За три года нейросети из экзотического инструмента превратились в рутинную часть работы над дипломом. Компания ReText.AI проанализировала 12,9 тыс. выпускных квалификационных работ российских студентов с 2013 по 2025 год — суммарно 590 млн символов после очистки от титульных листов, списков литературы, формул и служебных фрагментов. Результат: ИИ-доля в корпусе выросла с 9,9% в 2022 году до 42,3% в 2025-м.
Методология исследования строилась на поабзацном анализе. Каждый абзац длиной от 500 символов проверялся LLM-детектором отдельно — это позволяло видеть не усреднённый показатель по всей работе, а распределение по разделам. Детектор оценивал языковые признаки: структуру, предсказуемость формулировок, академическую шаблонность. ИИ-доля считалась по символам: число знаков в «машинных» фрагментах делилось на суммарный объём всех проанализированных абзацев. Средняя ИИ-доля по всему корпусу составила 14,7%, однако это число мало что говорит само по себе — значимо именно изменение по годам.
| Год | ИИ-доля в корпусе | Доля работ без признаков ИИ |
|---|---|---|
| 2022 | 9,9% | ~70% |
| 2025 | 42,3% | ~23% |
| 2026 (прогноз) | 50–60% | — |
Распределение по разделам работ оказалось неравномерным. Заключения в 2025 году получали машинную метку в 56% случаев, введения — в 49%, основная часть — в 41%. Логика понятна: введения и заключения пишутся по устойчивым шаблонам, и нейросеть здесь либо используется активнее, либо академический стиль сам по себе повышает вероятность срабатывания детектора. Авторы исследования прямо указывают на это ограничение: детектор не различает полную генерацию с нуля, редактуру, перефразирование или помощь с отдельными формулировками.
В заключениях машинные признаки встречаются чаще всего — около 56% текста.
Важно понимать разницу между ИИ-детектором и антиплагиатом. Антиплагиат ищет совпадения с уже опубликованными источниками — статьями, сайтами, базами работ. ИИ-детектор решает другую задачу: он оценивает, насколько текст похож на машинную генерацию или LLM-переработку. Текст может быть полностью оригинальным с точки зрения заимствований, но при этом демонстрировать все языковые признаки машинного письма — и наоборот. Именно поэтому две системы проверки не заменяют, а дополняют друг друга.
Основатель ReText.AI Ольга Шкряба отметила, что дискуссия в академической среде за год сменила фокус: «Ещё год назад спорили, можно ли вообще использовать ИИ в дипломе. Сейчас и вузы, и студенты, и преподаватели спрашивают другое: как это правильно зафиксировать и где провести границу». Исследование изначально задумывалось не как инструмент «поимки» нарушителей, а как фактическая база для этой дискуссии.
При сохранении текущего тренда в 2026 году ИИ-доля в дипломных работах может выйти на диапазон 50–60%. Это ставит перед университетами практический вопрос: не запрещать использование нейросетей — что технически почти невозможно проконтролировать, — а выработать понятные правила декларирования. Где нейросеть допустима как инструмент редактуры, как фиксировать её участие в работе и как отличить помощь с формулировками от подмены самостоятельного исследования — эти вопросы пока остаются без единого ответа в российской высшей школе.