La startup newyorkese Pangram ha raccolto 9 milioni di dollari per sviluppare strumenti capaci di distinguere i contenuti prodotti dalle persone da quelli generati o modificati dall’intelligenza artificiale. Il round è stato guidato da Menlo Ventures, con la partecipazione di Haystack, ScOp, Script Capital e Cadenza, e scommette sulla crescita della domanda di sistemi di verifica mentre testi sintetici, campagne automatizzate e contenuti costruiti per i motori di ricerca si moltiplicano online.
Insieme al finanziamento, l’azienda ha presentato Pangram 4, nuova generazione del proprio modello di rilevamento testuale, e Pangram Image, dedicato alle immagini create dall’AI. Pangram dichiara per il modello testuale un’accuratezza superiore al 99% nell’individuazione della scrittura assistita e dei contenuti misti, realizzati combinando intervento umano e generazione automatica. Il sistema dovrebbe inoltre riconoscere più facilmente i programmi progettati per rendere un testo sintetico apparentemente umano. Il rilevatore di immagini resta invece disponibile in anteprima di ricerca, in attesa di un rilascio più ampio.
Pangram è stata fondata circa due anni fa da Max Spero e Bradley Emi, entrambi con una formazione a Stanford nell’intelligenza artificiale e nel machine learning. L’avvio del progetto è seguito all’affermazione di ChatGPT, che secondo Spero ha aperto la strada a un’internet popolata da bot, contenuti SEO generati automaticamente e campagne di disinformazione alimentate dai grandi modelli linguistici. Sapere se un testo provenga da una macchina, ha osservato il fondatore, modifica il modo in cui il lettore lo affronta e il livello di cautela riservato a possibili allucinazioni.
Il cuore tecnologico del servizio è un grande modello di machine learning addestrato su decine di milioni di documenti di origine umana conosciuta. Per ciascun documento la startup ha costruito uno «specchio sintetico», mantenendo argomento, lunghezza e tono ma affidando la scrittura a un LLM di frontiera. Dal confronto il sistema apprende le differenze stilistiche e le scelte ricorrenti dei modelli. Non utilizza metadati derivati dal copia e incolla né watermark nascosti, ma valuta direttamente le caratteristiche del contenuto.
L’analisi non si limita a una classificazione binaria tra umano e artificiale. Pangram cerca di riconoscere diversi livelli di assistenza AI, compreso il caso di un autore che scrive autonomamente un testo e chiede poi a un modello di correggerlo o ripulirlo. Per Spero un simile intervento può essere accettabile, purché venga dichiarato. La distinzione diventa quindi uno strumento di trasparenza per editori, piattaforme, università, selezionatori e organizzazioni chiamate a valutare provenienza e affidabilità dei materiali ricevuti.
La diffusione dell’AI sta già producendo conseguenze che superano l’imbarazzo provocato dagli errori più evidenti. Alcuni avvocati hanno utilizzato citazioni inesistenti create da ChatGPT, esponendosi a sanzioni e multe. L’archivio scientifico arXiv ha inoltre introdotto una politica che consente di vietare per un anno nuove sottomissioni quando un manoscritto mostra che gli autori non hanno controllato l’output di un LLM, per esempio lasciando riferimenti allucinati o commenti generati dal sistema.
Il mercato è già affollato: Winston AI, Originality.ai, Copyleaks e GPTZero stanno inseguendo la stessa domanda con rilevatori proprietari. Pangram propone l’accesso web con un abbonamento da 20 dollari al mese e un’estensione Chrome che assegna etichette in tempo reale ai post pubblicati su X, LinkedIn, Substack, Reddit e Medium. L’estensione calcola anche un indicatore sullo stato del feed, mostrando la quota percentuale di contenuti umani e artificiali presenti sullo schermo.
La tecnologia viene distribuita anche tramite API. Substack l’ha integrata per mostrare ai lettori quali autori impiegano l’AI nella preparazione delle newsletter; tra gli altri clienti figurano Quora, scuole, università, editori, agenti e recruiter. Spero afferma che circa un documento umano ogni 10.000 viene classificato erroneamente come artificiale, un margine che conferma come il rilevamento non sia infallibile. Il round offre ora a Pangram risorse per competere in un settore nel quale la proliferazione dei contenuti sintetici alimenta, parallelamente, il bisogno di strumenti capaci di renderli riconoscibili.