MariaL
Лютая Мария
Контент-маркетолог, редактор, преподаватель. Руководитель туристического проекта «Петербург 24». 20+ лет опыта работы в СМИ, PR, digital.
Сегодня, 23 апереля, отмечается Всемирный день книги и авторского права. Как раз недавно у меня был разговор с юристом про тексты, искусственный интеллект и плагиат.
Прозвучала жёсткая формулировка:
Если вы копируете текст из ответа нейросети, вы почти наверняка нарушаете чьи-то авторские права.
Давайте разберёмся, так ли это!
Обычно нейросеть не копирует чужой готовый текст, а формулирует ответ заново. Вероятность того, что в первом же ответе она дословно процитирует статью из Википедии, невысока. Чаще ИИ пишет свой вариант, даже если по смыслу он близок к источнику.
Есть и ещё один нюанс: популярные модели обучались на многоязычных данных с большой долей английского, а часть — прежде всего на английском и китайском. Поэтому ответ на русском нередко оказывается не копией готового русскоязычного текста, а результатом генерации, перевода и адаптации под запрос.
Личный опыт: мои статьи, созданные с помощью ChatGPT, при проверке на text.ru всегда показывали уникальность 100%.
Где риск действительно возникает?
Проблемы возможны, если:
- вы просите ИИ воспроизвести или продолжить конкретный чужой текст;
- вы работаете с устойчивыми, легко узнаваемыми формулировками (определения, инструкции, шаблонные описания);
- вы вообще не проверяете результат и публикуете его как есть.
В текстах могут возникать и другие проблемы — недостоверные факты, чужие данные и т. п., но это уже другая зона рисков.
ОК, если текст из нейросети не является плагиатом, то кто тогда правообладатель результата?
Крупные платформы вроде OpenAI, Google и Anthropic дают пользователю широкие права на использование результата генерации. Но это ещё не значит, что любой текст из нейросети автоматически становится вашим произведением в полном юридическом смысле.
Иными словами, использовать результат вам разрешают, но с авторством и правообладанием всё не так однозначно.
В России сейчас разрабатывается новый закон об ИИ, который должен вступить в силу в сентябре 2027 года. В том числе там собираются уточнить подходы к использованию ИИ и связанным с ним вопросам авторских прав.
Дальше всё упирается в правила конкретной платформы.
- Yandex GPT (Алиса AI) даёт неисключительную лицензию: текст можно использовать, но нельзя считать себя его единственным автором и запрещать другим использовать такой же результат.
- ChatGPT признаёт пользователя владельцем результата и разрешает коммерческое использование.
- Midjourney передаёт результат пользователю, но сохраняет за собой право использовать его дальше.
То есть статус текста зависит не только от действующих законов, но и от условий использования конкретного сервиса. И эти условия лучше время от времени перепроверять.
Не бойтесь использовать ИИ, бойтесь не редактировать!
Вот несколько рабочих правил:
- не публиковать ответ как есть в ответственных материалах;
- проверять фактуру;
- редактировать текст под задачу и аудиторию;
- убирать общие формулировки и нейроштампы;
- при необходимости проверять уникальность.
Ставьте реакции, если было полезно. А если хочется задать вопрос или поспорить — комментарии открыты!
Уверена, многие сталкивались: просишь ИИ написать текст, а он сразу начинает его «украшать». Вставляет линии-разделители, буллетные списки, эмодзи где надо и где не надо… Всю эту красоту приходится убирать вручную.
Казалось бы, решение простое: попросить писать «без списков, эмодзи и разделителей». Но тут ИИ впадает в другую крайность и выдаёт сплошное полотно текста. Исчезают заголовки, подзаголовки и выделение жирным, а иногда и деление на абзацы. Вместо структурированного документа получается кирпич текста.
Почему так происходит?
Тут нет злого умысла — это особенность работы модели. Когда в промпте звучит жёсткий запрет, ИИ часто действует по принципу «лучше переочистить, чем недоочистить». Для него списки, разделители и подзаголовки — это всё элементы форматирования.
Как с этим бороться: 3 практических совета
1. Не только запрещаем, но и разрешаем! Недостаточно просто ввести запрет — важно чётко обозначить, что должно остаться.
⛔️ Убери списки и разделители.
✅ Убери маркированные списки и разделители. Сохрани структуру: используй заголовки, подзаголовки и выделяй ключевые мысли жирным.
2. Задаём конечный формат текста, например:
Приведи текст к формату экспертной статьи:
— подзаголовки сохранены
— списков нет
— текст разбит на абзацы
При таком подходе качество ответа заметно растёт.
3. Конкретизируем и уточняем детали
Если нам нужен чистый текст для переноса в Google Docs или Word, стоит прописать это прямо в промпте:
— текст разбит на логические абзацы
— заголовки выделены (без знаков # и графических линий)
— списки переписаны в связный текст
— эмодзи и декоративные линии не используются
Чем меньше двусмысленности в задаче, тем точнее ИИ видит границы допустимого и тем меньше времени потом уйдёт на доработку.
Мой рабочий шаблон
Сейчас я чаще всего пишу так:
Убери:
— маркированные списки
— визуальные разделители
— эмодзи
Сохрани:
— подзаголовки
— логическое деление на абзацы
Формат: структурированный деловой текст без списков.
Есть в маркетинге такое понятие — бенчмаркинг. Инструмент, который помогает смотреть на лидеров отрасли, анализировать их подходы и применять удачные находки у себя. Произошло оно от английского bench, то есть «скамейка». Когда-то мне объясняли это на пальцах примерно так: ты подсаживаешься на лавочку рядом с конкурентами, смотришь, как у них всё устроено, изучаешь, анализируешь — а потом идёшь делать своё. Относится это к разным направлениям маркетинга, в том числе и к контент-маркетингу.
А теперь о главном: что можно делать с чужим экспертным контентом? Вот вам несколько вариантов.
1️⃣Вариант «унылый», самый распространённый. Взять успешные статьи конкурентов, переписать их другими словами и разместить у себя на сайте. Почему это плохо, я даже объяснять не буду — вы и так всё знаете.
2️⃣ Вариант «амбициозный», для уверенных в себе. Прочитать все статьи конкурентов и написать свои — лучше, информативнее и качественнее. Метод не подходит для рефлексирующих перфекционистов: попробуй потом определи, получилось у тебя лучше или нет.
3️⃣ Вариант «продвинутый», самый муторный. Прочитать все статьи конкурентов, взять лучшее из разных источников, скомпилировать, полностью переписать и дополнить собственными кейсами и экспертными комментариями. Получается полезный и вполне оригинальный материал, но какой ценой!
4️⃣Вариант «метод от противного», мой любимый. В процессе изучения контента конкурентов вам наверняка попадутся статьи и посты, которые будут триггерить. Захочется поспорить с автором: вы же в теме, а этот самоназванный эксперт пишет полную фигню! Или встретятся хорошо аргументированные мнения, которые полностью расходятся с вашими. А бывает, что и сформулировать сложно, что именно не так — но интуитивно возражаете.
Можно пойти в комментарии и устроить жаркую дискуссию, но дело это неблагодарное. Есть способ получше: использовать чужой материал в своих целях. Идём в ChatGPT, загружаем текст «плохой» статьи или даём ссылку на неё, просим проанализировать, найти слабые места и привести контраргументы. На основе того, что собрала LLM, плюс ваших собственных выводов делаем авторский текст, который точно не будет «как у всех».
Не секрет, что у любой новости есть первоисточник. Но до новостных лент в соцсетях и блогах обычно долетают лишь пересказы, громкие заголовки и упрощённые формулировки. Что делать, если вам нужен достоверный и уникальный контент по теме?
Пример: вам на глаза попалась статья: «Британские учёные доказали, что употребление моркови продлевает жизнь». Материал перепечатали десятки каналов, заголовки кочуют с сайта на сайт, детали размываются.
А у вас как раз блог о пользе морковки. Тема ваша — надо брать! Но аудитория внимательная: вас читают морковные эксперты, которые сразу подмечают неточности, упрощения и ошибки в фактах.
Вот схема, которой я пользуюсь
1. Ищем корень. Идём в Perplexity (или аналогичный инструмент с поиском) и пишем промпт:
Найди первоисточник новости о том, что [суть новости]. Дай прямую ссылку на научную публикацию или пресс-релиз.
Perplexity хорош тем, что сразу показывает ссылки с цитатами.
2. Проверяем источник. Переходим по ссылке и смотрим: это реальное исследование или очередной пересказ таблоида? Источником можно считать официальный пресс-релиз, публикацию в научном журнале или хотя бы развёрнутую статью в авторитетном СМИ.
3. Переводим и анализируем. Копируем текст из первоисточника в любимую ИИшку с просьбой аккуратно перевести, сохранив термины. С переводами сейчас отлично справляется любая нейросеть.
4. Делаем выжимку. Если материал объёмный — просим краткое резюме на 5–7 пунктов: гипотеза, методология, выборка, ключевые выводы.
5. Собираем свой материал: добавляем комментарий, даём контекст, сравниваем с похожими исследованиями, объясняем, что это значит для вашей аудитории. Вместе с ИИ придумываем яркий, но не кликбейтный заголовок. Последний штрих — оформляем текст в своём стиле.
Да, придётся потратить время, но в итоге вы получите не очередной рерайт рерайта, а ценный экспертный взгляд. Читатели сразу заметят разницу, а вы укрепите репутацию как автор, который не ленится докопаться до сути!
В прошлом посте разобрала признаки сгенерированного текста, которые редактор считывает сразу. Теперь — следующий шаг: что делать, если черновик уже есть, но видно, что его нужно доводить до ума.
Один из вариантов доработки — интерактивная редактура через микрозапросы. Смысл в том, что вы не просите ИИ переписать весь текст заново. Наоборот: работаете точечно, с конкретным абзацем, фразой, переходом или формулировкой, где видите проблему.
1. Если потерялась мысль
— здесь потерялась основная мысль, верни логику абзаца
— перепиши этот фрагмент так, чтобы было понятно, к какому выводу он ведёт
— собери абзац вокруг одной главной мысли
— сделай переход между этими двумя абзацами более ясным
Кстати, главную мысль в таких случаях лучше не пытаться «вытянуть» из модели, а сразу назвать в запросе своими словами. Оформить и отшлифовать формулировку нейросеть сумеет сама.
2. Если текст слишком общий
— перепиши этот фрагмент так, чтобы он опирался на реальную ситуацию, а не на общие рассуждения
— замени абстрактные тезисы на понятные детали
— покажи мысль через факт, а не через обобщение
— убери универсальные фразы и привяжи абзац к конкретному кейсу
Здесь тоже полезно не ждать, что модель сама догадается, какой именно конкретики вам не хватает, а подсказывать направление: кейс, ситуация, тип клиента, формат текста, площадка, роль спикера.
3. Если нужно упростить или сократить
— разбей длинное предложение на два более простых
— сократи абзац и оставь только то, что будет важно для руководителя
— объясни эту мысль для читателя телеграм-канала, который не погружён в тему
— убери тяжёлые конструкции, переформулируй без усложнений и канцелярского оттенка
Лучше сразу обозначать, для кого вы упрощаете текст. «Понятность» всегда зависит от аудитории.
4. Если текст звучит слишком громко и пафосно
— убери лишнее усиление в этом абзаце
— замени оценочные слова в этом фрагменте на более нейтральные
— найди в этом предложении преувеличения и замени их на точные формулировки
— перепиши этот кусок в более сдержанной интонации
Лучше просить не «сделать текст менее пафосным» вообще, а показать модели конкретный фрагмент и уточнить, что именно вас смущает: рекламный нажим, преувеличения, оценочность, слишком громкая лексика.
5. Если нужно вернуть человеческий голос
— сделай этот абзац менее обезличенным
— добавь интонацию живого спикера, но без разговорности
— перепиши так, чтобы фрагмент не выглядел шаблонным
Такой запрос лучше работает, если у вас есть опора на речь спикера (клиента, партнёра, руководителя): тезисы, голосовое сообщение, комментарий, переписка. Ну а если спикер вы сами, не стесняйтесь делиться с ИИ вашими уникальными знаниями и опытом, не просите всё сочинить за вас!
Конечно, это не готовые формулы на все случаи жизни, а скорее примеры. Но по ним удобно понять сам принцип и дальше собирать свои микрозапросы — под конкретный текст, задачу и ситуацию.
1. Формально всё верно, но текст не решает задачу
Языковые модели создают «правильный» текст, но делают это обобщённо: не учитывают формат продукта или услуги, специфику бизнеса и отрасли, особенности спикера и инфоповода. Читатель сразу почувствует несоответствие: текст звучит привычно, но не совпадает с реальной логикой коммуникации. В некоторых случаях ИИ может искажать суть предложения, что это особенно сложно отловить при редактировании.
2. В тексте много обобщений и усилений
Часто при написании пресс-релизов ИИ добавляет пафос, завышает обещания, увеличивает значимость. Такие формулировки создают лишние репутационные риски для компании и вступают в конфликт с требованиями редакции. Правки здесь должны быть направлены не на усиление текста, а, напротив, на сознательное «понижение градуса».
3. Смешение жанров: блог или «википедия» вместо PR-материала
При внешне живой и эмоциональной подаче текст может уходить в формат блога или авторской колонки, хотя изначально задумывался как материал для СМИ. Возможен и обратный перекос: статья превращается в справку из учебника или энциклопедии — грамотную и корректную, но не рассчитанную на публикацию в медиа.
4. Логика «для читателя», а не для редакции
ИИ хорошо оптимизирует текст под восприятие: делает его понятным, плавным, легко читаемым. При этом критерии редакции — новизна, релевантность повестке, формат, отсутствие скрытой рекламы — не всегда закладываются в материал. В итоге текст не отвечает на главный редакторский вопрос: почему его стоит публиковать именно сейчас и именно здесь?
5. Написано гладко, но непонятно
Самая коварная ловушка ИИ-текста. Абзац может быть связным, аккуратным, логичным — и при этом после прочтения остаётся вопрос: а в чём, собственно, тут мысль? Какой вывод должен сделать читатель? Если приходится гадать и «пересобирать» смысл, значит, текст не дотянули.
Три любопытные истории, которые вы, скорее всего, не читали
Иэн Макьюэн, «Машины как я» (2019)
Альтернативная история, в которой уже в 1980-х появляются человекоподобные роботы. Искусственные люди вошли в быт, но быстро выясняется, что проблема не в их холодности и не в агрессии. Напротив: они оказываются слишком прямыми, слишком последовательными и слишком чувствительными к человеческой лжи и моральной путанице. Разговор об ИИ здесь превращается в разговор о людях: о морали, правде, любви, ответственности и о том, что вообще делает личность личностью.
Роберт Сойер, «Смертельный эксперимент» (1995)
Книга не новая, и описанные в ней технологии будущего современному читателю могут показаться забавными. Но роман интересен не этим. Через тему искусственного разума в нём поднимаются вопросы, которые по-прежнему звучат остро: что такое сознание, где проходит граница между человеком и машиной и можно ли смоделировать личность. Отправная точка романа — три цифровые копии сознания учёного, каждая из которых по-своему продолжает его личность.
Андрей Подшибякин, «Некросеть» (сборник «Голодный мир», 2025)
Здесь ИИ интересен не как всемогущий победитель человечества, а как система, которой постоянно нужна новая человеческая «пища» — истории, образы, эмоции, тексты, всё то, что она не может полноценно производить сама. Из всех трёх произведений это, пожалуй, самое мрачное. Особенно актуальной звучит мысль о зависимости машин от человеческого воображения — и о последствиях этой зависимости для самих людей.
Ставьте реакции, если хотите время от времени видеть такие подборки книг и фильмов. И буду рада, если поделитесь своими рекомендациями в комментариях.
Я работаю с коммерческими текстами и всё чаще вижу, как вокруг GEO появляются слишком простые рецепты: удалить половину сайта, ужать тексты, каждую мысль вынести на отдельную страницу. Проблема в том, что нейропоиск устроен сложнее.
Во-первых, он не отменил классический поиск, а вырос из него. Технически требования к качественному контенту и SEO работают уже давно — как минимум с 2019 года, когда поиск начал заметно сильнее ориентироваться на смысл, полноту раскрытия темы, экспертность и актуальность материала.
Во-вторых, нейровыдача тесно связана с классическим поиском. И AI Overview в Google, и ответы Алисы часто опираются на сайты, которые уже хорошо видны в обычной выдаче. Поэтому сильное SEO по-прежнему остаётся базой: если сайт нормально ранжируется, у него обычно выше шансы попасть и в нейроответы.
Теперь к самим тезисам.
1. Удалять старый контент — не универсальное решение
Удаление помогает не потому, что ИИ якобы любит «свежий и короткий» сайт. Оно помогает, когда на сайте накопились дубли, пустые страницы и тексты без ответа на реальный запрос. Иными словами, срабатывает не удаление само по себе, а расчистка слабого слоя контента.
Это видно и по другой логике исследования: нейросистемы охотнее берут в работу внешние и авторитетные источники, а не просто любой текст на сайте бренда. В презентации приводится цифра: 85% упоминаний бренда в AI-ответах приходятся на сторонние площадки, а шанс цитирования вырастает в 6,5 раза, если о бренде пишут авторитетные внешние источники. То есть вопрос не в том, сколько у вас страниц, а в том, есть ли у контента вес, фактура и подтверждаемость.
2. Короткий текст не лучше длинного просто потому, что он короткий
Часто говорят: «ИИ любит ёмкие тексты». Корректнее сказать иначе: ИИ любит ясные ответы, из которых можно быстро извлечь смысл.
В том же материале есть прямой тезис: длина текста сама по себе не влияет на попадание в нейровыдачу. Важнее логическая структура, содержательность и понятность ответа. Это, кстати, тоже не новая логика: поиск давно движется в сторону понимания смысла, а не простого совпадения слов.
Поэтому многие «победы коротких текстов» объясняются проще: из длинной страницы убрали воду, повторы и пустые SEO-абзацы. Текст стал короче, но сработало не сокращение объёма, а повышение плотности смысла.
3. Дробить тему на десятки страниц — тоже не панацея
Старая логика SEO часто сводилась к тому, чтобы делать много близких страниц под соседние формулировки. Для GEO это может мешать: если у сайта много похожих материалов на одну тему, системе сложнее понять, какую страницу считать основной.
В презентации есть показательная цифра по Алисе: блок нейроответа выводился для 57% запросов из выборки, но только в 51% случаев в ответы попадали сайты из классического топ-10. Ещё 12% запросов из топ-10 в нейроответы не попадали. Это не доказывает автоматически, что «дробление вредно всегда», но хорошо показывает: присутствие в обычной выдаче ещё не гарантирует, что именно этот материал будет выбран для нейроответа.
Поэтому сегодня рабочая логика скорее такая: не «одна мысль — одна статья», а «одна задача пользователя — одна сильная страница».
Что с этим делать
Пожалуй, главное здесь — не впадать в крайности. Не стоит массово удалять старый контент, спешно укорачивать все тексты или дробить темы только потому, что это советуют в обсуждениях GEO.
Гораздо полезнее посмотреть на сайт свежим взглядом: где есть дубли, где материал устарел, где страница не даёт ясного ответа на запрос пользователя, а где, наоборот, собрана хорошая фактура, но не хватает структуры или доработки. Обычно лучше всего работает аккуратная ревизия контента. В результате сайт становится удобнее и для человека, и для поисковой системы.
Я работаю с коммерческими текстами и цифровым присутствием: помогаю компаниям и экспертам выстраивать понятный и проверяемый образ в сети. Частая задача — чтобы человека можно было быстро и корректно найти по имени.
Если у вас распространённая фамилия или есть тёзки, одних соцсетей уже недостаточно. Поисковая выдача всё чаще дополняется генеративными ответами, и в них выигрывает тот, у кого лучше собран цифровой след.
У меня была простая цель: по запросу «Мария Лютая» в поиске должна появляться именно я, а не другие специалисты с тем же именем. Это удалось сделать без рекламных бюджетов — за счёт системной работы с присутствием в сети.
Шаг 1. Сделать базовый первоисточник
Нужна одна внятная страница, где зафиксировано:
— кто вы
— чем занимаетесь
— в каком городе работаете
— какие у вас роли, проекты и специализация
У меня это был простой сайт на Tilda, который я сделала сама.
Смысл в том, что поиску нужен понятный первоисточник. Если такой страницы нет, система начинает собирать ваш образ из обрывков. И тогда в выдаче легко возникает путаница.
Шаг 2. Обеспечить проверяемость фактов
Генеративный поиск не любит одиночные заявления. Он сопоставляет информацию из разных источников и смотрит, что подтверждается.
Лучше всего работают:
— упоминания на сайтах компаний и организаций
— страницы вузов, конференций, профессиональных объединений
— публикации в медиа
— внешние профили на деловых и экспертных площадках
Мой рабочий принцип такой: если вы где-то заявляете роль, хорошо, когда её можно подтвердить внешней ссылкой. В моём случае ИИ находит меня, в частности, на сайте института культуры в списке преподавателей. Это усиливает доверие к профилю.
Шаг 3. Создать точки присутствия на индексируемых площадках
Даже если вы не собираетесь активно вести все платформы, полезно:
— зарегистрироваться
— заполнить профиль
— коротко и одинаково описать себя
У меня были задействованы:
— VK
— VC
— TenChat
— Telegram как дополнительный сигнал
Даже просто заполненные профили уже помогают собрать связный цифровой след.
Отдельно про Telegram. Посты там индексируются ограниченно, но сам канал — название, описание, ссылка — поиском учитывается. Если канал добавлен в каталоги вроде TGStat, это даёт дополнительную точку обнаружения.
Шаг 4. Следить за единообразием
Алгоритмы связывают упоминания по совпадающим признакам. Поэтому важно поддерживать:
— одинаковое написание ФИО
— схожее описание роли
— один и тот же город
— повторяющиеся формулировки позиционирования
Чем меньше разнобоя, тем проще поиску понять, что все эти упоминания относятся к одному человеку, а не к нескольким однофамильцам.
Шаг 5. Добавить экспертную публичность
Сильнее всего работают сигналы, которые показывают, что человек заметен в профессиональной среде. Это могут быть:
— выступления
— комментарии и статьи в медиа
— участие в отраслевых проектах
— экспертные колонки
— профили на тематических площадках
Каждое такое упоминание помогает не только людям, но и поисковым системам. Для них это признак того, что перед ними не случайный аккаунт, а фигура с понятной ролью и подтверждаемой экспертностью.
