Тендеры и лиды
Информация
Заказчик просит «прогнать текст через детектор ИИ». Автор клянётся, что писал сам, а сервис показывает 87% генеринга. Редактор не знает, кому верить — человеку или алгоритму. Как быть?
Мы в Бюро Качественного Контента сталкиваемся с таким регулярно и за последний год проверили через AI-детекторы сотни текстов. В этой статье делимся выводами: что показывают детекторы, почему им нельзя доверять безоговорочно и на что опираться вместо них.
На рынке десятки сервисов: ZeroGPT, Originality.ai, Copyleaks, Content at Scale, а из русскоязычных — GigaCheck от Сбера, Text.ru и другие. Каждый заявляет о высокой точности — от 95% до «почти 100%». Звучит убедительно. В реальности же между рекламными цифрами и повседневной работой с русскоязычным контентом лежит пропасть.
Принцип работы у большинства детекторов схожий. Они анализируют так называемую «перплексию» (perplexity) — меру предсказуемости текста, а также «burstiness» — вариативность длины и сложности предложений. Если текст написан ровно, предсказуемо и без стилистических перепадов, алгоритм склоняется к вердикту «написано ИИ». Если встречаются неожиданные обороты, сложная структура, авторские находки — текст скорее будет признан человеческим.
Логика понятна. Проблема в том, что она ломается на практике.
Академических работ о надёжности AI-детекторов уже немало, и картина складывается не в их пользу.
Исследователи Стэнфордского университета в 2023 году проверили семь популярных детекторов и обнаружили систематическую предвзятость: тексты, написанные людьми, для которых английский не является родным, ошибочно определялись как «сгенерированные ИИ» в 61% случаев. При этом работы носителей языка детекторы классифицировали почти безупречно. Причина — в самой метрике перплексии: те, кто пишет проще и использует более ограниченный словарный запас, автоматически попадают под подозрение.
Позже и сама OpenAI — компания, создавшая ChatGPT — признала проблему. В разделе часто задаваемых вопросов компания прямо заявила, что ни один из существующих инструментов не доказал свою способность корректно отличать человеческий текст от машинного. Собственный AI-классификатор OpenAI был запущен в январе 2023-го, а уже в июле того же года тихо отключён из-за низкой точности.
Свежие данные 2025 года подтверждают тренд. Мета-анализ, опубликованный в журнале по этике ИИ, показал, что точность лучших платных детекторов на «чистых» необработанных текстах действительно может достигать 90–96%. Но стоит тексту пройти минимальную редактуру — ручную правку, перефразирование, пересборку структуры — и точность падает на 20 и более процентных пунктов. А ведь именно так выглядит нормальный рабочий процесс: даже если автор использовал ИИ как черновик, он правит, дополняет, переписывает.
Исследование в области медицинских публикаций показало, что бесплатные детекторы определяли как «машинные» около 27% реальных научных статей, написанных живыми людьми задолго до появления ChatGPT. Платные сервисы работали точнее, но тоже давали сбои — особенно на текстах, сгенерированных Claude, а не ChatGPT.
Всё, что сказано выше, касается английского языка. На нем детекторы обучались в первую очередь.
Большинство популярных международных детекторов (ZeroGPT, Originality.ai, Copyleaks) заявляют о поддержке русского языка, но их модели обучены преимущественно на англоязычных корпусах. Русский для них — вторичный язык, и это сразу отражается на качестве. По оценкам отраслевых обзоров, средняя достоверность детекторов на русскоязычных текстах составляет 60–70% — то есть ошибка в каждом третьем-четвёртом случае.
Из отечественных решений наиболее заметен GigaCheck от Сбера, ориентированный именно на русский язык. Однако и он имеет ограничения: проверяет тексты от 20 до 1000 слов и пока работает в режиме демо-версии. Text.ru заявляет точность «более 75%» для русскоязычных ИИ-текстов — но «более 75%» значит, что каждый четвёртый вердикт может быть неверным.
В нашей практике мы неоднократно видели, как ZeroGPT и другие международные сервисы определяли русскоязычный текст — и реальный, и сгенерированный — как «написанный человеком». Детектор просто не справлялся с анализом: не хватало русскоязычных обучающих данных. Выводы на таком материале ничего не стоят.
Есть и обратная проблема. Русский язык — синтетический, с богатой морфологией и относительно свободным порядком слов. Но многие авторы пишут в деловом или информационном стиле, который по своей природе более формален и предсказуем. Результат: живой текст квалифицированного копирайтера, написанный в строгом инфостиле, детектор может пометить как «машинный» — просто потому, что стиль ровный и лексика стандартная.
Здесь работает принцип гонки вооружений. Каждая новая версия языковой модели (GPT-5, Claude 4.5, Gemini, DeepSeek) генерирует текст всё более «человечным» — с вариативной длиной предложений, нестандартной лексикой, эмоциональными оттенками. Детекторы учатся на предыдущих версиях, а к моменту обновления модели уже становятся устаревшими.
Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.
Заполнить заявку
13332 тендера
проведено за восемь лет работы нашего сайта.
Параллельно растёт рынок «гуманизаторов» — сервисов, которые за пару секунд пропускают ИИ-текст через алгоритмы перефразирования, специально настроенные на обход детекторов. GPTunnel, Undetectable.ai и десятки подобных инструментов заявляют об успешном обходе проверок в 90–98% случаев. Даже если цифры завышены, факт остаётся: при минимальных усилиях детекторы можно обмануть.
И наоборот — ручной текст можно ложно «завалить». Стоит автору писать чисто, структурно, без стилистических шероховатостей — и детектор подозревает машину. Добавьте к этому тот факт, что современные авторы массово используют ИИ-инструменты для проверки грамматики, подбора синонимов и рерайта отдельных фрагментов, и граница между «написал человек» и «написала машина» размывается окончательно.
Если digital-агентство или бизнес строит контроль качества на AI-детекторах, возникают конкретные риски.
Первый — ложные обвинения. Опытный автор сдаёт добросовестно написанный текст, детектор показывает 80% ИИ. Начинается конфликт, автор теряет доверие и мотивацию, агентство теряет автора. Или хуже — удерживает оплату на основании «объективных данных» сервиса, который объективным не является.
Второй — ложное спокойствие. Детектор показывает «100% человеческий текст», менеджер расслабляется и пропускает статью без должной проверки. А она при этом может быть полна фактических ошибок, водянистых формулировок и галлюцинаций ИИ — того, что ни один детектор не отслеживает в принципе. Детектор отвечает на вопрос «кто написал?», а не «хорошо ли написано?».
Третий — подмена ценностей. Когда агентство ставит во главу угла «процент ИИ в тексте», фокус смещается с качества контента на формальный показатель, который плохо коррелирует с тем, что действительно важно: точность фактов, глубина экспертизы, соответствие задаче клиента, стиль и читаемость.
Мы не призываем полностью игнорировать AI-детекторы. Как вспомогательный сигнал — один из многих — они допустимы. Но строить на них систему контроля нельзя. Вот что работает лучше.
Редакторская экспертиза. Опытный редактор видит «машинные» признаки быстрее и точнее любого сервиса: обтекаемые формулировки, которые ничего конкретного не утверждают; клишированные переходы вроде «важно отметить» и «стоит подчеркнуть»; равномерная структура абзацев; отсутствие конкретных цифр, дат, ссылок на источники.
Фактчекинг. ИИ-тексты часто содержат правдоподобные, но вымышленные факты — так называемые «галлюцинации». Проверка фактов, дат и ссылок — это тот слой контроля качества, который детекторы не заменят никогда.
Процессные решения. Работа с проверенными авторами. ТЗ, которое требует экспертизы, невоспроизводимой для ИИ — личного опыта, интервью, аналитики с конкретными данными. Промежуточные драфты и комментирование в Google Docs, которое показывает реальный процесс работы, а не только финальный результат.
Не запрещать ИИ. Самый зрелый подход — не запрещать использование ИИ, а регламентировать его. Автор может использовать нейросеть для генерации идей, структуры, первичного черновика — но финальный текст должен пройти экспертную обработку и соответствовать стандартам качества. Контролировать нужно результат, а не процесс.
AI-детекторы — это технология с фундаментальными ограничениями, а не надёжный инструмент контроля. На русском языке их точность ещё ниже, чем на английском. Они дают ложные срабатывания на текстах живых авторов и пропускают отредактированный машинный контент. Сама OpenAI признала, что детекторы не работают надёжно.
Для агентства и бизнеса, которые дорожат качеством, ставка на AI-детектор — это путь к конфликтам с авторами, ложному чувству безопасности и подмене реального контроля формальным ритуалом. Настоящая проверка качества — это экспертный редактор, выстроенные процессы и фокус на содержании, а не на том, кто именно набирал текст на клавиатуре.
