Доклад Марианны Смирновой о гуманитариях и ИИ ценен тем, что не уходит в абстрактный спор о «настоящем творчестве». Она говорит о цифрах, рынках, платформах, переводе, издателях, нейрослопе и конкретных профессиональных последствиях для писателей, переводчиков и редакторов.
Главный вопрос звучит жёстко: если ещё недавно казалось, что писатель будущего станет промпт-инженером, то что происходит теперь, когда часть промпт-инжиниринга тоже можно переложить на систему вроде Hermes, а короткий рассказ «в стиле Шекли» уже собирается почти без человека?
Писатель, промпт-инженер и Hermes
В начале доклада Марианна показывает пример: короткий рассказ в стиле Роберта Шекли, сгенерированный Kimi 2.6 по короткому человеческому запросу. Между человеком и моделью появляется Hermes — клиент, который разворачивает короткий промпт в полноценное техническое задание: «ДНК Шекли», структура, диалоги, языковой код, финальный чек-лист.
В результате человек просит «дай мне Шекли», а система сама формулирует подробный запрос к модели. Текст получается осмысленным, не потоком сознания, пусть и скучным и местами рассогласованным.
Из этого следует неприятный вывод: на коротких формах роль человека как промпт-инженера уже начинает сжиматься. Для больших романов генерация пока даёт тяжёлые и плохо читаемые тексты, но у таких текстов тоже есть аудитория.
Нейрослоп и платформы
Дальше доклад переходит к рынку. Amazon с 2023 года сталкивается с валом AI-книг: пересказы, фальшивые продолжения, тексты, которые иногда выдают за чужие работы. Платформа делит контент на полностью сгенерированный и созданный с AI-помощью, требует маркировку и удаляет очевидные нарушения авторского права, но не начинает крестовый поход против нейрослопа.
Российский Author.Today сталкивается с похожей проблемой. По словам доклада, заметная часть топовых книг уже выглядит как нейрослоп. Платформа вводит лимиты на количество романов в месяц и требует маркировку AI-контента, но детекторы ненадёжны. Яндекс.Детектор может не распознать нейротекст, особенно если автор специально обходит проверку.
Здесь важна не только проблема качества. Появляется новый промышленный режим: тексты можно гнать десятками, рынок заполняется, а читательская аудитория для этого есть.
Авторское право, сценаристы и защита контента
Марианна показывает, что книжная индустрия не изолирована. Netflix предлагает использовать AI для оценки потенциальной успешности сценариев, а голливудские сценаристы через забастовки выбивают ограничения на чистую генерацию, чтобы не потерять работу.
Авторы пытаются защитить свои тексты от использования в обучении моделей, но сделать это трудно. В западной практике уже есть кейсы вокруг обучения на книгах, и доклад фиксирует болезненную реальность: защититься сложно, спасение утопающих всё чаще становится делом самих утопающих.
Отсюда интерес к prompt injection для защиты контента: попыткам ещё на уровне страницы, файла или сайта запретить краулеру использовать материалы для обучения. Это оружие защиты, но не гарантия.
Переводчик превращается в постредактора
Самая практичная часть доклада касается перевода. На западном рынке HarperCollins через Harlequin начинает использовать утвержденную систему машинного перевода для любовных романов. Выбор жанра не случаен: любовные романы часто типовые по лексике, сюжетным ходам и ожиданиям аудитории, поэтому их удобно использовать как полигон.
Для переводчиков это означает сдвиг роли. Вместо полноценного перевода они всё чаще становятся постредакторами машинного подстрочника. Это может вывести их из штата, снизить оплату и изменить статус профессии.
В России ситуация мягче: пока никто централизованно не обязывает использовать конкретную систему машинного перевода. Но практика уже приходит снизу: переводчики сами выбирают инструменты, а рынок постепенно привыкает к мысли, что «черновик» может делать машина.
DeepSeek против человеческого перевода
Марианна показывает конкретный пример из собственной практики: абзац художественной прозы, переведённый DeepSeek, и человеческую версию. Машинный перевод вменяемый: смысл в целом передан, грубых ошибок немного. Но проблемы появляются в стиле, интонации, подтексте и сценической логике.
В одном диалоге машинный вариант формально переводит фразы, но теряет внутреннее состояние персонажа. Человеческая версия передаёт странность и одиночество мальчика в переполненном кафетерии: «Тут слишком пусто. Тут полно народу. А людей нет».
Это и есть зона, где гуманитарная работа пока держится: не в механической передаче слов, а в понимании интонации, настроения, подтекста, культурного слоя и персонажа.
Проиграна ли битва
Ответ доклада не оптимистичен в простом смысле. Часть рынка уже уходит к нейрописателям, AI-помощникам и потоковому нейрослопу. Часть переводческой работы будет превращаться в постредактуру. Платформы будут бороться не с самим AI-контентом, а с крайними нарушениями и маркировкой. Детекторы останутся ненадёжными.
Но битва не полностью проиграна, если понимать, где именно остаётся человеческая ценность. В больших текстах, в стиле, в переводе прозы, в голосе, в редакторском слухе, в ответственности за смысл и в способности видеть, что формально правильная фраза художественно мертва.
Гуманитариям придётся не доказывать, что AI ничего не умеет. Он уже умеет достаточно много. Придётся доказывать, что человеческая работа — это не просто производство текста, а качество смысла, которое нельзя полностью заменить генерацией.