Пока учёные спорят о пользе AI, он уже тихо занял место соавтора. После запуска ChatGPT число отправок в научные журналы выросло на 42%. И всё больше текстов выглядят так, будто их писал не человек, а модель.
Самое неприятное, что масштабы до сих пор никто не видит полностью. Мы уже внутри сдвига, но измерительные приборы ещё сырые. Это как считать дождь линейкой в шторм.
Наука ускорилась, но автор в тексте всё чаще не человек
К началу 2026 года рукописей, где больше 70% текста сгенерировано AI, стало в 2 раза больше, чем в 2024-м. В рецензиях картина похожая: следы генерации нашли уже более чем в 30% отзывов. Особенно резко это видно в Computer Science (компьютерные науки) на arXiv: рост с 7% в 2023 до 43% в 2025.
Это не абстрактная статистика из одного отчёта. Биолог Richard Shea проверил 5 000 биомедицинских статей из Science, Nature и Cell. По его оценке, 6 работ могли быть полностью AI-написанными, а примерно 1 из 8 содержала машинные фрагменты.
- 42% — рост отправок в журналы после запуска ChatGPT.
- 2x — рост рукописей с долей AI-текста выше 70%.
- 30%+ — доля рецензий со следами генерации.
- 43% — доля AI-рецензий в Computer Science на arXiv в 2025.
Что реально изменилось в жизни исследователей
Раньше AI был «помощником для черновика». Теперь он часто закрывает весь цикл: от введения до ответа рецензенту. Время на подачу сокращается, но прозрачности не прибавляется.
Для занятых команд это выглядит как подарок. Один исследователь может выпускать больше текстов за тот же срок. Но редактору становится труднее понять, где мысль автора, а где аккуратный шаблон модели.
- Лаборатория быстрее оформляет результаты и чаще отправляет статьи.
- Молодые авторы получают «гладкий» английский без долгой редактуры.
- Рецензенты экономят часы и чаще используют AI для чернового фидбэка.
- Журналы получают больше материалов, но проверять их сложнее.
В итоге растёт не только скорость публикаций. Растёт и риск того, что в поток попадает красивый, но поверхностный текст. Для читателя это значит одно: «научно звучит» уже не равно «глубоко проверено».
Почему так происходит и кто от этого выигрывает
Причина простая: публикационное давление стало выше, а инструменты — дешевле и умнее. AI даёт быстрый результат, когда дедлайн горит. Особенно там, где ценят формат, объём и скорость ответа.
Университеты и команды получают KPI (ключевые показатели эффективности) быстрее. Платформы получают больше контента. А рынок научных публикаций, по сути, переходит в режим конвейера.
Есть и вторая причина: детекторы пока слабые. Они путают человеческий текст после лёгкой правки с генерацией. И часто не видят сильные модели, если текст хорошо отредактирован.
- AI detector (детектор AI-текста) даёт много ложных срабатываний.
- Watermarking (водяные метки в тексте) пока экспериментален.
- Peer review (научное рецензирование) уже частично автоматизируется.
- Benchmark (тест производительности) для детекторов отстаёт от темпа моделей.
Как применять это уже сейчас, если вы не учёный
Эта история важна не только для академии. Она показывает, как любой рынок текстов меняется под давлением генерации. Маркетинг, консалтинг, обучение, медиа проходят тот же поворот.
Если вы предприниматель или маркетолог, берите скорость AI, но контролируйте доказательства. Просите источники, цифры, логику выводов. Текст должен не просто звучать уверенно, а выдерживать проверку.
- Фиксируйте, где используется AI, а где экспертная доработка обязательна.
- Проверяйте ключевые тезисы по первоисточникам, не по пересказам.
- Разделяйте генерацию и фактчекинг (проверка фактов) разными людьми.
- Храните версии текста, чтобы видеть вклад команды и модели.
Для разработчиков это тоже сигнал. Нужны новые инструменты доверия: provenance (происхождение текста), traceability (отслеживаемость правок), прозрачные метки участия AI. Кто первым даст бизнесу такой стек, тот заберёт рынок «проверяемого контента».
Источник: AI Post — Artificial Intelligence.
Главная мысль: мы входим в эпоху, где ценность текста смещается от «кто написал» к «кто может доказать, что это правда».