Пользователи популярных IT-площадок, таких как «Хабр», всё чаще сталкиваются с текстами, которые на первый взгляд выглядят грамматически безупречными, но уже к третьему абзацу вызывают желание закрыть вкладку. Речь идёт о так называемом ИИ-слопе — материалах, полностью или почти полностью написанных большими языковыми моделями без последующей редактуры. Хотя авторы имеют право использовать нейросети как вспомогательный инструмент для черновиков, проблема возникает, когда результат публикуется в исходном виде. Разница между текстом, подготовленным с помощью ИИ, и неотредактированным машинным сгенерированным контентом видна невооружённым глазом, и это вызывает раздражение у аудитории, привыкшей к живому человеческому стилю.

Ключевым признаком ИИ-слопа является так называемый «ИИ-акцент», который складывается из двух составляющих — лексической и структурной. Лексическая составляющая проявляется в избыточном использовании определённых слов, которые нейросети применяют статистически чаще, чем люди. Анализ более 15 миллионов рефератов из базы PubMed показал резкий скачок таких английских терминов, как delve, underscore, boast, meticulous, commendable, showcase, intricate и tapestry после массового распространения ChatGPT. Интересно, что эти же слова стали чаще звучать и в устной речи, что говорит о взаимном влиянии искусственного и естественного языков. В русскоязычном сегменте тоже сложился свой набор маркеров: псевдоискренние обороты вроде «честный разбор», «давайте будем честны», «без воды», прямые кальки с английского ИИ-сленга — «глубоко погрузимся», «играет ключевую роль», «меняет правила игры», а также пафосные прилагательные «уникальный», «инновационный», «революционный» и нейтрально-позитивные оценки типа «несомненно», «гармонично», «комплексный подход». Ещё один яркий маркер — замена глаголов действия на конструкцию «является», как в примере «данный инструмент является отличным решением».

Однако ещё более надёжным индикатором ИИ-сгенерированного текста служат структурные паттерны, которые модель повторяет с частотой, недостижимой для живого автора. Одним из самых узнаваемых является использование тире как универсального знака препинания — вместо запятых, двоеточий и скобок. В справочнике Wikipedia «Signs of AI writing» это отмечено как один из главных признаков, причём настолько распространённый, что в OpenAI после выхода GPT-5.1 начали программно подавлять эту привычку модели. Другой заметный паттерн — антитеза «не X, а Y»: конструкция «это не про технологии, это про людей» при однократном использовании хороша, но, когда она повторяется семь раз подряд, эффект пропадает. Также типичны однострочные абзацы-обрывы и рубленые фразы, призванные создать драматический эффект, но на деле лишь усиливающие неестественность текста.

Проблема массового распространения неотредактированных ИИ-текстов обострилась на фоне отсутствия эффективных инструментов фильтрации на крупных площадках. На «Хабре», например, нет функции «скрыть все статьи этого блога» или фильтра по качеству, а модерация, по мнению многих пользователей, не ставит перед собой задачу поддержания высокого уровня публикаций. Корпоративные блоги часто выпускают материалы по редакционному календарю, прогоняя тему через нейросеть и публикуя результат без вдумчивого прочтения. Это создаёт ощущение «песка в глазах» — физическую усталость от чтения, вызванную не содержанием, а слишком узнаваемой, шаблонной формой, на которую мозг реагирует быстрее, чем на объём информации.

Для российского рынка ситуация осложняется тем, что ИИ-слоп распространяется не только на Хабре, но и на других платформах — в блогах компаний, новостных сайтах, и даже в научно-популярных лекциях и подкастах. Исследования показывают, что язык моделей, обученных на человеческих текстах, начинает влиять на то, как говорят сами люди, что усиливает эффект «заражения» искусственным стилем. При этом многие авторы искренне считают, что использование нейросети — это просто ускорение работы, не осознавая, что читатели остро чувствуют подмену. Живой текст обычно содержит шероховатости, личные интонации и непредсказуемые ходы, а машинный «вылизанный» вариант лишён этого — и именно отсутствие живого авторского начала вызывает отторжение.

Альтернативой ИИ-слопу могли бы служить смешанные подходы, когда нейросеть используется для генерации черновика, структуры или перевода, а человек тщательно редактирует результат, добавляя собственные мысли, примеры и стилистические особенности. Некоторые авторы уже начали сознательно избегать машинных маркеров — например, убирать лишние тире, заменять «является» на глаголы действия и сокращать количество клише. Однако пока это остаётся скорее исключением, чем правилом. Площадкам, возможно, стоит внедрять более строгие алгоритмы проверки или хотя бы предоставить пользователям возможность маркировать контент как «сгенерированный ИИ», чтобы читатели могли сознательно выбирать, хотят ли они тратить время на такой материал.

В перспективе можно ожидать, что проблема ИИ-слопа будет только усугубляться по мере совершенствования моделей и роста их доступности. Однако параллельно развиваются и инструменты детекции — как автоматические, так и основанные на человеческой экспертизе. Вероятно, в ближайшие годы сообщество выработает негласные стандарты качества, а редакторы и платформы начнут активнее бороться с потоками неотредактированного машинного текста. Пока же пользователям остаётся полагаться на собственную внимательность и интуицию — если после прочтения статьи возникает чувство «песка в глазах», скорее всего, автор просто забыл нажать кнопку «редактировать».