Текст написан нейросетью? Исследование 2 002 постов в Telegram о маркетинге

Вы листаете ленту и опять спотыкаетесь на фразе «это не просто инструмент, а целая система». Рука сама тянется написать в комментариях: опять машина. Прямых данных я не нашёл, поэтому посчитал сам и заглянул на четыре года назад. Подозрения подтвердились наполовину: шаблонов прибавилось, только по ним никого не поймаешь (сам я, как выяснилось, выгляжу подозрительнее многих).

Сколько постов звучат как нейросеть: 11 из 100

Этой осенью два признака и больше нашлись в каждом девятом посте. В тех же каналах до декабря 2022 года такой пост попадался раз на двадцать пять. Каналы одни и те же, поэтому сменой состава рост не объяснить.

Рис. 1. Признаков стало больше, чем до ChatGPT. Доля постов с двумя признаками выросла с 4 до 11%, а оборот «не X, а Y» встречается почти вдвое чаще. Источник: Acta, 28 каналов о маркетинге, ноябрь 2026.

Самый громкий рост дал оборот «не X, а Y». До ChatGPT он стоял в каждом седьмом посте, теперь — больше чем в каждом четвёртом. Фразы вроде «почему это важно» раньше почти не встречались. Ложные диапазоны («от стартапов до корпораций») стали втрое чаще.

Канцелярита при этом убавилось: «является», «в рамках» и «осуществлять» попадаются реже, чем четыре года назад. Портрет ленты получается такой: язык живее, риторика одинаковее. Все научились говорить бодро и примерно одними словами.

Нейросети ли это, вопрос отдельный, и к нему я ещё вернусь. Люди подхватывают обороты так же легко, как когда-то подхватили слово «кейс».

Длинные посты дают заметную часть прироста

Часть роста объясняется банально: посты удлинились. Типичный пост прибавил примерно двадцать пять слов, а чем длиннее текст, тем больше шансов зацепить два признака сразу.

Рис. 2. Чем длиннее пост, тем больше признаков. В постах до 100 слов разницы нет, а от 200 слов доля признаков сейчас примерно вдвое выше. Источник: Acta, 28 каналов о маркетинге, ноябрь 2026.

С поправкой на прежнюю длину вместо одиннадцати процентов получится около восьми, то есть рост остаётся, но он скромнее. Короткий пост вообще не изменился: модели, похоже, негде развернуться в трёх предложениях (как и любому автору, который любит красивые конструкции).

Сравнивать долю машинных оборотов без поправки на длину нельзя: примерно половина разрыва между двумя окнами приходится на то, что посты стали длиннее.

Кто пишет так чаще всего: пять каналов дают половину

Средняя цифра здесь обманчива: типичный канал держится заметно ниже неё. Разницу делают несколько авторов с любимыми приёмами.

Рис. 3. Половину таких постов дают пять каналов. У большинства каналов доля ниже 15%, шесть каналов чисты, а редкие лидеры тянут среднее вверх. Источник: Acta, 28 каналов о маркетинге, ноябрь 2026.

Рост тоже неравномерный: примерно у двух третей каналов доля выросла, у остальных упала или осталась прежней. По обороту «не X, а Y» расклад ещё резче: поднялись почти четыре канала из пяти.

Названия я не публикую сознательно: детектор не доказывает, что пост написала модель, и вешать на людей такой ярлык по списку оборотов было бы нечестно.

Рис. 4. В больших каналах роста почти нет. Оборот «не X, а Y» почти не прибавил в каналах от 100 тысяч подписчиков, а в каналах до 20 тысяч вырос в два с половиной раза. Источник: Acta, 28 каналов о маркетинге, ноябрь 2026.

В небольших каналах этот оборот встречается теперь в два с половиной раза чаще. В самых крупных он почти не сдвинулся. Их в выборке всего три, поэтому я бы считал это наблюдением, без выводов о том, кто пишет лучше. Большие каналы к тому же чаще ведут короткими новостями, где разворачивать риторику просто негде.

Падают ли от этого реакции: внутри канала разницы нет

Я ожидал увидеть штраф, потому что в LinkedIn он есть: по данным LigoSocial, посты, похожие на текст нейросети, собирают на 21% меньше реакций, чем другие посты тех же авторов (подробнее в материале о постах). В моей выборке штрафа не оказалось, и график это показывает.

Рис. 5. На реакции признаки не влияют. Пост с двумя признаками и больше собирает столько же реакций на просмотр, сколько обычный пост того же канала. Источник: Acta, 28 каналов о маркетинге, ноябрь 2026.

Каждый пост я сравнивал с медианой его же канала, чтобы размер аудитории не мешал, и брал только посты старше двух недель. Просмотры ведут себя так же, как реакции на графике: столбики стоят вровень.

Читатель Telegram, выходит, обороты не наказывает, по крайней мере лайками и просмотрами. Отписаться он может молча через полгода, и этого открытые страницы уже не покажут.

Расхождение с LinkedIn я объяснил бы разной механикой. Там ленту собирает алгоритм, а здесь человек подписан на автора и открывает почти всё подряд. Проверить это на своих данных я не могу, так что держите как версию.

Можно ли понять, что текст написан нейросетью, по таким признакам

По таким признакам понять нельзя: я проверил метод с двух сторон, и оба раза он промахнулся.

Первая проверка: пять постов примерно на полторы сотни слов, которые при мне написали Алиса AI и GLM-5.3-Flash на обычные темы вроде «почему подписчики читают канал, но не покупают». Двух признаков не набрал ни один, хотя глаз за них цепляется, и одна модель выдала прямо по учебнику: «Контент‑план — это не просто список тем, а система».

Вторая проверка больнее: я прогнал собственные посты в Telegram за полтора года. Два признака и больше стоят в каждом шестом, а «не X, а Y» — в четырёх из десяти, и это выше, чем в среднем по выборке. Если верить списку, главный подозреваемый в этом исследовании — его автор (привычка, каюсь: на сайте я от неё отказался, в Telegram пока нет).

Вывод немного обиден для всех, кто торгует проверками. Список оборотов замечает сдвиг в большой массе текстов, а про отдельный пост не говорит почти ничего. Рост реален, но заявить «этот пост написала модель» по такому списку можно с тем же успехом, что и по цвету аватарки.

Я бы смотрел на другое: есть ли в тексте факт, который легко опровергнуть, случай с именем и датой, цифра с источником, своя ошибка автора. Модель всё это умеет подделать, но подделка проверяется за минуту. Как она это делает на практике, я показал в проверке Алисы AI.

Какие обороты выросли сильнее всего и чем их заменить

Прирост дают обороты одного рода: сначала риторика, сообщение потом. Читатель получает ощущение мысли раньше самой мысли.

Правая колонка требует того, чего нет в левой: знать предмет. За конструкцией «не X, а Y» удобно спрятать отсутствие факта, потому что звучит она умно при любом содержании. Поэтому я и не считаю её просто стилистической мелочью. Цифру про заявки я взял для иллюстрации: сразу видно, куда автору придётся подставить свою, и здесь шаблон заканчивается.

Методология

Каналы я брал из четырёх открытых подборок: так их отбирал не я. Условия простые: от пяти тысяч подписчиков, русский язык, открытая веб-страница. В итог вошли 28 каналов, где нашлось минимум по 15 постов в каждом окне.

Окно до ChatGPT — последние 40 постов до 29 ноября 2022 года. Нынешнее окно — до 40 постов за август, сентябрь и октябрь. В расчёт шли посты от 40 слов, реклама и репосты отсеяны. Итог: 1 082 и 920 постов, собраны со страниц t.me/s/ без входа в аккаунт в начале ноября.

Набор признаков взят из линтера, которым я проверяю свои тексты: явные следы и обороты «почерка модели», собранные по Graphite, Wikipedia и humanizer-ru. Считался сам факт наличия признака: второй такой же оборот в посте не прибавлял балл. Главная метрика — доля постов с двумя разными признаками и больше.

Бутстрэп по каналам даёт для прироста главной метрики 95-процентный интервал от 3 до 12 процентных пунктов. Единицей считался канал, поэтому интервал шире, чем при подсчёте по постам.

Таблица для перепроверки: ai-tells-telegram.csv, в ней каждый пост с кодом канала, размером, месяцем, длиной, просмотрами и реакциями относительно своего канала и найденными признаками, а скрипты и сырые данные я сохранил.

Где ломается

Подборки Unisender, SendPulse, Sostav и Spark тяготеют к известным каналам, а в выборку попали только те, что живут с 2022 года. Каналы, созданные уже при моделях, сюда не вошли, и там доля может быть выше.

Авторы за четыре года менялись: канал мог сменить редактора или формат, и это тоже попадает в рост. Причину метод не показывает: я вижу, что оборотов больше, и не вижу, кто их написал. Часть роста вполне может быть заимствованием, когда человек начитался моделей и заговорил так же.

То, что штрафа в реакциях не видно, — корреляция внутри одного окна. Сильные авторы могут собирать много и с оборотами, а реакции не равны продажам.

Детектор настроен на статьи и составлен по англоязычным исследованиям с русской поправкой. Контрольных постов всего пять, это проверка здравого смысла без претензии на точность. На каналы о кино или кулинарии выводы переносить нельзя.

Что сделать завтра

Откройте свои последние десять постов подлиннее и найдите в них конструкцию «не X, а Y». Если она в каждом втором, беда уже в однообразии. Перепишите её прямым утверждением и посмотрите, что потеряется: обычно ничего.

Подозревая чужой пост в машинном происхождении, задайте один вопрос: что в нём можно проверить. Два проверяемых факта стоят дороже любого детектора.