ИИ наводнил научные журналы: статей стало больше, но качество знаний не выросло

Распространение генеративного искусственного интеллекта резко увеличило поток научных работ, одновременно создав дополнительную нагрузку на редакторов и рецензентов. Два крупных исследования — одного журнала и массива препринтов — показывают, что ИИ помогает писать быстрее и преодолевать языковые барьеры, но не обязательно производит больше нового знания.

Анализ журнала Organization Science: 42 % рост заявок и падение читабельности

Редакционная группа журнала Organization Science проанализировала 6957 заявок и 10 389 рецензий, поступивших с января 2021 по февраль 2026 года. Появление ChatGPT в конце 2022 года совпало с началом резкого роста количества работ. Число рукописей выросло на 42 %, а к февралю 2026 года ИИ в той или иной степени использовался при написании большинства поступающих статей. Для оценки применялся детектор Pangram 3.1, вычисляющий вероятный показатель присутствия машинного текста.

По индексу удобочитаемости Флеша среднее качество изложения к январю 2026 года снизилось на 1,28 стандартного отклонения по сравнению с январем 2021 года. Тексты с высокой долей ИИ содержали больше многосложных слов, профессионального жаргона и номинализаций — существительных вроде «концептуализация», «операционализация» или «контекстуализацию». ИИ делал изложение более прямым, но не более доступным: рукописи чаще использовали активный залог, реже содержали неопределённые формулировки и были несколько конкретнее, однако по большинству традиционных показателей читабельность снижалась.

Редакционный отбор и нагрузка на рецензентов

Работы с показателем участия ИИ свыше 70 % почти не проходили редакционный отбор — в 70 % случаев они отклонялись редакторами ещё до передачи рецензентам. В то же время тексты с минимальными признаками использования ИИ отклонялись лишь в 43,7 % случаев. Вероятность получения запроса на доработку также уменьшалась с 11,9 % до 3,2 % при выявлении значительного использования ИИ. Статистическая модель показала, что повышенная вероятность отказа сохранялась даже несмотря на гладкое и стилистически аккуратное изложение — научное содержание таких статей было ниже критики.

Искусственный интеллект проник и на другую сторону процесса: к началу 2026 года признаки его использования обнаруживались более чем в 30 % рецензий. Такие заключения были сложнее для чтения и охватывали более узкий круг вопросов: чаще концентрировались на теории и реже обращались к данным и эмпирическому анализу. Пока это не влияло непосредственно на итоговые редакционные решения — редакторы компенсировали недостатки подобных рецензий собственным экспертным суждением, но такая компенсация требовала дополнительного человеческого труда. Чтобы справиться с возросшим потоком, журнал увеличил число заместителей редактора с шести до одиннадцати.

Массовый анализ препринтов: языковой барьер и цитируемость

Отдельная группа учёных провела анализ примерно 2 млн статей с сайтов препринтов arXiv (1,2 млн), SSRN (675 тыс.) и bioRxiv (220 тыс.) за период с 2018 года по середину 2024 года. После начала использования ИИ авторы значительно увеличили подачу работ. Особенно сильно это проявилось у учёных из Азии и с азиатскими именами: рост числа публикаций составил до 100 % на bioRxiv и SSRN и более 40 % на arXiv. Исследователи объяснили это помощью ИИ в преодолении языкового барьера, поскольку для многих из них английский язык не был родным.

Тексты, подготовленные с помощью ИИ, становились лингвистически сложнее, что вызывало больше доверия к публикациям. Однако проявилась обратная сторона: такие работы реже доходили до публикации, оставаясь в статусе препринтов. Ещё одной ценностью ИИ-статей стало возросшее количество ссылок на исследования по теме и учёт свежих публикаций — в этом ИИ значительно превзошёл человека. Даже если научная ценность такой статьи невелика, широкая подборка ссылок сама по себе делает её полезной.

Эксперимент Джеймса Эванса: ИИ-рецензенты и новизна идей

В крупном эксперименте группа Джеймса Эванса (James Evans) предложила исследователям оценить идеи, придуманные языковыми моделями. В итоге 6749 учёных дали более 25 тыс. оценок, сравнивая новизну, практическую ценность и правдоподобие гипотез. Популярные языковые модели часто предлагали похожие идеи, тогда как более продвинутые модели могли по-настоящему удивить новизной. Модель Qwen3-14B, специально обученная на рецензиях, подготовленных учёными, в роли рецензента оказалась лучше универсальных моделей, показав превосходство над ними до 27 %.

Выводы: технология усиливает существующие стимулы

Авторы обоих исследований связывают происходящее не только с возможностями ИИ, но и с академической системой «публикуйся или исчезни» (publish or perish). Если карьера исследователя зависит от количества статей в определённых журналах, новая технология закономерно используется прежде всего для ускорения производства рукописей. В таких условиях ИИ усиливает уже существующие стимулы — помогает создавать больше текстов, но не обязательно больше нового знания. По мнению авторов, проблема заключается не в самой технологии, а в том, заменяет ли она исследовательское мышление или помогает ему. Чтобы получить не просто больше статей, а более качественные исследования, научным организациям придётся изменить систему оценки научного вклада.