В текстах с признаками ИИ в 2,1 раза меньше прямых цитат. Для сравнения, в американских газетах летом 2025 г. доля таких материалов составляла около 9%. Доля статей с выраженными признаками генерации нейросетью в российских СМИ выросла с менее чем 0,1% до появления ChatGPT до 18% во II квартале 2026 г., по данным авторского исследования сооснователя онлайн-университета «Зерокодер» Кирилла Пшинника «Редакции после ChatGPT». Об этом CNews сообщили представители «Зерокодер».

Было изучено 254,61 тыс. статей из 174 российских изданий за 2020 — I полугодие 2026 г.

Рост за три года

До конца 2022 г. доля «ИИ»-статей держалась в пределах 0–0,08% за квартал: нейросетей для массовой генерации текста еще не было, и эти значения показывают уровень ложных срабатываний. После выхода ChatGPT 30 ноября 2022 г. показатель рос каждый год: 0,88% в IV квартале 2023-го, 5,7% — в IV квартале 2024 г., 14% — в IV квартале 2025 г. и 18% — во II квартале 2026 г.

Где ИИ-текстов больше всего

Доля ИИ-текстов зависит не столько от статуса издания, сколько от темы: нейросети чаще всего пишут о доме, еде и здоровье и почти не касаются политики и происшествий. По уровням изданий лидирует второй эшелон — тематические, лайфстайл и крупные региональные СМИ: у них каждая четвертая-пятая статья имеет признаки ИИ, у федеральных — каждая десятая. При этом рынок неоднороден: почти у половины изданий ИИ-статей меньше 5%, а у каждого пятого — больше 30%.

Кирилл Пшинник также сравнил статьи с признаками ИИ и статьи, которые детекторы уверенно относят к написанным людьми (2025 — I полугодие 2026).

Вместе с ИИ из публикаций уходит прямая речь. В статьях с признаками нейросетевой генерации прямых цитат в 2,1 раза меньше, а реплик экспертов — в 2,6 раза меньше, чем в текстах, написанных людьми. Такие материалы и короче: в среднем 773 слова против 1090. Похожая картина и внутри редакций: там, где ИИ-статей больше 20%, экспертов на 1 тыс. слов стало на 22% меньше, чем в 2020–2022 гг., а в изданиях почти без ИИ — на 6% больше. Авторы исследования подчеркивают, что это связь, а не доказанная причина.

Нейросетевой язык проник и в человеческие тексты

Исследователи отобрали 11 слов, которые в «ИИ»-статьях встречаются в 4,1 раза чаще, чем в человеческих: «ключевой», «формировать», «баланс», «критически» и другие. Во II квартале 2026 года по всем статьям они встречались в 1,9 раза чаще, чем в среднем за 2020–2022 гг.. Даже в текстах, которые детекторы считают человеческими, таких слов стало на 13% больше. Доля «серой зоны», то есть текстов с признаками ИИ ниже порога, вероятно отредактированных нейросетью, выросла с 1,7% до 27%.

Международный контекст

Схожую задачу решали ученые Мэрилендского университета, UMass Amherst, Университета Саймона Фрейзера и компании Pangram Labs, разработчика детектора ИИ-текстов. Они проверили 186 507 статей из 1528 американских газет, опубликованных с 15 июня по 15 сентября 2025 года. Признаки полной или частичной ИИ-генерации нашлись у 9,1% материалов. Исследование опубликовано в материалах конференции ACL 2026.

В российских СМИ во II–III кварталах 2025 г. доля «ИИ»-статей составляла 11–14%. Напрямую цифры сравнивать нельзя: исследования различаются детекторами, порогами и выборкой. В частности, американские авторы учитывали новостные заметки и тексты со смешанным авторством, а российское исследование заметки исключало. При этом часть закономерностей совпадает, часть — нет.

В обеих странах ИИ чаще встречается в материалах о здоровье, науке и технологиях и реже — в «жестких» темах. В США это конфликты и криминал (4–5% статей), в России — политика и происшествия (до 2,8%).

SDN против традиционной сети: сравниваем технологии на примере многоквартирного дома Сеть как дом

В США ИИ-текстов меньше в крупных газетах: 1,7% у изданий тиражом свыше 100 тысяч экземпляров против 9,3% у остальных. В России картина иная: больше всего ИИ у второго д за(23% во II квартале 2026 г.), у федеральных СМИ — 10%, у городских и нишевых — 7,9%.

Американские исследователи вручную проверили 100 статей, которые детектор отнес к сгенерированным ИИ, и 100 написанных людьми. Хотя бы одно недостоверное утверждение — выдуманную цитату, неверную статистику, ошибку в дате — нашли в 41% первых и в 5% вторых.

В выборке из 200 изданий с «ИИ»-статьями у 186 нет публичных правил использования ИИ. В 94% проверенных статей издание никак не сообщало читателю об участии нейросети.

Как проводилось исследование

Со стороны университета «Зерокодер» изучено 254,61 тыс. статей из 174 российских изданий за 2020 — I полугодие 2026 г. Короткие новостные заметки в выборку не входили. Издания разделены на три уровня: 13 федеральных общественно-политических и деловых, 99 изданий второго эшелона (тематические, лайфстайл, крупнейшие региональные) и 62 городских и нишевых. За 2024 — I полугодие 2026 г. взято по 1 тыс. статей на издание поровну по рубрикам, за 2020–2023 гг.— до 250 статей в год. Статьи 2023 и 2024 годов оценены по случайной выборке, 7–8 тыс. статей в год.

Как упорядочить управление доступом к ИТ-системам в компании: 7 рекомендаций экспертов УЦСБ

Каждую статью оценивали два открытых детектора ИИ-текста — OpenPangram-2B и Qwen3-4B-Detect. Статья считалась «ИИ», если средняя оценка двух моделей не ниже 0,5. Для сверки использовался детектор GigaCheck (Сбер). В индекс он не входит, потому что с 2025 года хуже распознает тексты новых моделей. Во II квартале 2026 года детекторы индекса отнесли к «ИИ» 14% и 23% статей, GigaCheck — 8,3%. Итоговый индекс — 18%.

Контролем служил период 2020–2022 гг., когда нейросетей для массовой генерации текста еще не было. Тогда детекторы помечали как «ИИ» 0–0,08% статей за квартал — это уровень ложных срабатываний. Такой же контроль использовали авторы американского исследования: среди колонок, опубликованных до декабря 2022 г., их детектор ошибочно отметил 0,1% текстов. В отличие от американской работы, российское исследование охватывает 6,5 лет, а не один сезон, использует два детектора вместо одного и исключает новостные заметки. Порог 0,5 на русскоязычных текстах СМИ отдельно не калибровался.

Языковые признаки — более 60 метрик, включая лексику, прямые цитаты, реплики экспертов и структуру текста, — сравнивались внутри каждого издания с его же прошлыми текстами. Оценка детектора не доказывает авторство конкретного текста. Поэтому названия изданий и имена авторов в исследовании не публикуются. Выборка отражает типичную статью издания, а не весь поток публикаций.