Работу пометили как ИИ, хотя вы писали сами: пошаговая инструкция защиты

Отметка «подозрительный документ» в Антиплагиат.ВУЗ — не доказательство, и это позиция самого разработчика: в памятке за сентябрь 2025 года ИИ-детекторы предложено «рассматривать не как доказательство нечестной работы, а, скорее, как маркер». Отметку снимает живой эксперт — кнопкой в отчёте, с поясняющим комментарием. Порог допуска задаёт не система, а локальный акт вашего вуза. Значит, защита — это процедура: запросить детальный отчёт, поднять регламент и показать, как писалась работа.

Что говорит сама система — и чего она сказать не может

С 16 июля 2025 года в результатах проверки есть числовой показатель «ИИ-контент» — по официальному определению, «доля сгенерированного текста в общем объеме текста». Подозрительный документ подсвечивается в кабинете розовым, а по ссылке «Подробнее» открывается отчёт с конкретными страницами, где система предполагает генерацию. Этот отчёт — ваш первый рабочий документ: именно по его страницам пойдёт спор.

Вес самого процента компания оценивает скромно. Формулировка из памятки сентября 2024 года: «Процентный подход изжил себя, требуется экспертный анализ содержания каждой работы». Как алгоритм принимает решение, снаружи не знает никто: Юрий Чехович в интервью Skillbox 28 февраля 2024 года подтвердил, что модель анализирует «большой набор признаков», но раскрывать их отказался. Официальный список «Признаки ИИ-текста» из памятки — чеклист для преподавателя-эксперта, а не описание алгоритма. Независимых рецензируемых проверок детектора найти не удалось.

Масштаб при этом измерим. По данным РИА Новости, за второй квартал 2026 года проверено 2,73 млн работ, признаки ИИ найдены в 983,7 тысячи — в каждой третьей против каждой пятой годом ранее. «Коммерсантъ» 28 апреля 2026 года описал студентку с 96% «использования нейросетей» в самостоятельной работе и вузы, где к отказу в допуске ведёт даже 1%. Единого стандарта нет. Порог — всегда локальный акт конкретной организации.

Шесть причин, по которым детектор помечает честный текст

Первая: детектор измеряет стиль, а не происхождение. Группа Карра из Нотр-Дама (arXiv:2608.11256, август 2026) проверила 642 научных абстракта: Pangram 3.2 пометил 26,6% теологических против 2,1% химических, причём срабатывания были и на текстах 2013–2015 годов — написанных до появления больших языковых моделей. Эти тексты машина сгенерировать не могла физически.

Вторая: хороший академический текст статистически близок к машинному — формальный, безличный, терминологически ровный. Лян с соавторами (Patterns, 2023) показали, что семь детекторов пометили в среднем 61,3% эссе живых людей, сдававших TOEFL. Доцент ГАУГН Д. Фомин-Нилов сказал о волне жалоб 2026 года прямо: «Хорошо написанная работа часто воспринимается как созданная искусственным интеллектом».

Третья: против автора работает сама форма научной работы. Савельев (VERBA, 2024) удалил из текста внутритекстовые ссылки — оценка «человечности» выросла с 16% до 42%. Четвёртая — парадокс двух модулей: памятка относит «высокую оригинальность в детекторах плагиата» к признакам ИИ, то есть погоня за уникальностью повышает подозрение. Пятая: смешанный режим «писал сам, правил с ИИ» — худший для детекторов; Turnitin признаёт, что 54% его ложных срабатываний стоят вплотную к настоящему ИИ-тексту. Шестая: калибровку ужесточили — 8 апреля 2026 года алгоритмы адаптировали под свежие версии GPT, а 9 июля компания объявила, что детектор «стал чувствительнее» к ИИ-фрагментам. Заявленное там же снижение ложноположительных до 0,15% по документам — цифра самой компании, независимо её никто не проверял. Полный разбор признаков, по которым алгоритмы судят текст, мы собрали в отдельном разборе ИИ-детекции.

План действий: шесть шагов

1. Запросите полный отчёт. Не итоговый процент, а отчёт «Подозрительный документ» с указанием страниц. Спор ведётся по фрагментам: вот страница 14, вот мой черновик этой страницы.
2. Найдите локальный акт вуза. Порог «ИИ-контента» и процедура апелляции существуют только в регламенте вашей организации — система решений о допуске не принимает. Если порога в регламенте нет, требование «не больше N%» опирается на несуществующую норму.
3. Соберите доказательства процесса. История версий файла, черновики с датами, промежуточные варианты, собственные данные и расчёты, переписка с научным руководителем. Это самая сильная линия защиты — сама отрасль движется к фиксации процесса: именно её тестировал пилот «Антиплагиат 2.0» в 28 университетах с февраля по июль 2026 года.
4. Процитируйте позицию разработчика. «Маркер, а не доказательство» и «процентный подход изжил себя» — это документы компании, а не ваше мнение.
5. Требуйте экспертного анализа содержания. Отметка снимается экспертом с комментарием, который сохраняется в печатных формах отчёта. Просите именно этого: содержательной оценки помеченных фрагментов человеком.
6. Идите по процедуре до конца. Заявление, комиссия, апелляция по регламенту. У решения о недопуске должно быть основание сильнее числа на экране.

Почему трюки проигрывают апелляции

Соблазн «подшаманить текст, чтобы детектор отстал» понятен, но данные против. Наивный парафраз местами повышает детектируемость: плюс 8,57% у детектора RADAR, плюс 15,03% у Fast-DetectGPT. Агрессивная маскировка — гомоглифы, невидимые символы, аномальная пунктуация — ловится отдельными проверками и выглядит как умысел. Спорная ситуация превращается в дисциплинарную.

Честная работа с ИИ устроена иначе. Бенчмарк ARB (arXiv:2607.29539, июль 2026) показал: решающим оказывается происхождение содержания, а не поверхностная правка. Свои данные, своя структура аргумента — это и защита от отметки, и предмет разговора с комиссией. Наш хьюманайзер построен на том же принципе: он приводит текст к требованиям научного письма — конкретика вместо общих слов, терминологическая дисциплина, живой синтаксис.

Вопрос — ответ

Могут ли не допустить к защите только из-за процента ИИ-контента?

Система такого решения не принимает — допуск определяет вуз по своему локальному акту. «Коммерсантъ» описывал отказы даже при 1%, но сам разработчик называет процентный подход изжившим себя и требует экспертного анализа каждой работы. Если вам отказывают числом, без содержательной оценки, запрашивайте регламент и настаивайте на экспертизе конкретных помеченных фрагментов.

Как официально снимается отметка «подозрительный документ»?

Эксперт организации нажимает кнопку в правой части отчёта и оставляет поясняющий комментарий; комментарий сохраняется в печатных формах. Это штатная функция системы, описанная в памятке разработчика. Ваша задача — дать эксперту основание: черновики, историю версий, переписку с руководителем и объяснение по каждому помеченному фрагменту.

Какие доказательства авторства самые убедительные?

Документы процесса: история версий файла с датами, последовательные черновики, собственные расчёты, переписка с научным руководителем по ходу работы. Отрасль сама идёт в эту сторону — пилот «Антиплагиат 2.0» с 28 университетами, 2400 студентами и 10 тысячами проверок фиксировал процесс создания текста. Привычка сохранять версии с первого дня — лучшая страховка из существующих.

Как это решает кот

За «котом» стоит программный комплекс, в котором генерация текста — лишь одна из тысяч операций: поиск и проверка источников, расчёты, выстраивание логики глав, терминологический контроль, ГОСТ-оформление. Встроенный хьюманайзер — обязательный этап каждого продукта; тем, у кого текст уже написан, он доступен отдельной услугой. Результат измерим: в наших замерах — стабильные 0% ИИ-контента в Антиплагиат.ВУЗ, свежий пример с 0% ИИ и 87% оригинальности лежит в примерах готовых работ. Начните с бесплатного плана работы — минута, и каркас у вас.