Почему AI-тексты раздражают читателей: автор Habr разобрал реакцию на нейросетевой стиль

На Habr вышел разбор о том, почему материалы, созданные или отполированные нейросетями, так часто раздражают читателей. Автор проверил это на себе: публиковал AI-сгенерированные тексты, сравнивал реакции и пришёл к выводу, что аудитория обычно ловит не подмену мысли, а подмену человеческой формы.

Эксперимент на себе Автор описывает почти лабораторный тест.

Он намеренно выкладывал на Habr материалы, собранные с помощью нейросетей, и отслеживал, как люди реагируют на подачу, ритм и общую интонацию. Самый показательный момент случился, когда он взял собственную старую статью с хорошим рейтингом, немного «причесал» её через AI и снова отдал аудитории. Идеи, аргументы и автор остались прежними, но реакция резко ухудшилась.

Так он получил чистое сравнение реакции на содержание и на упаковку. Вместо узнавания привычного стиля читатели увидели то, что часто называют «сгенерированностью»: слишком ровный темп, чистые переходы между блоками и безопасные формулировки без живой неровности. Эксперимент оказался важным именно потому, что он убирает главный контраргумент — дело не в слабой теме и не в новом авторе.

Меняется оболочка, и вместе с ней меняется доверие. Это и стало главным наблюдением всей истории для автора.

«Тот же автор, те же мысли. Изменилась только форма».

Что палит AI

Текст связывает это раздражение не только с культурной модой на критику AI, но и с базовой работой психики. Читатель постоянно оценивает, насколько речь похожа на сигнал от живого собеседника: где есть риск, где слышен личный выбор, где заметны странные, но осмысленные повороты. Когда всё слишком усреднено и гладко, мозг начинает воспринимать материал как синтетический, даже если фактически его писал человек или хотя бы плотно редактировал.

Подозрение обычно запускают такие признаки: идеально выровненный ритм фраз без естественных скачков шаблонные связки между абзацами и предсказуемые выводы обобщения вместо наблюдений, которые можно проверить повторение одной мысли разными словами * стерильный тон без авторского риска и шероховатости При этом автор подчёркивает важную проблему: такая интуиция часто ошибается. Человек тоже может писать сухо, по шаблону или после жёсткой редактуры. Поэтому «детектор AI» в голове работает не как анализатор происхождения текста, а как сигнал тревоги: перед нами речь, в которой мало индивидуальности и слишком много статистической середины.

Отсюда и ложные срабатывания, и агрессия в комментариях. Именно поэтому одних только ощущений для оценки уже недостаточно.

Что не так с кодом Эта же логика переносится на программирование.

Код от нейросетей нередко выглядит аккуратно: у него понятная структура, правильные названия переменных, знакомые паттерны и даже неплохие комментарии. Но именно это внешнее благополучие может быть ловушкой. Модель хорошо воспроизводит средний образ «хорошего решения», но слабее держит реальные ограничения проекта: историю архитектуры, неочевидные инварианты, хрупкие места интеграций и крайние сценарии.

В реальной разработке именно это обычно и решает судьбу результата. Из-за этого разработчик сталкивается с особым видом недоверия. Ошибка не всегда заметна сразу, потому что код выглядит убедительно и читается легко.

Проблема всплывает позже — на необычных данных, в связке с соседними модулями или при попытке поддерживать решение дальше. По сути, текст и код здесь ведут себя одинаково: нейросеть часто выдаёт правдоподобную форму быстрее, чем глубокое понимание контекста. И когда человек замечает этот разрыв, раздражение только усиливается.

Что это значит

Главный вывод не в том, что AI-контент надо запрещать, а в том, что его нельзя оценивать только по поверхности. Для авторов это сигнал меньше полировать текст до безличной гладкости, для редакторов — сохранять голос и конкретику, а для разработчиков — проверять нейросетевой код как черновик, а не как готовое решение. В ближайшие годы выигрывать будут не те, кто просто подключил AI, а те, кто научился не терять человеческую неровность и контекст.