Substack lança detector de IA com Pangram contra Claudefishing

Introdução

A detecção de IA virou pauta central no ecossistema de newsletters. Ao lançar a integração com o Pangram, a Substack colocou a detecção de IA no fluxo de leitura e publicação, com o objetivo declarado de combater o chamado Claudefishing e preservar a confiança entre autores e leitores. O movimento coloca detecção de IA na frente do usuário final, e a palavra chave aqui é detecção de IA com foco em transparência, não punição.

O anúncio foi feito em 21 de julho de 2026 no post Against Claudefishing, assinado pelo cofundador Chris Best. A Substack afirma que o problema não é o uso de IA em si, mas a lacuna entre a expectativa do leitor de ouvir uma voz humana e a realidade de consumir texto feito sem pensamento humano, o que chama de Claudefishing. A solução inicial foi lançar um recurso de varredura com o Pangram para estimar a parcela humana e a parcela assistida por IA em notas, respostas, comentários e posts.

O que, exatamente, a Substack lançou

• O recurso Scan for AI text funciona no leitor da Substack na web e no app para iOS, com Android prometido em seguida. A análise aparece sob demanda, apenas quando alguém a solicita. O sistema cobre conteúdo publicado a partir de 21 de julho de 2026 e exige um tamanho mínimo de texto para operar.
• A Substack posiciona a iniciativa como uma camada de transparência, não como um veredito. O detector não mede cuidado editorial, originalidade ou se IA foi usada apenas como fonte, algo que o próprio anúncio reconhece.
• Para criadores, há novos controles. É possível adicionar uma declaração de “Como faço isto”, executar a análise em rascunhos antes da publicação e, caso discorde do resultado, reportar e até desabilitar a detecção naquele post ou nota. Ao desabilitar, leitores verão “AI detection unavailable”.

![AI detection concept]

Por que “Claudefishing” entrou no vocabulário da plataforma

O termo surge como crítica à prática de apresentar como humana uma peça escrita inteiramente por modelos, sem participação real de um autor. A Substack liga o problema à saturação de feeds por conteúdo percebido como “impessoal”, citando estimativas do Pangram de que, em algumas redes, a fração de textos gerados por IA já é significativa. O objetivo é preservar espaços onde a promessa é voz humana e julgamento editorial.

Na prática, a detecção de IA vira um convite à transparência de processo. Quem usa IA de forma responsável pode explicitá-la. Quem prefere leitura 100 por cento humana pode filtrar com mais clareza suas interações. O foco está menos em policiar e mais em alinhar expectativas de consumo com a realidade de produção.

Como o Pangram afirma funcionar

A Substack optou por integrar um detector externo com histórico de P&D. Segundo a própria Pangram Labs, o modelo é um classificador neural treinado em grandes corpora de textos humanos e gerados por IA. Em vez de se basear apenas em perplexidade, o método mapeia estilos de escrita em um espaço vetorial, onde textos humanos e de grandes modelos formam aglomerados distintos, chegando a separar regiões típicas de modelos comerciais como ChatGPT e Claude. Essa abordagem busca reduzir vieses de detectores antigos, que marcavam como IA até documentos históricos por serem previsíveis.

A Pangram também alega avaliações independentes de universidades e relatórios técnicos que demonstram desempenho superior a detectores de referência. Há um relatório técnico no arXiv sobre o classificador de textos da Pangram, além de documentação de produto e integrações via extensão de navegador que analisam feeds em redes como LinkedIn, X, Substack e Medium.

O que muda para leitores e autores na Substack

• Leitores: a detecção de IA passa a ser acionável no momento de consumo no leitor da web e no iOS. É possível escanear notas, comentários, respostas e posts com mais de 100 palavras. O resultado mostra a estimativa de texto humano e assistido por IA.
• Autores: além da análise de rascunho, criadores podem incluir uma nota de transparência explicando seu processo. Se julgarem uma análise imprecisa, podem reportar erro e inclusive desativar a exibição de detecção naquele conteúdo específico.
• Plataforma: a Substack admite que este é um primeiro passo e avalia ampliar preferências de comunidade sobre IA, melhorar recomendações levando em conta preferências do leitor e reforçar sistemas anti spam e bots.

Vale reforçar os limites explícitos no anúncio. A detecção de IA informa probabilidade de assistência por IA, não qualidade, não originalidade e não intenção. É um insumo para julgamento, não um selo de autenticidade absoluta.

O pano de fundo, números e debates em torno da detecção

Estimativas do próprio Pangram indicam que a presença de IA em textos longos de redes sociais varia por plataforma e pode chegar a patamares elevados. O post da Substack menciona, como referência, uma parcela de até 40 por cento em certos ambientes, baseada nas leituras do detector do Pangram. O Pangram também oferece um Feed Scanner que mede a “saúde” do feed e rotula conteúdo humano versus gerado por IA em X, LinkedIn, Substack e Medium.

Ao mesmo tempo, a literatura técnica e a experiência de mercado mostram que detectores não são perfeitos. A Pangram argumenta que seus modelos evitam as armadilhas de detectores baseados apenas em perplexidade e publica benchmarks internos, além de citar avaliações de terceiros como equipes da University of Chicago e da University of Maryland. Ainda assim, a própria Substack trata a pontuação como guia, não sentença.

De forma independente, veículos de tecnologia noticiaram o lançamento e repetiram os parâmetros práticos, como disponibilidade imediata na web e iOS, cobertura para textos a partir de 21 de julho de 2026 e limiar mínimo de tamanho de texto, o que ajuda a calibrar expectativa de uso.

Aplicações práticas para escritores e editores

• Defina uma política de transparência. Use a seção “Como faço isto” para explicar se e como IA entra no seu fluxo, por exemplo, para rascunhos, organização de ideias ou revisão gramatical. Isso reduz fricção com leitores que valorizam clareza de processo.
• Teste seus rascunhos. Rodar a análise de IA antes da publicação ajuda a antecipar possíveis dúvidas de leitores. Se a análise sinalizar assistência, contextualize no início ou final do post, alinhando percepção com realidade.
• Use a detecção como termômetro, não como juiz. Combine a leitura do score com revisão editorial e com feedback dos assinantes. A Substack destaca que a ferramenta não mede cuidado ou originalidade, logo, complemente com seu julgamento.
• Estabeleça regras de comunidade. Para publicações com comentários intensos, considere Reply Rules que desencorajam respostas integralmente geradas por IA sem disclosure, mantendo o tom da conversa no padrão da sua comunidade.

Limitações técnicas e como lidar com falsos positivos

Qualquer classificador probabilístico pode errar, e o campo evolui rápido. A Pangram diz que usa um mapa de estilos para mitigar vieses, treinando com pares humano versus IA gerados para elevar a resolução do limite de decisão. Isso tende a reduzir falsos positivos comuns em detectores de perplexidade, que muitas vezes punem textos humanos muito estruturados ou previsíveis. Ainda assim, a recomendação é dupla. Primeiro, contextualize seu processo. Segundo, se julgar que a leitura saiu errada, reporte e, se fizer sentido para seu leitorado, desabilite a detecção naquele post.

Autores também devem atentar à dimensão ética de dados. O Feed Scanner do Pangram afirma que armazena trechos do feed por padrão para gerar a métrica de saúde, mas não compartilha com terceiros nem treina modelos com esses dados, e incentiva o opt in para pesquisa da prevalência de IA. Para equipes de publicação e compliance, isto importa para política de dados.

Impacto estratégico para plataformas e criadores independentes

Para plataformas, detecção de IA é ferramenta de governança de conteúdo. Quando bem calibrada, aumenta a informação disponível para o leitor, desincentiva o spam e cria um custo extra para quem tenta injetar conteúdo sintético sem disclosure. Para criadores independentes, a vantagem competitiva está na transparência. Em mercados saturados, explicar processo e assumir responsabilidade editorial vira um diferencial, algo enfatizado pela Substack como parte do motor econômico da cultura.

Em paralelo, colocar a detecção no ponto de consumo aproxima a experiência de leitura da promessa da marca Substack. Ao oferecer o scanner diretamente no leitor e no app, a empresa reduz a assimetria de informação que existe quando só a equipe de moderação enxerga esses sinais. O resultado provável é uma comunidade com expectativas mais claras e menos atrito sobre autoria.

![Substack Pangram scanner UI]

Casos de uso e cenários futuros

• Publicações que adotam IA como coautora transparente. Jornais, blogs analíticos e creators podem informar quando usaram IA para estruturar dados ou sintetizar literatura, mantendo autoria humana no argumento final. A detecção ajuda leitores a entender o mix.
• Comunidades que preferem interação humana em comentários. Preferências de resposta e moderação podem privilegiar réplicas humanas em threads mais sensíveis, como política ou saúde, enquanto aceitam IA em posts informativos com disclosure explícito.
• Editoras independentes e newsletters pagas. Para quem monetiza confiança, a detecção de IA vira parte do stack de governança, ao lado de revisão, checagem de fatos e política de correções públicas.

O que observar daqui para frente

• Métricas de adoção. O quanto leitores usam o scanner e como reagem a pontuações diferentes. Isso informará se a transparência realmente melhora confiança e engajamento.
• Evolução do modelo. O Pangram afirma atualizações contínuas para acompanhar novos padrões de escrita de modelos mais recentes. A robustez contra tentativas de evadir detecção será um teste constante.
• Políticas de plataforma. A Substack indica que pode oferecer preferências de recomendação e reply rules específicas para IA. Se implementadas, podem modular de forma significativa a experiência de leitura e a descoberta de conteúdo.

Conclusão

A Substack colocou detecção de IA nas mãos de quem mais importa, leitores e autores. Integrar o Pangram no fluxo reduz a opacidade sobre a origem do texto e ajuda a alinhar expectativas com realidade, sem transformar detecção em caça às bruxas. É um passo pragmático para enfrentar o Claudefishing, mantendo a ênfase na decisão informada do leitor.

Para criadores, o recado é claro. Transparência de processo, nota explicativa e domínio editorial continuam sendo diferenciais competitivos. A detecção de IA vira insumo, não sentença. Em um ambiente onde a automação cresce, quem humaniza o produto final, explica escolhas e convida o público para a conversa tende a construir vínculos mais fortes e sustentáveis.