Poynter: как фактчекеры справляются с проблемами надёжности AI

Написанная Луисом Якобсоном и опубликованная 22 июня 2026 года, эта статья Poynter освещает обсуждения с GlobalFact — ежегодной конференции организаций по проверке фактов — о практических проблемах, которые AI-инструменты создают для журналистов, чья работа — верифицировать истину.

Контекст: фактчекеры входят в число профессионалов, наиболее подверженных ошибкам AI, поскольку именно неточный AI-вывод они обучены выявлять. В статье собраны наблюдения людей, системно тестировавших AI-чатботы и проводивших контролируемые сравнения между моделями.

Один из выводов, возникающих в репортаже: AI-модели могут казаться высоконадёжными при ответах на простые фактические вопросы и при этом уверенно генерировать дезинформацию по менее распространённым темам. Разрыв между видимой и реальной надёжностью — практическая проблема для редакций, стремящихся использовать AI в исследовательских процессах без непреднамеренного введения галлюцинаций в публикуемые материалы.

Вторая область, которую охватывает статья, — идеологическая предвзятость. Исследователи, сравнивавшие ChatGPT, DeepSeek и другие модели, обнаружили, что ответы склонны отражать идеологические структуры и источники данных, заложенные в обучении каждой модели. Модели из разных национальных или коммерческих контекстов выдают систематически различающиеся ответы по политически спорным темам — не случайно ошибочные, а стабильно смещённые в направлениях, коррелирующих с их происхождением.

Третья тема — дипфейки. Цитируемые в статье эксперты отмечают: AI-сгенерированному ложному контенту не нужно быть неотличимым, чтобы распространяться. Материал, достаточно правдоподобный, чтобы распространяться быстрее опровержений, уже является эффективной дезинформацией, независимо от того, может ли сложный анализ идентифицировать его как сгенерированный.

Статья не предоставляет конкретного руководства по интеграции AI в процессы фактчекинга. Её ценность — диагностическая: она документирует, где находятся реальные проблемы надёжности, что является предпосылкой для проектирования заслуживающих доверия AI-assisted процессов в редакционных средах.