Эффект зловещей долины в копирайтинге: почему идеальные тексты теперь не продают

В 1970 году японский робототехник Масахиро Мори заметил странную вещь: люди прекрасно относятся к неуклюжим роботам-игрушкам, но чем реалистичнее становится андроид, тем сильнее растет отторжение и тревога. В какой-то момент, когда машина почти неотличима от человека, симпатия резко сменяется отвращением. Этот разрыв Мори назвал «зловещей долиной» (uncanny valley).

Полвека спустя это же явление накрыло маркетинг и копирайтинг. Только теперь вместо реалистичных роботов — идеальные механистические тексты. Аудитория чувствует, когда за текстом стоит человек, а когда нет, ведь человеческий текст всегда будет разным, неидеальным и непохожим на другие, в то время как тексты, написанные ИИ, выглядят как две капли воды.

По оценкам 2023 года, 74,2% новых веб-страниц уже содержали признаки ИИ-генерации, а 85% маркетологов регулярно использовали нейросети для написания текстов. Что уж говорить о количестве ИИ-контента в 2026 году?

В том же 2023 году SSRN провели интересное исследование. Когда рестораны Милана временно лишились доступа к ChatGPT из-за локального запрета, их описания и рекламные тексты стали на 15% лексически разнообразнее и на 12% синтаксически вариативнее.

Проблема в том, что ИИ алгоритм, работающий как среднее арифметическое из миллионов текстов, стягивает любую формулировку к наиболее вероятной и потому наиболее узнаваемой версии. Именно поэтому все ИИ тексты так похожи между собой.

Только вот реальные читатели вовсе не алгоритмы, которые ранжируют страницы в выдаче. Они ищут в текстах отголоски реального опыта: неожиданные повороты мысли, эмоциональные нюансы и даже мелкие оговорки или ошибки.

Из-за такой реакции пользователей Google выкатил декабрьское обновление Helpful Content Update 2025 года, где встроил оценку полезности прямо в ядро поисковых алгоритмов. Система научилась распознавать не только плотность ключевых слов, но и то, стоит ли за текстом реальный опыт автора.

Мозг человека эволюционно настроен на распознавание паттернов — и в первую очередь паттернов, которые сигнализируют об опасности или обмане. Когда текст слишком ровный, слишком «правильный» и лишён шероховатостей, срабатывает та же реакция, что и при виде неестественно гладкого лица андроида: когнитивный диссонанс между ожиданием «живого» и восприятием «искусственного».

Читатель, который мало соприкасается с сгенерированными текстами, возможно, ничего не заподозрит или подумает, что кто-то написал просто плохой и странный текст. Но вот читатель, который не в первый раз сталкивается с ИИ текстом, заметит одни и те же паттерны, а также то, что текст довольно предсказуемый.

Материал, написанный человеком, может иметь свои недочеты, логические ошибки или когнитивные искажения, неординарные сравнения и метафоры. А вот материал, собранный по принципу статистической усредненности, лишен этой непредсказуемости, ведь каждое предложение логично вытекает из предыдущего, а каждая мысль завершена и причесана без остатка.

Причем это не главная проблема ИИ-текстов. ИИ всегда используют обтекаемые фразы, штампы, странные речевые конструкции. Нейросеть не может выдать конкретику или реальный пример, если его четко не попросить, и то, можно попасться в такую ИИ-ловушку, как галлюцинации.

Гладкий текст воспринимается как манипулятивный, даже если фактически не содержит вранья. Причина здесь может крыться в ассоциации с рекламными штампами и корпоративным языком, который десятилетиями приучал аудиторию не доверять слишком уверенным формулировкам без конкретики.

Когда нейросеть воспроизводит именно такую усредненную, безопасную интонацию, у читателя срабатывает, скажем так, защитный рефлекс: сейчас что-то продают, а не рассказывают правду. Разве кто-то станет доверять тексту, который звучит одинаково убедительно для любого продукта и любой аудитории?

Также есть несколько исследований, которые подтверждают, что неестественность ИИ-текстов вызывает у людей отторжение.

Специалисты из MIT Sloan School of Management в 2025 году провели эксперимент, где 60 участников общались с одним из трёх собеседников: чат-ботом, специально настроенным вызывать у людей эффект зловещей долины, чат-ботом, имитирующим живого человека, и настоящим человеком. По итогам опроса первый бот получил самые низкие оценки живости, симпатии и воспринимаемого ума среди всех трёх вариантов. Но все не так гладко. 60% участников приняли реального человека за нейросеть, а 40%, наоборот, приняли нейросеть за человека.

Однако, несмотря на все это, участники ясно предпочитали естественность и человеческие несовершенства идеально ровной, безупречной речи.

К похожему выводу пришли и другие специалисты в 2024 году: ИИ-текст вызывает дискомфорт из-за неестественного тона, избыточно формальной структуры и нехватки эмоциональных нюансов. Именно эти три признака снижают у читателя желание вникать в текст и доверять ему.

Лексическое клонирование — использование одинаковых конструкций, эпитетов и переходных фраз, которые встречаются в тысячах других текстов, из-за чего материал теряет человечность или узнаваемый авторский голос.

Формулировки вроде «в современных условиях», «безусловно» или «играет важную роль» стали красными флагами усредненного языка. Хоть они и грамматически верны, но не сообщают ничего конкретного ни о продукте, ни об авторе, ни о теме текста.

Это издержки самого принципа работы языковых моделей: нейросети выбирают наиболее вероятное продолжение фразы, опираясь на миллионы похожих текстов.

Но есть ли какие-то стопроцентно точные признаки того, что текст написала нейросеть? Да.

В 2025 году исследователи Штутгартского университета провели один эксперимент. Они взяли 27 разных нейросетей, 10 различных типов текстов (от новостей до научных статей) и проверили 284 лингвистических признака, чтобы понять, какие из них лучше всего отличают ИИ-текст от человеческого. Оказалось, что только один признак работает стабильно при любых исходных — это богатство словаря.

Когда исследователи убирали из анализа признаки, связанные с разнообразием лексики, точность распознавания того, где ИИ, а где человек, падала на 13,1%, и это было самое сильное падение среди всех остальных признаков.

Все остальные характеристики (длина предложений, эмоциональность, сложность текста) вели себя непредсказуемо и зависели от конкретной модели нейросети или формата текста.

Но как именно отличается словарь человека и нейросети? Формально у ИИ-текста разнообразие слов даже выше, но он использует более узкий и предсказуемый набор лексики, просто сконцентрированный в меньшем объеме. А человек, хоть и может повторяться чаще, использует гораздо больше уникальных, редких слов, которые появляются естественно благодаря живому и непредсказуемому изложению. Поэтому бедность по-настоящему уникальных слов почти всегда выдает нейросеть.

Идеальный с точки зрения структуры текст хвалит все стороны вопроса разом, избегает спорных утверждений и не рискует занять позицию, которая кому-то может не понравиться. Материал получается безопасным, но одновременно бесполезным, ведь он не помогает читателю принять решение, а лишь обходит острые углы.

Именно это выяснили в исследовании «Лингвистическое сравнение контента, созданного человеком и искусственным интеллектом» («A linguistic comparison between human- and AI-generated content»).

Нейросеть заметно чаще выбирает позитивную, мотивирующую лексику, а негативные эмоции вроде гнева и грусти встречаются в ее текстах существенно реже, даже когда речь идет об одинаково неприятной ситуации.

Одновременно ИИ-текст перегружен когнитивными маркерами уверенности и причинно-следственными конструкциями, из-за чего звучит структурировано и авторитетно, но лишается живой субъективной интонации. Человек же, описывая разочарование или неудачный опыт, использует эмоционально окрашенные слова гораздо охотнее, ведь реальную досаду сложно спрятать за нейтральной формулировкой.

Живой текст почти всегда содержит следы личной оценки: что понравилось в продукте, а что разочаровало, где автор ошибся и какой вывод из этого сделал, и с чем он категорически не согласен.

Такие признаки порой противоречивы, но именно они создают ощущение подлинности и повышают доверие ко всему остальному контенту на странице.

Казалось бы, как простой текст может ударить по бизнесу и продажам? Конечно же, все взаимосвязано. Компании, публикующие гладкий, но безличный контент, сталкиваются с падением вовлеченности и снижением времени на странице. Хуже всего, когда пользователь дочитывает текст до конца, но не совершает целевое действие, ведь ни одному слову он так и не поверил.

Страдает и репутация бренда в целом. Аудитория, однажды распознавшая шаблонный ИИ-текст на сайте компании, переносит недоверие на весь остальной контент, включая честные и экспертные материалы, которые действительно писали живые специалисты. Достаточно нескольких проходных статей, чтобы поставить под сомнение всю контент-стратегию бренда.

Как я уже упоминала, Google изменил принцип оценки текста в декабре прошлого года. Алгоритмы теперь проверяют не грамотность и структуру, а необходимость самого материала — отвечает ли он на вопрос глубже, чем уже существующие тысячи похожих страниц, есть ли уникальные данные или анализ существующих, насколько текст фактичен и отвечает ли E-E-A-T.

После обновления сайты с ИИ-контентом без человеческого редактирования и добавленной экспертизы потеряли от 40 до 60% трафика, а некоторые площадки, публиковавшие обезличенные материалы без указания авторов и их квалификации, лишились и того больше.

Показательно, что наказание коснулось не самого факта использования нейросети, а отсутствия за текстом реального человеческого опыта. Площадки, которые совмещали черновики от ИИ с ручной редактурой специалиста, добавлением конкретных примеров и личных наблюдений, пережили обновление без потерь, а некоторые даже выросли в трафике.

Отказываться от нейросетей как от инструмента нет необходимости. Речь идет о том, чтобы осознанно добавить в текст то, что алгоритм просто не воспроизводит без участия человека: реальный опыт, конкретику и авторскую позицию.

1. Замените абстрактное утверждение конкретикой. Например, вместо универсальной обтекаемой фразы «изделие выполнено из экологичных материалов» пишите «изделие выполнено из цельного массива сосны».
2. Приведите цитату реального клиента с именем и подробностями его случая вместо обобщенной фразы «клиенты довольны сервисом».
3. Покажите процесс, а не только результат. Добавьте скриншот, черновик или описание неудачной попытки перед финальным решением.
4. Опишите деталь, которую невозможно взять из открытых источников или пересказать по чужой статье, а можно получить только через личный опыт.

Фактуру замечают не только читатели, но и алгоритмы. Поисковики умеют отличать реальный опыт автора от компиляции чужих статей, поэтому поднимают в выдаче именно тексты с живым опытом и рекомендует ихв умных ответах. Набрать столько фактуры под каждую нишу самостоятельно получается не всегда, поэтому некоторые компании заказывают создание таких текстов в специальных сервисах.

1. Добавьте авторское отступление или разговорный оборот там, где это уместно по смыслу.
2. Чередуйте короткие предложения с длинными, разворачивающимися конструкциями, чтобы задать живой ритм текста.
3. Замените самый очевидный синоним на более редкое, но точное слово, соответствующее конкретной мысли.
4. Оставьте одну спорную оценку или личное мнение вместо нейтральной формулировки, устраивающей всех.

Такая вариативность лексики и синтаксиса и есть то, чего лишён усредненный ИИ-текст. Но и тут важен баланс: неровности должны выглядеть органично, а не вставленными искусственно ради самого факта несовершенства, иначе текст потеряет не гладкость, а доверие уже совсем по иной причине.