Детекторы ИИ-текста: почему ошибаются и как доказать авторство

Детекторы ИИ-текста ошибаются потому, что не видят, кто писал. Они видят только сам текст и оценивают, насколько он похож на то, что обычно выдаёт языковая модель: ровные предложения, предсказуемые слова, гладкие связки. Аккуратный студенческий реферат, собранный строго по методичке, часто выглядит именно так. Поэтому живой текст может получить высокий процент «ИИ», а сгенерированный и слегка переписанный проходит. Если вас заподозрили, спорить с процентом бесполезно. Работает другое: показать, как текст появлялся, и уметь объяснить его своими словами. Ниже разберём, как устроены детекторы, на что они реагируют, как собрать доказательства авторства и как найти в своём тексте места, которые звучат «по-машинному».

Сразу оговорка: это не инструкция по обходу проверок. Если работу за вас сделала нейросеть, никакая перестановка слов не сделает её вашей. Статья для тех, кто писал сам и столкнулся с ложным срабатыванием, или для тех, кто боится, что это случится.

Как устроен детектор и что он на самом деле измеряет

У детектора нет доступа к переписке с чат-ботом, к истории браузера или к «водяным знакам» внутри слов. У него есть только ваш текст. Дальше в ход идут статистические признаки. Разные сервисы комбинируют их по-разному, но логика похожа.

Предсказуемость слов. Языковая модель пишет, выбирая на каждом шаге вероятное продолжение. Поэтому сгенерированный текст в среднем «угадываемый»: после «играет важную» почти всегда идёт «роль». Детектор прогоняет ваш текст через собственную модель и смотрит, как часто она угадывает следующее слово. Чем чаще угадывает, тем выше подозрение.

Ровность ритма. Люди пишут неравномерно: короткая фраза, потом длинная с тремя оборотами, потом снова короткая. Модели по умолчанию выдают предложения похожей длины и похожего строения. Детектор замечает однообразие.

Классификатор на примерах. Многие сервисы дополнительно обучают модель-судью на наборах «текст человека» и «текст нейросети». Судья выучивает типичные приметы, но только те, что были в обучающих данных. Новые модели, другой язык или непривычный жанр он оценивает хуже.

Главный вывод отсюда простой: детектор измеряет стиль, а не происхождение. Он отвечает на вопрос «похож ли текст на машинный», а не на вопрос «сделала ли его машина». Это разные вопросы, и между ними большой зазор.

Почему живой текст попадает под подозрение

Если смотреть на признаки выше, становится понятно, кого детекторы задевают чаще. Не нужно никаких цифр, чтобы увидеть механику.

Обратная сторона тоже есть. Сгенерированный текст, в который вручную добавили пару разговорных фраз, опечатку и одно длинное предложение, может выглядеть для детектора «человеческим». Поэтому высокий процент не доказывает генерацию, а низкий не доказывает её отсутствие. Добросовестные сервисы обычно сами оговаривают, что результат вероятностный и не должен быть единственным основанием для решения. Если у вас на руках отчёт с процентом, полезно найти такую оговорку на сайте того же сервиса.

Ещё одна деталь: разные детекторы на один и тот же текст выдают разные оценки, а один и тот же детектор может менять оценку после небольшой правки. Это не баг конкретного сервиса, а следствие того, что все они угадывают по косвенным признакам.

Что делать, если вашу работу пометили

Первое правило: не переписывать текст в панике, пока идёт разбирательство. Судорожная замена формулировок ради процента выглядит подозрительнее исходного текста и к тому же стирает часть следов работы.

Второе: переведите разговор с процента на процесс. Проверяющему нужно понять, писали ли вы сами. Процент на это не отвечает, а ваши материалы отвечают.

Какие доказательства авторства собрать

Вот что обычно убедительно, по убыванию силы.

1. История версий документа. Google Документы, Word с облачным хранением и многие другие редакторы сохраняют историю правок с датами. Видно, как текст рос кусками по несколько дней, как вы переставляли абзацы, удаляли и возвращали фразы. Сгенерированный текст обычно появляется в документе одним большим вставленным блоком.
2. Черновики и план. Файлы с набросками, план в заметках, фото листа с тезисами, ранние версии с другим названием. Даже неряшливые, они показывают ход мысли.
3. Материалы к работе. Выписки из источников, закладки, конспекты статей, скриншоты таблиц, по которым вы делали выводы. Особенно ценно, если в работе есть детали, которые можно найти только в ваших выписках.
4. Переписка. Вопросы научному руководителю, обсуждение темы с одногруппниками, согласование плана. Всё с датами.
5. Устное объяснение. Самый сильный аргумент, который нельзя подделать: вы можете рассказать, почему выбрали именно такую структуру, откуда взяли конкретный пример и что имели в виду в спорном абзаце.

Если вы пользовались нейросетью как помощником, например для вычитки или подбора литературы, лучше сказать об этом прямо и показать, что именно она делала. Как выстроить такую работу честно с самого начала, мы разбирали в статье про учебные работы с нейросетью.

Как говорить с проверяющим

Спокойно и по существу. Условный сценарий разговора выглядит так: вы говорите, что писали работу сами, показываете историю версий и черновики, предлагаете ответить на вопросы по тексту или набросать короткий фрагмент на ту же тему прямо при проверяющем. Спорить о надёжности конкретного детектора стоит в последнюю очередь и без нападок, просто указав, что сервис сам называет свою оценку вероятностной.

Как найти «подозрительные» места в своём тексте

Эта часть не про то, как обмануть проверку. Места, на которые реагирует детектор, почти всегда совпадают с местами, где текст слабый: штампы, вода, пустые связки, абзацы без собственной мысли. Их стоит править в любом случае, потому что их замечает и живой читатель.

Для такого разбора подходит текстовая модель с хорошим чувством русского языка. В кабинете Most AI можно открыть Claude Sonnet 4.6 или бесплатный безлимитный ChatGPT в чате. Важно просить не «перепиши, чтобы звучало по-человечески», а найти и объяснить. Править будете сами, своими словами. Так текст остаётся вашим, а вы понимаете, что именно было не так.

Первый запрос: найти шаблонные места и объяснить, чем они плохи.

Ниже мой текст (реферат по истории, около 2 страниц). Я писал его сам.
Не переписывай его. Найди места, которые звучат шаблонно или безлико:
штампы, пустые вводные фразы, связки без смысла, предложения, которые
ничего не добавляют. Для каждого места дай цитату, объясни одной фразой,
в чём проблема, и задай мне вопрос, который поможет переформулировать
своими словами. Максимум 10 пунктов, начни с самых заметных.

[текст]

Второй запрос: проверить ритм и однообразие строения.

Посмотри на ритм моего текста. Отметь абзацы, где подряд идут
предложения одинаковой длины и одинакового строения. Отметь, где я
повторяю одну и ту же схему «тезис — пояснение — вывод» без
изменений. Ничего не исправляй сам, только укажи места и коротко
объясни, почему они читаются монотонно.

[текст]

Третий запрос: найти места, где не хватает вашего собственного содержания.

Найди в тексте абзацы, где нет ничего конкретного: ни примера, ни
цифры из источника, ни своего вывода, только общие слова. Для каждого
абзаца предложи, какого рода конкретика здесь была бы уместна
(пример, ссылка на источник, сравнение, собственная оценка), но не
придумывай её за меня.

[текст]

Обратите внимание на последнюю строку третьего запроса. Модель легко «дорисует» пример или факт, которого нет в ваших источниках, и тогда вы получите проблему посерьёзнее процента в отчёте. Конкретику вписываете только из того, что прочитали сами. Как сохранять собственную интонацию, когда рядом работает нейросеть, подробно разобрано в статье про свой голос в тексте.

Чего делать не стоит

Есть несколько популярных советов, которые либо не работают, либо вредят.

Прогонять текст через «очеловечиватель». Сервисы, которые обещают переписать текст так, чтобы детектор его пропустил, подменяют ваши формулировки своими. Смысл плывёт, появляются странные обороты, а главное, текст перестаёт быть вашим. Если потом придётся объяснять его устно, вы будете защищать чужие слова.

Вставлять ошибки и опечатки нарочно. Это портит работу и выглядит как попытка скрыть что-то, если проверяющий заметит закономерность.

Проверять текст в пяти детекторах подряд и править до нуля. Вы будете гоняться за шумом: каждая правка сдвигает оценку непредсказуемо, а текст при этом не становится лучше.

Удалять черновики «чтобы не мешали». Это ваша страховка. Храните их хотя бы до окончания сессии или сдачи проекта.

Как писать, чтобы не попадать в эту ситуацию

Лучшая профилактика скучная, но надёжная. Пишите в редакторе, который сохраняет историю версий, и не вставляйте текст большими блоками из других мест. Сохраняйте план и выписки отдельными файлами. Если пользуетесь нейросетью, фиксируйте, для чего: разобрать сложную статью, проверить логику, найти повторы. И заранее уточните правила своего вуза или преподавателя: где-то помощь нейросети разрешена с указанием, где-то запрещена полностью.

Стиль тоже можно держать живым без всяких ухищрений. Пишите конкретно, с примерами из прочитанного, с собственными выводами и честными сомнениями. Такой текст хорошо читается и сам по себе менее похож на усреднённую машинную прозу, потому что в нём есть то, чего нет в типовых образцах.

Частые вопросы