Науковий світ зіткнувся з безпрецедентним викликом. Розповсюдження генеративного штучного інтелекту призвело до різкого стрибка кількості наукових робіт, створивши колосальне навантаження на редакторів та рецензентів. Однак за цифрами росту ховається тривожна тенденція: якість матеріалів падає, а система оцінки знань ризикує бути перевантаженою «сміттєвим» контентом.

Редакційна група авторитетного журналу Organization Science провела масштабний аналіз, що охоплює період з січня 2021 року по лютий 2026 року. У вибірку потрапили 6957 заявок та понад 10 тисяч рецензій. Результати дослідження малюють чітку картину: поява ChatGPT наприкінці 2022 року стала точкою неповернення.

Цифри, які лякають

Після того, як генеративні моделі стали доступні широкій аудиторії, кількість заявок у журнал зросла на 42%. До лютого 2026 року, за оцінками дослідників, ШІ в тій чи іншій мірі використовувався при написанні більшості надходять статей. Для верифікації даних застосовувався алгоритм Pangram 3.1, що оцінює ймовірність наявності машинного тексту.

Але кількісний ріст обернувся якісним спадом. За індексом читабельності Флеша, який часто корелює з глибиною та ясністю викладу, середня якість робіт до січня 2026 року знизилася на 1,28 стандартного відхилення порівняно з початком періоду аналізу. Це не просто статистична похибка, це фундаментальна зміна характеру наукової комунікації.

Редактори проти алгоритмів

Система наукового рецензування продемонструвала високу чутливість до «штучного» походження текстів. Роботи, в яких показник участі ШІ перевищував 70%, практично не проходили редакційний відбір — у 70% випадків вони відхилялися редакторами ще до передачі незалежним рецензентам. Для порівняння, тексти з мінімальними ознаками використання нейромереж відхилялися лише у 43,7% випадків.

Більше того, ймовірність отримання запиту на доопрацювання для робіт із явним слідом ШІ впала з 11,9% до 3,2%. Це свідчить про те, що редактори віддають перевагу негайному відсіюванню таких матеріалів, не витрачаючи ресурси на їх покращення. Статистична модель підтвердила: навіть якщо текст стилістично бездоганний та «гладкий», ймовірність відмови залишається високою. Це свідчить про те, що страждає саме науковий зміст, який виявляється нижчим за критерії.

Ілюзія рецензування

Проблема торкнулася й самих рецензій. Тексти, підготовлені ШІ, виявилися менш різноманітними та глибокими. У них частіше обговорювалися теоретичні рамки, але приділялося критично мало уваги реальним даним, методам та результатам експериментів. Це створює ризик поверхневої оцінки досліджень, де форма починає превалювати над фактами.

Тим не менш, дослідники не схильні демонізувати технології. У великому експерименті група під керівництвом Джеймса Еванса (James Evans) запропонувала 6749 ученим оцінити ідеї, згенеровані мовними моделями. Було проведено понад 25 тисяч оцінок новизни та правдоподібності гіпотез. Виявилося, що популярні моделі часто пропонують банальні ідеї, тоді як більш просунуті алгоритми здатні дивувати новизною.

У сфері рецензування також були проведені тести. Модель Qwen3-14B, спеціально навчена на рецензіях, підготовлених ученими, показала перевагу над універсальними моделями на 27% у ролі експерта. Однак ШІ-рецензенти часто розходилися в думках з професійними експертами-людьми.

Майбутнє науки: контроль чи хаос?

Автори дослідження роблять важливий висновок: ШІ вже став незамінним помічником для пошуку даних, написання коду та підготовки чорновиків. Але без суворої перевірки людиною та реформування системи оцінки наукової роботи, технології можуть призвести до погано контрольованого зростання кількості публікацій. Головна загроза полягає не в відсутності нових знань, а в роздуванні обсягу інформації без реального приросту наукового розуміння.