ИИ выдаёт себя не только словами
⠀
Списки «фраз-маркеров» полезны, но они ловят только самый дешёвый мусор. Реальный нейротекст чаще видно по конструкции: он аккуратно ведёт читателя за руку, создаёт напряжение без факта и постоянно подставляет универсальные мостики между абзацами.
⠀
На картинке как раз такой набор. Эти фразы можно вставить почти в любой пост, и текст не развалится. Проблема ровно в этом: фраза не зависит от темы, автора и фактуры. Она просто имитирует драму.
⠀
Исследования описывают ту же болезнь более сухим языком. Филип Шапира проверял 168 млн научных текстов через OpenAlex и смотрел, как после ChatGPT выросло употребление слова delve. Другие работы находят у моделей более прямой порядок слов, меньше разговорных конструкций, больше повторяющихся грамматических связок и больше отглагольных существительных.
⠀
Поэтому плохой AI-текст узнаётся не по одному слову. Он слишком ровно собран. Мало интонации конкретного человека, мало случайной живой синтаксической шероховатости, зато много фраз, которые будто заранее обещают пользу, интригу или заботу.
⠀
Хороший редакторский тест простой: удалить вводную фразу и посмотреть, потерялся ли факт. Если ничего не исчезло, это упаковка без смысла. Её надо резать.
⠀
Для себя я бы держал такие карточки как стоп-лист. Когда рука тянется начать абзац универсальным крючком, лучше сразу поставить конкретный объект: кто сделал, что изменилось, какая цифра, какой риск, что проверить.

⭐🌟🏷🔗📍📝
⠀
Источник: Philip Shapira, arXiv о синтаксисе LLM-текстов, PNAS, NYT

Разборы и инструменты: @human20
Внедрение ИИ: human20.app