Il nuovo rilevatore di Pangram promette un errore ogni 24.000 documenti. È un dato da esaminare con attenzione
Pangram 4 dichiara un tasso di falsi positivi dello 0,0041% e promette di riconoscere i testi IA anche dopo il passaggio in 13 strumenti di humanizing. Il dato più importante, però, è la crescita degli utenti: 44 volte in un anno.
Pangram ha presentato Pangram 4, un nuovo modello per riconoscere i testi generati dall’IA. Secondo l’azienda è sei volte più grande del predecessore, produce quattordici volte meno falsi positivi e lascia passare sei volte meno testi artificiali. Nei benchmark interni identifica correttamente il 99,66% dei contenuti generati dall’IA e classifica per errore come artificiali lo 0,0041% dei testi umani. Pangram traduce il dato in circa un errore ogni 24.000 documenti.
L’annuncio contiene però più di una cifra ad effetto. Pangram 4 dovrebbe distinguere un testo umano ritoccato leggermente con l’IA da uno generato interamente da un modello, una differenza molto importante nell’uso reale e difficile da cogliere per i rilevatori precedenti. Il sistema promette inoltre di resistere agli «humanizer», servizi che riscrivono intenzionalmente l’output dell’IA per eludere i controlli. Nei test con 13 strumenti diffusi, avrebbe individuato il contenuto artificiale nel 98,83% dei casi. L’API costa ora 0,05 dollari ogni 100 parole, da due a dieci volte più di prima a seconda della lunghezza del documento; l’analisi delle immagini è inclusa in tutti i piani. Pangram 3 resterà disponibile fino al 30 settembre 2026.
I numeri dell’azienda potrebbero essere la parte più importante della storia. Secondo il New York Times, il fatturato annuo è cresciuto di 35 volte in un solo anno. Gli utenti mensili sono passati da 2.700 nel giugno 2025 a 120.000 nel giugno 2026. Quella che era una preoccupazione di nicchia nel mondo accademico è diventata una categoria di prodotti con ricavi reali. Ecco perché la decisione di Substack di integrare gli strumenti Pangram la scorsa settimana ha provocato una reazione tanto forte.
Ora la cautela, che qui è sostanziale. Tutte le cifre citate provengono dall’azienda che vende il prodotto. In passato, le verifiche indipendenti sui rilevatori hanno dato risultati poco incoraggianti. Uno studio di Stanford ha mostrato una penalizzazione sistematica per chi non parla inglese come prima lingua: la costruzione più formulare delle frasi veniva scambiata più spesso per scrittura automatica. Inoltre, un tasso di falsi positivi dello 0,0041% sembra irrilevante soltanto finché non lo si applica su larga scala. Su 120.000 documenti al mese, circa cinque persone verrebbero accusate ingiustamente ogni mese, senza poter dimostrare di non aver fatto qualcosa. In una classe o in un procedimento disciplinare non conta la precisione complessiva, ma il costo di essere quell’unico errore.
Cosa significa per te: Se scrivi, soprattutto in inglese come seconda lingua, devi sapere che questi strumenti sono ormai molto diffusi. Una segnalazione non prova alcuna colpa. Conserva bozze, cronologia delle versioni e appunti: sono la tua tutela più concreta. Se invece usi il rilevatore come insegnante, editor o gestore di una piattaforma, considera il punteggio un indizio con cui iniziare una conversazione, mai una prova con cui chiuderla. La precisione dichiarata dal produttore resta un’affermazione di marketing finché non viene verificata in modo indipendente.
Fonti
Un'altra società Big Four ha pubblicato rapporti con fonti inesistenti
GPTZero ha trovato riferimenti inventati in quattro rapporti di PwC Middle East. Per uno di questi stima una probabilità dell'84% che sia stato generato interamente dall'IA. KPMG, Deloitte ed EY avevano già avuto problemi simili.
