Как правильно проверять свои тексты на AI-детекторах

Сегодня обычная тема: написал мотивационное письмо сам, проверил через первый попавшийся детектор, получил что-то «75% AI» и началась паника. «Нужно переписывать (как и с кем)» и «надо пропустить через humanizer» — первые мысли. Давайте вместе разберёмся, как всё это работает, откуда высокий процент и что делать или не делать. Чтобы без паники и без вот этого «только никакого ИИ».

Первое, что нужно знать: ни один AI-детектор не доказывает авторство. Вообще. Это вероятностный сигнал, не экспертиза. Некоторые университеты отключают детекторы из-за ложных срабатываний. То есть даже сами вузы не доверяют этим инструментам на 100%. Looks like — это не значит, что точно сгенерировано ИИ.
Проценты «70% AI» и выше у разных сервисов — это не единая шкала. 70% у QuillBot и 70% у Turnitin — совершенно разные вещи, построенные на разных моделях, с разными порогами и разными целями.

Какие детекторы реально используются университетами
1️⃣ Turnitin AI Writing Detection — корпоративный стандарт в университетах, встроен в систему проверки академической честности. Если вуз что-то проверяет — скорее всего, через Turnitin. При этом сам Turnitin открыто пишет про зоны ошибок и ложноположительные результаты.

2️⃣ Copyleaks — ещё один инструмент университетского уровня. У него есть режимы чувствительности: более строгий будет чаще ловить «AI-похожесть», но и чаще ошибаться.

3️⃣ GPTZero — самый известный из «общедоступных». Его часто используют как второй взгляд, когда нет доступа к Turnitin. Не самый точный, но максимально распространённый. А вот QuillBot AI Detector и Decopy — это consumer-инструменты. QuillBot пишет, что при неопределённости старается классифицировать текст как human, чтобы снижать ложные обвинения. Decopy рекламирует «точность до 99%» при минимуме прозрачности о самой методике. Для высоких ставок (а сюда относятся и поступление, и стипендия, и важные статьи, и научные доклады) я бы на них не ориентировалась.

Что делают приёмные комиссии (на самом деле)
Единого стандарта нет. Чаще всего решения не сводятся к детектору. Базовый чек — это проверка на плагиат (Turnitin исторически про это). AI-детекция, если используется, то работает как «красный флаг»: дальше идёт ручная оценка, интервью, просьба показать черновики (редко). Часть вузов не используют AI-детекторы из-за риска ложных обвинений в адрес студентов и поступающих (как я уже сказала).

Но это не значит, что надо игнорировать AI детекторы. Со своими поступающими я делаю так:
▪️Храним процесс. Google Docs version history, черновики, план, заметки, ранние версии. Показать происхождение текста, если понадобится.
▪️Делать текст менее «универсальным». Больше конкретики, личных деталей, нестандартных связок, точных примеров. Но не ради «обмана детектора», а потому что это реально улучшает мотивационное письмо.
▪️Не прогонять финальную версию через парафразеры и «humanizers» (важно!). Это чаще ухудшает ситуацию, а не улучшает.

#AI — по этому хэштегу уже много полезного (и интересного) про ИИ обсудили. пользуйтесь