Czy GPTZero jest dokładny? Oto co pokazują dowody

Detektory tekstu AI, takie jak GPTZero, szukają statystycznych odcisków palców, a nie "czytają" Twoje znaczenie. Dwa podstawowe sygnały to perpleksja (jak przewidywalne jest każde słowo dla referencyjnego modelu językowego) oraz burstiness, czyli zmienność tej przewidywalności między zdaniami. Idea polega na tym, że tekst pisany przez człowieka bywa mniej przewidywalny i bardziej nierówny, podczas gdy surowy tekst maszynowy jest często gładszy i bardziej jednolity.

GPTZero twierdzi, że łączy teraz te klasyczne sygnały z większym, wieloskładnikowym modelem trenowanym na zróżnicowanym tekście, w tym tekstach uczniowskich, produkując wyniki na poziomie zdania i dokumentu. To ma znaczenie dla tego, jak czytasz wynik: detektor szacuje prawdopodobieństwo na podstawie wzorców pisania, a nie dowodzi autorstwa. Więc "dokładność" zależy w dużej mierze od tego, jaki rodzaj tekstu mu podasz i gdzie wyznaczony jest próg zaliczenia lub niezaliczenia.

W kontrolowanych testach GPTZero radzi sobie mocno. Testy dostawcy i niezależnych stron trzecich raportowały wykrywanie w zakresie wysokich 90 procent na wyraźnie wygenerowanych przez AI fragmentach, z bardzo niskim wskaźnikiem fałszywych alarmów na wyselekcjonowanych zbiorach danych. Na tego typu czystym, oczywistym tekście AI to sprawne narzędzie.

Niezależne testy na bardziej chaotycznym, prawdziwym tekście malują bardziej ostrożny obraz. Recenzje z 2026 roku raportują rzeczywistą dokładność zazwyczaj mieszczącą się w zakresie od średnich 80 do niskich 90 procent, z wskaźnikiem fałszywych alarmów na autentycznym tekście ludzkim często cytowanym w okolicach 8–12%, w zależności od próbki. Te liczby zmieniają się wraz ze zbiorem danych i ustawieniami, więc traktuj każdy pojedynczy procent jako szacunek, a nie gwarancję. Uczciwe podsumowanie: mocny na nierozcieńczonym tekście AI, wyraźnie mniej pewny we wszystkim innym.

Najlepiej udokumentowaną słabością jest uprzedzenie wobec osób piszących po angielsku jako języku obcym. Szeroko cytowane badanie Stanford (Liang i in., opublikowane w Patterns, 2023) przetestowało siedem detektorów GPT na 91 esejach TOEFL napisanych przez osoby niebędące rodzimymi użytkownikami angielskiego oraz 88 esejach amerykańskich studentów. Detektory dobrze poradziły sobie z amerykańskimi esejami, ale błędnie sklasyfikowały ponad połowę esejów niemowców jako AI, ze średnim wskaźnikiem fałszywych alarmów około 61%, przy czym prawie wszystkie zostały oznaczone przez co najmniej jeden detektor, a mniej więcej jedna piąta przez każdy testowany detektor.

Przyczyna jest mechaniczna, a nie złośliwa. Wzorce, które detektory kojarzą z pismem "maszynowym", takie jak prostsze słownictwo, bardziej przewidywalne frazowanie i ograniczona idiomatyczna finezja, są też naturalnymi cechami pisania w drugim lub trzecim języku. Co znamienne, to samo badanie wykazało, że wskaźnik fałszywych alarmów gwałtownie spadał, gdy te eseje przepisywano bardziej wyszukanym słownictwem, co pokazuje, że wynik odzwierciedla styl, a nie uczciwość. Jeśli piszesz po angielsku jako języku dodatkowym, pojedyncze oznaczenie AI zasługuje na prawdziwy sceptycyzm.

Dokładność detektora spada, gdy tekst oddala się od surowego wyniku modelu. Niezależne testy z 2026 roku sugerują, że dokładność może spaść o mniej więcej 15–30 punktów procentowych na sparafrazowanych lub mocno edytowanych fragmentach, a wyniki na mieszanych szkicach człowiek-plus-AI są szczególnie niespójne. Mieszane pisanie, gdzie osoba edytuje szkic AI lub AI poleruje szkic człowieka, to dokładnie ta szara strefa, z którą detektory radzą sobie najgorzej.

Krótkie teksty to kolejny słaby punkt: przy zaledwie kilku zdaniach do analizy po prostu nie ma wystarczającego sygnału na pewną ocenę, a zarówno fałszywe pozytywy, jak i fałszywe negatywy rosną. Praktyczny wniosek jest taki, że GPTZero jest najlepszy na długim, nietkniętym tekście AI, a najmniej godny zaufania przy edytowanym, sparafrazowanym, hybrydowym lub krótkim piśmie, którym w rzeczywistości jest większość prawdziwych dokumentów.

Żaden obecny detektor, GPTZero włącznie, nie jest rozstrzygający, a same narzędzia zazwyczaj odradzają traktowanie wyniku jako jedynego dowodu. Traktuj każdy wynik jako prawdopodobieństwo i zachętę do bliższego przyjrzenia się, a nie werdykt. Jeśli tekst zostanie oznaczony, rozważ kontekst: pochodzenie piszącego, szkice i historię wersji oraz sposób powstania tekstu — to wszystko liczy się bardziej niż pojedyncza liczba.

Rozsądnym sposobem działania jest sprawdzenie krzyżowe za pomocą drugiego, niezależnego narzędzia zamiast ufania jednemu wynikowi, i szczególna ostrożność wobec osób niebędących rodzimymi użytkownikami języka, krótkich fragmentów i edytowanych szkiców. Dla nauczycieli i recenzentów oznacza to używanie detektorów jako punktu wyjścia do rozmowy obok ludzkiego osądu. Dla piszących oznacza to zachowanie przejrzystości procesu i przeprowadzenie własnej samokontroli przed wysłaniem tekstu, aby zaskakujące oznaczenie nie zaskoczyło Cię niespodziewanie.