Substack pediu volume e entregou um scanner de IA
O problema que a Substack criou e depois terceirizou
Por três anos, a Substack incentivou escritores a publicar com frequência - notas, posts, comentários - prometendo que volume geraria crescimento. Em 21 de julho de 2026, a plataforma lançou um detector de IA (Pangram) que permite a leitores escanear qualquer texto com mais de 100 palavras publicado a partir daquela data. O resultado é uma porcentagem que se associa ao nome do escritor.
O anúncio, assinado pelo CEO Chris Best, cita Freddie deBoer sobre o desejo de saber que há humanos por trás da arte que consumimos. Dois dias antes, porém, o próprio deBoer havia publicado uma análise crítica do Pangram - o anúncio cita o princípio, mas não menciona o desmonte.
Como funciona e quem paga o custo
Do lado do leitor: abrir um menu, pedir o scan, receber um número. Do lado do escritor: escrever uma declaração sobre seu processo, testar rascunhos antes de publicar, desativar a detecção (o que por si só vira um tipo de veredito) ou reportar erros. A verificação virou trabalho do leitor; a gestão de reputação virou trabalho permanente do escritor. O feed que distribui ambos não foi mencionado.
O que a Substack prometeu vs. o que incentivou
Em 2023, ao lançar as Notes, a empresa prometeu um feed que recompensaria qualidade sobre engajamento raso. Em 2024 e 2025, publicou instruções de crescimento com números concretos: quem postava três ou mais notas na semana de lançamento ganhava 50% mais assinantes. Em outubro de 2025, "Demystifying the feed" reforçou que publicar regularmente e interagir eram as formas mais eficazes de crescer. O anúncio do detector não menciona nenhuma dessas instruções.
Limitações do instrumento
O Pangram trabalha em segmentos de 150 a 350 palavras e julga cada um como unidade. Se 50 palavras de um trecho de 200 forem de IA, o segmento inteiro é classificado como IA. O corpus de referência de texto humano vem exclusivamente de 2021 e antes - ou seja, escrita limpa e organizada em 2026 é medida contra um padrão que fechou antes dessas ferramentas existirem.
deBoer demonstrou que uma seção de 300 palavras de um ensaio seu antigo voltou como 100% IA com alta confiança, enquanto o ensaio completo de 5.000 palavras voltou como 100% humano. Uma escritora finlandesa, Ida-Emilia Kaukonen, viu seu próprio texto pontuar 79% IA; ao adicionar texto genuinamente gerado por máquina, a pontuação caiu para 54%.
Um estudo de 2023 na revista Patterns mostrou taxa média de falso positivo de 61% para escritores não nativos de inglês em sete detectores. Um preprint de março de 2026 por Nathan Garland argumenta que qualquer detector baseado apenas em texto tem um limite teórico: uma taxa útil de detecção força uma taxa de falsa acusação, que recai mais pesadamente sobre grupos identificáveis.
O paralelo com a ICLR
As submissões à conferência ICLR triplicaram em três anos. O Pangram encontrou cerca de 21% das revisões totalmente geradas por máquina. A conferência respondeu com detectores e rejeições sumárias, sem alterar a carga de revisão. A sequência se repete: volume cresce porque a estrutura o recompensa, output sintético aparece onde o volume supera os humanos, e a instituição compra detecção em vez de tocar na estrutura.
A posição do autor
Denis Stetskov usa IA para pesquisa (varrer centenas de fontes) e Grammarly desde dezembro de 2021 para corrigir gramática em inglês, sua terceira língua. Argumenta que o que era edição de texto em 2021 agora é classificado como "assistido por IA" em 2026, sem que ele tenha mudado nada. Sua equipe na Ucrânia escreve em inglês com um registro limpo e direto que a indústria agora trata como suspeito - não por trapaça, mas porque quem escreve em língua não nativa tende a ser mais preciso.