Substack 21 июля запустил детектор AI-контента: теперь читатели могут проверить, насколько текст в рассылке или посте похож на материал, написанный нейросетью. Для русскоязычной IT-аудитории новость важна не только как очередная функция платформы для авторов, но и как сигнал: рынок контента постепенно переходит от восторга по поводу генеративного ИИ к более скучному, но полезному этапу — маркировке, прозрачности и управлению ожиданиями.
Новый инструмент Substack сделал вместе с Pangram, сообщает Engadget. Проверка работает для текстов длиннее 100 слов и только для публикаций, вышедших начиная с 21 июля 2026 года. Функция уже доступна в веб-версии и на iOS, а поддержка Android обещана позже. Параллельно платформа добавляет отдельное поле, где авторы смогут прямо указать, использовали ли они ИИ при подготовке материала и в каком объеме.
На уровне продукта идея выглядит довольно прямолинейно. Читателю дают не приговор и не плашку «написано машиной», а оценку доли AI-участия в тексте. То есть Substack пытается встроить в интерфейс не столько цензуру, сколько механизм сверки ожиданий. Если автор продает голос, экспертизу, интонацию и личную оптику, аудитория вправе понимать, получила ли она живой текст, черновик, отредактированный человеком, или аккуратно отполированный вывод модели. Для платформы, которая много лет строила бизнес вокруг прямой связи автора и подписчика, это логичный ход: доверие здесь монетизируется почти так же буквально, как подписка на email-рассылку.
При этом сам анонс у Substack получился не совсем нейтральным. Engadget обращает внимание, что в посте компании есть выпад в сторону LinkedIn как площадки, где заметно много AI-сгенерированного контента. Там же Substack использует язвительный термин Claudefishing — так в компании называют попытки имитировать человеческую близость с помощью нейросетевого «синтетического» текста. Формулировка эффектная и явно рассчитана на вирусный эффект, но здесь у платформы есть тонкий лед под ногами. Когда сервис публично высмеивает чужой «AI slop», ему приходится особенно аккуратно объяснять пределы собственных инструментов, иначе следующий неудобный кейс быстро прилетит уже в его адрес.
И этот предел Substack, в общем, признает. Платформа отдельно оговаривает, что Pangram не может гарантировать безошибочное определение AI-контента. Это важная оговорка, потому что рынок детекторов ИИ давно страдает от простой проблемы: все хотят кнопку «раскусить машину», но технология пока не тянет на роль надежного арбитра. Engadget напоминает о разборе The Atlantic, где отдельно смотрели на точность подобных инструментов, включая Pangram, и вывод там был довольно прозаичный: идеальной достоверности нет, а ошибки случаются в обе стороны. Иными словами, можно получить ложное подозрение для человеческого текста и ложное успокоение для машинного.
Для разработчиков и продакт-команд здесь нет большой сенсации, зато есть хороший прикладной кейс. Substack не пытается решить фундаментальную исследовательскую задачу распознавания текста от модели раз и навсегда. Он делает более узкий продуктовый шаг: встраивает вероятностную оценку в пользовательский сценарий и дополняет ее self-disclosure-механикой, когда сам автор раскрывает использование ИИ. Это похоже на более реалистичный путь для сервисов с пользовательским контентом. Если нельзя построить безошибочный детектор, можно хотя бы собрать систему сигналов: автоматическая оценка, добровольная маркировка, настройки предпочтений читателя и, возможно, будущие фильтры на уровне ленты. Для B2C-платформ это уже не вопрос моды на AI, а вопрос UX и удержания доверия.
Для бизнеса медиа и creator economy история тоже показательная. Последние два года почти все платформы старались ответить на один и тот же вопрос: как заработать на генеративном ИИ и при этом не утопить собственный продукт в дешевом массовом тексте. У LinkedIn, X, Medium, блоговых движков и SEO-ферм эта проблема проявляется по-разному, но суть одна: когда стоимость производства контента стремится к нулю, растет дефицит не текста как такового, а внятного сигнала о его происхождении и ценности. Substack, похоже, ставит не на запреты, а на разделение слоев. Хочешь публиковать с помощью ИИ — публикуй. Но читателю покажут хотя бы примерный уровень машинного участия, а автору предложат объясниться заранее. Для подписной модели это разумнее, чем делать вид, будто разницы между колонкой эксперта и нейросетевой компиляцией не существует.
Для российских и русскоязычных команд, которые делают контентные продукты, редакционные платформы, LMS-сервисы или корпоративные knowledge-базы, новость полезна как ориентир. Пользователи постепенно перестают спорить о самом факте использования ИИ и начинают задавать более неприятные вопросы: где проходит граница допустимого, в каких сценариях нужна маркировка, кто отвечает за ошибку детектора и как не наказать добросовестного автора ложным флагом. Ответ Substack пока промежуточный, но внятный: не обещать магию, не скрывать ограничения и дать аудитории больше контекста до того, как она нажмет кнопку оплаты или отписки.
Главный вопрос теперь не в том, приживется ли еще один детектор AI-контента, а в том, станут ли читатели реально менять поведение на основе таких подсказок. Если да, платформам придется не просто добавлять бейджи, а пересобирать правила доверия вокруг авторства, прозрачности и репутации. И тогда выиграют не те, кто громче всех шутит про AI slop, а те, кто честно объясняет, что именно читатель получает за свои деньги и внимание.