Gli agenti di programmazione possono assemblare testi generati dall’IA per eludere i sistemi di rilevamento

Il 25 settembre 2026 alcuni ricercatori hanno pubblicato uno studio che mostra come un agente di programmazione possa assemblare testi generati da un modello linguistico di base per eludere i sistemi di rilevamento dell’IA. L’agente, basato su Claude Opus 5, ricava fino al 90% delle parole da un modello con 32 miliardi di parametri chiamato OLMo-2. Nei test, le risposte assemblate hanno superato due tipi di rilevatori: il tasso di rilevamento è sceso dal 77% al 24% con un diffuso strumento di analisi a posteriori e a circa il 10% con un controllo basato su watermark.

Come funziona la tecnica

I metodi precedenti cercavano di riscrivere più volte i testi generati dall’IA, spesso alterandone il significato. Questo approccio, invece, fa agire l’agente come un editor che copia e incolla. L’agente chiede al modello di base molti brevi esempi, poi seleziona i passaggi più adatti al compito: scrittura creativa, risposte fattuali, domande sulla salute o esecuzione di istruzioni. Assemblando questi frammenti, il testo finale resta pertinente e scorrevole, mentre il rilevatore si trova davanti a una combinazione di tanti brevi estratti anziché a un unico flusso continuo generato dall’IA.

Implicazioni e costi

Il metodo funziona, ma è costoso. Poiché l’agente invia e riceve molti più token — le unità di base del testo — ogni query può costare fino a trenta volte più di una normale chiamata API. I ricercatori avvertono che, per mantenere la propria efficacia, i servizi di rilevamento dovranno addestrarsi su testi assemblati in questo modo. Per gli utenti comuni, la scoperta significa che gli strumenti che dichiarano di individuare i contenuti scritti dall’IA potrebbero essere meno affidabili di quanto promettano.