- Источник:
Nikolay Vinokurov / Legion Media
По словам эксперта, проблема связана с принципом работы детекторов ИИ-текста. Они оценивают «перплексию» — уровень предсказуемости текста. Чем более логично и структурно выстроено изложение, тем выше вероятность, что система отметит его как сгенерированное.
В результате академический стиль письма, традиционно отличающийся строгостью и последовательностью, может интерпретироваться как признак работы нейросети.
Карпунин отмечает, что это формирует парадоксальную ситуацию: чем качественнее выполнена студенческая работа, тем выше риск ложного срабатывания детекторов.
По оценкам независимых тестирований 2026 года, средняя точность подобных систем не превышает 73%, а доля ложноположительных результатов может достигать 28% в зависимости от используемого решения.
Отдельное внимание эксперт уделил развитию систем проверки. Так, сервис «Антиплагиат» ранее заявлял о 98-процентной точности выявления ИИ-текстов в академических работах, однако эти показатели не проходили независимой публичной верификации.
При этом в 2026 году компания представила новый подход — «Антиплагиат 2.0», который анализирует уже не только итоговый текст, но и процесс его создания: историю правок, динамику набора и источники вставленных фрагментов.
По словам эксперта, такой подход позволяет сместить акцент с вопроса «как выглядит текст?» на анализ того, каким образом он был написан.
Ситуацию усложняет стремительное развитие генеративных моделей: новые версии ИИ всё лучше имитируют человеческий стиль, из-за чего прежние методы выявления теряют эффективность.
В профессиональной среде обсуждается переход к альтернативным подходам оценки. В частности, в 5Д Консалтинг считают перспективным анализ не только финального текста, но и процесса его создания, а именно истории правок, динамики набора и редактирования.
Продолжение читать у
