Фраза «это не просто X — это Y» стала безошибочным маркером AI-текстов

Есть простой способ проверить текст на AI-происхождение: найти конструкцию «это не просто X — это ещё и Y». Если она встречается хотя бы раз — вероятность синтетического авторства стремится к ста процентам. Именно такой вывод следует из наблюдений, которые TechCrunch обобщил в апреле 2026 года.

Конструкция с противопоставлением «не только... но и...» стала настолько характерной чертой AI-генерированных материалов, что перестала быть лишь косвенной уликой — теперь это почти гарантия.

Почему именно она? Языковые модели обучались на миллиардах текстов, среди которых журналистские лонгриды, аналитические обзоры и маркетинговые материалы. В этих жанрах оборот встречается часто — он создаёт видимость глубины и полутонов.

Модель усвоила его как сигнал «умного письма» и теперь воспроизводит автоматически каждый раз, когда нужно усилить аргумент или показать, что тема рассмотрена со всех сторон. Проблема в дозировке. В человеческом тексте такая конструкция появляется редко и в нужном месте.

Когда языковая модель использует её несколько раз подряд в одном материале, это уже не стиль — это сбой, который сразу бросается в глаза любому редактору. Это не первая и не последняя «улика» такого рода. До неё исследователи фиксировали другие AI-маркеры: слово «delve» (погрузиться, углубиться) в несвойственных ему контекстах, вводные «Certainly!»

и «Great question!», ровные списки ровно из пяти пунктов, концовки в духе «это открывает новые горизонты для будущих исследований». Каждый такой паттерн проходит одну и ту же траекторию: сначала его замечают редакторы, потом он попадает в список детекторов, потом разработчики стараются его убрать — и цикл повторяется.

Масштаб проблемы значительный. По ряду оценок, в некоторых нишах — маркетинговые блоги, корпоративные новости, контент-фермы — доля AI-генерированных материалов уже превышает 60-70%. Характерные паттерны буквально разлились по интернету, и читатели начинают их узнавать интуитивно, даже не умея сформулировать, что именно их смущает.

Для компаний и авторов, которые используют языковые модели в работе, это практический сигнал нескольких уровней. Первый: финальная редактура не опциональна. Прогнать текст через модель и сразу опубликовать — значит рискнуть репутацией.

Читатель, заметивший шаблонный оборот, делает вывод не только о качестве конкретного материала, но и об отношении автора к аудитории. Второй: настройка промптов работает. Явный запрет на клише в системном промпте — «не используй конструкцию X», «избегай симметричных противопоставлений» — радикально снижает их частоту.

Это не гарантия, но существенное улучшение. Третий: список маркеров нужно обновлять. Паттерны меняются вместе с моделями.

То, что работало как детектор год назад, может быть уже исправлено в новых версиях. И наоборот — новые модели приносят новые клише, которые пока никто не заметил. История с конструкцией «это не просто X — это Y» хорошо показывает природу гонки между языковыми моделями и теми, кто их редактирует.

Модели быстро осваивают стилистические приёмы, которые выглядят убедительно на статистическом уровне — но именно поэтому они воспроизводят их слишком часто и слишком предсказуемо. Хороший редактор всё ещё обходит алгоритм. Пока.