Substack запустил инструмент для распознавания текстов, написанных с помощью искусственного интеллекта. Функция разработана совместно с сервисом Pangram и позволяет читателю по запросу проверить материал и увидеть оценку того, какая доля текста, вероятнее всего, создана нейросетью. Проверка работает с текстами длиннее 100 слов, опубликованными начиная с 21 июля 2026 года. Возможность доступна в веб-версии и в приложении для iOS, поддержка Android появится позже.
Источник изображения — engadget.com
Как устроена проверка
Оценка не показывается автоматически — её нужно запросить вручную. После этого Pangram выдаёт процент: какая часть материала выглядит написанной человеком, а какая — созданной или отредактированной нейросетью. Авторы могут прогнать через проверку черновик до публикации: инструмент спрятан в настройках записи, сразу под блоком планирования выхода.
- Полноценные публикации в веб-читалке Substack;
- Записи и заметки (Notes) в мобильном приложении;
- Отдельные комментарии и ответы под заметками;
- Собственные черновики автора перед выходом материала.
Есть и ограничения. Проверка не работает для видео- и аудиоматериалов, для писем в рассылке, а также для записей, которые читатель открывает на отдельном сайте автора — на поддомене вида on.substack.com или на собственном домене. В таких случаях вместо оценки показывается сообщение о недоступности анализа. Результат проверки можно скрыть через меню из трёх точек, а на ошибочное срабатывание — пожаловаться прямо из отчёта.
«Claudefishing» и укол в сторону LinkedIn
Анонсирующая запись в блоге вышла неожиданно резкой. В ней содержится колкость в адрес LinkedIn по поводу количества сгенерированных нейросетями текстов на этой площадке, а попытки изобразить живую человеческую связь с помощью машинного мусора получили отдельное название — «Claudefishing». Термин ввёл сооснователь и глава Substack Крис Бест: речь о разрыве между тем, что читатель считает написанным человеком, и тем, чем текст является на самом деле.
Цифры Pangram этот выпад отчасти объясняют. По данным сервиса, у LinkedIn самая высокая доля машинных текстов среди изученных площадок: более 40% длинных записей помечены как полностью сгенерированные. Следом идёт X, где почти половина длинных материалов показала ту или иную степень участия нейросети. У самого Substack показатель самый низкий среди больших текстовых площадок — но и там более пятой части публикаций помечается как созданные или дописанные при помощи ИИ.
Насколько точны такие проверки
Публично указывать на чужие проблемы, запуская собственный распознаватель, — рискованный шаг: ни один существующий инструмент не гарантирует верную оценку. Разработчики Pangram заявляют, что модель Pangram 3.3 даёт долю ложных срабатываний в 0,01%. Издание The Atlantic проверяло реальную точность подобных сервисов, включая Pangram, и вывод оказался осторожным: до совершенства им далеко.
Пользователи уже нашли наглядные промахи — например, запись, опубликованная в 2008 году, задолго до появления современных языковых моделей, была отмечена как машинная. Более ранние исследования указывают на системный перекос: в работе Стэнфордского университета семь распознавателей в среднем приняли за машинный текст 61% подлинных эссе, написанных людьми, для которых английский не родной, а один из сервисов ошибся на 97% таких работ. Отдельная проблема — смешанные тексты: лёгкую человеческую правку инструменты нередко принимают за подделку, а тщательно переписанный машинный текст пропускают. Для русскоязычных авторов, пишущих на английском, риск ложного обвинения объективно выше, а доказать обратное почти невозможно — репутационный удар приходит раньше любого опровержения.
Ставка на раскрытие, а не на запреты
Параллельно Substack добавил необязательный раздел-заявление, где автор сам объясняет, использовал ли он нейросети при подготовке материала и каким именно образом — от сбора данных до вычитки. Компания прямо признала пределы технологии: Pangram способен оценить, участвовала ли модель в наборе текста, но не в состоянии определить, вложил ли автор в работу живое усилие и не были ли источники сами по себе машинными.
Отдельно оговорено, что ни Substack, ни Pangram не используют публикации авторов для обучения генеративных моделей. В настройках издания есть переключатель, запрещающий сторонним поисковым роботам ИИ забирать материалы для тренировки. Позиция платформы сводится к формуле: «люди должны знать, что они получают» — то есть спор о допустимости машинного письма подменяется требованием честного раскрытия.
Почему это важно
Substack намекнул, что рассматривает и другие функции вокруг машинных текстов и читательских настроек — вплоть до фильтрации ленты по этому признаку. Для авторских рассылок из стран СНГ, которые ведутся на площадке, это означает простое практическое следствие: помечать использование нейросетей самому сейчас безопаснее, чем ждать чужой оценки, — заявление автора выглядит убедительнее, чем оправдания после спорного процента в отчёте.
