Детектори ШІ-тексту: на українських текстах помилка перевищує 15%

Коротко (TL;DR)

• Детектор ШІ-тексту не визначає автора. Він вимірює передбачуваність тексту й переводить її у відсотки. Передбачувано пише і мовна модель, і охайна людина, яка тримає академічний стиль, — тому обидві отримують однаковий прапорець.
• Головна перевірена цифра для української: понад 15%. У роботі Дніпровської політехніки (2025) жоден із 14 сервісів не показав надійного розпізнавання авторства українських текстів, а два популярні детектори прийняли за ШІ 64,9% і 65,4% людських дипломів, написаних до 2020 року.
• Англійською картина краща, але теж погана. У дослідженні Стенфорда 2023 року сім детекторів позначили машинними 61,22% есе людей, для яких англійська нерідна; на есе носіїв мови середня помилка була 5,19%.
• «Менше 1% хибних спрацювань» у Turnitin — не те, що ви подумали. Ця цифра діє лише для документів, де детектор знайшов 20% і більше ШІ. Нижче цього порога вендор сам зафіксував більшу частоту помилок.
• Точність — не число, а повзунок. Директор із продукту Turnitin сказав прямим текстом: «ми пропускаємо приблизно 15%, щоб утримати хибні спрацювання нижче 1%». Зменшити обидві помилки одночасно не можна.
• OpenAI закрила власний детектор 20 липня 2023 року — він ловив 26% машинного тексту й помилявся на 9% людського. Компанія, яка зробила ChatGPT, не змогла надійно впізнати його ж вивід.

Жодного платного сервісу з перелічених нижче ми не купували і власних прогонів не робили: усе, що стоїть у таблицях, — це опубліковані вимірювання та заяви самих вендорів, кожна з датою й посиланням у джерелах. Там, де даних немає, так і написано.

Вердикт детектора ШІ-тексту — це ймовірність, а не авторство

ШІ-детектор — це класифікатор: програма, яка за ознаками тексту оцінює, наскільки він схожий на вивід мовної моделі, і видає число. Не «хто написав», а «наскільки схоже на те, що я бачила в навчальній вибірці».

Різниця принципова, і стирає її сам інтерфейс. Коли сервіс показує «94% ШІ», людина читає це як «на 94% упевнені, що текст машинний». Насправді число означає інше: текст на 94% збігся з патернами, які ця конкретна компанія зібрала у свою модель. Жодного зв’язку з фактом авторства в нього немає.

Звідси одразу три наслідки, які далі повторюватимуться в кожному розділі:

• У класифікатора завжди дві помилки, а не одна. Хибне спрацювання — людський текст позначено як ШІ. Хибний пропуск — машинний текст пройшов як людський. Налаштування, яке зменшує першу, збільшує другу.
• Вердикт залежить від того, на чому вчили модель. Детектор, навчений переважно англійською, іншою мовою працює гірше — не «трохи», а вимірювано гірше.
• Поріг визначає не програма, а людина. Який відсоток вважати приводом для розгляду, задає заклад освіти, редакція або замовник. Той самий текст у двох місцях дає різний результат.

Заразом варто розвести дві речі, які постійно плутають. Антиплагіат шукає збіги — шматки вашого тексту, які вже є в чужих документах; це пошук по базі, і його результат перевіряють вручну, бо джерело збігу видно. Детектор ШІ нічого не шукає — він оцінює стиль і не може показати вам «ось звідки це взято», бо взятися немає звідки: згенерований текст ніде до цього не існував. Перший інструмент показує доказ, другий — лише власну думку.

Jasper і Copy.ai проти ChatGPT: що насправді купують за $69 на місяць

Резюме за допомогою ШІ: що доручити моделі, а що писати самому

Гуманайзери тексту: що показали тести детекторів і скільки це коштує

Штучний інтелект для курсової та диплома: де допомагає, а де вигадує джерела

OpenAI Codex у CI/CD: коди повернення, потік JSONL і ціна прогону

Перплексія та ритм тексту: на чому детектор будує вердикт

Класична механіка спирається на дві метрики. Обидві легко пояснити без формул.

Перплексія — це міра здивування моделі. Мовна модель на кожному кроці передбачає наступне слово; якщо ваш текст іде саме туди, куди вона й передбачала, перплексія низька. Сам GPTZero визначає її як «міру того, наскільки ймовірно модель ШІ обрала б рівно той самий набір слів, що й у документі», і дає орієнтир: перплексія вище 85 радше свідчить про людське джерело. Механізм передбачення наступного слова — той самий, через який у моделей є контекстне вікно й провали пам’яті: детектор просто розгортає його у зворотний бік.

«Вибуховість» (burstiness) — це нерівність ритму. Людина пише рвано: довге речення, коротке, знову довге, вставка в дужках, запитання. Модель тримає рівний темп. GPTZero формулює це як «значний ШІ-відбиток»: у машини рівень «машинності» однаковий по всьому тексту.

Тут і живе дефект, через який усе ламається. Низька перплексія та рівний ритм — це не ознака машини. Це ознака передбачуваного тексту. А передбачувано пише кожен, хто старається: студент, який тримає академічний стиль; юрист, який пише договір; людина, яка пише нерідною мовою і тому обирає прості слова та типові конструкції. Детектор не відрізняє «написано машиною» від «написано обережно» — він узагалі не про це.

Важлива поправка, якої майже немає в українських оглядах: цю механіку її ж автори оголосили застарілою. GPTZero прямо пише, що з осені 2023 року більше не використовує перплексію та «вибуховість» для детекції, бо перейшов на архітектуру глибокого навчання; старі метрики лишилися одним із семи «індикаторів». Тобто сучасний детектор — чорна скриня, навчена на парах «людське / машинне», і пояснити своє рішення вона не може навіть у теорії. Ви отримуєте число без обґрунтування.

61% есе неносіїв англійської: кого штрафують найчастіше

2023 року група Стенфорда (Liang, Yuksekgonul, Mao, Wu, Zou) перевірила сім популярних детекторів на двох наборах текстів: 91 есе TOEFL, написане людьми, для яких англійська нерідна, і есе американських восьмикласників — носіїв мови. Результат опублікований у рецензованому журналі Patterns і доступний у повному тексті препринта.

Далі автори зробили крок, який перетворює спостереження на доказ. Вони попросили мовну модель переписати ті самі людські есе з інструкцією «покращ вибір слів, щоб звучало як у носія мови». Частка хибних спрацювань упала з 61,22% до 11,77%, а одностайно позначеним лишилося одне есе з 91.

Текст лишився людським. Автор лишився тим самим. Змінився тільки стиль — і вердикт перевернувся. Звідси висновок, який варто тримати в голові в будь-якій розмові з перевіряльником: детектор судить не авторство, а стиль.

Статистика в тій самій роботі показує, за що саме карають: в есе, які всі сім детекторів одностайно прийняли за машину, перплексія була значуще нижча за решту (P = 9,74E-05). Після «покращення» лексики перплексія зросла — і прапорці зникли. Зворотний експеримент дав дзеркальний результат: есе носіїв мови, спрощені до шкільного словника, отримали значуще нижчу перплексію й почали потрапляти під підозру.

Простіше кажучи, детектор влаштований так, що б’є по бідному словнику та рівному синтаксису. Це і є портрет людини, яка пише вивченою мовою, — і портрет людини, яка просто пише охайно.

Заяви вендорів проти незалежних замірів: зведена таблиця

Жоден вендор не публікує протокол своїх вимірювань: точність рахують на власних наборах, де людський текст завідомо людський, а машинний — сирий вивід моделі без жодної правки. Реальний текст виглядає інакше. Нижче — те, що заявлено, поруч із тим, що показали незалежні перевірки. Усі дані — на 15 серпня 2026 року.

З таблиці видно головне, заради чого її й зібрано. Розрив між заявою та перевіркою сягає двох порядків. А там, де незалежної перевірки немає взагалі, вендор лишається єдиним джерелом даних про самого себе.

Повзунок чутливості: 15% пропущеного ШІ проти 1% помилок

Ось механізм, про який майже не пишуть, а він пояснює все інше. У класифікатора є поріг. Зсуваєте його в бік «ловити все» — росте кількість хибних звинувачень. Зсуваєте в бік «нікого не звинуватити марно» — крізь сито проходить справжня генерація. Обидві помилки одночасно не зменшуються: це властивість будь-якого ймовірнісного класифікатора, а не недоробка конкретної компанії.

Turnitin обрав бік і сказав про це вголос. Директорка з продукту компанії Енні Чечітеллі: «Ми пропускаємо приблизно 15%, щоб утримати хибні спрацювання нижче одного відсотка». Тобто заявлена «відмінна точність» куплена тим, що приблизно кожен сьомий машинний текст проходить перевірку непоміченим.

Далі — арифметика, яка переводить відсотки в людей. Університет Вандербільта вимкнув детектор Turnitin 16 серпня 2023 року і в публічному поясненні навів простий розрахунок: за 2022 рік через систему пройшло 75 000 робіт, і один відсоток від цього — близько 750 помилково позначених студентських робіт за рік.

Формула для будь-якого обсягу така:

Кількість хибних звинувачень за період = обсяг робіт × частка хибних спрацювань

Підставте свої числа. Кафедра, яка перевіряє 400 робіт за семестр, за того самого одного відсотка отримує чотири помилково позначені роботи — чотирьох людей, яким доведеться доводити очевидне. Потік на 3 000 робіт на рік дає тридцять. Це не «статистична похибка», це конкретні розгляди на комісії.

І три умови, за яких імовірність помилки вища за звичайну, — їх назвав сам Turnitin у звіті про доопрацювання моделі:

1. Короткий текст. Мінімальний обсяг документа для перевірки підняли зі 150 до 300 слів саме тому, що на коротких фрагментах точність падає.
2. Мала частка ШІ. Якщо детектор показує менше ніж 20%, помилки трапляються частіше — в інтерфейсі такі відсотки позначені зірочкою.
3. Початок і кінець документа. Вступ і висновки частіше потрапляли під хибне спрацювання, і алгоритм агрегації спеціально переробляли.

Додайте до цього цифру рівня речення: підсвічений рядок виявляється людським приблизно в 4 випадках зі 100, і в 54% випадків такі рядки стоять упритул до справжнього машинного тексту. Якщо ви правили згенеровану чернетку руками, підсвітка розповзеться й на ваші власні речення.

Українська мова: що показав замір і чого ніхто не міряв

Усі цифри вище отримані англійською. Для нашої аудиторії питання стоїть інакше: а що відбувається з текстом українською?

Почнімо з того, що відомо точно. Детектори навчені переважно англійською — це не здогад, а офіційне обмеження. OpenAI писала про свій класифікатор, що рекомендує його лише для англійської і що іншими мовами він працює значно гірше. Turnitin станом на 15 серпня 2026 року заявляє детекцію ШІ для трьох мов: англійської, іспанської та японської. Української серед них немає.

Тепер виміряне. Єдина знайдена нами рецензована робота саме про українську — дослідження Дніпровської політехніки в «Науковому віснику НГУ» (2025, № 4). Автори прогнали через 14 вебдетекторів два набори: згенеровані українські тексти та людські дипломні роботи, написані до 2020 року — тобто завідомо без участі ШІ. Помилка на людських текстах і є рівнем хибних спрацювань.

Загальний висновок авторів дослівно: «Жоден вебзастосунок не показав надійного розпізнавання авторства для текстів українською мовою. У всіх перевірених інструментів середня помилка перевищувала 15%» — повний текст роботи відкритий.

Окремий результат тієї ж роботи пояснює причину краще за будь-які міркування. Ті самі фрагменти переклали англійською — і вердикти змінилися: у найкращого детектора помилка впала до 12,77%. Зміст тексту не змінився, автор не змінився, змінилася лише мова. Отже, модель судить не думку, а мовну статистику тієї мови, якою її вчили.

Практичний висновок для читача з України простий: будь-який відсоток, який вам показав безкоштовний детектор ШІ онлайн, стосовно української мови не має виміряної точності. Навіть 61% Стенфорда — це цифра для англійської. Своєї в нас просто немає. Це стосується і сервісів, що позиціюються як детектор ШІ українською: заявити підтримку мови й виміряти на ній помилку — різні речі, і другого поки не зробив ніхто, крім згаданого дослідження 2025 року.

Із російськомовним текстом, яким частина наших читачів теж пише, ситуація ще гірша: публічних замірів хибних спрацювань немає жодного. Окремий детектор для цієї мови існує — GigaCheck із заявленою точністю 94,7% і лімітом 10 000 символів на перевірку, — але методики заміру й частки помилок у відкритому доступі немає. Двомовний набір даних (англійська та російська) у команди GigaCheck є, проте експерименти в їхній науковій роботі свідомо обмежені англійською «заради коректного порівняння з визнаними бенчмарками». Тести, які трапляються в мережі, перевіряють зворотне — чи пройде машинний текст: улітку 2025 року чистий вивід ChatGPT, DeepSeek і Qwen отримав у платній системі 98,98% оригінальності, і детектор не спрацював на жодній моделі. Це інше запитання, і хибні спрацювання російськомовних текстів публічно не заміряв ніхто.

Ризики хибного прапорця: чим платять студент, автор і фрилансер

Для перевіряльника число на екрані — рядок у звіті. Для того, кого перевіряють, — це конкретні втрати.

Студент. Видання The Markup 14 серпня 2023 року розібрало випадок в Університеті Джонса Гопкінса: роботу позначили більш ніж на 90% машинною, і студентці довелося відбиватися чернетками та розміченими PDF. У тому ж матеріалі — історія студентки-француженки з Cardozo School of Law і випадки в UC Davis. Ставка для іноземного студента вища, ніж для місцевого: дисциплінарна справа ставить під удар не лише оцінку та стипендію, а й статус перебування в країні. Український відповідник — комісія з академічної доброчесності та недопуск до захисту.

Автор і фрилансер. Тут немає ні комісії, ні процедури апеляції. Замовник проганяє текст через сервіс, бачить число й відмовляється платити — договірного захисту від цього на нашому ринку немає. Окрема іронія в тому, що сам вендор від відповідальності відмовляється: Turnitin у власному матеріалі пише, що не виносить визначення про порушення, а лише надає дані для рішення викладача.

Школяр. Найвразливіша група: у школяра зазвичай немає ні історії версій, ні звички зберігати чернетки, ні можливості сперечатися з дорослим, у якого «програма показала».

Важливо й те, чого цифри не показують. Судячи зі свідчень самих постраждалих і з того, заради чого взагалі з’явилися трекери процесу письма, люди після хибного звинувачення змінюють поведінку: записують екран під час роботи, спеціально ускладнюють синтаксис, уникають «надто гладких» формулювань. Окремої статистики щодо цього ефекту немає, але напрям очевидний: це збиток якості тексту, спричинений інструментом, який мав цій якості допомагати.

Текст позначили як ШІ: п’ять доказів вашого авторства

Порядок дій, якщо вердикт уже отримано. Він вибудуваний від найсильнішого доказу до найслабшого — і в кожного чесно названо межу.

1. Історія версій документа. Google Docs, Word з автозбереженням у хмару, будь-який редактор із версійністю зберігають покрокову історію: коли з’явився кожен абзац, що переписувалося. Це найсильніший із доступних доказів. Межа: історія показує, що текст НАБИРАВСЯ поступово, а не що його придумали ви.
2. Чернетки й матеріали. Конспекти, нотатки, виписки з джерел, проміжні варіанти, листування з науковим керівником або редактором. Саме цим відбилася студентка Джонса Гопкінса. Межа: працює, лише якщо ви їх зберігали заздалегідь.
3. Трекери процесу письма. Grammarly Authorship дає «повтор» роботи над текстом — від першої вставки до останнього натискання клавіші; Turnitin Clarity показує викладачеві таймлайн і підсвічує великі вставки. Межа важлива, і знати її треба заздалегідь: розбір таких інструментів в академічній літературі вказує, що вони доводять факт набору тексту, а не авторство. Людина, яка передрукувала згенерований текст руками, отримає чистий трек.
4. Розмова по суті змісту. Перевірка, яку рекомендує і Вандербільт: попросіть оцінити роботу за змістом. Поясніть логіку аргументу, назвіть джерела, розкажіть, чому обрано саме таку структуру. Автор свого тексту відповідає на це вільно.
5. Другий і третій детектор. Проженіть той самий текст через інші сервіси. Розбіжність вердиктів — сильний аргумент: в експерименті одного з видань (червень 2025) той самий машинний текст отримав у п’яти детекторів оцінки від 0% до 40%, а уривок книжки 2013 року — 37% «ймовірності ШІ». Межа: це доказ у розмові, а не документ.

І три речі, які варто зробити до того, як проблема виникне. Пишіть у редакторі з історією версій, а не в блокноті. Зберігайте чернетки окремими файлами. Якщо ви використовуєте ШІ легально — для структури, пошуку літератури або вичитки, — фіксуйте, де саме і як; у довгих текстах, написаних із ШІ знизу вгору, такий журнал заразом спрощує саму роботу.

Чого робити не варто: намагатися «переписати під детектор». Це пастка одразу з двох боків. По-перше, ви не маєте способу перевірити результат — вердикти сервісів розходяться між собою. По-друге, ви власними руками псуєте текст заради числа, яке нічого не доводить, і втрачаєте авторський голос — саме те, за що роботу й оцінюють.

Водяний знак замість здогаду: як працює SynthID і де ламається

Є принципово інший підхід: не вгадувати за стилем заднім числом, а позначати текст у момент генерації. Так влаштований SynthID від Google.

Механіка: під час генерації модель на кожному кроці трохи зсуває ймовірності вибору слів за псевдовипадковою функцією із секретним ключем. Зміст тексту не змінюється, читач нічого не помічає, а спеціальний детектор із тим самим ключем бачить статистичний слід і видає одну з трьох відповідей: позначку знайдено, позначки немає, невизначено.

Це чесний механізм: він не вгадує стиль, а перевіряє наявність підпису. Але межі в нього жорсткі, і Google перелічує їх у власній документації для розробників прямим текстом:

• позначка слабко лягає на фактичні відповіді — там мало свободи у виборі слів, і зсув імовірностей погіршив би точність відповіді;
• упевненість детектора сильно падає за ґрунтовного переписування тексту;
• упевненість падає за перекладу іншою мовою;
• працює позначка лише в того, хто її поставив: детектор потрібен свій, із тим самим ключем.

Останній пункт і є головним обмеженням. Позначка однієї компанії нічого не каже про текст, згенерований іншою моделлю, а непозначених моделей — зокрема відкритих, які запускають локально, — десятки. Водяний знак розв’язує завдання «довести, що це наш вивід», а не завдання «довести, що текст машинний». Читацький інтерес до теми зростає: обговорення механіки водяних знаків на Hacker News 13 серпня 2026 року зібрало 133 бали та 98 коментарів — але підмінити собою універсальну перевірку позначка не може.

Коли перевірка на ШІ корисна, а коли її результат не значить нічого

Зведімо все в рішення. Не «хороший інструмент чи поганий», а «в якій ролі ним можна користуватися».

Вердикту можна довіряти як сигналу, коли:

• текст довгий (від 300 слів) і англійською — це єдина конфігурація, для якої існують публічні вимірювання точності;
• детектор показує високий відсоток і ви звіряєте його зі змістом: робота не відповідає на запитання по суті, посилання не відкриваються, джерела вигадані. Перевірка галюцинацій і вигаданих цитат працює там, де детектор безсилий, — і її рекомендує Вандербільт;
• ви редактор або замовник і використовуєте число як привід переглянути текст уважніше, а не як підставу для відмови;
• вам треба спіймати сирий, невідредагований вивід моделі — із цим детектори дають раду помітно краще, ніж із будь-чим іншим (91–100% у незалежному замірі GPTZero).

Вердикт не значить нічого, коли:

• текст українською — виміряна помилка на людських текстах сягає 65%, а надійного розпізнавання не показав жоден сервіс;
• автор — неносій мови, якою пише: 61,22% проти 5,19% англійською, і підстав вважати, що іншими мовами розклад кращий, немає;
• фрагмент короткий — нижче 300 слів помиляються навіть ті, хто заявляє частки відсотка;
• відсоток низький (до 20%) — сам вендор позначає такі значення як менш надійні;
• на підставі числа ухвалюють рішення про людину: відрахування, зняття оплати, звинувачення. Тут позиція і вендорів, і університетів збігається: гайд юридичного центру Університету Сан-Дієго (оновлено 08.07.2026) прямо пише, що детектори не рекомендовані як єдиний індикатор порушення.

Інституції цей висновок уже зробили. Вандербільт вимкнув детектор ще 2023 року. Академічна робота Ardito (2023) доводить, що ставка на детекцію в принципі розходиться з реальністю освіти, де ШІ вже всюди, і пропонує міняти формати оцінювання. Мінцифри та МОН України 1 травня 2025 року випустили рекомендації щодо відповідального використання ШІ у закладах вищої освіти — і радять там замінювати традиційні письмові завдання презентаціями та проєктами. Про детектори в цих рекомендаціях не сказано нічого. Для офіційного документа це доволі промовисте замовчування.

Практичний підсумок. Детектор ШІ — це димовий сповіщувач: він корисний як привід піти й подивитися, але нікого не виселяють із квартири за одним його писком. Якщо ваш текст позначили — ви маєте справу з імовірнісною оцінкою стилю, у якої вашою мовою немає виміряної точності. Збирайте докази процесу, вимагайте розмови по суті й не переписуйте нормальний текст заради чужого числа. А якщо ви перевіряєте чужий текст — найнадійніша перевірка й далі не автоматична: запитайте автора про зміст і відкрийте його джерела. До речі, до нейромереж для генерації картинок усе сказане не стосується взагалі — там детекція влаштована інакше і це окрема тема.

Часті запитання

Чи може детектор довести, що текст написала нейромережа?

Ні. Детектор видає ймовірнісну оцінку схожості тексту на машинний, а не факт авторства. Turnitin у власному матеріалі пише, що не виносить визначення про порушення і лише надає дані викладачеві. Університет Сан-Дієго в гайді від 08.07.2026 формулює ще жорсткіше: результат детектора не рекомендований як єдиний індикатор порушення. Юридичної сили у відсотка немає ніде.

Чому мій текст показує 90% ШІ, хоча я писав його сам?

Бо детектор вимірює передбачуваність, а не авторство. Рівний ритм, простий словник і правильний академічний стиль дають ту саму картину, що й машинна генерація. У стенфордському дослідженні 2023 року есе людей, для яких англійська нерідна, позначалися машинними в 61,22% випадків, і вирішальним чинником була саме низька перплексія. Ризик вищий на коротких текстах, у вступі та висновках.

Чи працює детектор ШІ українською?

Погано, і це виміряно. У роботі Дніпровської політехніки (2025) людські дипломи, написані до 2020 року, приймалися за ШІ в 64,9% випадків у ZeroGPT і в 65,4% в AI Checker Tool; висновок авторів — жоден сервіс не показав надійного розпізнавання. Grammarly та QuillBot українську взагалі не обробляють. Turnitin офіційно підтримує три мови, і української серед них немає.

Що робити, якщо заклад вимагає нуль відсотків ШІ в дипломі?

Вимога «нуль відсотків» технічно нездійсненна: у будь-якого детектора ненульова частка хибних спрацювань, а сам показник — не частка машинного тексту в документі, про що пише навіть StrikePlagiarism. Дізнайтеся, який саме поріг і яка система використовуються у вас: у StrikePlagiarism поріг задає сам заклад. Готуйте історію версій і чернетки заздалегідь та просіть оцінювати роботу за змістом — це законний і робочий аргумент на комісії.

Чи допомагає історія версій документа довести авторство?

Допомагає сильно, але не абсолютно. Історія версій і трекери процесу на кшталт Grammarly Authorship показують, як текст з’являвся: поступово чи однією вставкою. Розбір таких інструментів в академічній літературі вказує на їхню межу — вони доводять, що людина набрала текст, а не що вона його написала. Тому історію версій варто поєднувати з чернетками, матеріалами й розмовою по суті.

Який детектор ШІ-тексту точніший за інші?

Відповісти чесно не можна: порівнянних незалежних замірів за однією методикою для української не існує, а вендорські цифри рахують на власних наборах і вони неперевірні. З виміряного: детектори помітно краще впізнають сирий, невідредагований вивід моделі, ніж відрізняють людський текст від відредагованого машинного. Практичний висновок — не шукати найточніший сервіс, а не будувати рішень на його числі.