeba najpierw zrozumieć, co sprawia, że tekst generowany przez AI jest inny od ludzkiego.
Model językowy, jak wielokrotnie pisaliśmy w tej serii, przewiduje kolejne słowo na podstawie statystycznej oceny tego, co powinno pojawić się po poprzednich słowach. To sprawia, że jego teksty mają pewne nieprzypadkowe właściwości.
Gładkość. Ludzkie teksty mają nierówności: akapity skondensowane i rozlane, zdania krótkie i przydługie, słownictwo raz banalne, raz zaskakujące. AI produkuje tekst o równomiernej, przewidywalnej fakturze. Jakby ktoś wygładził każdy kant.
Statystyczna przewidywalność. Kiedy człowiek pisze, czasem wybiera słowo nieoczekiwane – niekoniecznie najczęstsze, ale trafniejsze, bardziej osobiste. AI sięga po to, co statystycznie pasuje najlepiej. Wynik jest poprawny, ale trochę za oczekiwany. Za bezpieczny.
Wzorce strukturalne. Wiele modeli ma nawyki: lubią listy trzyeelementowe, często budują akapity w schemacie twierdzenie-rozwinięcie-podsumowanie, nadużywają pewnych przejść logicznych. Te wzorce są subtelne, ale powtarzalne.
Brak pomyłek na poziomie treści. To paradoks: AI rzadko popełnia błędy faktyczne w obrębie jednego zdania, ale czasem myli się na poziomie kontekstu. I nigdy nie popełnia pomyłek typowo ludzkich – literówek z powodu pośpiechu, błędów z rozproszenia uwagi.
Detektory AI uczą się właśnie tych właściwości. I robią to w sposób podobny do tego, jak same modele językowe uczą się pisać.
Jak działa cyfrowy detektyw
Narzędzia do wykrywania treści generowanych przez AI – najważniejsze to Turnitin, GPTZero, Originality.ai, Copyleaks – działają na kilku poziomach jednocześnie.
Entropia i przewidywalność. Centralny mechanizm wykrywania opiera się na pytaniu: jak bardzo przewidywalny jest każdy kolejny wyraz w tym tekście? Detektory obliczają coś w rodzaju „zaskoczenia” – miary tego, jak bardzo każde słowo odbiega od tego, co model językowy by w tym miejscu przewidział. Teksty AI mają niską entropię – są zbyt przewidywalne. Teksty ludzkie – wyższą, bo zawierają więcej zaskakujących wyborów.
Analiza stylistyczna. Długość zdań, gęstość przymiotników, częstość używania konkretnych spójników i przejść logicznych, rozkład słownictwa – wszystko to tworzy statystyczny portret tekstu. Detektory porównują ten portret z tysiącami przykładów tekstów ludzkich i AI.
Modele głębokiego uczenia. Najnowsze narzędzia używają tych samych technik sieci neuronowych co generatywne modele AI – tyle że uczą się nie pisać, lecz klasyfikować. Analizują tekst jako całość, szukając wzorców, których nie da się sprowadzić do prostych reguł.
Turnitin – najszerzej używany system w akademickiej ochronie uczciwości – działa wyłącznie przez instytucje. Uczelnia kupuje licencję, studenci składają prace, system analizuje. GPTZero jest dostępny bezpośrednio, z darmowym planem dla nauczycieli i uczniów. Oba twierdzą o sobie podobne rzeczy. Rzeczywistość jest nieco bardziej złożona.
Wykrywalność: liczby, które każą być ostrożnym
I tu dochodzimy do sedna, które jest zarazem najbardziej fascynującym i najbardziej niepokojącym aspektem całego wyścigu.
Gdy modele AI generują tekst bez żadnych modyfikacji – czysty output, od razu wklejony – najlepsze detektory radzą sobie całkiem dobrze. Badania akademickie pokazują, że Turnitin osiąga wykrywalność bliską stu procentom dla niemodyfikowanego tekstu generowanego przez ChatGPT. GPTZero – 92 do 100 procent, zależnie od badania. Brzmi imponująco.
Ale rzeczywistość używania AI do pisania prac czy książek nie polega na wklejaniu surowego outputu. Polega na używaniu AI jako narzędzia – i tu liczby wyglądają zupełnie inaczej.
Gdy tekst generowany przez AI przejdzie przez proste parafrazowanie – zamianę słów na synonimy, przestawienie kolejności zdań – wykrywalność spada o ponad dwadzieścia punktów procentowych dla większości narzędzi. Gdy zostanie przepisany ręcznie przez człowieka, który zachowa sens, ale zmieni styl – detektory mylą się znacznie częściej. A specjalne narzędzia do „humanizacji” tekstu AI – które są łatwo dostępne online i działają dokładnie w tym celu – potrafią zbić wynik Turnitina poniżej progu, który uczelnie traktują jako podejrzany.
Ogólna ocena niezależnych badaczy: detektory działają z dokładnością od 55 do 97 procent, w zależności od długości tekstu, języka, stopnia modyfikacji i konkretnego narzędzia. Turnitin sam przyznaje, że jego wynik może być obarczony błędem rzędu piętnastu punktów procentowych w każdą stronę. Wynik „pięćdziesiąt procent prawdopodobieństwa AI” może więc oznaczać zarówno trzydzieści pięć, jak i sześćdziesiąt pięć procent.
To nie jest broń precyzyjna. To jest broń z szerokim rozrzutem.
Fałszywe alarmy: niewinni ukarani
Jest jeszcze jeden problem, o którym mówi się zbyt cicho.
Detektory AI generują fałszywe pozytywy – czyli błędnie klasyfikują ludzkie teksty jako AI. I robią to z niepokojącą częstotliwością w pewnych kategoriach.
Najbardziej narażeni są nienatywni użytkownicy języka angielskiego. Cudzoziemiec piszący po angielsku używa prostszego słownictwa, krótszych zdań, mniej idiomów – i statystyczny profil jego tekstu przybliża się do profilu AI. Badania pokazują, że eseje studentów zagranicznych są flagowane przez detektory znacznie częściej niż eseje rodzimych użytkowników języka.
Przynajmniej dwanaście elitarnych uczelni amerykańskich – w tym Yale, Johns Hopkins i Northwestern – całkowicie wyłączyło funkcję wykrywania AI w Turnitinie po serii przypadków, gdzie uczciwe prace zostały błędnie oznaczone. Penn State uznał system za „zawodny”. University of Minnesota opatrzył go etykietą „NIE ZALECANE”. Michigan State stwierdził, że „nie powinien być jedyną podstawą do działań dyscyplinarnych”.
To wymowna lista. Bo to nie są uczelnie niedbające o integralność akademicką. To uczelnie, które zdecydowały, że ryzyko skrzywdzenia niewinnego studenta jest wyższe niż ryzyko przepuszczenia oszusta.
Wyścig zbrojeń bez linii końcowej
Obraz, który wyłania się z tej analizy, jest mniej podobny do policyjnej obławy, a bardziej do wyścigu zbrojeń między generatorem a detektorem – wyścigu, w którym obie strony rozwijają się nieustannie i żadna nie może oderwać się od drugiej na dystans bezpiecznej przewagi.
Firmy tworzące narzędzia do wykrywania regularnie aktualizują swoje modele, ucząc je rozpoznawać nowe wzorce generatywne. GPTZero latem 2025 roku dodał do swojej bazy treningowej przykłady z GPT-5, o3, Gemini 2.5 i innych najnowszych modeli. Turnitin w sierpniu 2025 roku dodał osobny moduł wykrywający tekst, który przeszedł przez narzędzia do humanizacji.
Ale jednocześnie modele generatywne stają się lepsze. Ich teksty – zwłaszcza gdy są prowadzone przez doświadczonego użytkownika, który wie, jak pisać prompty, by unikać charakterystycznych wzorców – coraz trudniej odróżnić od ludzkich. I coraz więcej narzędzi do humanizacji dostosowuje się do najnowszych detektorów, szukając luk.
Gdzie człowiek jest niezastąpiony
Wszystkie te cyfry prowadzą do jednego wniosku, który jest zarówno oczywisty, jak i niewygodny dla instytucji szukających technicznego rozwiązania.
Żaden detektor AI nie zastąpi ludzkiego oka. Nauczyciela, który zna styl pisania studenta z poprzednich prac. Redaktora, który widział setki manuskryptów i potrafi wyczuć, że coś jest nie tak, zanim uruchomi jakiekolwiek narzędzie. Recenzenta literackiego, który – jak czytelnicy Shy Girl na Reddicie – zauważa, że „niemal każdy rzeczownik poprzedza przymiotnik.”
Narzędzia dają sygnał. Człowiek musi ocenić jego wagę.
I tu być może leży najważniejsza lekcja tej historii: AI jako narzędzie do pisania jest dostępne dla każdego. AI jako narzędzie do wykrywania AI jest coraz potężniejsze, ale niedoskonałe. A w środku tego wyścigu – jak zwykle – jest człowiek. Który albo decyduje, że uczciwe reguły mają sens. Albo nie.
Rie Kudan napisała nagrodzoną powieść z pomocą AI i powiedziała o tym światu. Autorka „Shy Girl” zaprzeczyła, ale wydawnictwo wycofało książkę. Różnica między nimi nie leży w technologii. Leży w decyzji, którą każde z nich podjęło, siadając do klawiatury.
