O mercado paralelo de serviços para reduzir índices de conteúdo gerado por IA na China: a nova corrida armamentista acadêmica

A ascensão dos serviços para reduzir índices de conteúdo gerado por IA na China

Com as universidades chinesas intensificando o escrutínio da integridade acadêmica, surgiu um novo setor informal: os serviços para reduzir o índice de conteúdo gerado por inteligência artificial (AIGC). Amplamente disponíveis em grandes plataformas de comércio eletrônico, como o Taobao, esses serviços prometem ajudar estudantes a diminuir a porcentagem detectável de texto gerado por IA em seus trabalhos acadêmicos. O fenômeno ganhou força durante a temporada de formaturas, gerando preocupação entre educadores, formuladores de políticas públicas e estudantes quanto às implicações para os padrões acadêmicos e à eficácia das tecnologias de detecção de IA.

No centro desse setor estão vendedores que anunciam “modificações manuais” e “consultoria on-line 24 horas”, muitas vezes sem informar claramente os preços ou apresentar credenciais educacionais. Muitos insistem em transferir as conversas e os pagamentos para canais privados, como o WeChat, o que dificulta o rastreamento das transações e complica os esforços de proteção ao consumidor. A proliferação desses serviços reflete tanto a rápida adoção de ferramentas de IA na redação acadêmica quanto a pressão crescente sobre os estudantes para passar por verificações de detecção de IA cada vez mais sofisticadas.

Como funcionam os serviços para reduzir índices de AIGC?

Esses serviços afirmam reduzir o índice de detecção de IA em trabalhos acadêmicos reescrevendo ou modificando o texto para que pareça mais humano. Alguns vendedores se gabam de ter bancos de dados e algoritmos proprietários capazes de identificar e substituir vocabulário ou estruturas frasais frequentemente sinalizados por detectores de IA. Os preços variam bastante: uma dissertação básica de 5 mil palavras pode custar apenas 32 yuans (cerca de US$ 4,45), enquanto modificações mais personalizadas e orientadas por algoritmos podem chegar a 20 mil yuans.

Apesar do rótulo de “modificação manual”, boa parte do trabalho ainda é feita com IA. Em geral, os vendedores consultam bancos de dados acadêmicos, comparam conteúdos e usam algoritmos para ajustar frases e vocabulário. O processo busca driblar a detecção por sistemas populares usados pelas universidades chinesas, como o VIP Paper Check System e o CNKI. No entanto, a qualidade dessas modificações é irregular: muitos estudantes relatam frases truncadas, linguagem pouco profissional e inconsistências lógicas nos textos revisados.

Por que esse setor surgiu?

O crescimento dos serviços para reduzir índices de AIGC está estreitamente ligado aos esforços das universidades para regulamentar o uso de IA na redação acadêmica. Em resposta à preocupação com fraudes acadêmicas e com o uso indevido de ferramentas de IA generativa, como ChatGPT, Ernie Bot, do Baidu, e Tongyi Qianwen, do Alibaba, muitas universidades chinesas adotaram políticas que exigem que os estudantes informem o uso de IA e estabelecem limites aceitáveis para a proporção de conteúdo gerado por IA nas teses. Algumas instituições exigem que o índice de AIGC fique abaixo de 20% a 40% para que um trabalho seja aprovado; outras usam esse índice como referência para a decisão final dos orientadores.

Essa pressão regulatória criou uma “demanda artificial”, como descreve Luo Xueming, especialista sênior do Instituto de Pesquisa de Tecnologia Industrial Urbana Moderna de Guangdong. A introdução de sistemas de detecção de AIGC não apenas impulsionou o desenvolvimento de serviços para reduzir índices, mas também ampliou a cadeia desse setor informal, que passou a incluir a redação por encomenda e a criação de apresentações em PowerPoint. A falta de limites éticos acadêmicos claros para o aprimoramento de textos com IA, o plágio e a adaptação permitiu que esses serviços prosperassem em uma zona regulatória cinzenta.

A experiência dos estudantes: pressão, ansiedade e alternativas

Para muitos estudantes, a pressão para cumprir os padrões de detecção de IA é intensa. Wen Suyu, aluna do último ano de uma universidade em Guangdong, passou horas revisando sua dissertação para reduzir o índice de detecção de IA, mas obteve pouca melhora. Desesperada, recorreu a um serviço de redução de índice, que conseguiu diminuir o resultado da detecção, mas deixou o texto artificial e robótico. A experiência dela se repete entre milhares de estudantes em toda a China, que compartilham dicas e ansiedades em redes sociais como o Xiaohongshu.

Entre as estratégias comuns para reduzir os índices de detecção de IA estão:

• Reescrever frases para evitar padrões típicos de textos gerados por IA, como estruturas frasais uniformes e o uso de certas palavras de transição.
• Usar várias ferramentas de IA para diversificar a linguagem e o estilo, reduzindo a probabilidade de o texto ser sinalizado pelos algoritmos de detecção.
• Editar manualmente rascunhos gerados por IA para incluir mais voz pessoal e irregularidades.

Apesar desses esforços, muitos estudantes consideram o processo demorado e os resultados imprevisíveis. Os resultados da detecção podem variar bastante entre sistemas: alguns estudantes relatam diferenças superiores a 50% nos índices de detecção de IA para o mesmo texto em diferentes plataformas.

Como funcionam as ferramentas de detecção de IA e elas são confiáveis?

Os detectores de conteúdo gerado por IA analisam padrões, estruturas frasais, diversidade de vocabulário e outras características que distinguem a escrita humana do conteúdo produzido por máquinas. Os sistemas mais usados na China, como o VIP Paper Check System e o CNKI, afirmam detectar textos produzidos pelos principais modelos de IA e atribuir um índice estimado de AIGC. No entanto, a confiabilidade dessas ferramentas continua sendo objeto de debate.

Segundo Zong Chengqing, pesquisador do Instituto de Automação da Academia Chinesa de Ciências, o texto gerado por IA se baseia em regras matemáticas calculadas por grandes modelos. Os sistemas de detecção usam análises matemáticas semelhantes para identificar se o texto corresponde aos padrões estatísticos de conteúdo produzido por máquinas. Embora alguns especialistas afirmem que a precisão da detecção supera 80%, os resultados no mundo real são menos consistentes.

O Science and Technology Daily, publicação oficial do Ministério da Ciência e Tecnologia da China, alertou que a dependência excessiva de ferramentas de detecção de IA é uma forma de “superstição tecnológica”. A publicação destacou casos em que ensaios clássicos e pesquisas originais foram sinalizados equivocadamente como conteúdo gerado por IA, ressaltando as limitações dessas ferramentas e o risco de falsos positivos. Em um exemplo bastante citado, um ensaio chinês de 100 anos foi classificado como tendo mais de 60% de conteúdo gerado por IA por uma ferramenta popular de detecção.

Editorial do Science and Technology Daily alerta:
"Queremos eliminar os efeitos negativos da IA com soluções claras e definitivas, mas usar IA para detectar IA continua sendo, essencialmente, uma forma de superstição tecnológica."

Esses desafios levaram algumas universidades, tanto na China quanto no exterior, a reconsiderar ou até abandonar o uso de ferramentas de detecção de IA, enfatizando a importância do julgamento dos professores e de uma avaliação abrangente do trabalho acadêmico.

Resposta regulatória: a iniciativa da China para rotular conteúdo gerado por IA

Em resposta à proliferação de conteúdo gerado por IA e de setores informais associados, a China está caminhando para regras mais rigorosas. Novas normas, com entrada em vigor prevista para setembro de 2025, exigirão que todo conteúdo gerado por IA — incluindo texto, imagens, áudio e vídeo — seja claramente identificado. A Administração do Ciberespaço da China (CAC), junto com outros órgãos governamentais, determinou o uso de identificadores explícitos e implícitos para conteúdo de IA, com penalidades para quem não cumprir as regras.

Entre as principais disposições das novas normas estão:

• Identificadores explícitos, visíveis aos usuários, e marcas d'água digitais implícitas, incorporadas aos metadados.
• Verificações obrigatórias de conformidade por provedores de serviços on-line antes da publicação do conteúdo.
• Exigências de manutenção de registros para provedores de serviços e usuários que publiquem conteúdo gerado por IA.
• Proibição rigorosa da remoção ou alteração dos identificadores de conteúdo gerado por IA.

As normas fazem parte de uma campanha mais ampla de combate à desinformação, às fraudes acadêmicas e aos enganos on-line. No entanto, a aplicação continua sendo um desafio, sobretudo em aplicações em tempo real e em conteúdos distribuídos entre diferentes plataformas. Limitações técnicas relacionadas a marcas d'água e metadados, além da facilidade com que os identificadores podem ser removidos ou alterados, dificultam os esforços para garantir transparência e responsabilização.

Ética acadêmica, lacunas legais e o futuro da IA no meio acadêmico

A rápida evolução da tecnologia de IA avançou mais depressa do que o desenvolvimento de marcos legais e éticos abrangentes. A supervisão do setor de redução de índices de AIGC é complicada pela participação de diversas autoridades, incluindo as responsáveis por educação, fiscalização do mercado, segurança na internet e ciência e tecnologia. A falta de diretrizes claras sobre o que constitui assistência aceitável de IA e o que configura má conduta acadêmica deixa estudantes, educadores e prestadores de serviços em um cenário nebuloso.

Especialistas como Chu Zhaohui, pesquisador da Academia Nacional Chinesa de Ciências da Educação, defendem que fortalecer a formação em ética acadêmica é uma maneira prática de enfrentar esses desafios. Em vez de depender exclusivamente de ferramentas de detecção, as universidades são incentivadas a se concentrar no desenvolvimento do pensamento independente, das habilidades de pesquisa e da integridade dos estudantes.

Chu Zhaohui, pesquisador da área de educação, sugere:
"Uma abordagem prática seria fortalecer a formação dos estudantes em ética acadêmica."

Li Juan, professora associada da Faculdade de Direito da Universidade Central Sul, estima que entre 60% e 80% dos estudantes usaram ferramentas de IA em suas teses neste ano, desde o aprimoramento de frases até a redação de grandes partes do conteúdo. Embora reconheça a melhora na qualidade da linguagem, ela também observa o risco das “alucinações de IA” — estatísticas ou casos jurídicos convincentes, mas falsos, gerados por IA. Em última análise, ela ressalta o papel dos orientadores na revisão de conteúdos sinalizados e na orientação dos estudantes durante o processo de revisão.

Riscos para os consumidores e o lado obscuro do setor informal

Apesar da popularidade, os serviços para reduzir índices de AIGC envolvem muitos riscos para os consumidores. Muitos estudantes relatam dificuldades para obter reembolsos, modificações de baixa qualidade e até a impossibilidade de entrar em contato com os prestadores de serviço depois de pagar. O uso deliberado de canais privados de comunicação e meios de pagamento difíceis de rastrear busca impedir que os consumidores reúnam provas para fazer reclamações ou iniciar ações judiciais.

Essas práticas não apenas prejudicam os direitos dos consumidores, mas também perpetuam um ciclo de desconfiança e insatisfação. À medida que o setor continua crescendo na clandestinidade, aumentam as cobranças por mais fiscalização e padrões éticos mais claros.

Em resumo

• Um setor informal de serviços para reduzir índices de AIGC cresceu rapidamente na China, impulsionado pela adoção de ferramentas de detecção de IA pelas universidades para avaliar trabalhos acadêmicos.
• Esses serviços combinam IA e edição manual para reduzir a porcentagem detectável de conteúdo gerado por IA, mas a qualidade e a confiabilidade variam bastante.
• Os estudantes enfrentam grande pressão para cumprir os padrões de detecção de IA, o que leva ao uso disseminado tanto de ferramentas de IA quanto de serviços para reduzir índices.
• As próprias ferramentas de detecção de IA são controversas, devido a preocupações com falsos positivos, resultados inconsistentes e dependência excessiva da tecnologia.
• A China está introduzindo novas normas que exigem a identificação clara de todo conteúdo gerado por IA, mas persistem desafios técnicos e de aplicação.
• Especialistas defendem uma formação mais sólida em ética acadêmica e maior confiança no julgamento dos professores, em vez de depender apenas de ferramentas de detecção.
• Os riscos para os consumidores nesse setor informal são significativos: muitos estudantes relatam serviços ruins e falta de meios para buscar reparação.