Дмитрий Анашкин

Детектор ИИ текста: что показала проверка наших статей и что делать, если текст пометили

Опубликовано 7 нояб. 2026 г.Обновлено 15 нояб. 2026 г.8 мин чтенияНачальный
Лупа над листом текста с отметкой детектора
Туториал
Детектор ИИ текста
Дмитрий Анашкин · 8 мин
Чему вы научитесь
  • Что показали четыре бесплатных детектора на трёх статьях, сделанных с нейросетью
  • Почему один и тот же текст получает в разных сервисах противоположные вердикты
  • Что делать автору и заказчику, если детектор пометил текст как сгенерированный
Начальный
2просмотров

Детектор ИИ текста выдаёт вероятность, посчитанную по статистике текста, и сам по себе авторство не доказывает. Я проверил это 31 октября 2026 года на трёх опубликованных статьях этого блога, которые готовились с нейросетью. Четыре бесплатных детектора без регистрации: три назвали все проверенные фрагменты написанными человеком, четвёртый на одном из тех же фрагментов показал 83% ИИ. Если твой текст пометили, авторство подтверждает история работы над ним: версии файла, черновики, источники.

Что на самом деле измеряет детектор ИИ текста?

Приметы нейросети, которые замечает читатель, и то, что считает детектор, связаны не напрямую. Читатель спотыкается о противопоставления, тройки и общие слова. Подробнее о том, как убрать приметы нейросети из текста, - в отдельной статье, там список примет и проверка перед отправкой. Детектор смотрит на текст иначе: он сравнивает его с примерами, на которых обучен, и выдаёт число.

Важно, что пишут о своих результатах сами детекторы. На странице отчёта aidetector.ru сказано, что результаты проверки - не доказательство генерации, особенно в формальных жанрах и хорошо отредактированных текстах. Текстовод на странице своего детектора пишет, что результат показывает вероятность и приговор не выносит. То есть поставщики сами предлагают читать процент как сигнал для ручной проверки.

Проверка трёх статей блога: таблица замера

Сначала о том, что проверялось. Статьи этого блога пишет конвейер, где правки после проверки качества вносит модель, об этом я уже писал в статье когда остановить доработку текста. Перед публикацией каждая проходит автоматическую проверку голоса, о ней рассказано в статье о приметах. Для замера это удобно: правильный ответ «нейросеть участвовала» известен заранее.

Как проверял:

Фрагмент статьиaidetector.ruТекстоводZeroGPTChatPDF
Приметы нейросети в тексте (октябрь)«похоже, написан человеком», 100%«значимых признаков ИИ не обнаружено», 0%«Human written», 0%«скорее всего ИИ», 83%
Галлюцинации нейросетей (август)«похоже, написан человеком», 93,8%, высокий риск у 2,6% текста«значимых признаков ИИ не обнаружено», 0%«Human written», 0%не проверено: лимит 1 проверка в день
Проверка договора нейросетью (октябрь)«похоже, написан человеком», 96,4%«значимых признаков ИИ не обнаружено», 0%«Human written», 0%не проверено: лимит 1 проверка в день

Проценты в таблице означают разное: у aidetector.ru - долю текста, которую сервис считает написанной человеком, у остальных - долю или вероятность ИИ. Так их показывают сами сервисы.

Повторная проверка того же фрагмента в aidetector.ru дала тот же результат, 100%. У двух статей ранняя версия в истории репозитория отличается от опубликованной одной строкой, у третьей ранней версии нет. Черновики до проверок в репозиторий не попадают, поэтому прогнать их нельзя.

Три текста - мало для оценки точности, и выводы ниже только про них.

Почему детекторы расходятся на одном и том же тексте?

Первое, что видно в таблице: фрагмент статьи о приметах получил противоположные вердикты. Текстовод и ZeroGPT дали 0% ИИ, aidetector.ru - 100% человека, ChatPDF - 83% ИИ. Текст один и тот же, символ в символ.

Второе. В проверенном фрагменте августовской статьи о галлюцинациях проверка голоса нашла 3 оборота вида «не X, а Y», во фрагменте октябрьской статьи о приметах - ни одного. Для Текстовода и ZeroGPT разницы не было, оба фрагмента получили 0%. aidetector.ru отметил у августовского фрагмента чуть больше подозрительного текста. На этих двух фрагментах связи между приметами, которые замечает читатель, и вердиктом детектора не видно.

Третье. Все три фрагмента - тексты, где нейросеть участвовала, и три детектора из четырёх назвали их человеческими. Это совпадает с выводом исследования 2023 года, где проверяли 14 инструментов: доступные детекторы не точны и не надёжны и чаще относят текст к человеческому, чем находят сгенерированный. Там же показано, что перефразирование снижает распознавание ещё сильнее, а машинный перевод человеческого текста, наоборот, добавляет ложных срабатываний «это ИИ». Другое исследование 2023 года нашло обратный перекос: семь детекторов чаще ошибочно помечали как сгенерированные тексты тех, для кого английский не родной. Обе работы - про английские тексты.

Детекторы с тех пор обновлялись, и у поставщиков свои замеры точности. Мой замер на трёх текстах их не опровергает и не подтверждает. Он показывает одно: процент зависит от того, каким детектором проверяли.

Автору текст пометили: пять шагов

  1. Спроси, чем и что проверяли

    Название детектора, весь текст или фрагмент, какой процент. Без этого спорить не с чем.
  2. Прогони тот же текст в двух-трёх других детекторах

    Если вердикты расходятся, как в моей таблице, это уже аргумент: процент зависит от инструмента.
  3. Покажи историю версий

    В Google Документах это «Файл → История версий», в Word для файлов в OneDrive - «Файл → Сведения → Журнал версий». Видно, как текст появлялся и менялся. Так советует и Текстовод на странице своего детектора.
  4. Покажи черновики и источники

    План, заметки, ранние варианты, ссылки на страницы, откуда взяты факты и цифры.
  5. Скажи, где участвовала нейросеть

    Если она помогала с формулировками, а мысли и факты твои, так и скажи. Где важно, кто автор, скрывать её участие незачем.

Что делать заказчику, если детектор показал ИИ в тексте подрядчика?

Если в техническом задании написано «не больше 20% ИИ по детектору», результат зависит от того, каким детектором проверять. Фрагмент статьи о приметах прошёл бы такой порог в трёх сервисах из четырёх и не прошёл бы в четвёртом.

Что работает надёжнее:

  1. Проверка фактов. Каждая цифра и цитата имеет источник, ссылки открываются и говорят то, что написано в тексте. Как это делать быстро, разобрано в статье нейросеть выдумала данные.
  2. Конкретика, которой нет в общем доступе. Примеры из работы автора, цифры из его практики. Этого нейросеть сама не придумает без материала.
  3. Правило в задании. Заранее записать, можно ли пользоваться нейросетью и в каком виде автор это раскрывает. Тогда пометку детектора есть с чем сверить.

Если в компании тексты для клиентов, сайта и соцсетей готовят с нейросетью и нужно договориться о едином порядке проверки, это можно разобрать на корпоративном обучении по нейросетям. На обучении участники задают стиль и запреты один раз в инструкциях проекта ChatGPT, чтобы не повторять их в каждом чате. По сути это простой контекст-инжиниринг.

Когда детектор всё-таки полезен?

Часть детекторов подсвечивает фрагменты. aidetector.ru, например, красит оранжевым места с несколькими типичными для машинного текста признаками: однообразная длина предложений, повторяющиеся сочетания слов, клише. Сам сервис называет оранжевый цвет поводом к ручной проверке. Такие места полезно перечитать вслух и переписать, если ты и правда на них спотыкаешься.

Ещё одна вещь, которую легко упустить. Текст, вставленный в детектор, уходит на чужой сервер. Для замера я отправлял только уже опубликованные статьи. Договор, внутренний отчёт или текст клиента в бесплатный детектор отправлять не стоит, правила здесь те же, что для любой нейросети.

Частые вопросы

Частые вопросы

Главный вывод

Пометка детектора - повод перечитать текст, а авторство подтверждают версии, черновики и источники. Заказчику надёжнее принимать текст по фактам, чем по проценту.

Возьми любой свой текст и прогони его через два разных детектора. Совпадут вердикты или разойдутся?

Источники

Отправь другу или себе в избранное в Telegram, чтобы не потерять.

Поделиться в Telegram
Было полезно?
Автор
Дмитрий Анашкин
Практик-интегратор ИИ в бизнес

Основатель NeuroDA и SMAIPL. Корпоративные воркшопы по ИИ, внедрение AI в бизнес-процессы.

Похожие гайды

Чит-коды GTA 6 от нейросети: как отличить выдуманный список от настоящего

GTA 6 вышла 19 ноября 2026 года, и в первый же день в ленте вирусится «полный список чит-кодов». Разбираю, почему нейросеть уверенно выдаёт коды из прошлых частей, что о кодах известно на самом деле и по каким признакам выдуманный список виден сразу.

12 мин

Как убрать приметы нейросети из текста: список, инструкция один раз и проверка перед отправкой

Текст нейросети узнают по противопоставлениям, тройкам, одинаковым началам фраз, канцеляриту и длинным тире. Разбираю восемь примет с заменами, почему общая просьба не помогает, как задать стиль один раз и что я проверяю автоматически в своих статьях.

8 мин

Как скачать GTA 6 на PS5 и Xbox и не поймать вирус вместо игры

GTA 6 вышла 19 ноября только на приставках. Разбираю, сколько весит GTA 6 и сколько её ждать на твоём интернете, как поставить её на PS5 и Xbox, и что на самом деле лежит в «GTA 6 для ПК»: стилер, который умеет забирать в том числе рабочие ИИ-аккаунты.

13 мин

Как сделать умную гирлянду для дома: умная розетка, Алиса и приложение

Гирлянду можно включать голосом и по расписанию, даже если у неё нет интеграции с Алисой: через умную розетку, если гирлянда загорается сама при подаче питания. Как собрать такую связку, какие гирлянды подходят и сколько всего нужно для ёлки и окна.

13 мин

Связанные понятия