ИИ в студенческих работах: статистика 2026

Во втором квартале 2026 года «Антиплагиат» проверил 2,73 млн студенческих работ и зафиксировал признаки генеративного ИИ в 983,7 тыс. из них — 36%, то есть каждая третья работа. За тот же квартал 2025 года таких работ было 575,9 тыс., примерно каждая пятая. Ниже — публичная статистика по теме на август 2026 года: динамика за четыре года по выборке из 12 996 дипломов, замер летней сессии, опросы самих студентов и разбор того, что эти проценты означают, а что нет.

Главные цифры в одной таблице

Складывать эти проценты между собой нельзя: замеры считают разные вещи — долю проверок, долю фрагментов текста и долю опрошенных студентов. Разбираем каждый источник отдельно, вместе с его слабыми местами.

Динамика: с 9,9% в 2022 году до 42,3% в 2025-м

Самый длинный ряд дал разбор 12 996 публично доступных выпускных работ за 2013–2025 годы — 590,9 млн знаков основного текста. Исследование опубликовано на Habr в июне 2026 года сервисом ReText.AI. Текст размечали по абзацам от 500 знаков, то есть считалась доля подозрительных фрагментов по объёму, а не доля работ.

Скачок 2025 года почти вчетверо больше прироста предыдущего: сказалось появление бесплатных моделей, уверенно пишущих по-русски, — генерация перестала требовать оплаченной подписки и знания английского. Оговорка о качестве данных: исследование выполнил разработчик коммерческого сервиса работы с текстом, независимой проверки методики не публиковалось, а детектор видит только готовый текст и не отличает полную генерацию от вычитки готового абзаца нейросетью.

Заключения и введения — самые «машинные» разделы

В том же разборе есть разбивка по частям работы за 2025 год, и она объясняет, почему пометки в отчёте почти всегда собираются в одних и тех же местах.

• Заключения — около 56% фрагментов с признаками генерации.
• Введения — около 49%.
• Основная часть — около 41%.

Разница между заключением и основной частью — 15 процентных пунктов, и дело не только в генерации. Заключение пишут последним, за вечер до сдачи, пересказывая задачи из введения теми же словами: такой текст предсказуем сам по себе, кто бы его ни писал. Рабочий приём — писать заключение по результатам, а не по плану: каждый абзац начинается с числа или факта, которого во введении быть не могло («расчёт показал снижение оборачиваемости с 62 до 48 дней»). Карта того, где именно скапливаются пометки и что с ними делать, — в статье «Работу завернули за высокий процент ИИ».

Летняя сессия 2026: признаки ИИ в 45,6% файлов

Самый свежий замер сделала система «Думейт» под руководством Юрия Чеховича: с 1 апреля по 30 июля 2026 года через неё прошло 260 168 документов, признаки генеративного ИИ нашлись в 118 640 файлах — 45,6%. Если считать не файлы, а работы (одна работа обычно загружается несколько раз), картина жёстче: 52% самостоятельных работ хотя бы на одном этапе подготовки содержали признаки генерации. При этом около 60% работ проходили с первой проверки при минимальных следах ИИ, а вот на повторных загрузках доля признаков генерации переваливала за 60%.

Разрыв между первой и повторной проверкой — самая практичная цифра во всей подборке. Он означает, что типичный сценарий выглядит так: работу возвращают с пометками, студент дорабатывает отмеченные абзацы нейросетью и добавляет признаков вместо того, чтобы их убрать. Почему рерайт через модель не снижает показатель, разобрано в статье «Обойти детектор ИИ».

Что отвечают сами студенты

• Опрос «Я — профессионал», февраль 2025, 1041 студент российских вузов: 85% пользуются нейросетями в учёбе, 30% — регулярно.
• По задачам в том же опросе: 77% — поиск и упорядочивание информации, 43% — работа с курсовыми и дипломными, 24% — презентации и отчёты, 22% — код.
• Опрос «ЛаньGPT» среди 6,5 тыс. учащихся: 28% используют ИИ именно для написания рефератов, курсовых и дипломов, 75% — для поиска и проверки источников, 61% — чтобы выстроить структуру материала.
• Исследование МГПУ 2024 года: больше 70% студентов применяют ИИ-инструменты при подготовке академических работ — от поиска материала до разбора аргументации и редактуры.

Расхождение 28% против 43% — не противоречие источников, а разные вопросы: «пишете ли вы работы нейросетью» и «используете ли нейросеть, когда делаете курсовую» дают разброс в полтора раза на одной и той же аудитории. Из этих опросов не следует, что «все так делают»: доля тех, кто отдаёт модели готовый текст целиком, устойчиво держится около трети, а не около 85%.

Направления, где генерацию находят чаще

По данным «Антиплагиата» за второй квартал 2026 года чаще всего признаки нейросетей встречались в работах по искусствоведению, СМИ и массовым коммуникациям, компьютерным и информационным наукам, медицинским технологиям и политическим наукам.

Компьютерные науки в этом списке удивляют только на первый взгляд. Генератор уверенно пишет обзор технологий, описание архитектуры и раздел «обоснование выбора стека» — то есть ровно ту часть технической работы, где нет ни расчётов, ни кода, зато много устойчивых формулировок. Практический вывод для любого направления один: чем ближе раздел к пересказу общеизвестного, тем выше по нему показатель, и защищает от этого только собственная фактура — версии библиотек, замеры производительности, номер дела, цифры из отчётности предприятия.

Как читать эти проценты

Ни одна из приведённых цифр не измеряет «сколько работ написано нейросетью». Все они измеряют, в скольких работах детектор нашёл статистические признаки генерации, — а это разные величины, и вот почему.

• Детектор оценивает предсказуемость текста, а не его происхождение: механика двух метрик разобрана в статье «Перплексия и burstiness».
• Единица анализа — фрагмент от 500 знаков, а не документ: на коротких кусках точность заметно падает, поэтому «процент по работе» складывается из пометок по абзацам.
• Заявленная точность — внутренний замер разработчика: в мае 2025 года «Антиплагиат» объявил до 98% на текстах GPT-4o и DeepSeek V3, независимой публикации методики не было.
• Ложные срабатывания измеримы: в исследовании журнала Patterns (2023) семь коммерческих детекторов пометили как машинные 61,3% эссе, написанных людьми, для которых английский неродной. Проверка 14 инструментов, опубликованная в International Journal for Educational Integrity в том же году, дала вывод, что доступные детекторы «ни точны, ни надёжны», а любая правка текста резко ухудшает их работу.
• Крайности встречаются в обе стороны: по публикации «Коммерсанта» весной 2026 года студентка, писавшая работу сама, получила 96% по ИИ-показателю, а часть кафедр отказывалась допускать к защите при 1%.

Что из этого следует для студента

1. Исходите из того, что проверка будет: 2,73 млн работ за квартал — это не выборочный контроль отдельных кафедр, а сплошной поток.
2. Планируйте запас по срокам на одну доработку: судя по разрыву между первой и повторной проверкой, вторая попытка чаще ухудшает показатель, чем улучшает, если править нейросетью.
3. Держите доказательства авторства с самого начала — история версий файла и черновики закрывают спор быстрее любых аргументов про ложные срабатывания.
4. Узнайте порог своей кафедры до сдачи, а не после: ориентиры по типам работ — в статье «Сколько процентов ИИ допустимо», а позиции конкретных вузов по использованию нейросетей — в статье «Можно ли писать диплом нейросетью».

В «Соавторе» тексты пишут эксперты с профильным образованием вручную — поэтому работа не попадает в те самые 36%. К готовой работе прикладываем отчёт проверки, условия — на страницах дипломная работа и курсовая работа. Подробнее об услуге — страница проверки на ИИ.