Google открыл свой инструмент определения ИИ-контента для всех, а OpenAI начал ставить водяной знак на ответы для европейских пользователей. Первая реакция обычно одна — облегчение: наконец-то можно проверить. Мы предлагаем более спокойное прочтение: инструменты полезны, но доказательством они не служат, и ни одно решение в компании не должно опираться только на них.
Что на самом деле говорит детектор
Водяной знак — это сигнал, а не подпись. Если инструмент сообщает «изображение, вероятно, сгенерировано», это полезная подсказка. Если он молчит, это не значит, что текст написал человек: знаки удаляются, скриншот срезает большинство из них, переписывание через другую модель стирает следы, а локально развёрнутые модели чаще всего не маркируют ничего. Сама маркировка OpenAI в ЕС признана ненадёжной и легко снимаемой.
На практике есть две разные ошибки. Ложное срабатывание — вы обвиняете человека в том, чего он не делал. Пропуск — вы принимаете материал, считая его человеческим. Первая ошибка стоит репутации дороже второй. Поэтому детектор никогда не должен быть единственным аргументом для отказа.
Найм: перестаньте оценивать текст, оценивайте работу
Мотивационное письмо и задание «напишите нам своё видение» как сигналы практически мертвы. Нет смысла пристраивать проверку детектором к процессу, который измеряет навык, выполняемый моделью бесплатно за пять секунд. Логичнее перестроить сам процесс: небольшая реальная задача из вашего контекста и затем 20-минутный разговор, где кандидат объясняет свои решения и отвечает на уточняющие вопросы.
И самый простой шаг — спросить прямо: «Какими ИИ-инструментами вы пользовались и что изменили сами?» Запрет вы не проконтролируете, а честное признание получить можно. Кандидат, который внятно описывает, где помогла машина и где вмешался он, обычно окажется лучшим сотрудником, чем тот, кто уверяет, что не пользовался ничем.
Закупки: пропишите это в договоре
Если вы покупаете тексты, изображения, код или переводы, не пишите в договоре «использование ИИ запрещено» — проверить и применить это невозможно. Пропишите другое. Во-первых, обязанность раскрытия: подрядчик указывает, где и как применял генеративные инструменты. Во-вторых, ответственность за результат: права чистые, факты проверены, данные ваших клиентов не ушли в стороннюю модель. Так разговор смещается с «это сделала машина?» на «кто за это отвечает?» — единственный вопрос, имеющий деловой смысл.
Свой контент: определите правило заранее
Требования ЕС к прозрачности постепенно приходят в продукты, а вскоре появятся и в анкетах клиентов. Малой компании мы советуем написать внутреннее правило на одну страницу, а не ждать окончательной редакции регулирования. Достаточно трёх ответов: что мы маркируем (например, сгенерированные изображения и видео в кампаниях), что не маркируем (языковая правка, структурирование черновика, внутренние сводки) и кто проверяет перед публикацией. Добавьте простой след: каким инструментом сделано и кто утвердил. Это пара минут в неделю — и один неловкий разговор меньше потом.
Где детектор всё-таки работает
Честная оговорка: у массовой проверки есть своё место. Если к вам приходят сотни новых аккаунтов, отзывов, загруженных изображений или заявок, сигнал об ИИ-происхождении — разумный один фильтр из многих, рядом с возрастом аккаунта, IP-паттернами и логикой поведения. Недавнее дело о стриминговом мошенничестве, где массово сгенерированные треки и тысячи ботов вытянули миллионы роялти, показывает: такие схемы реальны и уже дошли до суда.
Но там же проходит граница. Для решения о конкретном человеке — отказать кандидату, расторгнуть договор, вынести предупреждение сотруднику — оценки детектора недостаточно. Нужен разговор, контекст и человек, который берёт ответственность. Наш опыт разработки говорит о том же: инструмент даёт сигнал, решение даёт процесс. Если есть только инструмент, у вас по сути нет ничего.