Доля публикаций с выраженными признаками использования генеративного искусственного интеллекта в российских СМИ заметно выросла за последние несколько лет. Согласно исследованию «Редакции после ChatGPT», во II квартале 2026 года подобные признаки обнаружили примерно в 18% изученных материалов. При этом авторы и опрошенные эксперты подчёркивают, что речь идёт именно о результатах автоматического анализа выборки, а не о доказанном факте использования нейросетей во всех отмеченных статьях.
Исследование подготовил сооснователь онлайн-университета «Зерокодер» Кирилл Пшинник. Результаты он представил 13 октября на форуме российских издателей «Паблишинг/Практикум».
Для анализа были собраны 254 614 материалов из 174 российских СМИ, опубликованных с 2020 года до конца июня 2026-го. Короткие новостные заметки в выборку не включались. Издания разделили на три группы: крупные федеральные общественно-политические и деловые СМИ, тематические и лайфстайл-проекты вместе с крупнейшими региональными медиа, а также городские и нишевые издания.
Каждый текст анализировали два открытых детектора ИИ-контента — OpenPangram-2B и Qwen3-4B-Detect. Материал относили к категории с выраженными признаками генерации, если средний показатель двух моделей составлял не менее 0,5.
Для дополнительной проверки применялся GigaCheck. Однако его результаты не включали в основной индекс, поскольку, по оценке автора исследования, с 2025 года этот инструмент стал хуже определять тексты, созданные более новыми языковыми моделями.
Во II квартале 2026 года один из основных детекторов отметил как ИИ-тексты около 14% публикаций, второй — примерно 23%. GigaCheck показал значительно более низкий результат — 8,3%. После объединения данных двух основных моделей итоговый показатель составил 18%.
До распространения генеративных нейросетей подобные срабатывания были крайне редкими. С 2020 года до конца 2022-го показатель обычно находился в диапазоне от нуля до 0,08% за квартал. Исследователь рассматривает этот уровень как ориентировочную частоту ложных срабатываний детекторов.
После публичного запуска ChatGPT в конце ноября 2022 года показатель начал быстро увеличиваться. В IV квартале 2023-го признаки ИИ-генерации обнаруживались примерно в 0,88% исследованных публикаций, в конце 2024 года — уже в 5,7%, а к IV кварталу 2025-го доля достигла 14%. Во II квартале 2026-го она выросла до 18%.
При этом интенсивность использования нейросетей заметно различается в зависимости от тематики. Чаще всего признаки генерации встречались в материалах о доме, продуктах питания и здоровье. Значительно реже они фиксировались в публикациях о политике и происшествиях.
Различия заметны и между типами изданий. Наиболее высокий показатель обнаружен у тематических, лайфстайл- и крупных региональных СМИ. В этой группе признаки нейросетевой генерации встречались примерно в каждой четвёртой или пятой публикации.
В крупных федеральных общественно-политических и деловых СМИ показатель оказался значительно ниже — примерно одна статья из десяти. Одновременно внутри каждой группы наблюдается большой разброс: почти у половины исследованных изданий доля материалов с выраженными ИИ-признаками не превышала 5%, тогда как примерно у каждого пятого СМИ она составляла более 30%.
Исследование также выявило различия в структуре самих текстов. В материалах, которые детекторы отнесли к вероятно созданным нейросетями, прямые цитаты встречались примерно в 2,1 раза реже, чем в публикациях без подобных признаков.
Реплики экспертов в таких текстах встречались примерно в 2,6 раза реже. Средний объём тоже оказался меньше: около 773 слов против 1090 слов в материалах, которые системы определяли как преимущественно человеческие.
Отдельно исследователь сравнил редакции с разной долей ИИ-контента. В СМИ, где более 20% материалов получили высокий показатель нейросетевой генерации, количество экспертных комментариев на каждую тысячу слов оказалось примерно на 22% ниже, чем в 2020–2022 годах.
В изданиях, где признаки ИИ встречались редко, ситуация была противоположной: число экспертных комментариев выросло примерно на 6%. Однако автор исследования отдельно подчёркивает, что речь идёт о корреляции. Эти данные сами по себе не доказывают, что именно использование искусственного интеллекта стало причиной сокращения количества прямой речи.
Меняется и словарь публикаций. Исследователь выделил группу слов, которые значительно чаще встречались в текстах с выраженными признаками генерации. Среди них — «ключевой», «формировать», «баланс» и «критически».
В ИИ-текстах такие слова встречались в среднем в 4,1 раза чаще. При этом во II квартале 2026 года их частота выросла и во всей анализируемой выборке: примерно в 1,9 раза по сравнению со средними показателями 2020–2022 годов.
Даже в публикациях, которые детекторы продолжали относить к человеческим, характерные для генеративных моделей слова стали встречаться примерно на 13% чаще. Исследователь предполагает, что язык нейросетей постепенно влияет и на тексты, которые люди пишут или редактируют самостоятельно.
Кроме материалов с высоким показателем ИИ-генерации, существенно расширилась так называемая серая зона. Это статьи, которые не преодолели установленный порог, однако имеют отдельные признаки возможного нейросетевого вмешательства.
Доля таких публикаций выросла примерно с 1,7% до 27%. Одним из возможных объяснений может быть ситуация, когда исходный текст пишет человек, а нейросеть используется только для редактирования, сокращения, изменения структуры или переформулировки отдельных фрагментов.
В медиаиндустрии сам факт активного использования ИИ уже не воспринимается как необычный. Представители коммуникационных компаний отмечают, что нейросети всё чаще используются при подготовке пресс-релизов, справочных материалов и черновиков для СМИ.
Причина прежде всего экономическая. Искусственный интеллект способен быстро переработать исходные данные, сократить текст, изменить стиль, предложить заголовки или привести материал к более удобной структуре. Это позволяет автоматизировать часть рутинной работы, которая раньше требовала участия отдельного автора или редактора.
Однако специалисты обращают внимание на возможные потери качества. Одной из наиболее заметных тенденций стало уменьшение количества прямой речи. Нейросеть может быстро обработать уже существующую информацию, но самостоятельно поговорить с экспертом, получить уникальный комментарий или проверить неизвестный ранее факт она не способна.
В результате массовое применение генеративных моделей потенциально может привести к росту количества аккуратно написанных, но менее оригинальных материалов. Текст может выглядеть грамотно и структурированно, однако содержать меньше собственных наблюдений, интервью и информации, полученной непосредственно журналистом.
Некоторые эксперты также отмечают узнаваемые особенности нейросетевого стиля: чрезмерное количество противопоставлений, повторяющиеся конструкции, искусственные риторические вопросы и слишком общие выводы. По мере улучшения языковых моделей такие признаки становятся менее заметными, но полностью пока не исчезли.
При этом само исследование вызвало вопросы к методологии. Президент Ассоциации интернет-издателей Иван Засурский обратил внимание на то, что показатель 18% корректнее относить именно к исследованной выборке, а не автоматически распространять на все материалы российских СМИ.
Отдельная проблема связана с точностью детекторов искусственного интеллекта. Для надёжной оценки подобных инструментов необходим большой контрольный набор материалов, для которых точно известно происхождение: полностью написанные человеком, полностью созданные ИИ и смешанные тексты.
Низкая доля срабатываний на статьях, опубликованных до появления современных генеративных моделей, позволяет приблизительно оценить уровень ошибок, но не гарантирует такую же точность при анализе новых публикаций.
Кроме того, результат детектора может зависеть от жанра, длины статьи, тематики и редакционного стиля. Например, справочный материал с нейтральными формулировками может по своей структуре быть похож на результат генерации даже в том случае, если его полностью написал человек.
Поэтому обнаруженные 18% нельзя напрямую трактовать как точную долю статей, целиком написанных искусственным интеллектом. Часть публикаций могла быть только отредактирована нейросетью, а некоторые результаты могут объясняться ошибками автоматических классификаторов.
Тем не менее динамика исследования показывает существенное изменение российского медиарынка после появления массовых генеративных моделей. За несколько лет ИИ превратился из экспериментального инструмента в обычную часть редакционного процесса во многих изданиях.
Главным вопросом становится уже не само использование нейросетей, а то, для каких задач их применяют. Автоматизация подготовки справочной информации или редактирования текста может экономить время журналистов, тогда как попытка заменить нейросетью получение комментариев, проверку источников и самостоятельный анализ способна снизить содержательную ценность публикаций.
По мере развития моделей определить участие ИИ только по характерным словам и стилистическим конструкциям будет становиться всё сложнее. Поэтому для медиа всё большее значение может приобретать не происхождение отдельных предложений, а наличие собственной журналистской работы: проверенных фактов, прямой речи, оригинальных данных и информации, которой нет в уже опубликованных источниках.