Граница между инструментом ИИ и фабрикой мусора: как не стать создателем AI slop
В 2025 году общество выбрало слово «slop» — низкокачественный контент, производимый в огромных объемах с помощью генеративных моделей. Редактор новостей Umine Nagi разбирается, почему стоимость создания информации стремится к нулю, но человеческое внимание остается дефицитом, и какие механизмы рекомендательных алгоритмов превращают «мусор» в вирусный хит.
# Я делаю ИИ-редактора, но боюсь стать фабрикой AI slop
В 2025 году Американское языческое общество (American Dialect Society) определило «slop» словом года. Это не просто опечатка, а термин, описывающий низкокачественный контент, создаваемый массово, чаще всего с помощью искусственного интеллекта. Возникая из-за стремления автоматизировать написание технических статей, разработчик столкнулся с неприятным вопросом: чем его система отличается от конвейера цифрового мусора? Разбор цифр и механизмов показывает, что проблема кроется не в коде нейросети, а в экономике внимания.
Что плохого в массовом производстве?
Часто понятия «AI-generated» (сгенерированный ИИ) и «AI slop» смешивают, хотя это разные категории. Сгенерированный контент — это просто факт использования модели. Slop же возникает при пересечении нескольких факторов: использование ИИ + массовое производство + минимальная проверка + отсутствие ответственности + цель захватить внимание.
Исследование, опубликованное в журнале JMIR Medical Education, предлагает важную метрику: степень человеческой заботы при создании. Если ИИ написал текст, а человек лишь проверил источники и отполировал стиль, это не slop. Проблема начинается, когда цена попытки создания стремится к нулю, а количество попыток растет до миллионов.
Статистика против реальности
Цифры о проникновении ИИ в интернет варьируются от 5% до 75%, что сбивает с толку. В реальном мире картина сложнее и зависит от того, что именно изучают:
* Pew Research Center (2026): В выборке из 490 000 случайных страниц признаки ИИ-авторства или редактирования найдены у 10%. Однако для страниц, опубликованных после появления ChatGPT, этот показатель вырос более чем до трети. * Graphite (2026): Из 55 400 новых статей и списков новостей 49,9% были преимущественно сгенерированы ИИ. Рост в 2026 году фактически остановился. * Ahrefs (2025): В группе 900 000 новых страниц 74,2% содержали какой-либо ИИ-генерируемый контент (не обязательно весь текст).
Парадокс заключается в том, что, несмотря на простоту производства, ИИ-контент редко доходит до читателя в виде высококачественной информации. В выборке Google Search 86% статей написаны людьми, а среди источников, цитируемых AI-ассистентами (ChatGPT, Perplexity), человеческое авторство подтверждается в 82% случаев.
Алгоритмическая селекция в социальных сетях
Ситуация в TikTok и YouTube кажется ещё более странной. Исследование Kapwing (май 2026 года) показало, что в рекомендаций ленте нового TikTok-аккаунта 59% роликов отнесено к категории AI slop. На YouTube Shorts показатель составил 21%. При этом другие исследования в узких образовательных нишах выявляют лишь 5,3% такого контента.
Если пользователи так не любят «мусор», почему он появляется в их ленте? Ответ кроется в логике рекомендательных систем. Алгоритмы TikTok и YouTube работают на основе сигналов: просмотров, лайков, комментариев и продолжительности сессии. Они не видят, сколько часов провел автор над сценарием или переписал ли он его десять раз. Видят только реакцию зрителя.
Механизм масштабирования
Раньше производство видео выглядело как дорогая цепочка: идея → сценарий → съемка → озвучка → монтаж. Сегодня появился дешевый пайплайн: промпт → генерация видео → синтез речи → шаблонный монтаж → публикация.
Контент-фермы могут запускать миллионы дешевых попыток. Если даже 0,1% из них пройдет отбор платформы, это даст тысячу «победителей». Обычный автор, создающий 1000 качественных видео, может уступать ферме, создающей миллион, просто потому, что вероятность случайного попадания в «вирус» выше при огромном количестве выборок. Это явление можно назвать *алгоритмической селекцией slop*: платформа сама отсеивает мусор, но из огромной массы его количество превышает качественный контент.
Почему аудитория отвергает ИИ
Отношение к генеративному ИИ сложное. Исследование Reuters Institute (2025) показывает, что 62% аудитории готовы потреблять полностью человеческий контент. Если ИИ участвует частично, число поддерживающих падает до 43%. Полностью автоматизированные новости комфортны лишь 12% опрошенных.
Главное беспокойство связано не с технологиями, а с исчезновением ответственного автора. Потребители опасаются введения в заблуждение (62%), потери аутентичности (67%) и снижения качества (51%). Важно отметить, что 91% жителей Великобритании считают обязательной маркировку AI-контента.
Платформы и регуляторы реагируют, смещая фокус с запрета ИИ на борьбу с масштабным производством бесполезного контента. Google ужесточил политику против scaled content abuse вне зависимости от автора. TikTok тестирует системы для обнаружения аккаунтов, публикующих спам, и применила маркировку к более чем 3 миллиардам видео. Статья 50 AI Act в ЕС требует прозрачности, если материал не прошел человеческую редакционную проверку.
Инструмент или конвейер?
Отказаться от ИИ невозможно. Исследования показывают, что использование ассистентов повышает производительность: время выполнения задач снижается на 40%, а качество работы растет на 18%. Однако высвободившееся время можно потратить по-разному.
* Вариант A: Увеличить количество публикаций с 1 до 20 в неделю, превратив редактора в ферму. * Вариант B: Уменьшить время черновика с 8 до 2 часов, перенаправив ресурсы на глубокое исследование, проверку фактов и редактуру.
Граница проходит именно здесь. Использование ИИ для ускорения работы допустимо, если высвободившееся время инвестировано в добавление уникального человеческого опыта, критического анализа и авторского голоса. Иначе система автоматически превращается в фабрику AI slop, где алгоритм делает отбор вместо человека.
*«Технология не делает нас плохими, но она делает доступным делать плохие вещи быстрее, чем хорошие»* — эта мысль должна быть напоминанием каждому, кто использует нейросети в работе.
Системы вроде StoryOps демонстрируют возможный путь: ИИ обрабатывает факты и тренды, но окончательное решение о стиле, структуре и глубине анализа остается за автором, не давая алгоритму придумывать мотивацию или искажать контекст.