Распространение генеративных нейросетей привело к лавинообразному росту количества научных публикаций, что создало серьезную нагрузку на систему рецензирования. Исследовательская группа журнала Organization Science изучила 6957 заявок и 10 389 рецензий, обработанных в период с января 2021 по февраль 2026 года. Анализ показал, что внедрение ChatGPT в конце 2022 года стало отправной точкой для резкого увеличения потока рукописей и одновременного снижения качества представляемых материалов.
Согласно полученным данным, после массового внедрения ChatGPT объем поступающих заявок вырос на 42%. К февралю 2026 года признаки использования искусственного интеллекта обнаруживались в большинстве представленных работ. Для оценки степени участия нейросетей применялся алгоритм Pangram 3.1. Параллельно с этим показатель индекса удобочитаемости Флеша продемонстрировал, что качество изложения к началу 2026 года упало на 1,28 стандартного отклонения по сравнению с показателями января 2021 года.
Статистика отбора оказалась безжалостной к «машинным» текстам: рукописи, где вероятность участия ИИ превышала 70%, в 70% случаев отклонялись редакторами еще до стадии экспертной оценки. Для сравнения, работы с минимальными признаками использования алгоритмов получали отказ лишь в 43,7% случаев. Кроме того, шанс получить запрос на доработку статьи падал с 11,9% до 3,2%, если в тексте прослеживалось активное использование генеративных инструментов.
Авторы исследования отмечают: даже если статья написана стилистически безупречно, наличие «ИИ-следа» коррелирует с низким научным качеством работы. Анализ показывает, что рецензии, написанные нейросетями, также страдают от поверхностности: алгоритмы концентрируются на теоретических формулировках, упуская из виду детали методологии, данные и результаты экспериментов. Ученые подчеркивают, что существующие детекторы пока не дают 100% точности, поэтому выводы об использовании ИИ основаны на общих трендах.
Тем не менее, искусственный интеллект может приносить пользу научному сообществу. Эксперимент, проведенный группой Джеймса Эванса, показал, что нейросети способны генерировать перспективные гипотезы. В ходе исследования 6749 ученых оценили свыше 25 тысяч идей, предложенных языковыми моделями. Выяснилось, что наиболее продвинутые модели способны предлагать идеи, обладающие высокой новизной и практической ценностью.
Отдельного внимания заслуживает специализация нейросетей. Модель Qwen3–14B, обученная на профессиональных рецензиях реальных ученых, продемонстрировала эффективность, превосходящую универсальные языковые модели в роли рецензента на 27%. Итоговый вывод группы исследователей однозначен: ИИ — мощный инструмент для работы с данными, написания кода и подготовки черновых текстов. Однако без жесткого контроля со стороны человека и реформы системы оценки научных работ нейросети могут спровоцировать лишь «инфляцию» публикаций, не увеличивая при этом объем реального научного знания.
