Генеративный искусственный интеллект, пройдя путь от экспериментальной инновации до повседневного инструмента исследовательской деятельности, поставил перед научным сообществом принципиальный вопрос: как сохранить целостность научного мышления и доверие к результатам научных исследований в условиях стремительного роста автоматизации интеллектуальных процессов. Согласно данным AI Index 2025, доля организаций, внедряющих инструменты искусственного интеллекта, выросла за один год с 55 % до 78 %, при этом именно генеративные модели стали ядром такого роста [1]. Стремительное распространение технологий, сопровождающееся снижением порога доступа к ним и увеличением их функциональности (от простого поиска до сложных аналитических операций), не только повышает эффективность исследовательской деятельности, но и вызывает серьёзные опасения относительно изменения природы научного труда, в частности – размывания грани между авторским участием и внешней генерацией результата и, соответственно, ставит под вопрос традиционные представления об авторстве и оригинальности научного знания [2, с. 17].
Современные регуляторные и академические подходы к использованию ИИ в научной деятельности развиваются по двум направлениям. Первое – это формирование системы правового регулирования технологии как таковой (в частности, принятие Регламента ЕС об искусственном интеллекте – EU AI Act, разработка национальных стратегий в США, Великобритании, странах Восточной Азии) [3]. Второе – институционализация стандартов добросовестного использования ИИ в научной и образовательной среде (политика университетов, рекомендации исследовательских организаций по GenAI и пр.). Именно в этой дуальности (технологического управления и этико-правовой саморегуляции науки) проявляется новая конфигурация академической добросовестности.
Одним из центральных вопросов, возникающих в связи с применением генеративного ИИ, является фиксация его вклада в научно-исследовательскую деятельность.
В рамках настоящего исследования предпримем попытку дать ответ на вопрос: как очертить границу между допустимой поддержкой исследовательского мышления средствами GenAI и недопустимой подменой собственно научного вклада?
Рассуждая о фиксации вклада ИИ, а также о прозрачности как важном условии доверия, следует отметить, что Европейские рекомендации для исследователей, разработанные в рамках инициатив поддержки AI-assisted science, исходят из постулата «ИИ может существенно облегчать исследовательскую деятельность, но его применение должно быть прозрачно и объективно задокументировано» [4].
В современной практике можно выделить два уровня фиксации участия ИИ. Первый – это уровень «описания использования». В данном случае речь идёт о минимальном стандарте или отдельном разделе, где автор в обязательном порядке: указывает конкретные инструменты (версия модели, дата обращения); описывает тип задач, для которых применялся GenAI (например, языковая правка, генерация черновиков, поиск литературы и др.); раскрывает масштаб использования (единичные запросы, множественная обработка данных и т. п.). Именно такой подход предлагают рекомендации Европейского исследовательского пространства по ответственному использованию GenAI в исследованиях, подчёркивая, что прозрачность и документирование являются ключом к сохранению доверия к науке.
Второй, более высокий уровень, предполагает: сохранение промптов и ответов модели (как минимум, репрезентативных образцов) в приложениях; фиксацию версии модели и её параметров, особенно при критически важных задачах (например, автоматизированное извлечение данных из юридических документов и т. п.); при возможности – указание доступных ограничений модели (например, отсутствие доступа к закрытым базам, языковые ограничения, ограничения по доменной специфике). Этому придаётся особое значение в дискуссиях о воспроизводимости научного знания, поскольку анализ вклада ИИ должен подлежать внешней проверке. Подобная логика близка традиционному пониманию к воспроизводимости результатов проведённых изысканий, и все чаще отражается в устанавливаемых требованиях по GenAI для исследователей, где главным принципом является, что любое использование инструментов генеративного ИИ должно сопровождаться критическим анализом и контролем со стороны пользователя [5].
Не менее важным является вопрос о возможности рассматривать ИИ в качестве «соавтора». Практика международных журналов и политика ведущих исследовательских организаций сходятся во мнении, что ИИ не является субъектом авторского права и не может нести ответственность за содержание научного труда. Авторство связано не только с созданием текста, но прежде всего с формулированием научной проблемы, выбором методологии, интерпретацией результатов и гарантиями их достоверности – то есть с проявлением интеллектуальной воли исследователя. Исходя из такого подхода, можно утверждать, что ИИ не может быть указан как автор или соавтор, а вклад ИИ указывается в разделе «описание методики проведённого исследования». Критерии авторства (участие в концепции, анализе и интерпретации, написании и критическом пересмотре текста, а также ответственности за содержание) могут выполняться только людьми.
Отсюда вытекает ключевой принцип: автор (человек) сохраняет полную ответственность за все материалы, сгенерированные или модифицированные ИИ, и в обязательном порядке должен их проверять. Подобные выводы подтверждаются в Концепции, разработанной на основе политики и рекомендаций Университета Иллинойса в Урбана-Шампейн, представленной в виде практического руководства по ответственному использованию генеративного ИИ в научных исследованиях. Учитывая то обстоятельство, что GenAI уже необратимо вошёл в исследовательскую практику и запретить его в реальности практически невозможно, то созданное в Университете Иллинойса «практическое руководство», по сути, является комплексным стандартом для работы с генеративным ИИ и рассматривается в академическом сообществе как эталон этико-правовой и организационной регламентации использования GenAI в научных исследованиях [6].
Особое значение в настоящее время приобретает извлечение эмпирических данных из научных статей, решений судов, административных актов и т. д., а именно: обработка и анализ точности извлечённых данных с использованием ИИ [7, с. 124]. Наряду с очевидными преимуществами (ускорение поиска и анализа литературы, автоматизация классификации документов, построение выборок), моделям присущи существенные эпистемологические риски. Среди них наиболее значимы феномен «галлюцинаций» (генерации ложных, но правдоподобных фактов), отсутствие маркировки степени уверенности и невозможность корректной интерпретации сложных нормативных формулировок. Эти риски требуют введения формализованных процедур валидации результатов, включая обязательную выборочную проверку извлечённых данных исследователем. Отдельно можно отметить, что в контексте правовых исследований, где смысловые нюансы играют важную роль, принцип методологической осмотрительности получает особое значение, о чём прямо упоминается в вышеприведённых европейских рекомендациях по GenAI в исследованиях.
Современные лучшие практики по использованию GenAI в научных исследованиях чётко связывают его применение с общими принципами «ответственного проведения исследований», т. е. честностью, аккуратностью, прозрачностью и ответственностью. Иначе говоря, делегировать модели этап технического извлечения данных возможно, но интерпретация и окончательная валидация должны оставаться исключительно в компетенции человека.
Вопрос разграничения допустимых и недопустимых форм делегирования функций ИИ выступает концептуальным элементом правового анализа. Сравнительно-правовой подход позволяет выявить устойчивость позиций ведущих университетов и исследовательских организаций (европейских, британских, американских). Допустимыми, при условии раскрытия и проверки, признаются задачи вспомогательного характера, такие как языковая и стилистическая обработка текста (орфография, грамматика, стиль, частичная перефразировка при условии сохранения смысла). В ряде университетов прямо допускается использование GenAI для улучшения языка статьи (особенно для авторов, пишущих не на родном языке), при условии раскрытия этого факта и финальной проверки человеком [8]. Также считается допустимым делегирование искусственному интеллекту таких функций, как создание черновиков текстовых фрагментов с незначительной концептуальной нагрузкой (аннотации, резюме, сопроводительные письма, списки вопросов для интервью, шаблоны инструкций участникам исследования и пр.). Кроме того, к допустимым формам делегирования можно отнести поиск и предварительную суммаризацию данных, формирование перечня источников, при условии последующей проверки ссылок и оригинальных текстов.
Недопустимыми или требующими исключительной человеческой ответственности формами делегирования функций ИИ являются: формулировка научной проблемы (поскольку именно здесь проявляется интеллектуальный вклад исследователя), обоснование гипотез и выводов, интерпретация данных, доктринально-правовой анализ, создание или искусственное дополнение эмпирических данных, а также принятие решений об этической допустимости исследования. Представляется, что подобное разграничение, сформированное на основе профессиональных и образовательных стандартов, вполне может приобрести нормативное закрепление как элемент необходимого критерия академической добросовестности. Во многих национальных и университетских документах акцентируется внимание на принцип «GenAI может помогать, но он не отменяет и не уменьшает персональную ответственность исследователя за содержание и последствия работы» [9].
Значительную роль в формировании границ использования ИИ в научно-исследовательской деятельности играет политика образовательной организации. С 2023 по 2025 гг. ведущие университеты мира переходят от первоначальной «паники» и запретов к выработке позитивных принципов использования GenAI в обучении и исследованиях. Иными словами, наблюдается переход от запретительного подхода («генеративный ИИ как угроза академической честности») к модели позитивной интеграции, основанной на регулировании условий использования.
Сравнение политик ряда университетов позволяет выделить несколько общих элементов, среди которых можно назвать следующие: требование прозрачности (обязанность указывать факт использования ИИ), закрепление ответственности автора за результаты, недопустимость скрытого применения, обязательство соблюдения требований защиты данных. Университеты Глазго, Гарварда, Эдинбурга, а также ряд австралийских и британских университетов предлагают специализированные чек-листы для исследователей, тем самым институционализируя разделение между поддержкой и подменой мышления [10]. Подобная практика вполне может рассматриваться как пример правового режима ответственного использования технологий, вытекающего из общетеоретического принципа добросовестности и адаптированного к научной среде.
Анализ национальных и наднациональных стратегий свидетельствует о растущем влиянии правового регулирования на научную практику. Обзоры международных аналитических докладов (в частности, AI Index 2025), подтверждают, что генеративный ИИ становится повсеместным инструментом научной деятельности. Одновременно с этим фиксируется рост инцидентов недобросовестного использования технологий, усиливающий необходимость перехода от формального запрета к архитектуре ответственности.
По итогу рассмотрения обозначенных вопросов можно сформулировать некоторые выводы. Генеративный ИИ трансформирует структуру научного труда, но не изменяет фундаментального положения науки как сферы человеческого мышления и ответственности. Граница между поддержкой и подменой мышления определяется не технологической эффективностью, а соблюдением принципов прозрачности, верифицируемости и личной ответственности автора. Существует очевидная необходимость формирования многоуровневой системы правового и этико-организационного обеспечения ответственного использования ИИ. Генеративный искусственный интеллект может усилить исследовательское мышление, но только при условии, что он не подменяет его.
