Проверка текста на ИИ в нейросети

Нейросеть может помочь заметить повторяющиеся формулировки, общие рассуждения и слабые места в аргументации. Но по готовому тексту нельзя достоверно установить, кто его написал. Поэтому языковые модели лучше использовать не как детектор авторства, а как редакторский инструмент: просить их указывать конкретные фрагменты, которые стоит проверить.

Какие модели подключить

Эта подборка не является рейтингом точности детектирования: перечисленные модели не устанавливают авторство. Их роли — редакторские сценарии, для которых можно использовать заявленные возможности моделей. Актуальные версии доступны в каталоге STIVA.

Как провести проверку

Откройте чат с ИИ на STIVA и начните с одной модели. Перед отправкой текста укажите его жанр и цель проверки: например, нужно ли оценить статью для блога, учебную работу или деловой материал. Это важно, потому что стандартный язык инструкции или научной статьи может выглядеть «ровным» не из-за нейросети, а из-за требований жанра.

Для первого прохода удобно использовать Claude Fable 5, попросив модель найти шаблонные обороты и повторы. Затем отправьте исходный текст с тем же запросом ChatGPT 6 Astra. Если нужно проверить аргументацию или материал вызывает серьёзные сомнения, добавьте отдельный разбор DeepSeek V4 Pro.

Не пересылайте следующей модели вывод предыдущей. Пусть каждая анализирует исходный текст самостоятельно: иначе второй ответ может повторить уже предложенные замечания. Сравнивайте не ярлыки вроде «похоже на ИИ», а конкретные совпадения — например, указали ли обе модели на один и тот же неподтверждённый факт или повтор мысли.

Готовый запрос для чата

Проведи редакторский анализ текста. Не пытайся определить, кто его написал, и не указывай вероятность генерации в процентах. Найди конкретные места, где формулировки слишком общие, мысль повторяется или вывод не подтверждается аргументами. Отдельно перечисли факты, числа и ссылки, которые нужно проверить. Для каждого замечания процитируй фрагмент и объясни, в чём вопрос. Учитывай, что ровный стиль может быть связан с жанром или редактурой. В конце раздели наблюдения о стиле и замечания по содержанию.

Если хочется уточнить или расширить свой запрос, можно воспользоваться инструментом улучшения промптов. Но даже хорошо составленная инструкция не превращает языковую модель в надёжный определитель авторства.

Что делать с результатами

Замечания моделей нужно проверять вручную. Если нейросеть назвала абзац шаблонным, спросите себя, действительно ли в нём нет конкретики. Если она отметила сомнительную статистику или цитату, найдите первоисточник. Модель может подсказать, где искать проблему, но её собственный ответ тоже может содержать ошибки.

Особенно осторожно следует относиться к «проценту ИИ». Такая оценка может выглядеть точной, но не показывает, как именно создан текст. Автор мог писать сам, но использовать стандартные формулировки; с другой стороны, сгенерированный черновик можно существенно отредактировать.

Когда на кону оценка, работа автора или решение заказчика, одного анализа текста недостаточно. Полезно посмотреть на черновики, историю правок и источники, а спорные места обсудить с автором. Детекторы и выводы нескольких моделей могут служить поводом для дополнительной проверки, но не доказательством.

Если нужно проверить большой документ

Для длинных PDF, DOCX и других файлов можно использовать инструмент анализа документов STIVA. В запросе попросите модель указывать страницы или разделы, где она обнаружила повторы, общие формулировки или фактические утверждения без подтверждения. Перед загрузкой проверьте, можно ли передавать документ внешнему сервису: это особенно важно для конфиденциальных материалов.

Если после проверки потребуется отредактировать текст, инструмент «Написать текст» можно использовать для работы со структурой и ясностью формулировок. Цель такой правки — улучшить материал, а не обойти детектор.

Рабочий подход выглядит так: сначала попросить одну модель провести редакторский разбор, затем независимо сверить её замечания со второй и вручную проверить спорные факты. Так нейросети на STIVA помогают не «поймать автора», а оценить качество текста и понять, что в нём действительно требует доработки.