Нейросеть для создания текста: что меняется в работе редакции

Рутинные сводки, биржевые сводки, отчёты о квартальных прибылях — тот пласт журналистской работы, который никогда не считался творческим, но отнимал часы. Автоматизация пришла за ним первой, и никого не удивила. Вопрос, который действительно волнует редакции сегодня, звучит иначе: где проходит граница между инструментом, который помогает журналисту, и инструментом, который журналиста замещает? И как эта граница выглядит в российских медиа, где нейросети для создания текстов вошли в повседневный обиход быстрее, чем успели сформироваться стандарты их применения.

Масштабирование рутины: как ИИ берёт на себя новостной поток

Логика внедрения генеративных нейросетей в редакционные процессы выглядит прагматично и даже убедительно. Прежде всего автоматизации поддаётся то, что не требует авторской интонации, расследовательского чутья или этического суждения: транскрибация интервью, первичный рерайт пресс-релизов, составление новостных сводок, генерация заголовков для A/B-тестирования, подбор тематических тегов. Это не журналистика в классическом смысле — это инфраструктура, которая позволяет журналисту заниматься журналистикой.

Российские редакции здесь не исключение. По данным исследования Pressfeed, 65% опрошенных медиаспециалистов уже внедрили нейросети в рабочий процесс, причём 71% из них используют ИИ именно для генерации текстов — с помощью ChatGPT, YandexGPT или GigaChat. Среди молодых журналистов цифры ещё показательнее: опрос Rambler&Co и премии «ШУМ» зафиксировал, что 82% респондентов до 30 лет применяют нейросети в профессиональной деятельности, а 68% — непосредственно для создания текстовых материалов.

Нейросеть не пишет материал вместо журналиста — она снимает с него ту часть работы, которая никогда не была журналистикой, но без которой журналистика не обходится.

Глобальная картина подтверждает тренд. Отчёт JournalismAI Лондонской школы экономики, охвативший 105 новостных организаций из 46 стран, показал: около 85% респондентов хотя бы раз экспериментировали с генеративным ИИ — для написания кода, создания иллюстраций, суммаризации текстов. Это не маргинальные опыты стартапов; к экспериментам прибегают и крупные медиагруппы, и региональные издания с небольшими штатами.

Статистика внедрения: от экспериментов к повсеместной практике

Цифры, которые фиксируют исследователи, рисуют картину стремительной нормализации. Ещё два года назад использование нейросетей в редакции воспринималось как эксперимент — любопытный, но маргинальный. Сегодня это операционная реальность.

Примечательна динамика: если в 2023 году речь шла об «экспериментах», то к 2025-му язык сместился к «интеграции» и «операционному применению». Национальный центр развития искусственного интеллекта прогнозирует, что к 2028 году инструменты ИИ будут задействованы в повседневной работе до 74% медиабизнеса. Это не футурология — это экстраполяция уже наблюдаемых процессов.

Однако статистика внедрения — не статистика успеха. Важно различать два вопроса: «сколько редакций используют ИИ» и «как именно они его используют». Между «нейросеть помогает расшифровать интервью» и «нейросеть пишет текст, который публикуется без редактирования» — дистанция, которую агрегированные цифры не фиксируют.

Человеческий контроль как главный актив редакции

Здесь начинается территория, где прагматика сталкивается с профессиональной этикой. Нейросеть способна сгенерировать грамотный, стилистически выверенный текст на заданную тему за секунды. Но она не способна проверить источник, оценить достоверность свидетельства, понять, что собеседник лукавит, или решить, публиковать ли информацию, которая может навредить конкретному человеку. Эти функции — ядро журналистской профессии, и они остаются за человеком.

Шеф-редактор, принимающий решение о публикации, фактчекер, сверяющий цифры с первоисточниками, корреспондент, выстраивающий доверительные отношения с информатором, — эти роли не поддаются автоматизации не потому, что технологии пока не доросли, а потому что они требуют этического суждения. Нейросеть не различает дезинформацию и факт; она различает вероятностные паттерны в обучающей выборке.

Редакция, которая доверяет нейросети написание текста, но не доверяет ей проверку фактов, интуитивно понимает границу автоматизации — даже если не формулирует её явно.

Показателен пример Associated Press: увеличив выпуск автоматических финансовых отчётов до 40 000 в год, агентство не сократило штат репортёров — оно перераспределило их время. Журналисты, которые раньше тратили часы на составление стандартных сводок, занялись расследованиями, аналитическими материалами, интервью. Автоматизация рутины высвободила ресурс для того, что действительно требует человеческого участия.

Эта модель — автоматизация подсобных функций при сохранении контроля за содержанием — выглядит разумной. Но она предполагает, что редакция осознанно определяет границу, а не скатывается в неё по инерции. А для этого нужны не только технологические компетенции, но и редакционные стандарты, которых в большинстве российских СМИ пока нет.

Барьер доверия: почему аудитория настороженно относится к ИИ-контенту

Есть ещё одна сторона, которую редакции не всегда учитывают, увлекаясь операционной эффективностью: отношение аудитории. Российский опрос 2023 года зафиксировал тревожный для медиаменеджеров сигнал: свыше 33% респондентов заявили, что откажутся от чтения СМИ, если написание материалов целиком доверить искусственному интеллекту. Ещё 25% признались, что станут меньше доверять такому медиа.

Это не абстрактная настороженность — это конкретный репутационный риск. Аудитория, которая годами формировалась на понимании «журналист — это человек, который проверяет информацию», не готова одномоментно принять модель «текст генерирует алгоритм, а человек лишь вычитывает». Даже если результат неотличим по качеству, сам факт отсутствия автора воспринимается как дефицит.

Парадокс в том, что читатель часто не способен отличить текст, написанный журналистом, от текста, сгенерированного нейросетью и отредактированного человеком. Но способность различать и готовность доверять — разные вещи. Можно не замечать разницу и при этом принципиально возражать против того, чтобы её не было.

Для редакций это означает необходимость прозрачности. Не в смысле обязательной маркировки каждого абзаца, написанного с помощью ИИ — такая механика нежизнеспособна. Но в смысле понятной читателю редакционной политики: что мы делаем с нейросетями, где они помогают, а где решения принимает человек. Издания, которые сформулируют эту позицию первыми, получат конкурентное преимущество не в технологиях, а в доверии.

Прогноз до 2028 года: интеграция ИИ в бизнес-процессы медиа

Прогноз Национального центра развития искусственного интеллекта — 74% медиабизнеса с ИИ к 2028 году — стоит прочитывать не как прогноз технологического проникновения, а как прогноз операционной нормализации. Нейросети для создания текстов перестают быть отдельным «инструментом», который «внедряют»; они становятся частью инфраструктуры, как когда-то стали текстовые редакторы или системы управления контентом.

Это не значит, что вопросов не останется. Напротив, именно по мере нормализации обостряются вопросы, которые при экспериментальном использовании казались теоретическими:

• Ответственность за ошибку. Если нейросеть сгенерировала текст с фактической ошибкой, а редактор её не заметил, кто несёт ответственность — автор, редактор, разработчик модели, издание?
• Авторское право. Текст, сгенерированный нейросетью на основе обучающих данных, — чей это текст? Какие права на него имеет редакция, а какие — правообладатели обучающей выборки?
• Редакционная уникальность. Если все редакции используют одни и те же модели для одних и тех же задач, чем издание отличается от конкурента? Не выравнивается ли медиаландшафт до состояния однородного контентного шума?
• Профессиональная этика. Допустимо ли публиковать текст, написанный нейросетью, под именем журналиста? Где проходит граница между «помощь в работе» и «подмена авторства»?

Эти вопросы не имеют готовых ответов, и в этом — главный вызов для редакций. Технология развивается быстрее, чем формируются стандарты её применения. Журналистские организации, медиаассоциации, редакционные советы — все они пока находятся в режиме реактивного реагирования: сначала технология появляется, потом обнаруживаются проблемы, потом начинается дискуссия о стандартах.

Российские медиа оказались в точке, где нейросеть для создания текста — уже не вопрос «использовать или нет». Вопрос — как, с какими ограничениями и под каким контролем. Редакции, которые ответят на него осознанно, сформулировав собственные стандарты применения ИИ, получат не только операционное преимущество, но и репутационный капитал. Те, кто пустит процесс на самотёк, рискуют обнаружить, что автоматизация, задуманная как инструмент, стала источником репутационных потерь.

Профессиональное сообщество стоит перед необходимостью не просто экспериментировать с нейросетями, а вырабатывать язык для их обсуждения — язык, который позволит отличить разумную автоматизацию от безответственной подмены. И этот язык, судя по всему, придётся создавать одновременно с самой технологией.