Как понять, был ли текст написан ИИ: признаки, детекторы и ограничения

Почему важно уметь распознавать ИИ-тексты

В 2025–2026 годах генеративные нейросети стали неотъемлемой частью контент-производства. По данным исследований, почти половина маркетологов и других специалистов, работающих с контентом, используют ИИ для подготовки текстов: статей в блоги, постов в соцсети, рекламных рассылок. Это создаёт новую реальность, в которой читателю, редактору, преподавателю или заказчику важно понимать, кто на самом деле автор материала.

Умение распознавать ИИ-тексты имеет практическое значение в нескольких сферах. Преподаватели вузов проверяют студенческие работы на предмет академической честности. Редакторы и издатели оценивают, соответствует ли присланный материал требованиям к авторству человека. HR-менеджеры анализируют сопроводительные письма и тестовые задания кандидатов. Наконец, обычные читатели хотят понимать, насколько экспертный лонгрид перед ними, особенно если они собирают информацию для коммерческих или образовательных целей.

Однако, как показывают исследования, задача эта гораздо сложнее, чем кажется на первый взгляд. Люди склонны ошибаться, а автоматические детекторы не дают стопроцентной гарантии. Тем не менее, знание характерных признаков и ограничений инструментов проверки позволяет принимать более взвешенные решения.

Что говорят исследования: люди ошибаются чаще, чем думают

В 2025 году группа исследователей из Германии провела эксперимент с участием 63 преподавателей. Им предложили прочитать 50 коротких фрагментов из дипломных работ (по 200–300 слов) и определить, кто автор — человек или GPT-3.5. Половина текстов была написана студентами, половина — сгенерирована нейросетью в стиле студенческих дипломов, с той же структурой, терминологией и объёмом.

Результаты оказались показательными: в среднем преподаватели определяли ИИ-тексты с точностью всего 57%, а человеческие — с точностью 64%. По сути, это лишь немногим лучше случайного угадывания. При этом ошибались и опытные педагоги, и новички. Хуже всего дело обстояло с «качественными» ИИ-текстами — теми, что были особенно стройными, логичными и аккуратными: их почти всегда принимали за человеческие, а в некоторых случаях точность падала ниже 20%.

Исследователи выделили несколько причин такой неспособности различать автора. Во-первых, GPT работает «слишком правильно»: он обучен на огромных массивах данных и генерирует тексты, соответствующие самым ожидаемым шаблонам — логично, последовательно, без лишних эмоций. Во-вторых, люди склонны считать «умным» то, что выглядит академично, и тексты GPT часто воспринимались как более содержательные и профессиональные, чем работы живых авторов. В-третьих, люди сами пишут «как ИИ», особенно в академических форматах, где приветствуются структурность, ясность и беспристрастность.

Пять основных признаков ИИ-текста

Несмотря на сложности, существуют характерные маркеры, которые с большой вероятностью указывают на машинное происхождение текста. Вот пять основных критериев, которые выделяют эксперты.

1. Сухость и шаблонность. ИИ не чувствует эмоций и не может передать их так же убедительно, как человек. В таких текстах часто встречаются избитые фразы и формулировки, потому что нейросети обучаются на больших объёмах данных и выбирают наиболее вероятные комбинации слов. Предложения в сгенерированных статьях используют одинаковую структуру, а также формальный язык и отглагольные существительные: «привлечение», «обеспечение», «тестирование».

2. Нелогичная структура и бессвязность абзацев. Статьи от ИИ часто представляют собой набор фактов, которые можно переставлять местами без вреда для материала. Абзацы не «вытекают» один из другого, нет понятной логической последовательности. Нейросети почти не используют «подводки» — логические связки, ограничиваясь простыми вводными конструкциями вроде «во-первых» и «во-вторых».

3. Противоречия самому себе. Когда разделы текста логически не связаны, могут возникать противоречия. Например, в статье о выборе подрядчика нейросеть может сначала сказать, что лучший — тот, кто предлагает полный спектр услуг, а затем вдруг сообщить, что лучше выбирать специалиста, который фокусируется на чём-то одном.

4. Странные метафоры. Нейросети генерируют слишком буквальные сравнения, смешивают несопоставимые понятия. Примеры из реальной практики: «звонкий голос девушки» сравнивается со «звуком микроволновки, закончившей разогревать еду», или «она танцевала, как медуза, выброшенная на берег».

5. Абстрактность и «водность». ИИ стремится угодить максимально широкой аудитории, поэтому избегает конкретных деталей и фактов. Часто добавляет длинные предложения, которые не несут смысловой нагрузки: «Для достижения высокого уровня эффективности важно следовать всем необходимым рекомендациям, которые способствуют улучшению ваших показателей в различных сферах деятельности».

Как работают автоматические детекторы ИИ-текста

Автоматические детекторы ИИ-контента используют различные методы анализа. Один из распространённых подходов — эвристический паттерный анализ, который оценивает текст по нескольким измеримым сигналам. Например, детектор от MiniWebtool анализирует шесть независимых сигналов, каждый из которых вносит вклад в итоговую оценку от 0 до 100.

Первый сигнал — характерные фразы ИИ. Сопоставляются регулярные выражения для фраз, которые непропорционально часто появляются в выдаче языковых моделей: «delve into», «in today's rapidly evolving», «multifaceted», «it is worth noting», «without further ado». Каждый уникальный тип соответствия даёт до 35 баллов.

Второй сигнал — единообразие предложений. Измеряется коэффициент вариации длины предложений (стандартное отклонение, делённое на среднее). Модели ИИ склонны создавать предложения одинаковой длины, что даёт низкий коэффициент вариации. Люди естественным образом смешивают короткие и длинные предложения, создавая более высокий коэффициент. Этот сигнал вносит до 20 баллов.

Третий сигнал — избыток переходов. Подсчитываются формальные связующие слова, такие как «furthermore», «moreover», «consequently», «subsequently», относительно количества предложений. Модели ИИ злоупотребляют этими переходами для создания видимости логического потока. Вклад — до 15 баллов.

Четвёртый сигнал — пассивный залог. Оценивается количество пассивных конструкций на предложение. Текст, созданный ИИ, особенно официальный контент, использует пассивный залог чаще, чем естественная человеческая речь. Вклад — до 15 баллов.

Пятый сигнал — официальная лексика. Проверяется плотность корпоративных слов: «utilize», «leverage», «stakeholder», «synergy», «paradigm», «ecosystem». LLM обучены звучать профессионально, что делает эти слова чрезмерно представленными. Вклад — до 10 баллов.

Шестой сигнал — разнообразие словаря. Вычисляется отношение типов к токенам (TTR = уникальные слова / общее количество слов) для текстов объёмом более 50 слов. Более низкий TTR в длинных текстах может указывать на повторяющиеся паттерны вывода ИИ. Вклад — до 5 баллов.

Некоторые детекторы, например GigaCheck от Сбера, используют более сложные методы машинного обучения. GigaCheck обучен на больших объёмах данных, включающих тексты, написанные людьми и сгенерированные ИИ, и учитывает лексические и синтаксические особенности, порядок слов и другие характеристики. Заявленная точность сервиса — 94,7%.

Интерпретация результатов детекторов: шкала оценок

Большинство детекторов ИИ-текста выдают результат в виде вероятности от 0 до 100, где 0 — точно человек, 100 — точно ИИ. Важно понимать, как интерпретировать эти значения, чтобы не делать поспешных выводов.

Типичная шкала выглядит следующим образом:

• 0–20 баллов: «Вероятно, человек». Сильные признаки естественного текста, написанного человеком.
• 21–40 баллов: «Преимущественно человек». В основном человеческий текст с незначительными паттернами ИИ.
• 41–60 баллов: «Смешанный / Неопределённый». Неоднозначно — может быть текстом, созданным с помощью ИИ, или сильно отредактированным текстом ИИ.
• 61–80 баллов: «Вероятно, с помощью ИИ». Сильные паттерны ИИ; вероятно, создан или сильно отредактирован ИИ.
• 81–100 баллов: «Весьма вероятно, создано ИИ». Обнаружены очень сильные признаки работы языковой модели.

Некоторые инструменты, например MiniWebtool, предоставляют не только общую оценку, но и карту анализа каждого предложения. Это визуальная тепловая полоса, где каждый сегмент соответствует предложению, а цвет показывает степень «ИИ-похожести»: зелёный — человеческий текст, жёлтый — смешанные сигналы, красный — сильные паттерны ИИ. Такая детализация помогает точно определить, какие именно предложения в документе выглядят как созданные ИИ, и сосредоточить редактирование на них.

Важно помнить: результаты детектора — это не окончательный вердикт, а один из сигналов. Особенно это касается пограничных значений (41–60), где текст может быть как результатом работы ИИ, так и просто официальным или академическим стилем человека.

Ограничения и точность AI-детекторов

Ни один детектор ИИ-текста не является идеальным. Исследования показывают, что даже специализированные алгоритмы ошибаются примерно так же часто, как люди. В упомянутом немецком эксперименте несколько популярных AI-детекторов показали результаты, сопоставимые с человеческими: некоторые GPT-тексты алгоритмы считали стопроцентно «человеческими», особенно те, что были чёткими, логичными и без воды.

Эвристические детекторы (основанные на паттернах) имеют известные ограничения. Ложноположительные результаты могут возникать в академических работах, официальных деловых документах или технических текстах, использующих те же формальные словарные паттерны. Ложноотрицательные результаты возникают с текстом ИИ, который был сильно отредактирован, перефразирован или написан в разговорном стиле.

Детекторы лучше всего работают с явно сгенерированным ИИ текстом (особенно от ChatGPT и подобных моделей, когда они используются без специальных инструкций по краткости или неформальности), с текстами объёмом более 200 слов и с официальными текстами, такими как эссе, статьи и отчёты. Для коротких текстов (менее 50 слов) точность резко падает.

Кроме того, по мере совершенствования моделей ИИ и роста навыков пользователей, которые учатся давать нейросетям инструкции для получения более естественных результатов, граница между текстом ИИ и человеческим текстом становится всё более размытой. Методы водяных знаков существуют, но пока не являются универсальными.

Практические советы: как проверить текст на ИИ

Если вам нужно проверить текст на предмет генерации ИИ, следуйте этим практическим рекомендациям.

1. Используйте несколько инструментов. Не полагайтесь на один детектор. Прогоните текст через 2–3 разных сервиса (например, GigaCheck, MiniWebtool, другие популярные детекторы) и сравните результаты. Если все они дают высокую вероятность ИИ, это весомый аргумент.

2. Обращайте внимание на длину текста. Для точного анализа требуется минимум 50 слов, но лучше — 200 и более. Короткие тексты (например, посты в соцсетях) дают ненадёжные результаты.

3. Анализируйте карту предложений. Если инструмент предоставляет разбивку по предложениям, изучите, какие именно фрагменты вызвали подозрения. Это поможет понять, является ли текст целиком машинным или только частично.

4. Учитывайте контекст. Если вы знаете стиль автора, сравните проверяемый текст с его предыдущими работами. ИИ не умеет воспроизводить чужую индивидуальность, поэтому внимательный читатель может уловить подмену.

5. Не игнорируйте человеческую экспертизу. Автоматические детекторы — лишь вспомогательный инструмент. Всегда рассматривайте результаты как один из многих сигналов, а не как окончательное доказательство. В образовательных учреждениях рекомендуется обсуждать результаты со студентами и не применять дисциплинарных мер на основе только автоматического обнаружения.

Как отличить ИИ-текст без специальных программ

Даже без детекторов можно заметить признаки ИИ-генерации, если внимательно читать текст. Вот несколько приёмов, которые используют опытные редакторы.

Ищите излишнюю правильность. Если текст безупречно структурирован, логичен и не содержит ни одной ошибки или опечатки, это может быть признаком ИИ. Люди пишут менее «гладко»: допускают небольшие огрехи, используют разговорные обороты, личные отступления.

Обращайте внимание на конкретику. ИИ избегает конкретных деталей, цифр, имён, дат, если они не были заданы в промте. Человек, пишущий экспертную статью, обычно приводит реальные примеры, ссылается на личный опыт, упоминает специфические нюансы.

Проверяйте метафоры и сравнения. Странные, неестественные метафоры — верный признак ИИ. Человек обычно использует сравнения, основанные на личном опыте, и они редко бывают такими «книжными».

Следите за повторами. ИИ часто повторяет одни и те же слова и конструкции, особенно в длинных текстах. Человек, как правило, старается разнообразить лексику, даже если не задумывается об этом специально.

Оцените эмоциональную окраску. ИИ-тексты обычно нейтральны и безличны. Если в тексте нет ни радости, ни сомнений, ни иронии — возможно, его писала машина.

Однако помните: эти признаки не являются абсолютными. Некоторые люди пишут очень «правильно» и безлично, особенно в академической среде. И наоборот, современные нейросети при правильной настройке могут имитировать живой стиль.

Почему идеально ровный текст — повод для сомнений

Парадокс современного контента: чем лучше написан текст, тем больше он похож на работу ИИ. Исследование Moeßner & Adel (2024) показало, что аккуратные, стилистически выверенные тексты без личного стиля или характерных ошибок могут выглядеть как работа ИИ. И наоборот, индивидуальный отпечаток — небольшие неточности и личные детали — помогает отличить работу человека.

Это создаёт серьёзную проблему для авторов, которые используют ИИ как помощника. Если вы генерируете текст нейросетью и не редактируете его, он будет «слишком правильным» и легко распознается. Поэтому эксперты рекомендуют всегда работать со стилем: переставлять слова, добавлять личные комментарии, шутки, неожиданные обороты. Один из советов звучит так: «Потратьте 15–20 минут на то, чтобы переставить слова, добавить шуточки». Это делает текст уникальным и менее похожим на машинный.

С другой стороны, для читателей это означает, что идеально гладкий текст должен вызывать вопросы. Если статья написана безупречно, но в ней нет ни одной живой детали, ни одного личного наблюдения — возможно, перед вами продукт нейросети. Однако не стоит впадать в крайности: некоторые профессиональные авторы пишут очень чисто, и это не делает их текст машинным.

Будущее распознавания ИИ-текстов: что дальше

Технологии распознавания ИИ-текстов развиваются, но и генеративные модели не стоят на месте. С каждым годом нейросети становятся всё более совершенными, а пользователи учатся давать им инструкции для получения более естественных результатов. Это создаёт «гонку вооружений» между генераторами и детекторами.

Одним из перспективных направлений являются методы водяных знаков — встраивание в текст невидимых для человека, но обнаруживаемых алгоритмами маркеров. Однако пока они не являются универсальными и не поддерживаются всеми моделями.

Исследователи также изучают возможность использования статистических характеристик текста, таких как коэффициент вариации длины предложений и разнообразие словаря, для более точного определения авторства. Но, как показывают эксперименты, даже самые продвинутые алгоритмы не дают стопроцентной гарантии.

Вероятно, в будущем мы придём к более комплексному подходу, сочетающему автоматические детекторы, анализ стиля и человеческую экспертизу. А пока важно помнить: ни один инструмент не может окончательно доказать, что текст написан ИИ. Результаты проверки следует использовать как один из сигналов, а не как приговор.

Вопросы и ответы