AI-письмо стало труднее распознать по старым приметам вроде длинного тире, но модели всё ещё оставляют следы. В исследовании маркетинговой компании Graphite у Claude Opus 5.5 самым заметным маркером оказалось слово dependable: оно встречалось в 23 раза чаще, чем в человеческих текстах. Для редакций, SEO-команд, разработчиков AI-продуктов и всех, кто генерирует контент пачками, это неприятное напоминание: «человечный стиль» у моделей пока довольно шаблонный.
Graphite сравнила тексты frontier-моделей с корпусом из 10 тыс. статей, опубликованных до релиза ChatGPT 30 ноября 2022 года, сообщает TechCrunch. Эти материалы взяли как контрольную группу человеческого письма. Затем исследователи давали разным моделям краткие пересказы исходных статей и просили восстановить текст заново. Так они пытались снизить влияние оригинального источника и посмотреть не на тему, а именно на речевые привычки моделей.
Результат получился не в пользу тех, кто надеялся на простой чек-лист «как писать не как ИИ». Graphite нашла около 13 тыс. фраз, которые встречались в AI-контенте как минимум вдвое чаще, чем в человеческих текстах. Такие повторяющиеся конструкции компания называет «tells» — речевыми зацепками, по которым можно заподозрить машинное происхождение текста. Причём это уже не только отдельные слова, а целые синтаксические ходы: контрастные формулы, осторожные оговорки, объяснения важности и привычка переформулировать мысль через противопоставление.
У Opus 5.5, по данным Graphite, есть несколько ярких привычек. Модель реже использует старую конструкцию в духе «это не X, это Y», но всё ещё любит вариант «это больше, чем X, это Y». Ещё заметнее тяга объяснять значимость темы: фраза this matters появлялась в выборке в 116 раз чаще, чем у людей, а конструкция why X matters — в 92 раза чаще. Ирония в том, что именно такие фразы часто выглядят как попытка звучать редакционно и уверенно, но при массовом использовании превращаются в штамп.
У модели Astra, которую в источнике относят к OpenAI, другой почерк. Она чаще описывает у темы «ещё одно измерение», смягчает утверждения через формулы вроде «может дать» или «может обеспечить» и особенно любит корректирующую рамку: «не просто X», «а не полагаться на X». По данным Graphite, такие конструкции встречались в текстах Astra более чем в 100 раз чаще, чем в человеческом корпусе. Для людей это стилистический приём. Для модели — почти мышечная память, только мышцы сделаны из статистики.
Старые маркеры при этом действительно уходят. Лаборатории, похоже, услышали шутки про длинные тире и слово delve. В выборке Graphite Opus 5.5 использовала длинное тире на 99% реже, чем Opus 5. Astra применяла его на 88% реже, чем люди, а Gemini 3.1 Pro почти полностью убрала этот знак из письма. Но исчезновение одного маркера не означает, что текст стал неотличим от человеческого. По словам главного AI-директора Graphite Грега Друка, известные признаки удаётся вычищать, но на их месте появляются новые, причём у каждой версии модели свои.
Это важный сдвиг для рынка. Детекторы AI-текста часто продают идею бинарного ответа: написано человеком или машиной. Исследование Graphite показывает менее удобную картину. Надёжный сигнал может быть не в одном слове, а в распределении сотен и тысяч мелких повторов. Для разработчиков это означает, что «сделать стиль более человеческим» нельзя свести к запрету пары фраз в системном промпте. Для бизнес-команд — что массово сгенерированные описания товаров, лендинги, письма продажников и HR-тексты могут начать звучать одинаково даже после ручной полировки.
Есть и практический вывод для тех, кто внедряет генерацию контента в продуктовые и редакционные процессы. Проверять нужно не только факты, но и речевой профиль: не повторяет ли модель одни и те же рамки, не объясняет ли каждую мысль через «почему это важно», не превращает ли осторожность в бесконечные «может обеспечить». Хороший редактор в такой цепочке нужен не для того, чтобы заменить одно запрещённое слово другим, а чтобы вернуть тексту нормальную человеческую неровность: разную длину фраз, разные типы аргументов, конкретные примеры вместо универсальных переходов.
Парадокс AI-письма теперь в том, что модели становятся грамотнее, но не обязательно менее узнаваемыми. Чем больше лаборатории шлифуют публично высмеянные признаки, тем сильнее детекция уходит в статистику и стиль на уровне паттернов. Следующий этап борьбы будет не между «человеческим» и «машинным» текстом, а между фабричной гладкостью и письмом, в котором есть опыт, контекст и право не заканчивать каждый абзац фразой о том, почему всё это имеет значение.