Каждая седьмая студенческая работа, проверенная в 2025 году, содержала признаки использования искусственного интеллекта, следует из оценок разработчиков системы «Антиплагиат». При этом сам масштаб проверок остаётся значительным - за год в системе было выполнено более 8 млн проверок студенческих работ. Если исходить из базовой стоимости одной проверки в 637 рублей, совокупные расходы пользователей могли составить около 5,1 млрд рублей. С учётом льготных тарифов для вузов и возможной скидки этот объём остаётся на уровне, не менее 3,8 млрд рублей. Эти цифры наглядно показывают экономический масштаб рынка академического контроля.

По данным упомянутого сервиса, доля работ с признаками ИИ-генерации достигла 15,3 %. Одновременно средний уровень заимствований из открытых источников превысил 20 %. Это соотношение позволяет усомниться в распространённом тезисе о доминировании нейросетей как главной угрозы академической добросовестности: студенты по-прежнему чаще прибегают к прямому списыванию и некорректным заимствованиям, чем к использованию ИИ-инструментов.

Разработчики также фиксируют рост обращений к нейросетям именно на этапе редактирования работ, как правило для целей рерайта. Наиболее активно такие инструменты применяются студентами гуманитарных и социальных направлений, где доля текстов с признаками ИИ почти вдвое выше, чем в технических дисциплинах. Это объясняется не только спецификой текстовых заданий, но и меньшей формализуемостью критериев оценки в гуманитарной сфере.

В ответ на эти тенденции Антиплагиат, который ВУЗ, анонсировал запуск комплексного инструмента «Антиплагиат 2.0», который должен объединить поиск заимствований и выявление ИИ-генерации, а также отслеживание процесса написания текста. Пожалуй из всего сказанного в пресс-релизе, ключевое – «отслеживание процесса». Именно формулировка «в режиме реального времени» остаётся не до конца прояснённой. Неочевидно, идёт ли речь о регулярной самостоятельной проверке каждой главы уже написанной работы — что фактически стимулирует рост числа платных проверок, — или о необходимости создавать текст непосредственно в интерфейсе сервиса, что предполагает ещё более высокие издержки для студентов. В обоих случаях возникает вопрос не столько о целесообразности, сколько о коммерческой логике предлагаемой модели.

Заявления о «принципиально новом» детекторе ИИ выглядят спорно, поскольку OpenAI официально заявило, что детектировать генеративный текст - невозможно. Имеющиеся на рынке детекторы ИИ – это набор правил, которые пытаются выявить похожий на генеративный текст, если эти правила соблюдать, то любой генеративный текст будет определен как 100% написанный человеком. В течение последних лет разработчики Антиплагиат неоднократно сообщали о внедрении механизмов распознавания нейросетевой генерации в систему «Антиплагиат». С этой точки зрения анонс 2.0 скорее выглядит как ребрендинг уже существующих решений, а не как качественный технологический прорыв.

Разработчики сервиса подчёркивают, что цель внедрения новых инструментов не сводится к наказанию студентов за использование искусственного интеллекта. Речь идёт о формировании модели, в которой ИИ выступает вспомогательным инструментом, а персональная ответственность за результат сохраняется за обучающимся. Как отмечают в компании, искусственный интеллект должен усиливать критическое мышление, а не подменять его, и именно эта идея, а не сам факт технического обновления, может стать ключевым содержательным новшеством заявленной версии 2.0.

Проводя критический анализ «новаций» мы видим, новинку следует рассматривать не как инструмент «лучшего выявления дефектных текстов», а как инфраструктурную модель монетизации через рост числа проверок. Заявляемая полезность (борьба с ИИ, прозрачность, сопровождение) выступает легитимирующим дискурсом, тогда как реальные изменения архитектуры системы указывают на приоритет частоты и обязательности проверок.

Ключевая логика  следующая, в условиях, когда:

- каждая проверка является платным событием (прямо или через корпоративную лицензию),

- рынок вузов насыщен и экстенсивный рост числа клиентов ограничен,

- традиционная модель «1 работа — 1-2 проверки» демонстрирует потолок спроса,

единственный устойчивый способ увеличения выручки — интенсификация использования внутри уже подключённых организаций, то есть рост количества проверок на одного пользователя / одну работу.

Факторы, указывающие на ориентацию на рост числа проверок следующие.

1) Искусственное дробление одного академического действия на множество проверяемых событий

В версии 2005 логика была простой: одна работа → одна (иногда две) проверки.

В версии 2.0, 2026 г.:

- черновики;

- промежуточные версии;

- переработки после замечаний;

- финальная «сертификация».

Вывод - одно и то же академическое действие (получение сертификата) институционально «размножается» на серию платных контрольных актов.

Это классические признаки платформенной монетизации, а не контрольного инструмента. Проверка становится не «барьером», а рутинной операцией, которую нужно выполнять много раз.

На лицо еще один факт, преподаватель теперь вроде не совсем нужен. Не секрет что многие научные знакомство с работой ограничивают просмотром отчета, теперь это направление, вероятно, получит «второе дыхание».

 

Для прохождения проверки важен не «хороший текст», а:

- сколько проверок проведено,

- сколько студентов «прошло процесс»,

- насколько формально соблюдён регламент.

Это типичная логика B2B-монетизации через KPI использования, а не через качество результата.

Итоговый вывод (по существу)

Антиплагиат 2.0 институционально перестраивает проверку - из разовой экспертной процедуры, в непрерывный, повторяемый, обязательный процесс.

Эта трансформация: структурно увеличивает количество проверок, делает их неустранимыми из учебного процесса, и тем самым создаёт устойчивый механизм роста выручки без роста числа клиентов.

Заявляемая борьба с ИИ и забота о качестве очень похоже на дискурсивное прикрытие, необходимое для легитимации внедрения, но не объясняющее архитектурные решения.