Анализ тестирования трех вузовских ИИ-детекторов показал существенные расхождения в оценке академических текстов. Для одного и того же материала системы выдавали показатели от 0 до 60% вероятности использования ИИ.
Кроме того, результаты одного детектора изменились на треть за полтора месяца. Проверка проводилась на текстах с известным происхождением, что позволило сопоставить выводы систем с информацией об авторстве.
Автор предлагает обсудить более эффективные способы определения авторства, чем применяемые сейчас. Результаты указывают на нестабильность оценок детекторов и на то, что их показатели могут различаться между системами.