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

> Un nuovo metodo permette agli agenti software di comporre testi usando un modello linguistico più piccolo: il tasso di rilevamento scende dal 77% al 24%, ma il costo delle query può aumentare fino a trenta volte.

Oossa · 2026-09-29 · https://oossa.com/it/coding-agents-can-stitch-ai-text-to-dodge-detection-tools

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.

## I fatti

- Lo studio è stato presentato il 25 settembre 2026 da Bhuwan Dhingra.
- Claude Opus 5 ha coordinato un modello OLMo-2 locale con 32 miliardi di parametri.
- Con il rilevatore Pangram v4, il tasso di rilevamento è sceso dal 77% al 24%.
- Il rilevamento dei watermark soft è sceso a circa il 10% con tassi di falsi positivi bassi.
- Il costo delle query può aumentare fino a 30 volte perché l’agente usa molti più token.

## Perché conta

Se gli strumenti di rilevamento diventano meno affidabili, potrebbe essere più difficile verificare se un testo è stato scritto da una persona o da un’IA, con possibili ripercussioni sulla fiducia nei contenuti online. Allo stesso tempo, il costo elevato della tecnica di elusione rende improbabile un uso occasionale e mantiene alta la barriera per la maggior parte degli utenti.

## Fonti e riferimenti

1. [Agents Can Use Base Models to Evade AI Detection](https://arxiv.org/abs/2609.31876) – arXiv, 2026-09-29

Ultimo aggiornamento: 2026-09-29