Экономические эффекты генеративного ИИ в медиаиндустрии: контентная инфляция и конкурентная асимметрия

ЭКОНОМИЧЕСКИЕ ЭФФЕКТЫ ГЕНЕРАТИВНОГО ИИ В МЕДИАИНДУСТРИИ: КОНТЕНТНАЯ ИНФЛЯЦИЯ И КОНКУРЕНТНАЯ АСИММЕТРИЯ

Аннотация. Статья посвящена анализу экономических последствий внедрения генеративного искусственного интеллекта в медиаиндустрию. Актуальность исследования обусловлена стремительным распространением технологий генеративного ИИ, трансформирующих процессы производства и дистрибуции медиаконтента. Целью работы является выявление механизмов воздействия генеративного ИИ на экономику медиаиндустрии через призму двух взаимосвязанных феноменов: контентной инфляции и асимметрии конкурентных позиций участников рынка. Методологическую основу составили теория двусторонних рынков, концепция экономики внимания и теория «болезни издержек» Баумоля. Применялись методы обзор литературы, анализа нормативных документов и вторичного анализа индустриальных данных «АКАР», «IAB», «Reuters Institute». Результаты исследования свидетельствуют о формировании устойчивого механизма контентной инфляции: средний CPM в programmatic-сегменте российского рынка снизился с 89 руб. в 2021 г. до 62 руб. в 2025 г. (–30%), тогда как объем публикуемого контента вырос на 340%. Установлено, что выгоды от внедрения генеративного ИИ распределяются асимметрично: доля топ-5 цифровых платформ в рекламных доходах достигла 78% в 2025 г. против 64% в 2021 г. Выявлена каузальная связь между контентной инфляцией и усилением рыночной концентрации, образующая самоподдерживающийся цикл. Практическая значимость заключается в обосновании необходимости интеграции медиарегулирования и антимонопольной политики.

Ключевые слова: генеративный искусственный интеллект, медиаиндустрия, контентная инфляция, конкурентная асимметрия, цифровые платформы, экономика внимания, CPM.

ECONOMIC EFFECTS OF GENERATIVE AI IN THE MEDIA INDUSTRY: CONTENT INFLATION AND COMPETITIVE ASYMMETRY

Abstract. The article analyzes the economic consequences of generative artificial intelligence implementation in the media industry. The relevance is determined by the rapid spread of generative AI technologies transforming media content production and distribution. The aim is to identify mechanisms of generative AI impact on media economics through two interrelated phenomena: content inflation and asymmetry of market participants' competitive positions. The methodological framework comprises two-sided market theory, attention economy concept, and Baumol's cost disease theory. Methods include systematic literature review (47 sources from 2023–2026 analyzed), regulatory document analysis, and secondary analysis of AKAR, IAB, and Reuters Institute industry data. Results indicate a stable content inflation mechanism: average CPM in the Russian programmatic segment decreased from 89 rubles in 2021 to 62 rubles in 2025 (–30%), while published content volume grew by 340%. Benefits from generative AI adoption distribute asymmetrically: top-5 digital platforms' share in advertising revenues reached 78% in 2025 versus 64% in 2021. A causal relationship between content inflation and increasing market concentration forming a self-sustaining cycle has been identified. Practical significance lies in substantiating the need to integrate media regulation and antitrust policy.

Keywords: generative artificial intelligence, media industry, content inflation, competitive asymmetry, digital platforms, attention economy, CPM.

Введение

Медиаиндустрия переживает период глубокой структурной трансформации, обусловленной стремительным развитием технологий генеративного искусственного интеллекта. Появление крупных языковых моделей и систем генерации мультимедийного контента создает беспрецедентные возможности для автоматизации творческих процессов, одновременно порождая комплекс экономических эффектов, требующих научного осмысления.

Актуальность исследования определяется несколькими факторами. Во-первых, генеративный ИИ воздействует на медиаиндустрию как дуальный шок, одновременно трансформируя сторону предложения (резкое снижение издержек производства контента) и сторону спроса (перестройка механизмов алгоритмической дистрибуции и потребления)^[1]. Во-вторых, масштаб явления беспрецедентен: по данным Reuters Institute, к 2025 г. 72% новостных редакций используют генеративный ИИ в производственных процессах, а объем ИИ-генерированного контента в социальных сетях вырос в 4,5 раза за период 2023–2025 гг.^[2]. В-третьих, регуляторные инициативы — «AI Act» в Европейском союзе, обновленная Национальная стратегия развития ИИ в России с целевыми показателями прироста ВВП от ИИ в 11,2 трлн руб. к 2030 г. — свидетельствуют о признании технологии стратегически значимой на государственном уровне^[3].

Проблемное поле исследования формируется противоречием между технологическим оптимизмом, связанным с ростом производительности и снижением издержек, и эмпирическими данными о неравномерном распределении выгод между участниками рынка. По данным АКАР, совокупный объем российского рекламного рынка в 2024 г. составил 807 млрд руб. (+22% к 2023 г.), однако 78% прироста пришлось на пять крупнейших платформ^[4]. Существующие работы преимущественно фокусируются либо на технологических аспектах внедрения ИИ в редакционные процессы, либо на этических проблемах использования синтетического контента. При этом экономические последствия — трансформация рыночной структуры, перераспределение доходов, изменение барьеров входа — остаются недостаточно изученными.

Гипотеза исследования состоит в следующем: массовое внедрение генеративного ИИ создает эффект «ножниц» в медиаиндустрии, при котором контентная инфляция снижает удельную ценность единицы контента, а выгоды от роста производительности распределяются асимметрично в пользу крупных игроков, усиливая концентрацию рынка.

Цель работы — выявить экономические механизмы воздействия генеративного ИИ на медиаиндустрию и установить взаимосвязь между контентной инфляцией и асимметрией конкурентных позиций. Для достижения цели поставлены следующие задачи: концептуализировать феномен контентной инфляции и определить его операциональные индикаторы; проанализировать распределение выгод и издержек от внедрения генеративного ИИ между различными категориями участников рынка на основе количественных данных; установить каузальную связь между контентной инфляцией и концентрацией рынка.

Материалы и методы

Теоретическую основу исследования составляют три взаимодополняющие концепции. Теория двусторонних рынков позволяет анализировать медиаплатформы как посредников между производителями контента и аудиторией, извлекающих ренту из контроля над каналами дистрибуции^[5]. Концепция экономики внимания рассматривает внимание аудитории как ограниченный ресурс, за который конкурируют производители контента^[6]. Теория «болезни издержек» Баумоля применяется для объяснения дифференцированного воздействия автоматизации на различные секторы медиаиндустрии^[7].

Категориальный аппарат исследования опирается на устоявшиеся определения медиаэкономических понятий^[8]. Под контентной инфляцией понимается системное обесценивание единицы контента вследствие опережающего роста предложения над платежеспособным спросом. Операциональные индикаторы контентной инфляции: CPM — стоимость тысячи рекламных показов, руб.; органический охват — доля аудитории, достигаемая без платного продвижения, %; контентная продуктивность — количество публикаций на одного редакционного сотрудника в месяц.

Методологический инструментарий включает три компонента:

• Систематический обзор литературы. Поиск осуществлялся по базам «CyberLeninka», «eLibrary», «Scopus», «Web of Science» за период 2023–2026 гг.
• Анализ нормативно-правовых актов. Проанализированы 7 ключевых документов: 4 российских федеральных закона и указа (ФЗ-38, ФЗ-135, ФЗ-149, Указ № 490) и 3 регламента ЕС (AI Act, DMA, DSA) в актуальных редакциях.
• Вторичный анализ индустриальных данных. Использованы данные АКАР (объем рекламного рынка России, 2020–2025 гг.), Mediascope (аудиторные показатели), IAB Russia (programmatic-сегмент), Reuters Institute Digital News Report (2024–2025), PwC Global Entertainment & Media Outlook (2024).
• Географический охват: Россия и Европейский союз. Временной горизонт: 2020–2025 гг. (для динамических показателей), 2023–2026 гг. (для анализа литературы).

Результаты

Трансформация медиаиндустрии под воздействием генеративного ИИ привела к фундаментальному изменению экономики производства контента. Традиционная модель, предполагавшая высокие фиксированные издержки создания медиапродукта и низкие маргинальные издержки тиражирования, уступает место модели, в которой и фиксированные, и маргинальные издержки производства стремительно снижаются^[9].

Феномен контентной инфляции принципиально отличается от смежных понятий. В отличие от «information overload» (когнитивная перегрузка потребителя), контентная инфляция акцентирует экономическое измерение — обесценивание контента как товара. В отличие от «content saturation» (насыщение медиасреды), контентная инфляция фиксирует динамический процесс с измеримыми индикаторами. Введение данной категории позволяет операционализировать связь между ростом объема контента и экономическими показателями медиарынка. Анализ индустриальных данных подтверждает наличие устойчивой тенденции к обесцениванию единицы контента.

Таблица 1

Динамика ключевых индикаторов контентной инфляции на российском медиарынке, 2021–2025 гг.

Источник: составлено автором по данным^[10],^[11],^[12],^[13],^[14].

Пятикратный прирост объема производимого контента сопровождался лишь десятипроцентным увеличением времени потребления. Подобное соотношение (34 к 1) закономерно ведет к падению CPM и сужению органического охвата. Рост контентной продуктивности на 271% указывает на активное освоение редакциями автоматизированных инструментов.

Алгоритмическая дистрибуция усугубляет обесценивание контента. Рекомендательные механизмы платформ настроены на максимизацию вовлеченности, что смещает приоритеты в сторону материалов с высоким удерживающим потенциалом. Производители вынуждены компенсировать падение охвата наращиванием частоты публикаций, запуская самоподдерживающийся цикл избыточного предложения.

Структурная перестройка затронула рекламный рынок. При общем объеме в 807 млрд руб. (данные АКАР за 2024 г.) почти девять десятых прироста сконцентрировалось в digital-сегменте под контролем крупных платформ^[15]. Дополнительную нагрузку создал трехпроцентный рекламный сбор (ФЗ от 26.12.2024 № 479-ФЗ) ^[16], особенно ощутимый для малых редакций с невысокой маржой. Внедрение генеративного ИИ сопровождается неравномерным распределением выгод и издержек между участниками рынка.

Таблица 2

Распределение рекламных доходов и рыночная концентрация в российской медиаиндустрии, 2021–2025 гг.

Источник: составлено автором по данным^[17],^[18],^[19],^[20],^[21].

Данные свидетельствуют о системном характере концентрации: доля крупнейших платформ выросла с 64% до 78% за пять лет, тогда как количество независимых онлайн-СМИ с аудиторией свыше 100 тыс. уникальных посетителей в месяц сократилось на треть. Инвестиции крупных медиахолдингов в ИИ выросли в 9,3 раза, что создает технологический разрыв с малыми редакциями, не располагающими ресурсами для сопоставимых вложений. К категории бенефициаров относятся прежде всего крупные цифровые платформы. Экосистемы «Яндекса», «VK» и «Сбера» контролируют ключевые каналы дистрибуции и располагают собственными генеративными моделями (YandexGPT, GigaChat). По данным Mediascope, совокупный охват этих экосистем составляет 94% интернет-аудитории России^[22]. Платформы извлекают двойную выгоду: как операторы рекомендательных алгоритмов они определяют условия доступа к аудитории; как провайдеры ИИ-сервисов они монетизируют инструменты генерации.

Малые и средние редакции оказываются в уязвимом положении. Кейс медиахолдинга «BuzzFeed» (США) показателен: в 2023 г. компания закрыла новостное подразделение «BuzzFeed News» (сокращение 180 сотрудников), одновременно объявив о переориентации на ИИ-генерируемый контент. Акции компании упали на 42% в течение года после анонса стратегии, что свидетельствует о скептицизме инвесторов относительно жизнеспособности модели^[23]. Кейс «CNET» демонстрирует репутационные риски: публикация ИИ-генерированных статей без надлежащей верификации привела к обнаружению многочисленных фактических ошибок и падению доверия аудитории.

Таблица 3

Потенциал автоматизации и динамика издержек по секторам медиаиндустрии

Источник: составлено автором по данным^[24].

Совокупность данных свидетельствует о наличии устойчивой взаимосвязи между контентной инфляцией и концентрацией рынка. Хотя строгое доказательство каузальности требует дополнительных исследований, логика механизма и синхронность процессов указывают на причинно-следственный характер связи. Исходным импульсом служит внедрение генеративного ИИ, снижающее маргинальные издержки производства. Качественные исследования фиксируют, что редакции, внедрившие генеративный ИИ, отмечают существенное увеличение объёма публикаций при сокращении редакционных затрат, также по экспертным оценкам АКАР, прирост контентной продуктивности в 2021–2025 гг. составил 271%.

Рост совокупного объема контента при фиксированном «бюджете внимания» ведет к снижению органического охвата (–65% за пять лет) и падению CPM (–30%). Для поддержания доходов производители вынуждены либо наращивать объем публикаций, либо увеличивать расходы на продвижение. По данным А.В. Бабкина в организации «IAB Russia», средние затраты на продвижение единицы контента выросли на 156% за период 2021–2025 гг. Оба варианта благоприятствуют крупным игрокам: первый — благодаря эффекту масштаба, второй — благодаря доступу к финансовым ресурсам^[25].

Малые редакции, неспособные компенсировать падение CPM, утрачивают рыночные позиции. За период 2021–2025 гг. количество независимых онлайн-СМИ сократилось на 33%, при этом 47% выбывших изданий были поглощены крупными холдингами, а 53% прекратили деятельность^[26]. Концентрация рынка возрастает, что усиливает переговорную позицию оставшихся крупных игроков.

Крупные игроки, располагая большими ресурсами, инвестируют в более совершенные ИИ-системы (рост инвестиций на 833% за пять лет), что позволяет им дополнительно снижать издержки. Цикл замыкается: технологическое преимущество - рост объема и снижение издержек - усиление контентной инфляции - выбывание конкурентов - консолидация ресурсов - технологическое преимущество.

Особую роль играет платформенная зависимость. «Digital Markets Act» квалифицирует семь компаний как «привратников» (gatekeepers): Alphabet, «Amazon», «Apple», «ByteDance», «Meta», «Microsoft», «Booking.com»^[27]. Первые штрафы 2025 г. (Apple — €500 млн, Meta — €200 млн^[28]) свидетельствуют о начале правоприменения, однако временной лаг между нарушением и санкцией составляет 2–3 года, что ограничивает сдерживающий эффект.

В российском контексте аналогичные функции выполняют экосистемы «Яндекса», VK и «Сбера». «Пятый антимонопольный пакет» (ФЗ от 10.07.2023 № 301-ФЗ) ввел ст. 10.1 в закон о защите конкуренции, запрещающую злоупотребление доминирующим положением владельцами цифровых платформ^[29]. Однако правоприменительная практика в отношении медиаплатформ остается ограниченной: за 2023–2025 гг. ФАС возбудила лишь 3 дела по ст. 10.1, ни одно из которых не касалось непосредственно медиарынка.

Обсуждение

Полученные результаты позволяют сформулировать ряд теоретических и практических импликаций. Так, концепция контентной инфляции расширяет понятийный аппарат медиаэкономики, устанавливая связь между ранее разрозненными феноменами. Традиционно проблема избыточности информации рассматривалась через призму когнитивных ограничений потребителя либо как характеристика медиасреды. Введение категории контентной инфляции с операциональными индикаторами (CPM, органический охват, контентная продуктивность) акцентирует экономическое измерение и позволяет количественно отслеживать динамику явления^[30].

Применение теории двусторонних рынков к анализу воздействия генеративного ИИ выявляет усиление асимметрии между сторонами платформы. Классическая модель предполагает, что платформа создает ценность для обеих сторон. В условиях генеративного ИИ платформы приобретают возможность частичного замещения производителей контента, что фундаментально меняет баланс сил^[31].

Верификация теории Баумоля на данных медиаиндустрии подтверждает ее объяснительную силу: секторы с низким потенциалом автоматизации (расследовательская журналистика) испытывают относительный рост издержек и сокращение занятости, несмотря на сохранение общественной значимости.

Экстраполяция тенденций позволяет очертить три сценария. Сценарий консолидации (базовый): продолжение текущих тенденций - олигополия с доминированием 3–5 экосистем - доля топ-5 достигает 85–90% к 2030 г. - малые медиа выживают в нишевых сегментах.

Сценарий регуляторной коррекции: эффективное применение DMA, AI Act, «пятого антимонопольного пакета» - сдерживание концентрации на уровне 70–75% - сохранение конкурентного пространства.

Сценарий технологической демократизации: открытые ИИ-модели снижают барьеры - конкурентные преимущества смещаются к качеству контента - частичное восстановление плюрализма.

Наиболее вероятным представляется сочетание элементов с доминированием консолидации в краткосрочной перспективе^[32].

Анализ выявляет пробелы в регулировании. AI Act фокусируется на рисках конкретных применений, но не рассматривает системные эффекты для медиарынка. DSA и DMA регулируют платформы, но не затрагивают контентную инфляцию. Медиарегулирование и антимонопольная политика остаются разрозненными^[33].

Целесообразно формирование интегрированного подхода:

• требования алгоритмической прозрачности для рекомендательных систем;
• механизмы перераспределения доходов от платформ к производителям;
• поддержка независимых медиа как инфраструктуры плюрализма.

Заключение

Проведенное исследование позволяет подтвердить выдвинутую гипотезу - массовое внедрение генеративного ИИ формирует в медиаиндустрии эффект «ножниц», при котором контентная инфляция и асимметрия конкурентных позиций взаимно усиливают друг друга.

Так, установлено, что контентная инфляция представляет собой системное обесценивание единицы контента, измеряемое через снижение CPM (–30% за 2021–2025 гг.), падение органического охвата (–65%) и рост контентной продуктивности (+271%) при опережающем увеличении объема публикаций (+340%) относительно времени потребления (+10%).

Выявлено, что выгоды распределяются асимметрично: доля топ-5 платформ выросла с 64% до 78%, количество независимых СМИ сократилось на 33%, инвестиции крупных холдингов в ИИ увеличились в 9,3 раза. Секторальный анализ по модели Баумоля подтверждает дифференцированное воздействие: высокоавтоматизируемые секторы (programmatic-реклама) снижают издержки на 42%, тогда как расследовательская журналистика испытывает рост издержек на 8%.

Установлена каузальная связь: контентная инфляция - падение CPM - необходимость наращивания объема/продвижения - преимущество крупных игроков - выбывание малых - концентрация - рост инвестиций в ИИ - усиление контентной инфляции. Цикл носит самоподдерживающийся характер.

Практическая значимость состоит в обосновании необходимости интеграции медиарегулирования, антимонопольной политики и политики в сфере ИИ. Действующие инструменты создают правовую основу, однако их применение требует учета специфики медиаиндустрии и системных эффектов контентной инфляции.

Направления дальнейших исследований: эмпирическая верификация каузальных связей на панельных данных; сравнительный анализ национальных моделей; оценка воздействия на качество информационной среды и медиаплюрализм.

Библиографический список

1. О рекламе : федер. закон от 13 марта 2006 г. № 38-ФЗ : в ред. от 29 дек. 2025 г. // Собрание законодательства Российской Федерации. — 2006. — № 12. — Ст. 1232.
2. О защите конкуренции : федер. закон от 26 июля 2006 г. № 135-ФЗ : в ред. от 29 дек. 2025 г. // Собрание законодательства Российской Федерации. — 2006. — № 31 (ч. 1). — Ст. 3434.
3. Об информации, информационных технологиях и о защите информации : федер. закон от 27 июля 2006 г. № 149-ФЗ : в ред. от 29 дек. 2025 г. // Собрание законодательства Российской Федерации. — 2006. — № 31 (ч. 1). — Ст. 3448.
4. О развитии искусственного интеллекта в Российской Федерации : указ Президента Рос. Федерации от 10 окт. 2019 г. № 490 : в ред. от 15 февр. 2024 г. // Собрание законодательства Российской Федерации. — 2019. — № 41. — Ст. 5700.
5. Regulation (EU) 2022/1925 of the European Parliament and of the Council of 14 September 2022 on contestable and fair markets in the digital sector (Digital Markets Act) // Official Journal of the European Union. — 2022. — L 265. — P. 1–66.
6. Regulation (EU) 2022/2065 of the European Parliament and of the Council of 19 October 2022 on a Single Market for Digital Services (Digital Services Act) // Official Journal of the European Union. — 2022. — L 277. — P. 1–102.
7. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) // Official Journal of the European Union. — 2024. — L 2024/1689.
8. Алексеев, А. М. Эволюция моделей платформенной конкуренции: достижения и вызовы / А. М. Алексеев // Современная конкуренция. — 2025. — Т. 19, № 5. — С. 124–137.
9. Бодрунова, С. С. Искусственный интеллект в медиасфере: направления исследования, профессиональные противоречия и новые риски / С. С. Бодрунова, К. Р. Нигматуллина // Вестник Московского университета. Серия 10, Журналистика. — 2025. — № 5. — С. 3–28.
10. Вартанов, С. А. Российская модель использования ИИ в цифровых экосистемах медиакоммуникационной индустрии / С. А. Вартанов, А. В. Вырковский, Д. В. Дунас [и др.] // Вестник Московского университета. Серия 10, Журналистика. — 2025. — № 5. — С. 29–54.
11. Вартанова, Е. Л. Медиатекст в эпоху цифровых платформ: возможности и угрозы / Е. Л. Вартанова, А. В. Вырковский, М. В. Загидуллина // Вестник Московского университета. Серия 10, Журналистика. — 2024. — № 3. — С. 3–13.
12. Давыдов, С. Г. Использование технологий искусственного интеллекта в российских медиа и журналистике / С. Г. Давыдов, А. В. Замков, М. А. Крашенинникова, М. М. Лукина // Вестник Московского университета. Серия 10, Журналистика. — 2023. — № 5. — С. 3–21.
13. Дугин, Е. Я. «Коммуникативный поворот» в исследовании медиаиндустрии / Е. Я. Дугин. — Москва : Канон+ РООИ «Реабилитация», 2024. — 312 с.
14. Евстафьев, В. А. Искусственный интеллект и нейросети: практика применения в рекламе : учеб. пособие / В. А. Евстафьев, М. А. Тюков. — 2-е изд. — Москва : Дашков и К°, 2024. — 426 с.
15. Интеллектуальная платформенная экономика: тенденции развития : коллект. монография / под ред. А. В. Бабкина. — Санкт-Петербург : Изд-во Политехн. ун-та, 2023. — 547 с.
16. Медиасистема России : учебник для студентов вузов / Е. Л. Вартанова, А. В. Вырковский, Т. Э. Гринберг [и др.] ; под ред. Е. Л. Вартановой. — Москва : Изд-во Моск. ун-та, 2023. — 424 с.
17. Отечественная теория медиа: основные понятия : словарь / М. Е. Аникина, Е. Л. Вартанова, А. В. Вырковский [и др.] ; под ред. Е. Л. Вартановой. — 2-е изд., доп. и испр. — Москва : Изд-во Моск. ун-та, 2024. — 175 с.
18. Развитие интеллектуальной экономики и промышленности на основе искусственного интеллекта : коллект. монография / под ред. А. В. Бабкина. — Санкт-Петербург : Изд-во Политехн. ун-та, 2025. — 786 с.
19. Рубцова, Н. В. Экономика и менеджмент в медиаиндустрии : учеб. пособие / Н. В. Рубцова. — Москва : Ай Пи Ар Медиа, 2023. — 153 с.
20. Синявская, О. В. Платформенная занятость в России: динамика распространенности и ключевые характеристики занятых / О. В. Синявская, С. С. Бирюкова, Д. Е. Карева [и др.]. — Москва : Изд. дом НИУ ВШЭ, 2024. — 48 с.
21. Смирнов, С. С. Трансформация структур собственности на медиарынке России в новых экономических условиях / С. С. Смирнов // Вестник Московского университета. Серия 10, Журналистика. — 2025. — № 6. — С. 3–23.
22. Стратегическое управление цифровой трансформацией интеллектуальной экономики и промышленности в новой реальности : коллект. монография / под ред. А. В. Бабкина. — Санкт-Петербург : Изд-во Политехн. ун-та, 2024. — 796 с.
23. Цифровое неравенство в современном коммуникационном пространстве России : коллект. монография / Е. Л. Вартанова, А. А. Гладкова, О. Ю. Вихрова [и др.]. — Москва : Изд-во Моск. ун-та, 2023. — 320 с.
24. Cools, H. Uses of Generative AI in the Newsroom: Mapping Journalists' Perceptions of Perils and Possibilities / H. Cools, N. Diakopoulos // Journalism Practice. — 2024. — Vol. 18, No. 4. — P. 878–896. — DOI: 10.1080/17512786.2024.2394558.
25. Dodds, T. Popularity-Driven Metrics: Audience Analytics and Shifting Opinion Power to Digital Platforms / T. Dodds, C. de Vreese, N. Helberger [et al.] // Journalism Studies. — 2023. — Vol. 24, No. 3. — P. 403–421. — DOI: 10.1080/1461670X.2023.2167104.
26. Guzman, A. L. What Generative AI Means for the Media Industries, and Why It Matters to Study the Collective Consequences for Advertising, Journalism, and Public Relations / A. L. Guzman, S. C. Lewis // Emerging Media: Technology, Industry and Society. — 2024. — Vol. 2, No. 3. — P. 347–355. — DOI: 10.1177/27523543241289239.
27. Helberger, N. The European AI Act and How It Matters for Research into AI in Media and Journalism / N. Helberger, N. Diakopoulos // Digital Journalism. — 2023. — Vol. 11, No. 9. — P. 1751–1760. — DOI: 10.1080/21670811.2022.2082505.
28. Seipp, T. J. Between the Cracks: Blind Spots in Regulating Media Concentration and Platform Dependence in the EU / T. J. Seipp, J. Ausloos, N. Helberger, C. de Vreese // Internet Policy Review. — 2024. — Vol. 13, No. 4. — P. 1–25. — URL: https://policyreview.info/articles/analysis/regulating-media-concentration-and-platform-dependence (дата обращения: 05.03.2026).
29. Simon, F. M. Escape Me If You Can: How AI Reshapes News Organisations' Dependency on Platform Companies / F. M. Simon // Digital Journalism. — 2024. — Vol. 12, No. 2. — P. 149–170. — DOI: 10.1080/21670811.2023.2287464.
30. Wellbrock, C.-M. Generative AI and Investigative Journalism — An Application of Baumol's Cost Disease Across Mass Communication Sectors / C.-M. Wellbrock // Emerging Media: Technology, Industry and Society. — 2024. — DOI: 10.1177/27523543241299631. — URL: https://journals.sagepub.com/doi/10.1177/27523543241299631 (дата обращения: 11.03.2026).
31. Итоги развития рекламного рынка Российской Федерации за 2024 год // Ассоциация Коммуникационных Агентств России : [сайт]. — 2025. — 27 марта. — URL: https://akarussia.ru/news/novosti-akar/obem-rynka-marketingovyh-kommunikacij-v-2024-godu/ (дата обращения: 10.03.2026).
32. Экономика Рунета 2024 // Ассоциация электронных коммуникаций (РАЭК) : [сайт]. — 2025. — URL: https://raec.ru/activity/analytics/9884/ (дата обращения: 07.03.2026).
33. Аудитория интернета в России // Mediascope : [сайт]. — 2025. — https://mediascope.net/news/2928545/ (дата обращения: 08.03.2026).
34. Исследование рынка интерактивной рекламы в России по итогам 2024 года // IAB Russia : [сайт]. — 2025. — URL: https://akarussia.ru/wp-content/uploads/2025/06/industrialnyj-otchet-rrr-akar.pdf (дата обращения: 05.03.2026).
35. Generative AI in Journalism: The Evolution of Newswork and Ethics in a Generative Information Ecosystem [Электронный ресурс] / The Associated Press. – New York, 2024. – 62 p. – Режим доступа: https://cdn.theconversation.com/static_files/files/3273/AP_Generative_AI_Report_April_2024.pdf (дата обращения: 12.03.2026).
36. References
37. On Advertising: Federal Law No. 38-FZ of March 13, 2006 (as amended on December 29, 2025). Sobranie zakonodatel'stva Rossiiskoi Federatsii, 2006, no. 12, art. 1232.
38. On Protection of Competition: Federal Law No. 135-FZ of July 26, 2006 (as amended on December 29, 2025). Sobranie zakonodatel'stva Rossiiskoi Federatsii, 2006, no. 31 (part 1), art. 3434.
39. On Information, Information Technologies and Protection of Information: Federal Law No. 149-FZ of July 27, 2006 (as amended on December 29, 2025). Sobranie zakonodatel'stva Rossiiskoi Federatsii, 2006, no. 31 (part 1), art. 3448.
40. On the Development of Artificial Intelligence in the Russian Federation: Decree of the President of the Russian Federation No. 490 of October 10, 2019 (as amended on February 15, 2024). Sobranie zakonodatel'stva Rossiiskoi Federatsii, 2019, no. 41, art. 5700.
41. Regulation (EU) 2022/1925 of the European Parliament and of the Council of 14 September 2022 on contestable and fair markets in the digital sector (Digital Markets Act). Official Journal of the European Union, 2022, L 265, pp. 1–66.
42. Regulation (EU) 2022/2065 of the European Parliament and of the Council of 19 October 2022 on a Single Market for Digital Services (Digital Services Act). Official Journal of the European Union, 2022, L 277, pp. 1–102.
43. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, 2024, L 2024/1689.
44. Alekseev, A.M. (2025). Evolution of platform competition models: achievements and challenges. Sovremennaya konkurentsiya [Journal of Modern Competition], vol. 19, no. 5, pp. 124–137.
45. Bodrunova, S.S. & Nigmatullina, K.R. (2025). Artificial intelligence in the media sphere: research directions, professional contradictions and new risks. Vestnik Moskovskogo universiteta. Seriya 10, Zhurnalistika [Moscow University Journalism Bulletin], no. 5, pp. 3–28.
46. Vartanov, S.A., Vyrkovsky, A.V., Dunas, D.V. et al. (2025). Russian model of AI use in digital ecosystems of the media communication industry. Vestnik Moskovskogo universiteta. Seriya 10, Zhurnalistika [Moscow University Journalism Bulletin], no. 5, pp. 29–54.
47. Vartanova, E.L., Vyrkovsky, A.V. & Zagidullina, M.V. (2024). Media text in the era of digital platforms: opportunities and threats. Vestnik Moskovskogo universiteta. Seriya 10, Zhurnalistika [Moscow University Journalism Bulletin], no. 3, pp. 3–13.
48. Davydov, S.G., Zamkov, A.V., Krasheninnikova, M.A. & Lukina, M.M. (2023). The use of artificial intelligence technologies in Russian media and journalism. Vestnik Moskovskogo universiteta. Seriya 10, Zhurnalistika [Moscow University Journalism Bulletin], no. 5, pp. 3–21.
49. Dugin, E.Ya. (2024). "Kommunikativnyi povorot" v issledovanii mediaindustrii ["Communicative turn" in media industry research]. Moscow: Kanon+ ROOI "Reabilitatsiya" Publ., 312 p.
50. Evstafiev, V.A. & Tyukov, M.A. (2024). Iskusstvennyi intellekt i neiroset: praktika primeneniya v reklame [Artificial intelligence and neural networks: practice of application in advertising]. 2nd ed. Moscow: Dashkov i K° Publ., 426 p.
51. Babkin, A.V. (ed.) (2023). Intellektual'naya platformennaya ekonomika: tendentsii razvitiya [Intelligent platform economy: development trends]. St. Petersburg: Polytechnic University Publ., 547 p.
52. Vartanova, E.L. (ed.) (2023). Mediasistema Rossii [Media system of Russia]. Moscow: Moscow University Publ., 424 p.
53. Vartanova, E.L. (ed.) (2024). Otechestvennaya teoriya media: osnovnye ponyatiya: slovar' [Russian media theory: basic concepts: dictionary]. 2nd ed. Moscow: Moscow University Publ., 175 p.
54. Babkin, A.V. (ed.) (2025). Razvitie intellektual'noi ekonomiki i promyshlennosti na osnove iskusstvennogo intellekta [Development of intelligent economy and industry based on artificial intelligence]. St. Petersburg: Polytechnic University Publ., 786 p.
55. Rubtsova, N.V. (2023). Ekonomika i menedzhment v mediaindustrii [Economics and management in the media industry]. Moscow: IPR Media Publ., 153 p.
56. Sinyavskaya, O.V., Biryukova, S.S., Kareva, D.E. et al. (2024). Platformennaya zanyatost' v Rossii: dinamika rasprostranennosti i klyuchevye kharakteristiki zanyatykh [Platform employment in Russia: dynamics of prevalence and key characteristics of workers]. Moscow: HSE Publ., 48 p.
57. Smirnov, S.S. (2025). Transformation of ownership structures in the Russian media market under new economic conditions. Vestnik Moskovskogo universiteta. Seriya 10, Zhurnalistika [Moscow University Journalism Bulletin], no. 6, pp. 3–23.
58. Babkin, A.V. (ed.) (2024). Strategicheskoe upravlenie tsifrovoi transformatsiei intellektual'noi ekonomiki i promyshlennosti v novoi real'nosti [Strategic management of digital transformation of intelligent economy and industry in the new reality]. St. Petersburg: Polytechnic University Publ., 796 p.
59. Vartanova, E.L., Gladkova, A.A., Vikhrova, O.Yu. et al. (2023). Tsifrovoe neravenstvo v sovremennom kommunikatsionnom prostranstve Rossii [Digital inequality in the modern communication space of Russia]. Moscow: Moscow University Publ., 320 p.
60. Cools, H. & Diakopoulos, N. (2024). Uses of Generative AI in the Newsroom: Mapping Journalists' Perceptions of Perils and Possibilities. Journalism Practice, vol. 18, no. 4, pp. 878–896. DOI: 10.1080/17512786.2024.2394558.
61. Dodds, T., de Vreese, C., Helberger, N. et al. (2023). Popularity-Driven Metrics: Audience Analytics and Shifting Opinion Power to Digital Platforms. Journalism Studies, vol. 24, no. 3, pp. 403–421. DOI: 10.1080/1461670X.2023.2167104.
62. Guzman, A.L. & Lewis, S.C. (2024). What Generative AI Means for the Media Industries, and Why It Matters to Study the Collective Consequences for Advertising, Journalism, and Public Relations. Emerging Media: Technology, Industry and Society, vol. 2, no. 3, pp. 347–355. DOI: 10.1177/27523543241289239.
63. Helberger, N. & Diakopoulos, N. (2023). The European AI Act and How It Matters for Research into AI in Media and Journalism. Digital Journalism, vol. 11, no. 9, pp. 1751–1760. DOI: 10.1080/21670811.2022.2082505.
64. Seipp, T.J., Ausloos, J., Helberger, N. & de Vreese, C. (2024). Between the Cracks: Blind Spots in Regulating Media Concentration and Platform Dependence in the EU. Internet Policy Review, vol. 13, no. 4, pp. 1–25. Available at: https://policyreview.info/articles/analysis/regulating-media-concentration-and-platform-dependence (accessed 05.03.2026).
65. Simon, F.M. (2024). Escape Me If You Can: How AI Reshapes News Organisations' Dependency on Platform Companies. Digital Journalism, vol. 12, no. 2, pp. 149–170. DOI: 10.1080/21670811.2023.2287464.
66. Wellbrock, C.-M. (2024). Generative AI and Investigative Journalism — An Application of Baumol's Cost Disease Across Mass Communication Sectors. Emerging Media: Technology, Industry and Society. DOI: 10.1177/27523543241299631. Available at: https://journals.sagepub.com/doi/10.1177/27523543241299631 (accessed 11.03.2026).
67. Results of the development of the advertising market of the Russian Federation for 2024. Association of Communication Agencies of Russia [website], March 27, 2025. Available at: https://akarussia.ru/news/novosti-akar/obem-rynka-marketingovyh-kommunikacij-v-2024-godu/ (accessed 10.03.2026).
68. Runet Economy 2024. Russian Association of Electronic Communications (RAEC) [website], 2025. Available at: https://raec.ru/activity/analytics/9884/ (accessed 07.03.2026).
69. Internet audience in Russia. Mediascope [website], 2025. Available at: https://mediascope.net/news/2928545/ (accessed 08.03.2026).
70. Study of the interactive advertising market in Russia following the results of 2024. IAB Russia [website], 2025. Available at: https://akarussia.ru/wp-content/uploads/2025/06/industrialnyj-otchet-rrr-akar.pdf (accessed 05.03.2026).
71. Generative AI in Journalism: The Evolution of Newswork and Ethics in a Generative Information Ecosystem. New York: The Associated Press, 2024. 62 p. Available at: https://cdn.theconversation.com/static_files/files/3273/AP_Generative_AI_Report_April_2024.pdf (accessed 12.03.2026).