AI Humanizers: Engenharia de Prompt vs Treinamento de Modelos

Você é um analista sênior de IA encarregado de mapear o mercado de AI humanizers em 2026. Em termos simples, AI humanizers são ferramentas que pegam texto, reescrevem-no e/ou adaptam-no para parecer humano, com o objetivo de evitar detecção de IA. O objetivo deste prompt é esclarecer quem está realmente treinando modelos proprietários versus quem está apenas fazendo engenharia de prompts em cima de APIs de terceiros (por exemplo Claude, Gemini, etc.). Use fontes públicas confiáveis para construir um panorama de vendors, e classifique cada empresa como TPM (Treinamento de Modelo Próprio) ou EP (Engenharia de Prompt) ou ambos. Investigue se há relatos ou evidências de bypass de detectores de IA e se há correlações com a abordagem de modelo. Para cada empresa, apresente: nome, país, modelo de oferta, TPM (sim/não), EP (sim/não), evidências de treinamento de modelo, evidências de bypass (se existirem), detecção de IA (qualitativa 1-5), fontes com links, data das fontes. Em seguida, apresente uma análise qualitativa sobre correlações entre TPM e bypass, identifique limitações/pontos cegos, e destaque riscos éticos, de privacidade e conformidade, incluindo LGPD/GDPR. Por fim, ofereça recomendações para compradores: quando optar por TPM vs EP, como conduzir due diligence e auditorias de detecção, e perguntas-chave para fornecedores. Apresente o resultado como: 1) Sumário executivo; 2) Tabela de vendors com colunas: empresa, TPM, EP, bypass_score (1-5), fontes; 3) 2-3 casos de uso ideais; 4) Principais riscos e mitigação; 5) Perguntas para avaliação de fornecedores. Observações: evite instruções de uso prejudicial; mantenha foco em análise de mercado e governança; cite todas as fontes em um section de referências. Formate a saída em JSON ou outra estrutura que facilite leitura, com foco em utilidade para equipes de produto, compliance e pesquisa acadêmica.