Kommercielle AI-detektorer, som universiteter verden over bruger til at afsløre snyd, er ikke i stand til at skelne mellem ærlig AI-assisteret redigering og fuldt AI-genererede tekster. Det viser en ny undersøgelse fra arXiv, der har analyseret engelske abstracts fra fire fagområder i perioderne 2013-2015 og 2023-2025.
Resultaterne er bekymrende: Lette redigeringer af abstracts – en proxy for guideline-kompatibel AI-assistance – bliver flagget som mistænkelige i 64-80% af tilfældene af detektorer som Pangram og GPTZero. Samtidig bliver uændrede originale abstracts fra 2023-2025 flagget i 9-15% af tilfældene, med markant højere andele for ikke-STEM-fag.
Det paradoksale er, at ærlig AI-redigering altså resulterer i en højere sanktionsrisiko end bevidst snyd med humanizer-assisteret tekst. Det betyder, at detektorscorer ikke bør stå alene som bevis for akademisk uredelighed – et argument, der har direkte konsekvenser for, hvordan institutioner håndterer AI-relaterede disciplinærsager.
For beslutningstagere i uddannelsessektoren og virksomheder, der implementerer AI-politikker, er budskabet klart: At stole blindt på AI-detektorer kan føre til uretfærdige sanktioner og underminere tilliden til akademisk integritet. I stedet bør man overveje mere nuancerede tilgange, der skelner mellem forskellige former for AI-brug.
