31 июля 2026 года научпоп-ютубер Hank Green признал, что слишком сильно полагался на ИИ при поиске источников. На этом фоне маркировка ИИ-контента на YouTube выглядит дырявой: платформа требует раскрытия для части синтетических роликов, но почти не замечает, когда модель формирует исследование, структуру и голос будущего видео. Для разработчиков, продуктовых команд и всех, кто строит контентные процессы с LLM, это неприятный сигнал: проблема уже не в одном только AI slop, а в том, что автоматизация начинает подменять авторский ход мысли.
Как пишет Ars Technica, нынешняя маркировка ИИ-контента на YouTube устроена довольно странно. Автор должен предупредить зрителя, если использовал ИИ для значимого изменения или генерации фотореалистичного контента. Но на практике границы плавают: музыка, созданная ИИ, требует маркировки, хотя к фотореализму отношения не имеет; а полет на единороге через фантастический мир, наоборот, нет, даже если весь фрагмент сгенерирован моделью и выглядит убедительно. Платформа отдельно разрешает применять генеративные инструменты для поиска идей, подготовки структуры, сценария, превью, заголовка и инфографики. Можно даже клонировать собственный голос для озвучки и вставлять сгенерированную ИИ анимацию ракеты в полностью анимированное видео без обязательной пометки.
Отсюда и главный перекос. Представим 30-минутный ролик, который пытается влиять на взгляды аудитории по теме геополитики. Модель придумывает заход, быстро находит источники, собирает план, помогает написать текст, а затем автор озвучивает его клоном собственного голоса. Формально зритель может не увидеть никакой маркировки. YouTube борется прежде всего с грубой подделкой: когда на экране якобы реальный человек говорит то, чего не говорил, или показывается событие, которого не было. Это понятная оборона от дезинформации. Но она работает только на уровне синтетической картинки. Пометка ловит фейковый кадр, а не синтетическую логику, которая уже выстроила аргументацию, ритм и акценты ролика.
История самого Hank Green показательная именно потому, что речь не о дешевой фабрике контента. Грин прямо сказал, что сценарии пишет сам. После жалоб зрителей на заметное влияние ИИ он пересмотрел собственный процесс и увидел проблему раньше, на этапе исследования. В посте на Reddit от 31 июля 2026 года он признал, что слишком активно использовал ИИ для поиска научных статей и других материалов, чтобы быстрее входить в новые темы. Это действительно экономит часы. Но у ускорения оказался побочный эффект: автор перестал сам прокладывать маршрут через тему, находить странные боковые тропинки и собирать собственную картину предмета. По его словам, темп стал таким, что собственный процесс перестал быть ему до конца понятен.
Здесь хорошо видно, почему спор об AI slop слишком узкий. Низкокачественный мусор, лишь самый заметный симптом. Куда интереснее аккуратный, гладкий и фактически корректный контент, в котором машина незаметно задает геометрию мысли. Green описывает знакомую многим в IT ловушку: давление на выпуск, гонка за количеством и приятный дофаминовый цикл от общения с LLM, когда можно делать все больше и быстрее. Он отдельно признал, что этот режим уже не выглядит здоровым ни для него, ни для окружающего мира. В его случае это, вероятно, закончится меньшим количеством видео. Для платформ это неприятная новость: даже у добросовестного автора высокая доля AI-помощи не обязательно ведет к фактическим ошибкам, но вполне может делать работу более плоской, предсказуемой и одинаково собранной.
Для русскоязычной IT-аудитории здесь важен не столько YouTube, сколько сам паттерн. Та же развилка уже есть в продуктовых командах, разработке и корпоративных медиа. LLM отлично помогает быстро собрать драфт PRD, свести исследование конкурентов, написать внутренний FAQ или подготовить техтекст. Но если подключать модель слишком рано, она начинает не ускорять мышление, а определять его рамку. Инженер получает ответ, не набирая предметной глубины; продакт получает структуру, не прожив развилки; редактор получает план, который гладко выглядит и плохо запоминается. Маркировка ИИ-контента тут бесполезна: формально перед нами человеческая работа, но ее траекторию уже проложила машина.
Следующий спор вокруг ИИ, похоже, будет не о том, можно ли распознать нарисованный кадр, а о том, где проходит граница между инструментом и соавтором. Платформам придется думать не только о предупреждениях для дипфейков, но и о более честном описании производственного процесса в чувствительных жанрах, от научпопа до политических разборов. А компаниям и отдельным специалистам полезно задать себе более неприятный вопрос: мы используем модель, чтобы работать лучше, или уже используем ее, чтобы не проходить самый ценный и самый медленный участок работы, собственное понимание темы?