Pangram capta US$ 9 milhões para combater enxurrada de conteúdos de IA

A startup nova-iorquina Pangram, especializada na identificação de conteúdos automatizados por inteligência artificial, anunciou a captação de US$ 9 milhões em uma rodada de investimentos liderada pelo fundo Menlo Ventures. O financiamento ocorre paralelamente ao lançamento oficial do Pangram 4, seu modelo de detecção de texto de última geração, e do Pangram Image, uma ferramenta focada na identificação de imagens sintéticas. A aposta do mercado financeiro e de investidores de risco baseia-se na tese de que a demanda por mecanismos capazes de diferenciar conteúdos produzidos por humanos daqueles gerados por algoritmos crescerá substancialmente nos próximos anos.

Além da liderança da Menlo Ventures, a rodada de captação da Pangram contou com a participação de fundos proeminentes do ecossistema de tecnologia, incluindo Haystack, ScOp, Script Capital e Cadenza. Segundo informações divulgadas pela empresa, o novo modelo Pangram 4 atinge uma taxa de precisão superior a 99% na localização de textos redigidos por IA e de materiais mistos, nos quais trechos sintéticos são mesclados com escrita autoral humana. O algoritmo também foi otimizado para identificar o uso de softwares do tipo humanizer, desenvolvidos para mascarar os padrões estatísticos de grandes modelos de linguagem.

A trajetória da Pangram teve início há aproximadamente dois anos, quando os especialistas em inteligência artificial e aprendizado de máquina formados pela Universidade de Stanford, Max Spero e Bradley Emi, fundaram a empresa. A criação da startup foi uma resposta direta ao cenário pós-lançamento do ChatGPT, desenvolvido pela OpenAI, que abriu caminho para uma proliferação em massa de robôs, fazendas de conteúdo voltadas para otimização de motores de busca (SEO) e automações digitais em redes sociais.

Em entrevista concedida ao veículo de tecnologia TechCrunch, o cofundador e CEO Max Spero enfatizou que a proliferação descontrolada de modelos de linguagem deu origem a operações complexas de manipulação na web. Entre elas, o executivo citou especificamente campanhas de desinformação russa impulsionadas por LLMs (Modelos de Linguagem de Grande Porte) e redes de influência operadas a partir dos Emirados Árabes Unidos no Twitter (atualmente plataforma X). Para os fundadores da Pangram, garantir a transparência sobre a origem do conteúdo tornou-se um requisito crítico para a navegação na internet.

"Acho incrivelmente valioso saber se o que você está olhando é algo gerado por IA ou não. Principalmente no caso de textos lidos, porque isso muda a forma como as pessoas abordam o conteúdo. Isso é algo em que terei que procurar por alucinações e analisar de forma cética, ou é algo que confio ter sido bem pesquisado por um jornalista de verdade?"

A declaração de Max Spero sintetiza a tese central da Pangram: a presença de automação altera fundamentalmente a postura de leitura do usuário, exigindo camadas adicionais de ceticismo quanto à veracidade de fatos, citações e referências apresentadas no texto.

Como a tecnologia do Pangram funciona

Do ponto de vista arquitetural e de engenharia de software, o sistema de detecção da Pangram não se apoia em métodos tradicionais e facilmente burláveis, como a verificação de metadados copiados e colados ou o rastreamento de marcas d'água ocultas no código. Em vez disso, o ecossistema opera como um grande modelo de aprendizado de máquina treinado a partir de uma base com dezenas de milhões de documentos humanos verificados. Para construir o arcabouço comparativo, a equipe de Max Spero e Bradley Emi desenvolveu a técnica do "espelho sintético" para cada texto autoral analisado.

O processo de criação do "espelho sintético" utilizado no treinamento do Pangram 4 consiste em pegar um documento humano original e instruir um LLM de ponta (frontier LLM) a replicar exatamente o mesmo tópico, extensão e tom de voz do autor original. Ao colocar o texto humano lado a lado com sua réplica gerada por máquina, o modelo de inteligência artificial da Pangram aprende a isolar as escolhas estilísticas sutis e os padrões estruturais repetitivos que os modelos de linguagem fazem de maneira consistente durante a geração de linguagem natural.

Um dos aspectos mais complexos do Pangram 4 é a capacidade de graduação da intervenção sintética. Em vez de limitar-se a uma classificação binária entre "conteúdo humano" e "conteúdo de IA", o software consegue distinguir níveis intermediários de assistência. O sistema é capaz de identificar situações em que um profissional redige um texto por conta própria, mas utiliza modelos como o ChatGPT da OpenAI ou o Claude da Anthropic para realizar edições gramaticais, ajustes de tom ou correções pontuais na estrutura das frases.

Na visão de Max Spero, o uso de inteligência artificial como ferramenta de apoio à escrita não é inerentemente nocivo, desde que haja clareza para o público. A filosofia adotada pela Pangram prevê que a assistência por algoritmo pode ser aceitável em diversos contextos profissionais e acadêmicos, contanto que o autor declare abertamente ao leitor a extensão da colaboração computacional utilizada na elaboração do documento.

Consequências reais do conteúdo automatizado

A proliferação de textos gerados por inteligência artificial sem a devida checagem humana tem acumulado episódios problemáticos em escala global. A matéria da TechCrunch destaca casos em que o descuido no uso de modelos de linguagem resultou em danos reputacionais e sanções formais. Um dos exemplos citados envolve um político canadense que leu acidentalmente em voz alta o comando de instrução (prompt) de uma IA durante um discurso oficial no parlamento, gerando constrangimento público e repercussão negativa na imprensa internacional.

No âmbito do Poder Judiciário, os impactos da utilização irrestrita de LLMs têm gerado penalidades severas. Diversos advogados em diferentes jurisdições enfrentaram sanções disciplinares e multas financeiras pesadas impostas por magistrados após apresentarem peças jurídicas fundamentadas em citações fáticas e precedentes jurisprudenciais falsos — inventados pelas chamadas "alucinações" do ChatGPT. A ausência de auditoria e de ferramentas como as da Pangram levou tribunais a adotarem políticas rígidas de responsabilização sobre materiais sintéticos no processo legal.

As repercussões institucionais também se estenderam ao setor de publicações acadêmicas e científicas. O repositório de acesso aberto arXiv, mantido pela Universidade Cornell e referência global na distribuição de artigos em física, matemática e ciência da computação, implementou uma nova política de fiscalização rigorosa. Sob as regras vigentes no arXiv, submissões que apresentarem evidências formais da falta de revisão autoral em trechos gerados por modelos de linguagem — como referências bibliográficas alucinadas ou comentários meta do sistema como "Gostaria que eu fizesse alguma alteração?" — podem resultar no banimento do autor da plataforma pelo prazo de um ano.

Formatos de acesso e modelo comercial

A Pangram estruturou sua oferta comercial para atender tanto usuários individuais quanto grandes empresas e plataformas de publicação na web. No modelo voltado ao consumidor final, a startup disponibilizou uma assinatura web pelo valor fixo de US$ 20 mensais. A assinatura inclui o acesso à plataforma completa de verificação e a possibilidade de download de uma extensão exclusiva para o navegador Google Chrome.

A extensão para o Google Chrome desenvolvida pela equipe de Bradley Emi executa análises em tempo real diretamente na interface do usuário enquanto ele navega por redes sociais e plataformas de publicação. O software insere rotulagens automáticas sobre postagens no X (antigo Twitter), LinkedIn, Substack, Reddit e Medium. Além dos rótulos individuais, a ferramenta calcula uma métrica chamada feed health score ("pontuação de saúde do feed"), que exibe em tempo real a porcentagem exata de conteúdo humano em comparação ao volume de textos gerados por IA visíveis na tela do dispositivo.

No segmento corporativo, a Pangram comercializa sua tecnologia por meio de uma API (Interface de Programação de Aplicações) integrada. Um dos cases de uso mais relevantes é o da plataforma de newsletters Substack, que integrou a tecnologia da Pangram para informar aos leitores se determinados autores utilizam sistemas de inteligência artificial na confecção de seus boletins informativos. Segundo Max Spero, a base de clientes da API inclui ainda a plataforma de perguntas e respostas Quora, escolas, universidades, agências recrutadoras, editoras de livros e agentes literários.

A investida comercial da Pangram ocorre em um mercado altamente competitivo de detecção de automação digital. A startup nova-iorquina disputa espaço diretamente com outros players emergentes do setor de tecnologia, como Winston AI, Originality.ai, Copyleaks e GPTZero. Cada um desses concorrentes desenvolveu modelos proprietários de inteligência artificial para atender à crescente demanda de instituições de ensino, empresas de mídia e corporações por auditoria de conteúdo.

Resultados dos testes práticos de detecção

A equipe de reportagem do veículo TechCrunch submeteu o modelo de linguagem da Pangram a uma série de testes práticos para verificar as alegações de precisão feitas pelos fundadores. De acordo com informações fornecidas por Max Spero, o modelo apresenta uma taxa de falsos positivos na qual aproximadamente apenas 1 em cada 10.000 documentos humanos é classificado incorretamente como sendo gerado por IA. Os testes conduzidos pela jornalista Rebecca Bellan revelaram um desempenho consistente, embora com pequenas limitações em cenários específicos.

Durante as avaliações de texto, o Pangram 4 identificou de forma imediata e precisa artigos de notícias totalmente gerados por modelos como o ChatGPT (da OpenAI) e o Claude (da Anthropic). O algoritmo da Pangram não foi enganado por edições manuais leves realizadas no texto sintético nem por tentativas de instruir os LLMs por meio de prompts avançados projetados especificamente para burlar detectores de IA. No entanto, o sistema acabou sinalizando pontualmente como sintéticas algumas frases que haviam sido 100% reescritas de maneira autoral pela repórter.

Em um segundo experimento de edição assistida, a repórter forneceu um de seus próprios artigos jornalísticos autorais ao ChatGPT e ao Claude, solicitando que os modelos fizessem um polimento no texto. Quando submetido ao detector, o **Pangram 4** atribuiu ao documento uma pontuação de **13% de assistência por IA**, índice considerado muito próximo da realidade da intervenção realizada. O algoritmo identificou alterações sutis na escolha de palavras em determinadas orações, embora tenha deixado passar modificações semelhantes em outros trechos. Quando o artigo original da jornalista foi testado na íntegra sem edições, a ferramenta conferiu-lhe a nota máxima de **100% humano**.

Para testar o comportamento do modelo em narrativas mais pessoais e informais, a jornalista utilizou o conteúdo de sua própria newsletter hospedada no Substack. O teste consistiu em inserir a primeira metade do texto autoral no sistema e pedir ao ChatGPT e ao Claude que continuassem a redação da segunda metade imitando o seu estilo de escrita. Na maioria das tentativas, a tecnologia da Pangram conseguiu separar com precisão as seções escritas pela jornalista daquelas produzidas sinteticamente pelos algoritmos de IA.

O detector de imagens Pangram Image

A expansão da Pangram para a análise de mídia sintética inclui o desenvolvimento do Pangram Image, um modelo de detecção de imagens por IA atualmente disponível em formato de research preview (prévia para pesquisa), com lançamento comercial amplo previsto para as semanas seguintes. Diferente das soluções propostas por grandes empresas de tecnologia como OpenAI e Google DeepMind — que dependem do rastreamento de marcas d'água inseridas em suas próprias plataformas de geração —, a ferramenta da Pangram adota uma abordagem agnóstica baseada em estatística computacional.

O modelo do Pangram Image opera na análise minuciosa de padrões de distribuição no nível de pixels, identificando variações estatísticas sutis que separam fotografias reais de imagens sintéticas geradas por modelos generativos. De acordo com declarações de Max Spero ao TechCrunch, o sistema possui capacidade técnica para identificar uma imagem gerada por IA mesmo quando ela está inserida como um detalhe no interior de uma fotografia do mundo real.

Nos testes práticos realizados com o Pangram Image, o modelo identificou com facilidade ilustrações criadas por inteligência artificial, variando de artes no estilo fotorrealista a imagens em formato de desenho animado (cartoonish). A avaliação confirmou a capacidade da ferramenta de rastrear elementos sintéticos ocultos em fotos reais, gerando um mapa de calor (heat map) visual que destacou com clareza a região manipulada por IA. Contudo, o sistema apresentou uma falha de falso negativo em um dos testes, classificando incorretamente como conteúdo humano a fotografia de uma imagem previamente gerada por IA.

Combate ao lixo digital e perspectivas

A tese central que viabilizou a captação de US$ 9 milhões pela Pangram repousa na urgência de erguer barreiras contra o avanço exponencial do chamado AI slop — termo em inglês utilizado pela indústria para descrever a enxurrada de conteúdos de baixa qualidade gerados automaticamente para poluir a internet. Max Spero enfatizou que a intenção da startup não é criar uma retratação punitiva contra profissionais que utilizam IA como ferramenta de produtividade, mas sim preservar a presença do conteúdo autoral na rede.

"O futuro que eu vejo é de continuação da proliferação de conteúdo de IA. Estamos obtendo novas GPUs em um ritmo mais rápido do que novas pessoas estão nascendo. Se não discriminarmos ativamente em favor do conteúdo humano, veremos cada vez mais IA, e isso simplesmente vai afogar qualquer sinal humano que tenhamos."

A reflexão trazida pelo cofundador da Pangram aponta para uma assimetria física e computacional: o ritmo de fabricação e implantação de unidades de processamento gráfico (GPUs) supera a taxa de natalidade humana, criando uma capacidade de produção de textos e imagens sintéticas infinitamente maior do que a capacidade de criação autoral da humanidade.

Para o ecossistema de tecnologia e mídia no Brasil, a consolidação de ferramentas de auditoria como o Pangram 4 e a disponibilização de sua API abrem precedentes relevantes. Em um mercado altamente conectado e exposto ao consumo de redes sociais como X, LinkedIn e boletins digitais no Substack, a implementação de identificadores de IA tende a se tornar um requisito de conformidade e integridade para redações, instituições de ensino superior, bancas examinadoras e processos seletivos de recrutamento corporativo em todo o país.