2026'da AI Dedektörleri Ne Kadar Doğru? 5'ini Test Ettik

Ağımızdaki bir doktora öğrencisi, tezinin giriş kısmının üniversitesinin tespit sistemi tarafından %67 AI tarafından üretilmiş olarak işaretlendi. Tüm kelimeleri dört ay boyunca kendisi yazdı. Hiçbir AI aracı, dil bilgisi kontrolü, hatta yazım denetimi yok.

Skoru düşürmek için iki hafta boyunca bölümleri yeniden yazdı. Başarılı oldu — ama yeniden yazılan versiyon, orijinalinden daha kötüydü.

Bu araçların ne kadar güvenilir olduğunu tam olarak öğrenmeye karar verdik. Bu yüzden beş tanesini test ettik.

Test metodolojimiz: 5 dedektör üzerinden 50 örnek

Her biri 500 ile 800 kelime arasında olan 50 metin örneği derledik. Örnekler beş kategoriye ayrıldı:

• 10 tamamen insan tarafından yazılmış akademik metin — 2018–2022 yılları arasında yayımlanan dergi makaleleri, yaygın LLM kullanılmadan önce yazılmış
• 10 tamamen AI tarafından üretilmiş metin — akademik istemlerle GPT-4o tarafından üretilmiş, düzenleme yok
• 10 hafif manuel düzenleme ile AI tarafından üretilmiş metin — doğruluk ve ses için insan düzeltmeleri ile AI taslakları
• 10 metin insanlaştırıcı aracılığıyla işlenmiş AI tarafından üretilmiş metin — tam insanlaştırma geçişi artı manuel inceleme
• 10 ana dili İngilizce olmayan yazarlar tarafından yazılmış metin — ikinci veya üçüncü dillerinde yazan araştırmacılar tarafından yayımlanan makaleler

Her örneği Turnitin'in AI tespit modülü, GPTZero, Copyleaks, ZeroGPT ve Originality.ai üzerinden geçirdik. Her araç bir AI olasılık skoru döndürdü. Her skoru kaydettik ve doğruluk metriklerini hesapladık.

Sonuçlar bizi şaşırttı. Araçların tamamen başarısız olduğu için değil — ama başarısızlık kalıplarının bu kadar tutarsız olduğu için.

Turnitin AI tespiti: doğruluk sonuçları

Turnitin, tamamen AI tarafından üretilmiş metinlerin 10'da 9'unu doğru bir şekilde tanımladı ve bunlara %80'in üzerinde puan verdi. Bu, belirgin AI çıktısı üzerinde sağlam bir performans.

Zorlandığı yer: yanlış pozitifler. 10 insan yazımı akademik metnimizden üçü Turnitin'in AI göstergesinde %20'nin üzerinde puan aldı. Bir tanesi — bir kimya dergisinden resmi bir literatür incelemesi — %38 puan aldı.

İnsanlaştırılmış metinlerde, Turnitin'in performansı önemli ölçüde düştü. Sadece 10 insanlaştırılmış örneğin 3'ü %20 eşiğini geçti. Kalan 7'si %2 ile %17 arasında puan aldı.

Ana dili İngilizce olmayan yazım en kötü kategori oldu. 10 ana dili olmayan örneğin dördü %20'nin üzerinde işaretlendi. Bir tanesi %52 puan aldı. Bunlar gerçek insan araştırmacılar tarafından yayımlanan gerçek makalelerdi.

Turnitin'in testimizdeki genel doğruluğu: %72. Bu, %28'lik bir hata oranının yaklaşık 4'te 1'inin yanlış olabileceğini fark edene kadar kabul edilebilir görünüyor.

GPTZero vs Copyleaks vs ZeroGPT: başa baş

Tam örnek setimize karşı en popüler üç bağımsız AI dedektörünü test ettik.

GPTZero, en agresif dedektördü. 10'da 10 ham AI metnini yakaladı — mükemmel hatırlama. Ancak, 4 insan yazımı metni ve 5 ana dili İngilizce olmayan metni de ağırlıklı olarak AI tarafından üretilmiş olarak işaretledi. Yanlış pozitif oranı testimizde %12 ile en yüksekti.

Copyleaks, daha temkinli bir yaklaşım benimsedi. 10 AI metninin 8'ini doğru bir şekilde tanımladı ama sadece 1 insan yazımı örneği yanlış işaretledi. İnsanlaştırılmış metinlerde, 10 örneğin 4'ünü yakaladı — insanlaştırmaya karşı en iyi performansı gösterdi, ama yine de yarısından fazlasını kaçırdı.

ZeroGPT, en az güvenilir olandı. 10 AI metninin 7'sini doğru işaretledi ama 3 insan yazımı metni de yanlış işaretledi. Daha da kötüsü, puanları dalgalandı — aynı örneği iki kez geçirdik ve %30 oranında farklı sonuçlar aldık. Tutarlılık, bir tespit aracında önemlidir ve ZeroGPT bunu sunamadı.

Originality.ai, ham AI metin üzerinde iyi performans gösterdi (9/10 tespit edildi) ve insan metin üzerinde düşük bir yanlış pozitif oranına sahipti (10'da 1 yanlış işaretlendi). İnsanlaştırılmış metinlerde, 10 örneğin 5'ini yakaladı — ortalama bir performans.

İşte rahatsız edici özet: hiçbir dedektör, tüm örnek kategorilerinde %80'in üzerinde genel doğruluk elde edemedi.

Kimsenin konuşmadığı yanlış pozitif problemi

Yanlış pozitifler, AI tespitindeki sessiz krizdir. Bir dedektör, insan yazımı metni AI tarafından üretilmiş olarak yanlış işaretlediğinde, kanıt yükünü yazara yükler. "AI kullanmadığını kanıtla" neredeyse imkansız bir taleptir.

Testimiz, insan metinlerinin yanlış işaretlendiği tutarlı kalıplar buldu:

Yüksek yapılandırılmış resmi yazım. Prozanız ne kadar düzenli ve cilalıysa, bir dedektörün onu işaretleme olasılığı o kadar yüksektir. Açık konu cümleleri, mantıksal paragraf ilerlemesi, tutarlı terminoloji — bunların hepsi iyi insan yazımı ve AI çıktısının paylaştığı kalıplardır.

Formüle edilmiş bölümler. Yöntem bölümleri, prosedürel tanımlar ve literatür incelemeleri disiplin özel şablonlarını takip eder. Her araştırmacı "veriler yarı yapılandırılmış görüşmelerle toplandı" cümlesini aynı şekilde yazar. Dedektörler, gelenek ile üretim arasında ayrım yapamaz.

Düşük entropili kelime dağarcığı. Bazı alanlar — hukuk, tıp, mühendislik — sınırlı eşanlamlı seçenekleri olan özel kelime dağarcığı kullanır. Belirli terimleri tekrar tekrar kullanmanız gerektiğinde, metniniz bir karmaşıklık tabanlı dedektör için daha "tahmin edilebilir" görünür.

Ana dili İngilizce olmayan yazım. Bu konuya geri dönüyoruz çünkü en rahatsız edici bulgu. İkinci dilinde yazan araştırmacılar, daha düşük sözcük çeşitliliği ve daha formüle edilmiş yapılarla metin üretir — dedektörlerin AI ile ilişkilendirdiği tam olarak bu kalıplar. Bu, çoğu kurumun başa çıkmadığı ayrımcı bir sonuç yaratır.

AI araçları kullanan araştırmacılar için bu ne anlama geliyor

Eğer AI'yi yazım asistanı olarak kullanıyorsanız — taslak oluşturma, yeniden yapılandırma, cilalama — tespit ortamı gerçek bir sorun yaratıyor. Tamamen el yazısı ile yazdığınız metin bile işaretlenebilir. AI destekli metin neredeyse kesinlikle işaretlenecektir, eğer onu insanlaştırmak için adımlar atmazsanız.

Bu testlere dayanan önerilerimiz:

Tek bir dedektörün kararına güvenmeyin. Bir araçta %5 puan alan örnekler ve diğerinde %68 puan alan örnekler gördük. Kurumunuz bir dedektör kullanıyorsa, bu, uyum için önemli olanıdır — ama tek bir puan, AI kullanımı kanıtı değildir.

Stratejik olarak insanlaştırın. Ham AI çıktısı tespit edilebilir. İyi insanlaştırılmış metin çoğunlukla tespit edilemez. AI yardımı kullandıysanız, taslağınızı bir kalite insanlaştırma aracı aracılığıyla geçirin ve kişisel sesinizi ekleyin. Testlerimiz, bu kombinasyonun tüm beş araçta tespit puanlarını %15'in altına düşürdüğünü gösterdi.

Taslaklarınızı saklayın. Çalışmanızın ara sürümlerini kaydedin. Tarayıcı geçmişi, ChatGPT konuşma kayıtları, not alınmış PDF'ler, el yazısı notlar — bunların hepsi, sorgulandığınızda yazım sürecinizin kanıtını sağlar.

Daha iyi kurumsal politikalar için savunun. AI tespit araçları, akademik sahtekarlığın tek kanıtı olarak yeterince güvenilir değildir. Üniversiteniz Turnitin AI puanını kanıt olarak değerlendiriyorsa, veri ile karşı çıkın. Bu tür çalışmaları paylaşın.

İşaretlenmiş metinlerle başa çıkmak için pratik adımlar için, araştırmacıların AI tespitini nasıl aşabileceği konusundaki kılavuzumuza bakın.

AI tespit silahlanma yarışı yavaşlamıyor. Dedektörler gelişecek. Ama AI destekli yazım araçları da öyle. Uzun vadeli çözüm, daha iyi tespit değil — yazımın şimdi nasıl gerçekleştiğini kabul eden daha iyi bir politikadır.

Çalışmanız gerçektir. Fikirleriniz gerçektir. Hatalı bir algoritma bunun yargıcı olmamalıdır.

Araştırma Makaleleri için AI Düzeltici

Değişiklik izleme ile el yazmanızı düzeltin ve cilalayın. Akademik yazım için tasarlandı.

Sıkça Sorulan Sorular

S: Hangi AI dedektörü en doğru?

Testimizde, Turnitin ve Originality.ai, tüm örnek kategorilerinde sırasıyla %72 ve %74 ile en yüksek genel doğrulukta eşitlik sağladı. Ancak, doğruluk metin türüne göre önemli ölçüde değişti. Turnitin, ham AI çıktısını yakalamada en iyiydi ama ana dili İngilizce olmayan metinlerde daha fazla yanlış pozitif aldı. Originality.ai daha dengeliydi ama insanlaştırılmış metinlerde daha az etkiliydi. Hiçbir tek dedektör, tüm kategorilerde %80'in üzerinde doğruluk elde edemedi, bu da akademik bütünlük kararları vermek için kullanılan araçlar için önemli bir sınırlamadır.

S: AI dedektörleri akademik yazımda işe yarar mı?

Bazı akademik yazım türlerinde diğerlerinden daha iyi çalışırlar. Akademik tarzda ham, düzenlenmemiş AI çıktısı genellikle yakalanır — tespit oranları testimizde %70 ile %100 arasında değişti. Ancak, resmi insan yazımı akademik metinler, endişe verici oranlarda yanlış pozitif tetikler — testimizde %12'ye kadar. Özel kelime dağarcığına sahip teknik alanlar ve ana dili İngilizce olmayan yazarlar orantısız şekilde etkilenir. Kısa cevap: AI dedektörleri akademik yazımda işe yarar, ama bağımsız kanıt olarak yeterince güvenilir değildir.

S: AI dedektörleri insan yazımını ne sıklıkla işaretler?

20 insan yazımı örneği (10 ana dili İngilizce, 10 ana dili İngilizce olmayan) testimizde, 9 örnek — %45 — en az bir dedektörde %20'nin üzerinde AI puanı aldı. Üç insan yazımı metin, en az bir araçta %50'nin üzerinde puan aldı. Her dedektör için yanlış pozitif oranı %4 ile %12 arasında değişti. Eğer ana dili İngilizce olmayan bir yazar olarak resmi akademik yazı yazıyorsanız, yanlış pozitif olasılığınız daha da yüksektir. Bu nedenle, AI araçları kullanıp kullanmadığınızdan bağımsız olarak taslaklarınızı ve süreç kanıtlarınızı saklamanızı öneriyoruz.