Три месяца назад Хабр запретил тексты, написанные или отредактированные нейросетями. Автор пользовательского расследования проверил популярные публикации и утверждает: одного пункта в правилах оказалось недостаточно — подозрительные статьи и комментарии продолжают попадать в ленту.
Суть события
Автор материала на Хабре изучил публикации, вышедшие уже после изменения правил, с помощью детектора GPTZero. В пяти популярных постах он получил оценки вероятности ИИ-текста 100%, 48%, 98%, 99% и 98%. Это не официальный аудит площадки и не бесспорное доказательство авторства: детекторы ошибаются. Но масштаб выборки и реакция читателей показывают реальную проблему контроля качества.
Особенно неприятен разрыв между заявленным запретом и практикой. Если правило нельзя последовательно проверить и применить, добросовестные авторы тратят время на оригинальные материалы, а поток дешёвого контента получает те же каналы распространения. Для профессионального сообщества это быстро превращается в вопрос доверия, а не только стилистических предпочтений.
Детали
По данным автора, результаты сильно различались между компаниями и инструментами. У трёх свежих публикаций Timeweb Cloud GPTZero показал 99%, 92% и 98%, тогда как три проверенных поста RUVDS получили 0%. В другой выборке у AvitoTech одна из трёх свежих статей получила 70%, две другие — 0% и 6%. Эти цифры стоит читать как сигналы для ручной проверки, а не как готовые приговоры.
Автор также описывает статьи, которые читатели называли нейрослопом в комментариях, и профиль пользователя, опубликовавшего 12 материалов за 20 дней. По его наблюдению, шаблонные ответы продолжались и в обсуждениях. Жалоба на одну из публикаций, как утверждается, месяц оставалась без заметной реакции. Модерация использовала Yandex Neurodetector и GigaCheck, но их выводы расходились с GPTZero и оценками участников сообщества.
Контекст
Главная сложность в том, что универсального и безошибочного детектора ИИ-текста нет. Автоматическая оценка может стать поводом присмотреться к материалу, но удалять публикацию только по проценту рискованно: ложное срабатывание ударит по реальному автору. Полная проверка платными сервисами, по оценке автора исходного материала, могла бы стоить площадке сотни долларов ежемесячно — и всё равно потребовала бы решений людей.
Хабр здесь не одинок. Другие платформы тоже пытаются ограничить низкокачественный машинный контент: ранее мы рассказывали, как Snap и LinkedIn объявили войну AI-slop. Запрет легко сформулировать, но трудно превратить в прозрачную процедуру с понятными критериями, апелляцией и одинаковыми требованиями для частных и корпоративных авторов.
Что дальше
Практичный выход — не искать волшебный детектор, а сочетать несколько сигналов: жалобы сообщества, историю автора, резкие всплески публикационной активности, фактические ошибки, шаблонные ответы и результаты разных инструментов. Затем спорные случаи должен разбирать модератор. Площадка могла бы показывать статус проверки и объяснять решение, не выдавая вероятностную оценку за установленный факт.
Для компаний вывод ещё проще: публикация сырого нейротекста экономит часы сегодня, но обесценивает корпоративный блог завтра. Редакционная проверка, собственная экспертиза и готовность отвечать за факты нужны независимо от того, использовался ли ИИ. Иначе читатель перестаёт различать полезный материал и массовую генерацию — а вместе с этим исчезает причина возвращаться на площадку.
