Tempo de leitura: 10 minutos
O Google não diz, na documentação oficial sobre conteúdo de IA, que detecta IA para rebaixar páginas: ele fala em combater spam e em qualidade, seja qual for o modo de produção. Já um detector de IA erra, até com texto humano. Humanizar texto de IA muda a nota dele, mas não o que a política do Google pede.
Em resumo
- O Google diz que identifica spam por padrões e indicadores, seja qual for o modo de produção do texto.
- O SynthID, do Google DeepMind, marca o que as ferramentas do Google geram. Ele não lê texto de qualquer origem.
- Em estudos acadêmicos, detectores marcaram texto humano como IA e falharam com texto parafraseado.
- Humanizar texto de IA muda a nota do detector, mas não acrescenta fato, experiência nem valor ao leitor.
O Google detecta IA nos textos que ranqueia?
O Google não diz que detecta IA para ranquear. Na pergunta frequente sobre conteúdo de IA, ele diz que analisa padrões para achar spam, seja qual for o modo de produção. Ou seja, o alvo declarado é o spam, e não quem escreveu o texto.
Na pergunta frequente do Google Search Central, a resposta sobre como a Pesquisa identifica spam feito com IA é esta:
“Temos vários sistemas, incluindo o SpamBrain, que analisam padrões e indicadores para nos ajudar a identificar o conteúdo de spam, seja qual for o modo de produção.”
Google Search Central (2023)
Na mesma página, o Google diz que o foco está na qualidade do conteúdo, e não na forma como ele é produzido. Portanto, quando alguém afirma que o Google detecta IA e pune por isso, a frase vai além do que a documentação diz. Por outro lado, a documentação também não descreve como esses sistemas funcionam por dentro.
O que fica claro é o alvo. Conforme as políticas de spam do Google, o abuso de conteúdo em escala é gerar muitas páginas para manipular o ranqueamento, e não para ajudar o leitor. Isso vale seja qual for o modo de criar o conteúdo. Assim, um texto humano feito em massa e sem valor viola a mesma regra que um texto de IA.

O que é o SynthID e onde o Google detecta IA com ele?
O SynthID é a marca d’água digital do Google DeepMind para conteúdo gerado por IA. Ele entra no momento da geração, em imagem, áudio, texto e vídeo das ferramentas do Google. Assim, o Google detecta IA com o SynthID só no que leva essa marca, e não em qualquer texto da web.
Segundo a página do SynthID, a marca é invisível para pessoas, mas o sistema a reconhece. No texto, ela vale para o que o app e a versão web do Gemini geram. Para isso, o SynthID ajusta a probabilidade de cada palavra escolhida pelo modelo. Em 2025, o Google lançou o SynthID Detector, um portal que verifica se um arquivo tem a marca.
A documentação do SynthID Text mostra os limites para texto. Segundo o Google, a marca resiste a cortes, a poucas palavras trocadas e a paráfrases leves. Mas ela funciona pior em respostas factuais, e a confiança do detector cai muito quando o texto é todo reescrito ou traduzido.
O Google abriu o código do SynthID Text para desenvolvedores. Mesmo assim, a marca serve para quem gera o texto saber se ele veio do próprio modelo. Portanto, o SynthID não diz nada sobre um texto sem a marca, como o de um redator ou o de outra ferramenta de IA. Além disso, o Google não diz que usa o SynthID no ranqueamento: as páginas do Search Central sobre conteúdo de IA, spam e conteúdo útil não o citam.
Detectores de IA são confiáveis?
Não para decidir sozinhos se um texto é humano ou de máquina. Os estudos com metodologia publicada mostram dois erros. O detector de IA marca texto humano como máquina, e deixa passar texto de IA reescrito. Até quem criou um detector reconheceu esses limites.
A OpenAI é o exemplo mais claro. Em janeiro de 2023, ela lançou um classificador de texto de IA e o retirou em julho do mesmo ano, por causa da baixa precisão. Num conjunto de textos em inglês da própria empresa, ele acertou 26% dos textos de IA. Ao mesmo tempo, ele marcou como IA 9% dos textos humanos. A OpenAI dizia que ele não devia ser a ferramenta principal de decisão.
Os estudos independentes vão na mesma linha:
- Weber-Wulff e outros (2023): num teste com 14 ferramentas, inclusive Turnitin e PlagiarismCheck, todas ficaram abaixo de 80% de precisão com textos do ChatGPT. Só 5 passaram de 70%.
- RAID (2024): o benchmark da Universidade da Pensilvânia e parceiros testou 12 detectores em mais de 6 milhões de textos. Muitos detectores, comerciais e abertos, dizem acertar 99% ou mais, mas os 12 testados falharam com ataques, novos modelos e outras configurações de geração.
Em resumo, um detector de IA mede padrões estatísticos do texto, como a previsibilidade das palavras. Ele não mede se o conteúdo é útil, correto ou original. Os estudos usam detectores de 2023 e 2024, e não dá para estender o resultado a cada ferramenta de hoje.
Por que um detector de IA marca texto humano como máquina?
Segundo os autores, porque texto com vocabulário restrito é mais previsível, e o detector lê isso como sinal de máquina. Num estudo de Stanford, sete detectores marcaram como IA, em média, 61,22% de 91 redações humanas do TOEFL, o exame de inglês para estrangeiros. Já as redações de alunos americanos do 8º ano saíram quase sem erro.
No total, pelo menos um detector marcou 89 das 91 redações como IA. Por isso, os autores pedem cautela no uso de detectores em avaliação e ensino. O estudo é em inglês e não mede o português.
Humanizar texto de IA resolve alguma coisa?
Resolve a nota do detector, não o que a política do Google pede. Humanizar texto de IA é reescrever frases para fugir dos padrões que o detector procura. Mas o Google avalia valor para o leitor. Assim, um texto sem fato novo continua sem fato novo depois de reescrito.
Os estudos mostram que humanizar texto de IA para enganar o detector é fácil. No mesmo estudo de Stanford, um pedido ao ChatGPT para reescrever com linguagem literária derrubou a detecção de 31 redações geradas por IA. A taxa caiu de até 100% para até 13%, conforme o detector. Da mesma forma, Krishna e outros criaram um parafraseador que derrubou o acerto do DetectGPT de 70,3% para 4,6%. O falso positivo ficou fixo em 1%, e o sentido do texto quase não mudou.
O mercado vende os dois lados. A Undetectable AI, por exemplo, vende um detector e um humanizador que promete texto com nota de humano nos principais detectores. Ela também lista um removedor de marca d’água de texto. Já a Grammarly, que também oferece detector e humanizador, diz que o humanizador dela não serve para burlar detectores.
No Google, porém, humanizar texto de IA não muda a natureza do conteúdo. As políticas de spam citam, como exemplo de abuso de conteúdo em escala, copiar conteúdo e transformá-lo com sinônimos, tradução e outras técnicas de ofuscação. Ou seja, passar muitas páginas sem valor por um humanizador não tira o conjunto dessa regra. Quem publica em volume encontra os riscos do conteúdo em escala no guia sobre blog automático com IA.
Se o Google não detecta IA pela origem, o que ele avalia?
O Google avalia utilidade, originalidade e sinais de experiência, conhecimento, autoridade e confiança. Na pergunta frequente, ele diz que o conteúdo útil, original e com esses sinais pode ter bom desempenho. Logo, a origem pesa menos que o que o texto entrega ao leitor.
Na mesma página, o Google resume que usar IA não dá vantagem especial ao conteúdo. Por outro lado, ele diz que nem todo uso de IA é spam: o que pesa é o valor. O que dizem as políticas e os estudos sobre ranqueamento está no guia sobre se o Google penaliza conteúdo de IA.
Na prática, os sinais que o Google descreve estão no guia de E-E-A-T: autor real, experiência própria, fontes e transparência. Já a estrutura que torna um texto útil e citável está no guia de como escrever artigo para blog.
O mesmo vale para as respostas de IA. Afinal, as táticas com mais evidência para ser citado são fontes, aspas de especialistas e estatísticas, como mostra o guia sobre o que é GEO. Um detector de IA não mede nenhum desses sinais.
Como responder ao cliente que desconfia do texto?
Mostre o processo, não a nota de outro detector. Explique que o Google não diz que pune a origem, que detectores erram com texto humano e que a nota muda de ferramenta para ferramenta. Em seguida, mostre o que o texto tem de próprio: fontes, dados, revisão e autor.
Imagine que o cliente passou o artigo num detector e viu “80% de IA”. Uma resposta objetiva tem quatro partes:
- O que o Google diz: ele busca spam e qualidade, seja qual for o modo de produção.
- O que o detector mede: padrões estatísticos de escrita, com erros documentados em estudos acadêmicos.
- O que o texto tem: fatos com fonte, dado ou experiência própria, revisão humana e autor real.
- O que não fazer: humanizar o texto de IA só para baixar a nota.
Se o texto não tem nada disso, a desconfiança do cliente tem fundamento, e o detector não é o problema. Nesse caso, o caminho é reescrever com fonte e experiência, como mostra o guia de marketing de conteúdo na era da IA. O passo a passo da revisão, da checagem de fatos e da voz da marca está no guia de processo editorial com IA.
Perguntas frequentes
Não. O SynthID reconhece só a marca d’água do próprio SynthID, aplicada no momento da geração, como no app do Gemini. Um texto sem essa marca, de um redator ou de outra ferramenta de IA, fica fora do alcance dele. Por isso, o SynthID não serve para dizer se um texto qualquer da web foi feito por IA.
Pode, sim. Segundo a documentação do SynthID Text, a confiança do detector cai muito quando o texto é todo reescrito ou traduzido. Em estudos acadêmicos, paráfrases automáticas derrubaram o acerto de detectores conhecidos. Mas enganar o detector não muda o que o Google avalia: valor, originalidade e confiança.
Não como veredito. Um detector de IA erra com texto humano e com texto reescrito, segundo os estudos citados aqui. Até a OpenAI disse que o classificador dela não devia decidir sozinho. Antes de publicar, a checagem que mais pesa é outra: fatos com fonte, algo próprio no texto, autor real e revisão humana.
Fontes principais
- Google Search Central, orientações da Pesquisa Google sobre conteúdo gerado com IA e perguntas frequentes (2023).
- Google Search Central, políticas de spam da Pesquisa Google (2026).
- Google DeepMind, página do SynthID (2026).
- Google AI for Developers, documentação do SynthID Text (2025).
- OpenAI, classificador de texto de IA e nota sobre a retirada (2023).
- Liang e outros, detectores de GPT e o viés contra quem escreve em inglês como segunda língua (2023).
- Weber-Wulff e outros, teste de 14 ferramentas de detecção de texto de IA (2023).
- Dugan e outros, RAID, benchmark de detectores de texto gerado por máquina (2024).



