Почему перенос антиплагиат проверки из процесса проверки готового файла в онлайн-редактор не решает проблему интеллектуального авторства и как обратная связь научного руководителя может превратиться в управляющий контур для ИИ, на вопросы отвечает эксперт КонтрПлагиат, Вячеслав Мустакимов.
«Антиплагиат 2.0» построен на понятной идее - проверять не только итоговый текст, но и процесс его создания. Компания прямо заявляет, что система фиксирует вставки, копирование, время и этапы работы, учитывает данные об активности автора и дает преподавателю возможность видеть, как менялся текст и где использовались внешние источники или генеративный ИИ.
В сентябре 2026 года разработчик уточнил модель стала еще сильнее, т.к. новая версия включает полноценный онлайн-редактор, в котором можно наблюдать подготовку работы непосредственно в веб-среде (фактически речь идет о дублировании режима редактирования в Ворд, т.е. в этом смысле новации нет, а есть усложнение процесса с целью повысить монетизацию прибыли разработчика). Эта архитектура действительно дает преподавателю больше данных, но сама по себе не отвечает на главный вопрос — кто является источником интеллектуальных решений, которые затем появляются в редакторе.
Проблема сместилась с текста на субъект действия
Старая модель контроля предполагала, что студент приносит готовый DOCX, а система пытается восстановить происхождение уже написанного текста. «Антиплагиат 2.0» делает следующий шаг и реализует потуги наблюдать саму последовательность создания документа (о таком подходе КонтрПлагиат писал 3 годами ранее), однако этот шаг был бы значительно сильнее до появления современных browser-agent систем.
Сегодня браузер уже нельзя считать интерфейсом, которым непосредственно управляет только человек. Языковая модель способна эмулировать действия пользователя, получать состояние страницы, выбирать действие и передавать его браузерному компоненту, который вводит текст, нажимает элементы (кнопки), прокручивает документ, переключает вкладки и затем снова считывает изменившееся состояние.
Microsoft Playwright MCP поддерживает постоянный профиль браузера, в котором между сессиями сохраняются данные авторизации и cookies. Отдельный режим подключения через расширение позволяет работать с уже открытыми вкладками Chrome или Edge и использовать существующую авторизованную сессию, поэтому сама по себе авторизация пользователя больше не гарантирует ручной характер дальнейших действий.
Browser Use демонстрирует ту же логику с другой стороны: агент получает инструменты навигации, клика, ввода, прокрутки, извлечения содержимого и переключения вкладок. Это означает, что работа внутри онлайн-редактора относится к тому же классу задач, который уже решают универсальные browser agents.
Опыт «КонтрПлагиат» показывает, что это не теоретическая модель
Для проекта «КонтрПлагиат» принципиально важен практический опыт, накопленный не в борьбе с «Антиплагиатом 2.0», а при решении собственных задач автоматизации. В браузерных компонентах уже используется архитектура, при которой система определяет нужную открытую вкладку, считывает состояние интерфейса, передает контекст GPT, получает решение и выполняет следующий шаг непосредственно в пользовательской среде.
В таких цепочках одна вкладка может выступать источником (например статья по теме), другая использоваться для взаимодействия с ChatGPT, а результат затем передается в приемник или локальную среду, например Ворд. Ключевой факт состоит в том, что специальный API целевого сайта для этого не обязателен, если нужное действие доступно через интерфейс и состояние страницы можно надежно распознать, задача становится задачей браузерной автоматизации.
Практически использовалась многоэтапная схема «считать состояние, выполнив манипуляции, характерные для человека → передать его GPT → получить решение → выполнить действие → снова проверить состояние». В отдельных процессах предусмотрено продолжение незавершенной операции после сбоя, поэтому рабочий цикл не обязан завершаться за один сеанс и может возвращаться к состоянию, достигнутому ранее.
Именно этот опыт показывает слабое место идеи поведенческого контроля от "великого" Антиплагиата. Переход от одного веб-сервиса к другому требует адаптации селекторов, структуры DOM и логики конкретного редактора, но не требует изобретать новый принцип взаимодействия между моделью и браузером.
Следствие. Если «Антиплагиат 2.0» фиксирует историю действий внутри редактора, он получает достоверную историю действий внутри редактора. Из этой истории нельзя автоматически вывести человеческое интеллектуальное авторство, пока тот же класс действий технически воспроизводим программным агентом.
Научный руководитель источник команд для ИИ
Особенно уязвимой становится не механика набора текста, а канал обратной связи. «Антиплагиат 2.0» специально развивает адресные комментарии к фрагментам, общие замечания к версии и постоянное взаимодействие научного руководителя с работой, а такие замечания одновременно являются хорошо сформулированными задачами для языковой модели.
Комментарий «раскройте причины изменения показателя» уже содержит предмет доработки и требуемое действие. Комментарий «сопоставьте позиции двух авторов и уточните вывод» еще точнее задает интеллектуальную операцию, после чего модели GPT, которая использует интерфейсный мост, остается получить связанный фрагмент документа и сформировать локальное исправление. Заметим, что исправление может вносится методом печати, удаления некоторых слов, возврата, коррекции, т.е. эмуляции обычной практики человека.
Научный руководитель
Проверяет очередную версию ВКР и фиксирует конкретный дефект, например - недостаток аргументации, источника, расчета, сравнения или вывода.
Формулирует адресный комментарий в рабочей среде - компонент фиксирует задание и направляет его GPT, контроллер компонента принимает исполнение, встраивает его в тело текста - и затем научный оценивает внесенное изменение по существу.
Рисунок 1 - Итерационный контур доработки ВКР, в котором научный руководитель задает требования, а ИИ выполняет их в документеВ этой схеме научный руководитель не пишет текст вручную, но фактически определяет направление каждой последующей редакции. Он обнаруживает недостаток, формулирует требование, получает новую версию и уточняет требование до тех пор, пока результат не начинает соответствовать его ожиданиям.
Для языковой модели такая последовательность особенно удобна, потому что преподаватель выполняет наиболее сложную часть редакторской работы — находит содержательный дефект и точно указывает, что требуется изменить. Чем профессиональнее сформулировано замечание, тем качественнее получается входная инструкция для ИИ. А еще, а еще научный руководитель выступает в роли тренера ИИ, учит модель писать хорошие работы.
Постепенное появление текста не доказывает человеческое авторство
Одним из сильных аргументов поведенческой модели, к которой аппелирует Антиплагиат, выглядит постепенность работы. Если текст создавался в течение нескольких дней, автор возвращался к предыдущим абзацам, исправлял отдельные формулировки и дополнял выводы, такая история действительно выглядит убедительнее одномоментной вставки готовой главы.
Однако технически эти сценарии отличаются только последовательностью операций. Browser agent способен вводить небольшие фрагменты, переходить к другому разделу, возвращаться к уже написанному месту и выполнять локальную редактуру, все это может быть растянуто во времени, поэтому доказательством является факт постепенного изменения документа, а не личность того, кто инициировал каждое изменение.
То же относится к точечным исправлениям. Для программного агента замена трех слов и создание абзаца являются разными по объему, но одинаковыми по типу задачами: найти нужное место, получить новое содержание и изменить состояние редактора. Заметим, что для операций растянутых во времени возможно обойтись бесплатным доступом.
Длительность работы также не создает надежного барьера
Предположение о том, что автоматизация обязательно действует быстро и непрерывно, уже не соответствует архитектуре современных инструментов. Persistent profile в Playwright MCP сохраняет состояние между сеансами, а работа с существующими вкладками позволяет продолжать действия внутри уже авторизованной среды.
Следовательно, процесс технически может быть распределен во времени и возвращаться к документу после перерыва. Для поведенческого отчета это означает, что само наличие длительной истории еще не устанавливает человеческую природу этой истории.
«КонтрПлагиат» видит здесь конвейер, а не единичный обход
С инженерной точки зрения важнее всего возможность масштабирования. Когда текст создается не вручную, а как последовательность состояний и задач, оператор перестает быть автором каждой работы и становится менеджером нескольких процессов, каждый из которых ожидает своего события: нового комментария, очередной проверки или исправления ошибки.
Такой принцип уже используется в конвейерных разработках «КонтрПлагиат», где работа разделена на этапы и следующий шаг запускается на основании результата предыдущего. Поэтому потенциальная автоматизация онлайн-редактора ВКР рассматривается не как отдельный трюк, а как еще один приемник в существующей модели передачи состояния между источником, GPT и конечной средой.
Именно здесь появляется экономический эффект. Если один человек вручную способен качественно сопровождать ограниченное количество ВКР, агентная инфраструктура позволяет разнести процессы по состояниям и возвращаться к каждому только тогда, когда требуется новое решение или вмешательство.
Что фактически доказывает «Антиплагиат 2.0»
Система действительно способна собрать больше данных, чем классическая проверка готового файла. Она может зафиксировать происхождение вставок, историю правок, изменение текста между версиями, комментарии преподавателя и активность внутри рабочей среды, поэтому как инструмент наблюдения новый подход объективно информативнее прежнего.
Но история документа, история интерфейсных действий и интеллектуальное авторство — это разные объекты. Первые два можно регистрировать технически, тогда как третий требует установить, кто принимал решения о структуре аргумента, выборе источника, интерпретации данных и содержании исправления.
| Наблюдаемое событие | Что оно подтверждает | Чего оно само по себе не подтверждает |
|---|---|---|
| Текст появился постепенно | Документ действительно менялся поэтапно. | Что каждую формулировку создавал человек. |
| Исправления были локальными | Редактировались отдельные фрагменты, а не весь файл целиком. | Что решение о правке принадлежало студенту. |
| Учтено замечание руководителя | Между комментарием и новой версией существует содержательная связь. | Что комментарий интерпретировал и исполнил сам студент. |
| Работа продолжалась несколько дней | Изменения распределены во времени. | Что длительный процесс не был управляемым агентным процессом. |
Поэтому слабость модели от Антиплагиат заключается не в отсутствии данных, а в интерпретации этих данных и слабом понимании истории этих данных. Поведенческий отчет может быть надежным описанием того, что происходило с документом, но его нельзя автоматически приравнять к доказательству самостоятельного интеллектуального труда, вот если на каждого студента направить камеру и синхронизировать процесс, вот это да - это прям шаг вперед ...
Почему «Антиплагиат 2.0» рискует сформировать новый рынок
История академического контроля показывает устойчивую закономерность, формализованный критерий быстро превращается в техническое задание для рынка услуг. Высокая оригинальность создала рынок рерайта, развитие ИИ-детекции создало рынок «очеловечивания», а контроль истории создания текста создает стимул автоматизировать уже не только результат, но и сам процесс его появления.
В этом смысле «Антиплагиат 2.0» переносит объект конкуренции на новый уровень. Если раньше исполнитель должен был подготовить файл, теперь потенциальный исполнитель будет управлять цифровым процессом, в котором текст меняется постепенно и в соответствии с замечаниями научного руководителя, а сам студент становится сторонним наблюдателем.
Роль человека при этом меняется принципиально. Он становится не писателем ВКР, а оператором или менеджером нескольких проектов, тогда как содержательная доработка выполняется связкой GPT - научного руководителя и транспортного компонента. Повысит ли такой подход качество отечественного образования, безусловно ...
Вывод
«Антиплагиат 2.0» заявил, что решает реальную проблему, потому что проверка только итогового файла уже недостаточна. Однако переход к контролю процесса происходит в момент, когда сам процесс работы в браузере и с файлами на компьютере перестал быть исключительно человеческой деятельностью.
Playwright MCP и Browser Use показывают, что языковая модель уже может работать через браузерную среду, использовать существующие сессии и выполнять многошаговые интерфейсные действия. Практический опыт «КонтрПлагиат» подтверждает более важный вывод, связка «состояние страницы → GPT → действие → новое состояние» уже реализуема как рабочая архитектура без специального API целевого сервиса. Данная работа не требует подписок и может реализоваться в бесплатных версиях ИИ.
Наиболее уязвимым элементом новой модели становится обратная связь научного руководителя. Его комментарии можно рассматривать как последовательность профессионально сформулированных заданий, которые ИИ выполняет непосредственно в документе, после чего тот же руководитель проверяет результат и формирует следующую итерацию, т.е. он будет проверять не студента, а ИИ, будет тренировать ИИ.
Поэтому цифровая биография ВКР больше не тождественна биографии ее человеческого автора. Система может подробно фиксировать, как создавался текст, но в агентной среде этого уже недостаточно, чтобы однозначно установить, кто в действительности принимал интеллектуальные решения.
Вячеслав Мустакимов, эксперт КонтрПлагиат