За последний год ко мне регулярно приходят с одной и той же просьбой: посмотреть текст и сказать, нейросеть пишет его или живой копирайтер. Спрашивают редакторы блогов перед публикацией, владельцы интернет-магазинов перед загрузкой карточек в WooCommerce, иногда HR перед проверкой тестового задания кандидата. Универсального детектора, который даёт стопроцентный ответ, не существует, зато есть набор маркеров, которые я проверяю почти на автомате при вычитке чужих текстов, и они работают надёжнее любого онлайн-сервиса.
По теме статьи
Готовое решение
AI-чатбот для сайта на Claude - отвечает как ваш менеджер, работает 24/7
Подключу к вашему сайту чат-бота на Claude API. Бот отвечает на вопросы клиентов голосом вашего бренда, знает каталог и условия доставки, забирает лиды в CRM или Telegram.
от25 000 ₽
AI / Claude API
Искусственный интеллект для бизнеса
AI-чатбот на сайт с базой знаний, автообработка заявок, генерация контента, умный парсинг. Claude API, OpenAI, RAG.
от50 000 ₽
Зачем вообще отличать текст нейросети от человеческого
Заказчик присылает статью для блога, а редактор хочет понять, писал её штатный автор или просто прогнал бриф через ChatGPT и сдал без правок. Для SEO это не формальность: Google и Яндекс не банят сайт за сам факт использования нейросети при написании черновика, но алгоритмы вроде Helpful Content целятся именно в шаблонный, ничего не говорящий контент, а машинный текст без редактуры почти всегда получается шаблонным. Для интернет-магазина на тысячу карточек товаров разница ощутима в конверсии: описание «стильный и практичный аксессуар для повседневной жизни» ничего не продаёт, а фраза с конкретным материалом, размером и сценарием использования продаёт.
У меня был случай с клиентом на Tilda: маркетолог сдал десять лендингов с текстом, сгенерированным по одному и тому же промту под подключение эквайринга T‑Bank, отличались только названия товаров. Конверсия по всем десяти была одинаково низкой, потому что в блоке про оплату не было ни слова о реальных условиях подключения, только общие фразы про «удобную и безопасную оплату». Для агентств и фрилансеров вопрос ещё прозаичнее: в договоре часто прописано, что текст пишет человек, и если заказчик находит признаки нейросети без редактуры, разговор о сдаче работы получится неприятным.
Лексические привычки, по которым узнаётся ИИ-текст
У каждой модели свой словарный почерк, но за практику работы с текстами ChatGPT, Claude, YandexGPT и GigaChat я выделил общие черты, которые встречаются почти у всех:
- Канцелярские связки без содержания: «в рамках проекта», «с учётом особенностей», «на базе анализа» - слова, которые звучат солидно, но ничего не добавляют к смыслу.
- Вводные усилители: «важно отметить», «стоит подчеркнуть», «безусловно» - конструкции, которые заполняют предложение, но не несут информации.
- Парные и тройные перечисления: «не только удобно, но и практично», где третий пункт списка явно притянут ради ритма, а не смысла.
- Универсальные прилагательные без опоры на цифры: «эффективный», «качественный», «надёжное решение» - без сроков, характеристик и конкретных чисел.
- Финальные фразы-заглушки: «это открывает новые возможности» или «в итоге вы получаете отличный результат» вместо содержательного вывода с конкретным следующим шагом.
Ещё один визуальный маркер, который я всегда проверяю в исходном HTML статьи: избыточное использование длинного тире для псевдодраматических пауз посреди предложения. У нейросетей это встречается заметно чаще, чем у живых авторов, которые обычно ставят запятую или начинают новое предложение.
Ритм и структура текста как маркер генерации нейросетью
Беру текст в любой текстовый редактор и смотрю на длину предложений построчно. У человека она скачет: три слова, потом двадцать пять, потом снова короткое, живая речь сбивается, потому что мысль не укладывается ровно. У нейросети без ручной правки разброс маленький, предложения по 15-20 слов идут одно за другим, будто под линейку, а абзацы получаются примерно одинаковой длины независимо от того, простая мысль в них или сложная.
Смотрю и на примеры внутри текста. Человек, который пишет про доставку, сошлётся на конкретный случай с СДЭК, укажет реальный тариф, город или срок в днях. Нейросеть в похожей ситуации выдаст обтекаемое «например, курьерская служба доставила заказ вовремя» без единой цифры. Та же логика с отраслевыми деталями: если в статье про Tilda-скрипты нет ни одного конкретного примера настройки, только общие рассуждения про «гибкость платформы», вероятность, что текст не редактировали после генерации, высокая.
Машинный вариант: «Компания обеспечивает своевременную доставку по всей стране, используя надёжных партнёров и современные технологии логистики». Отредактированный вариант: «СДЭК довозит до Новосибирска за 3-4 дня, Boxberry чуть дешевле, но добавляет день на транзит через Москву». Во втором случае читатель получает данные, которые можно использовать для решения, в первом просто закрывает вкладку.
Бесплатный материал
🎁 Полезный скрипт в подарок
Подпишитесь на Telegram - пришлю готовый скрипт по этой теме.
Без спама. Отписка в 1 клик.
Сервисы для проверки текста на нейросеть и их ограничения
Автоматические детекторы дают числовую оценку вероятности того, что текст сгенерирован. Пользоваться ими можно, но результат я всегда перепроверяю руками, вот на что смотрю при выборе инструмента:
| Сервис | На чём в основном обучен | Бесплатная проверка | Что учитывать на русском тексте |
|---|---|---|---|
| GPTZero | английский корпус | ограниченное число проверок в день | чаще ошибается на коротких и технических текстах |
| Originality.ai | английский корпус | нет, только платная подписка | точнее конкурентов на длинных текстах, но без русской специализации |
| Content at Scale AI Detector | английский корпус | есть, без регистрации, с лимитом по символам | даёт наглядный процент, но результат стоит перепроверять вручную |
| Turnitin | академические тексты | только через подписку учебного заведения | заточен под студенческие работы, а не маркетинговые тексты |
Почему детекторы иногда ошибаются
Большинство таких сервисов на русском тексте путаются заметно чаще, чем на английском: могут пометить как «машинный» тщательно отредактированный текст живого автора, который пишет структурированно и без лишних эмоций, и пропустить черновик нейросети, слегка причёсанный синонимайзером. Поэтому детектор у меня работает только как первый фильтр на большом объёме, а финальное решение принимаю по совокупности лексики, ритма и наличия конкретики, о которых писал выше.
Как редактировать черновик от нейросети, чтобы убрать шаблонность
Использовать нейросеть для первого варианта текста нормально, вопрос в том, что происходит после генерации. Когда сам собираю черновик поста для Telegram-канала через связку aiogram-бота и Claude API или прогоняю рерайт карточек товаров через сценарий в n8n, довожу его до публикации по одной схеме:
- Убираю канцелярские связки и вводные конструкции из первого прохода.
- Добавляю минимум один факт, который нельзя нагуглить за пять секунд, обычно это цифра или название конкретного инструмента из практики.
- Меняю длину предложений вручную: разбиваю длинные, оставляю короткие там, где нужен акцент.
- Вставляю личное мнение или оговорку, даже если она не идеальна с точки зрения маркетинга.
- Проверяю финальный абзац, чтобы там не осталось фразы-заглушки вроде «это открывает новые возможности».
Отдельно проверяю личный опыт и мнение в тексте. Нейросеть по умолчанию нейтральна и старается угодить любому читателю, поэтому в её тексте редко встретишь спорное утверждение или признание в духе «я пробовал так, не сработало». Добавление таких деталей не только убирает машинный привкус, но и повышает доверие к статье, потому что читатель видит, что автор действительно сталкивался с темой, а не пересказал общедоступные факты.
Когда проверку и доработку текстов стоит автоматизировать
Если тексты идут потоком, карточки товаров, рассылки, посты для соцсетей, вычитывать каждый вручную не масштабируется. В таких случаях удобнее собрать скрипт, который прогоняет текст через несколько эвристик: разброс длины предложений, частотность канцелярских оборотов, долю уникальных слов, и присваивает оценку риска, а человек проверяет только пограничные случаи. Я делаю такие скрипты и интеграции под задачи бизнеса, обычно как часть более широкого конвейера подготовки контента, а не разовую утилиту.
Частые вопросы
Можно ли на 100% доказать, что текст написала нейросеть?
Нет, ни один детектор такой гарантии не даёт. GPTZero, Originality.ai и подобные сервисы считают вероятность на основе статистических паттернов, а не точный факт, и после ручной редактуры вероятность легко падает до значений, которые сервис читает как «написано человеком». Достоверный вывод получается только при сочетании автоматической проверки и внимательного чтения текста.
Штрафуют ли поисковики сайты за тексты, которые пишет нейросеть?
Google и Яндекс прямо не наказывают за сам факт генерации. Алгоритмы вроде Helpful Content оценивают полезность и уникальность контента независимо от того, кто его написал, но шаблонный неотредактированный текст обычно проигрывает по этим критериям вне зависимости от происхождения, поэтому просадка в выдаче чаще связана с качеством, а не с источником.
Как проверить текст на нейросеть без платных сервисов?
Смотрю на разброс длины предложений и абзацев, на количество канцелярских связок вроде «в рамках» и «с учётом», на наличие конкретных цифр, имён и примеров вместо общих формулировок. Бесплатные тарифы GPTZero и Content at Scale дают ограниченное число проверок, их хватает, чтобы откалибровать глаз на собственных текстах и дальше читать вручную.
Стоит ли вообще отказываться от нейросети при подготовке текста?
Нет смысла, если черновик потом дорабатывают. Нейросеть быстро собирает структуру, черновой вариант и варианты формулировок, а дальше нужна ручная правка: конкретика, личный опыт и живой ритм, которые как раз и отличают опубликованный текст от сырого вывода модели.