Индустриализация гуманизации

Объявления о разовых заданиях и предложения услуг на площадках для фрилансеров, таких как Upwork и Fiverr, в наши дни активно используют слово ‘humanize’, предлагая разнообразные уровни сокрытия факта, что статья была написана, частично написана или соавтором являлся ИИ.

Тренд ‘Humanize’ в реальных публикациях на Upwork.

Спрос на человеческие и автоматизированные услуги, способные переписать «загрязнённый» ИИ контент так, чтобы казалось, что человек сел и потрудился несколько часов, свидетельствует о том, что достигнут универсальный консенсус о необходимости «человеческого прикосновения» для установления связи и охвата — и что огромный объём контента в эпоху ИИ сделает эту связь вновь необходимой.

Лично я хотел бы так думать, но это не обязательно так — в частности, учитывая собственные рекомендации Google по этому вопросу, которые рассматривают качество текста, а не средства его создания.

Правда в том, что мы пока точно не знаем, сколько и какого рода ИИ мы готовы терпеть, а также в какой мере мы можем оправдать преимущества, которые миллиарды людей получают от ИИ каждый день, против ощущения «соучастия» и морального соблазна в отношении более широких последствий этой технологии.

Указанные выше вакансии также отражают это; там создатели и компании жаждут автоматизации, вероятно, потому что хотят публиковать контент в больших объёмах, что именно та практика, которую Google обещает специально наказывать в своём алгоритме ранжирования. При этом они ищут как автоматизированные, так и человеческие способы «индустриализации» гуманизации.

Это отчасти напоминает мне одну из лучших шуток в нейроразнообразных комедийных номерах Стивена Райта 1980‑х годов:

‘В моём доме есть микроволновый камин. Я могу лечь перед огнём на вечер всего за 8 минут.’

Форма будущей небрежности

Как обычно, эти размышления вдохновлены моим ежедневным просмотром Arxiv, где сегодня я особенно обратил внимание на статью Джохена Мадлера из компании по маркетинговой автоматизации Sitefire, озаглавленную SlopShape: Identifying AI-Generated Commercial Web Content.

Обычно я отвергаю статьи с единственным автором, опираясь на принцип «Виктора Франкенштейна», но предпосылка этой работы спартанская, а методика тестирования надёжна.

Исследование по сути утверждает, что когда пост, сгенерированный ИИ, полностью переписывается, даже людьми, он сохраняет отличительный архитектурный отпечаток, находящийся на уровне, значительно выше уровня слов, представляя характерную «форму», которую невозможно устранить никаким количеством перефразирования или поверхностных правок текста:

Сравнение структурных шаблонов в публикациях, написанных людьми и ИИ. Писательский стиль людей склонен использовать более редкие комбинации структур, тогда как все пять моделей ИИ предпочитают более традиционные комбинации. Источник

Очевидно, можно обойти эту проблему (если её считать проблемой), действительно планируя процесс написания самостоятельно и либо вовсе не используя ИИ, либо применяя его только к отдельным компонентам, которые вы запланировали.

Однако, как подтверждают яростные объявления на Upwork, это не то, что требуется; из тона таких публикаций можно сделать вывод, что содержание статьи должно предпочтительно не только структурироваться ИИ, но и сгенерировано ИИ — то есть, что LLM будет предлагать подходящие темы, соответствующие общим целям компании или организации.

После этого полностью ожидается, что ИИ создаст различные прогрессивные черновики контента, а назойливый «мясной» компонент вмешается лишь для финального и непринуждённого придания человечности (хотя в идеале этот процесс со временем превратится в рабочий процесс на Python).

Выдающиеся особенности

Автор новой статьи получил эти выводы, собрав несколько тысяч корпоративных блогов, опубликованных непосредственно перед выпуском и распространением ChatGPT (2020‑2022), и выведя из них подсказки.

То есть он использовал Gemini 3 Flash для чтения реальных, написанных людьми статей и обратного проектирования подсказки, предназначенной для создания аналогичной работы на некоторых из ведущих LLM, а именно GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6 и Gemini 3.

Затем эти подсказки использовались для создания пяти AI‑версий каждой из реальных человеческих публикаций, из которых были извлечены особенности, которые в конечном итоге описывают специфическую для LLM «форму» контента в пяти моделях; и Мадлер отмечает, что «посты ИИ обладают аккуратной, самоподчеркивающейся формой».

Весь исследовательский проект представляет собой повторный запуск StoryScope project из COLM 2026 в августе, совместно проведённый Университетом Мэриленда и Google DeepMind, в котором применялась по‑сути та же методология к художественной литературе, показав, что истории, сгенерированные ИИ, сходятся к более узкому и предсказуемому диапазону нарративных структур, чем человеческие тексты:

Из исследования StoryScope — сравнение точечной диаграммы нарративных паттернов в человеческой и сгенерированной ИИ художественной литературе. Истории, написанные людьми, занимают отдельный регион, тогда как истории пяти ведущих моделей ИИ образуют более плотные кластеры, указывая на большую схожесть их базовых нарративных выборов. Source

Мадлер решил повторно запустить StoryScope на корпоративных блогах из‑за значительного финансового стимула к их автоматизации, по сравнению с более эксцентричной областью художественного письма, а также из‑за высокой степени их уже существующей автоматизации (50 % автоматизации онлайн‑контента к маю 2026 г., согласно a Graphite study, упомянутому в работе Мадлера).

Возможно, самым интересным анализом является разбор извлечённых из ИИ‑созданного материала признаков, основанных на постах, написанных людьми до 2022 года:

«Значения, которые чаще всего генерируют модели ИИ, собираются в то, что мы называем аккуратным, самопредставляющимся блог‑постом: он обещает результат уже в заголовке, формулирует тезис и объявляет свою структуру до первой секции, пишет в редакционно‑пояснительном тоне и завершается этапом, который резюмирует или повторяет тезис.»

«В типичном ИИ‑посте результат обещан в заголовке: “Как сократить время адаптации вдвое”. Тезис сформулирован, а ход изложения объявлен до первой секции: “В этом посте мы расскажем, почему адаптация задерживается, три работающих решения и как измерить разницу.”»

«И заключение повторяет тезис: “Короче, структурированная адаптация экономит время.” Человеческие ценности описывают посты без этих ориентиров: нет объявленного хода секций, нет нарастания ставки и нет завершающей части, повторяющей тезис.»

Ошибочное предположение

Кстати, большинство тропов и клише, присутствующих в описанном шаблоне, происходят от SEO-obsessed strictures до‑LLM‑маркетинговой сцены. Где, по‑нашему мнению, ИИ усвоил эти привычки?

Шаблонный маркетинговый копирайт always hated, задолго до появления ИИ, и всегда производился в масштабах, long before machines could do it well; а из‑за требования соответствовать SEO‑практикам были установлены некоторые ужасные конвенции, такие как keyword placement и crafted design of links.

В последнем случае ИИ, вероятно, усвоил неправильный урок, поскольку текстовые корпуса, на которых он обучался, исключили множество SEO‑ориентированных приёмов, изначально включённых в исходный материал, таких как стратегические диаграммы, визуальные объяснители; и, особенно, гиперссылки.

Целые разделы статьи могли быть созданы для размещения гиперссылки или встраивания YouTube‑видео, которое клиент хотел продвинуть; но к моменту, когда данные были обучены в LLM, встраивание или ссылка были удалены, а текст, предназначенный для их выделения, лишён оригинального контекста.

Таким образом, можно утверждать, что главная ошибка в построении методик обучения на таком материале заключалась в том, что веб‑контент рассматривался как литература XIX века (полностью автономная), а не как мультимедиа (значительно зависящая от нетекстовых факторов, таких как видео, гиперссылки и иллюстрации).

Другой серьёзной ошибкой было обучение на материале that people already hated, который был искажен в свою непопулярную форму правилами, probably aren’t valid any longer.

Внимание, люди

Тем не менее, если верить тенденциям Upwork, существует значительный спрос на большее количество аналогичного контента, производимого в масштабе LLM и «очеловеченного» через наименее идиосинкразный процесс, с максимальной скоростью и по минимальной доступной цене.

Всё это делается для создания эффекта attention: идеи, что кто‑то вроде вас (т. е. обладающий хотя бы эндокринной системой) сел на несколько часов и задумался, что сказать вам.

Восприятие получения человеческого внимания имеет значение для нас even when it is not helpful; поэтому его, безусловно, стоит индустриализировать.

Не могу не ощущать, что статья Мадлера в определённой степени может усугубить ситуацию, поскольку она выявляет характерные многомерные черты, которые теперь, предположительно, можно будет решить с помощью more ИИ, так что стандартные подписи примут более человеческую форму по мере развития моделей.

Первый раз опубликовано в четверг, 17 сентября 2026 г.