ИИ находят уже в 42% текста дипломов — но детекторы всё ещё ошибаются

Доля текста с признаками использования искусственного интеллекта в студенческих дипломах резко выросла после появления ChatGPT и других генеративных моделей. Анализ почти 13 тысяч выпускных работ показал: если в 2022 году AI-детектор относил к подозрительным около 9,9% текста, то в работах 2025 года показатель достиг 42,3%.

При этом новые исследования 2026 года показывают обратную сторону проблемы: определить использование нейросети по одному готовому тексту всё ещё сложно. Детекторы становятся точнее, но особенно плохо справляются с текстами, где человек и ИИ работали вместе.

Что нашли в 13 тысячах дипломных работ

В исследовании ReText.AI проанализировали 12 996 выпускных работ за период с 2013 по 2025 год — в общей сложности более 590 млн символов текста. Из документов убрали титульные страницы, списки литературы, приложения и другие части, которые могли исказить результаты.

Каждый текст разбивали на достаточно крупные абзацы, после чего AI-детектор оценивал их по отдельности. Поэтому показатель 42,3% не означает, что нейросеть полностью написала 42,3% дипломов. Речь идёт о доле текста, который алгоритм классифицировал как похожий на генерацию или серьёзную переработку с помощью языковой модели.

Самый заметный рост начался после 2022 года:

• 2022 год — 9,9%;
• 2023 год — 18,9%;
• 2024 год — 24,2%;
• 2025 год — 42,3%.

Таким образом, за три года показатель вырос более чем в четыре раза.

Чаще всего ИИ находят во введениях и заключениях

Признаки генерации распределились по дипломам неравномерно.

В работах 2025 года самый высокий показатель оказался в заключениях — около 56%. Во введениях доля составила примерно 49%, а в основной части — около 41%.

Одно из возможных объяснений — структура этих разделов. Введение и заключение часто строятся из стандартных академических формулировок: описание актуальности, постановка цели, перечисление задач и краткое повторение выводов.

Такие фрагменты удобно создавать с помощью ChatGPT и других LLM. Но здесь возникает проблема: похожим образом иногда пишет и человек. Формальный академический язык сам по себе довольно предсказуем, поэтому детектор может принять обычный студенческий текст за машинный.

Исследование 2026 года проверило сразу 13 AI-детекторов

В 2026 году в журнале Computers & Education вышло ещё одно крупное исследование. Учёные проверили 13 коммерческих и открытых AI-детекторов на данных из реальных студенческих заданий, дипломных работ и программного кода.

Результаты оказались неоднозначными.

С длинными академическими работами детекторы справлялись лучше, а на коротких заданиях и программном коде качество заметно снижалось. Исследователи также обнаружили различия между дисциплинами: технические тексты из-за более формального языка могут создавать для алгоритмов дополнительные сложности.

Ещё интереснее оказался эксперимент с редактированием. Смешанная обработка AI-текста позволяла скрыть от детекторов до 88% сгенерированного контента. Авторы пришли к выводу, что современные системы пока недостаточно надёжны для решений с серьёзными последствиями — например, автоматического обвинения студента в нарушении академических правил.

Смешанный текст оказался главной проблемой

Отдельное исследование в International Journal for Educational Integrity, опубликованное в феврале 2026 года, сравнило Turnitin и Originality на 192 текстах: человеческих, полностью созданных ИИ и смешанных.

Общая точность Originality составила около 69%, Turnitin — около 61%. Но хуже всего обе системы справлялись именно со смешанными работами, где часть текста принадлежала человеку, а часть была создана нейросетью.

Это важная деталь, потому что именно такой способ использования ИИ постепенно становится наиболее естественным. Студент может самостоятельно провести исследование, попросить нейросеть сократить введение, исправить стиль нескольких абзацев, переписать вывод или помочь сформулировать переход между разделами.

Для детектора это уже не простой выбор между «человек» и «ИИ».

Другой эксперимент показал, что детекторы всё же становятся точнее

Есть и данные в пользу прогресса таких систем.

В другом исследовании 2026 года учёные сравнили Pangram, Turnitin, Copyleaks и GPTZero на полностью человеческих, полностью сгенерированных и смешанных академических текстах. Pangram показал лучшие результаты, а у трёх из четырёх сервисов в тестовой выборке не было ложных срабатываний на полностью человеческих текстах.

После этого Pangram использовали для анализа 1163 реальных магистерских работ 2024–2025 учебного года. Алгоритм отметил потенциальное присутствие ИИ в 529 работах — 45,5% выборки.

Но сами авторы подчёркивают важное ограничение: для этих реальных дипломов неизвестно, использовали ли студенты нейросеть на самом деле. Поэтому 45,5% — это доля работ, отмеченных алгоритмом, а не доказанная доля дипломов, написанных с помощью ИИ.

Даже Turnitin советует не обвинять студентов по одному проценту

Ограничения признают и сами разработчики инструментов.

Turnitin предупреждает, что его AI-модель может ошибочно классифицировать как человеческий, так и машинный текст. Компания прямо рекомендует не использовать результат AI Writing Report как единственное основание для санкций против студента.

Более того, Turnitin перестал показывать точный процент, если система обнаруживает от 1 до 19% потенциального AI-текста. Компания объясняет это повышенным риском ложных срабатываний в таком диапазоне. Вместо числа пользователь видит специальную отметку.

В феврале 2026 года Turnitin в очередной раз обновил модель распознавания ИИ, что тоже показывает характер этой технологии: детекторы приходится постоянно адаптировать под новые поколения языковых моделей.

Проверка дипломов постепенно меняется

Старый антиплагиат и новый AI-детектор решают разные задачи.

Антиплагиат ищет совпадения с уже существующими публикациями и документами. Сгенерированный нейросетью текст может оказаться практически уникальным и успешно пройти такую проверку.

AI-детектор, наоборот, пытается определить происхождение текста по статистике языка, структуре предложений и другим признакам. Но он не знает, как именно создавался документ, и не видит историю его редактирования.

Поэтому университетам, вероятно, придётся проверять не только конечный файл.

Вместо одного процента всё большую роль могут играть черновики, история изменений, источники, промежуточные версии исследования и способность студента объяснить методологию, расчёты и собственные выводы.

Что в итоге

Анализ почти 13 тысяч дипломов показывает довольно чёткую тенденцию: после появления доступных генеративных нейросетей количество текста с характерными для них признаками резко выросло.

Но поставить знак равенства между показателем AI-детектора и реальным использованием ChatGPT нельзя.

Исследования 2026 года одновременно показывают две тенденции. С одной стороны, системы распознавания становятся лучше и в некоторых условиях уже дают мало ложных срабатываний. С другой — смешанное авторство, редактирование и новые языковые модели по-прежнему серьёзно снижают их надёжность.

Поэтому главный вопрос для вузов постепенно меняется. Вместо попытки определить, «писал ли этот текст ИИ», приходится решать более сложную задачу: где заканчивается допустимая помощь нейросети и начинается работа, которую студент выдаёт за собственную.