Антикейсы: как редакции облажались с AI и чему учит каждая катастрофа

Чему научитесь

• Видеть механику пяти реальных провалов AI в редакциях, а не только заголовки «скандал в такой-то газете».
• Вытаскивать из каждого кейса конкретное анти-правило, которое можно записать в свою AI-политику уже завтра.
• Отличать ошибки технологии от ошибок процесса — и понимать, что именно второе ломает редакции.
• Применять чек-лист «не стать антикейсом» до того, как запускать автоматизацию.

Почему антикейсы обучают лучше успехов

В M.9.2 мы разобрали, что реально масштабируется с AI: AP Wordsmith, WaPo Heliograf, Bloomberg Cyborg, «Иван Кремнев» у РБК Трендов. Копировать успешный кейс целиком невозможно — он держится на десятках согласованных решений. А провалы повторить очень легко: достаточно пропустить один конкретный шаг.

Каждый из пяти разобранных ниже кейсов — не «AI глюкнул», а нарушение одного конкретного принципа, которое стоило редакции репутации, трафика, CEO или рейтинга Wikipedia. Урок формулируется как анти-правило: не делай вот этого, и не окажешься на месте этих ребят.

Кейс 1: Bloomberg AI Summaries, 2025 — 36+ ошибок за два месяца

Что произошло. 15 января 2025 в 7:30 утра по Нью-Йорку Bloomberg включил новый продукт: над каждой статьёй, написанной журналистами Bloomberg News, стали появляться три bullet-point саммари, сгенерированные AI. Идея — дать терминальному пользователю быстрый ответ «что здесь важно», не заставляя читать всю статью. Через официальные пресс-релизы Bloomberg хвастался объёмами тестирования и «очень высокой точностью».

К концу марта 2025 NYT опубликовал разбор: редакция Bloomberg выпустила минимум 36 публичных корректировок AI-саммари за два с небольшим месяца. Примеры ошибок, которые NYT задокументировал:

• Неверная дата начала тарифов США на автомобили.
• Ложное утверждение, что президент Трамп ввёл тарифы на Канаду в 2024 году (на самом деле — позже).
• Спутанные цифры в финансовых саммари.
• Неверная атрибуция — цитата приписана не тому спикеру.

Bloomberg ответил: «99% саммари соответствуют редакционным стандартам. Журналисты могут удалить любое саммари до и после публикации». Формально — правда. Но 1% от 1,5 миллионов публикаций в день = 15 000 потенциальных ошибок ежедневно в самом заметном месте страницы.

Механика провала. AI генерирует саммари из статьи, которую уже написал и вычитал журналист. Журналист воспринимает свой текст как готовый — он уже один раз его проверил. Механизм саммаризации он не считает своим продуктом — значит, перечитывает его «по диагонали» или не перечитывает вовсе. Ошибка AI проскакивает защиту, потому что защита расслаблена.

Анти-правило. AI-вывод поверх уже одобренного контента требует отдельного QA-шага, не входящего в базовую проверку статьи. Если вы добавляете AI-слой к готовому материалу — саммари, альтернативные заголовки, SEO-описания, соцсетные версии — каждый слой получает собственный чек-лист и собственного ответственного. Иначе срабатывает эффект второй подписи: человек доверяет выводу, которого не писал и не проверил.

Кейс 2: CNET Money Staff, 2022–2023 — корректуры в 41 из 77 статей

Что произошло. С ноября 2022 по январь 2023 CNET тихо опубликовал 77 финансовых статей под байлайном «CNET Money Staff». Чтобы понять, что это AI, читателю нужно было навести курсор на байлайн — появлялась всплывающая подсказка «content generated using artificial intelligence». Ни отдельной плашки, ни открытого анонса, ни объяснения технологии.

В январе 2023 Futurism раскрыл схему. Следом обнаружились две проблемы:

• Фактические ошибки в финансовых советах. В статье про сложные проценты AI перепутал формулу расчёта — ошибка, на которой читатель мог потерять реальные деньги. Полный аудит показал проблемы в десятках других статей.
• Плагиат. AI пересказывал тексты с других сайтов близко к оригиналу — достаточно близко, чтобы плагиат-чекер засёк совпадения.

CNET приостановил программу, выпустил корректуры в 41 статье из 77 (больше половины). Главный редактор Connie Guglielmo признала: часть ошибок «существенные». Wikipedia после скандала понизила рейтинг CNET и пометила весь контент ноября 2022 — января 2023 как «generally unreliable» — то есть непригодный для цитирования в статьях Wikipedia.

Механика провала. Три нарушения одновременно. Первое — скрытое AI-авторство: не «AI-helper помог журналисту», а AI как основной автор под байлайном редакции. Второе — выбор домена с нулевой толерантностью к ошибкам: финансовые советы, где ошибка в формуле = финансовый ущерб читателю. Третье — отсутствие экспертной вычитки: не было финансового редактора, который проверял бы вывод AI на корректность.

Анти-правило. Финансы, медицина, юридика, налоги — это регулируемые домены, в которых цена ошибки многократно превышает экономию от автоматизации. В таких доменах AI может готовить черновик, но финальная проверка — только через профильного эксперта. И любое AI-авторство маркируется явно, а не через hover-подсказку. Скрытое AI — это потеря доверия на годы, которую потом не отмотать.

Кейс 3: Sports Illustrated, 2023 — фейковые авторы Drew Ortiz и Sora Tanaka

Что произошло. В ноябре 2023 Futurism опубликовал расследование: на Sports Illustrated статьи выходят под байлайном журналистов, которых не существует. «Drew Ortiz» — вымышленный автор с фото, которое продаётся на AI-маркетплейсе stock-портретов. Когда летом 2023 профиль Ortiz исчез с сайта, его заменила «Sora Tanaka» — чьё фото оказалось с того же AI-маркетплейса. Тексты, подписанные этими «авторами», были сгенерированы AI и иногда звучали странно: в одной статье писалось, что волейбол «сложно освоить, особенно без настоящего мяча для тренировок».

После запроса Futurism все AI-сгенерированные авторы исчезли с сайта без объяснений. Arena Group (материнская компания Sports Illustrated) заявила, что статьи пришли от третьей стороны — маркетингового агентства AdVon Commerce — и псевдонимы использовались «для защиты приватности авторов».

Последствия были лавинообразными. 11 декабря 2023 Arena Group уволила CEO Росса Левинсона. До этого компания уволила COO Эндрю Крафта, медиа-президента Роба Барретта и юрдиректора Джули Фенстер — четыре топ-менеджера за несколько недель, в значительной мере из-за AI-скандала.

Механика провала. Фейковые авторы — это не ошибка AI, это осознанное редакционное решение. AI-слоп на выходе + синтетические персоны для legitimization + никакого disclosure = прямой обман аудитории. Формально Sports Illustrated мог сказать «это сделал сабконтрактор». Юридически — может и можно. Репутационно — компания с 70-летней историей потеряла доверие за две недели.

Анти-правило. Никогда не генерировать фейковых авторов. Любое живое имя под статьёй должно соответствовать живому человеку, который несёт ответственность за текст. Это не этическая тонкость — это базовая линия между журналистикой и контент-фермой. Кроме того, US Federal Trade Commission рассматривает непрозрачное использование AI-персон как потенциальное нарушение правил раскрытия — то есть к репутации добавляются юридические риски.

Кейс 4: Men’s Journal, 2023 — 18 медицинских ошибок в одной статье

Что произошло. В феврале 2023 Men’s Journal (также принадлежащий Arena Group) опубликовал первую AI-сгенерированную статью о здоровье: «What All Men Should Know About Low Testosterone». Байлайн — абстрактный «Men’s Fitness Editors». Статья предлагала медицинские советы, рекомендации по питанию и обсуждала заместительную гормональную терапию. Под текстом стояла пометка «reviewed and fact-checked by our editorial team».

Futurism отправил статью на разбор доктору Брэдли Анавальту (Bradley Anawalt), главе отделения медицины Медицинского центра Университета Вашингтона. Анавальт нашёл 18 конкретных медицинских ошибок. Примеры того, что было сделано неверно:

• Приравнивание низкого тестостерона к гипогонадизму (это разные состояния).
• Заявленные связки «диета → уровень тестостерона → психологические симптомы», не подтверждённые исследованиями.
• Неверное описание заместительной терапии как применения «синтетических гормонов».
• Ложные утверждения о вреде молока для уровня тестостерона.

Комментарий Анавальта в Futurism: «Есть ровно столько близости к научной литературе, чтобы звучать как правда, но много ложных и вводящих в заблуждение нот». После запроса Futurism Men’s Journal внёс корректуры.

Механика провала. Та же логика, что в CNET Money Staff, но в ещё более чувствительном домене. Медицина — область, где читатель может причинить себе вред, последовав совету. Men’s Journal проходной AI-моделью делал то, что в обычной журналистике требует врача-консультанта и fact-check по каждому утверждению. Пометка «reviewed and fact-checked» оказалась либо формальной, либо ложной: один эксперт за один вечер нашёл 18 ошибок в одной статье.

Анти-правило. Медицинский, психологический, фармакологический контент от AI выходит в мир только после подписи профильного врача. Не «редактора с общими знаниями», не «журналиста, который когда-то писал о здоровье», а действующего специалиста в релевантной специальности. Это дороже, чем «пропустить через AI и опубликовать». Это ровно столько, сколько стоит не стать причиной вреда для читателя.

Кейс 5: Gannett LedeAI, 2023 — placeholder-текст в спортивных репортажах

Что произошло. В августе 2023 Gannett (крупнейшая сеть локальных газет в США, владелец USA Today) запустил автоматическую генерацию репортажей о школьном спорте через платформу LedeAI. Цель понятная: школьных матчей тысячи, журналистов мало — казалось логичным автоматизировать короткие сводки «кто выиграл, счёт, несколько деталей».

Пайплайн сломался публично. В Columbus Dispatch вышел репортаж с незаполненным шаблоном:

«The Worthington Christian [[WINNING_TEAM_MASCOT]] defeated the Westerville North [[LOSING_TEAM_MASCOT]] 2-1 in an Ohio boys soccer game on Saturday.»

Плейсхолдеры не были подставлены. Текст попал в публикацию как есть. Соцсети разобрали это мгновенно — скриншоты «с тегами» разошлись, сделав Gannett объектом насмешек. CNN нашёл аналогичные тексты в Louisville Courier Journal, AZ Central, Florida Today, Milwaukee Journal Sentinel — как минимум пять локальных газет уже выпустили репортажи с проблемами. Gannett быстро приостановил LedeAI во всех локальных рынках.

Механика провала. Здесь не было скрытого AI, не было вреда читателю, не было фейковых авторов. Была банальная ошибка в инженерном пайплайне — не все поля шаблона заполнялись, — и отсутствие финальной человеческой вычитки перед публикацией. Если бы между генерацией и публикацией стоял журналист хотя бы на пять секунд, текст с [[WINNING_TEAM_MASCOT]] никуда бы не попал. Gannett пропустил этот шаг в погоне за скоростью — и получил ошибку, которая выглядит даже не как журналистский провал, а как программистская.

Анти-правило. Никакой AI-контент не публикуется без человеческого вычитывания после работы AI — даже в самом «низкорисковом» домене, даже в локальной спортивной статистике, даже если шаблон работал вчера сто раз подряд. Пять секунд журналистского внимания стоят дешевле одного вирусного скриншота.

Общая таблица: кейс × механика × анти-правило

Российский контекст

Публичных российских скандалов сопоставимого масштаба пока нет — промышленная AI-генерация в российских СМИ моложе («Иван Кремнев» РБК Трендов запустился только в 2024), остальные редакции используют AI точечно. Плюс меньшая прозрачность рынка: провалы случаются, но реже становятся публичными расследованиями.

Риски от этого не ниже. Российский контекст добавляет свои слои уязвимости: 152-ФЗ о персональных данных (ошибка AI с именами источников = формальное нарушение), требования маркировки AI-контента (ГОСТы 2025, M.9.2), законопроекты о дипфейках (M.8.3) — генерация опознаваемых лиц без согласия = уголовная статья в перспективе.

Сценарий «применили AI тихо, получили локальный скандал» вполне реалистичен — просто пока в меньших масштабах. Редакция, которая проработает политику из M.9.1 и чек-листы из M.9.2 до первого громкого использования AI, проходит путь без публичных провалов.

Чек-лист «не стать антикейсом»

Семь пунктов, которые защищают от повторения всех пяти разобранных кейсов.

1. Ни один AI-текст не уходит в паблик без человеческой вычитки финального вывода. Это базовая защита от Gannett-сценария с плейсхолдерами.
2. AI-авторство маркируется явно — плашкой на странице, в подписи или в метаданных. Hover-подсказка как у CNET не считается маркировкой.
3. Финансы, медицина, юридика, налоги — только с экспертом на финальной проверке. Не редактор с общими знаниями, а действующий специалист.
4. Фейковые авторы запрещены. Любое имя под статьёй = живой человек, несущий редакционную ответственность.
5. AI-слой над готовым контентом (саммари, альтернативные заголовки, SEO-описания) проходит отдельный QA, а не включается в общую вычитку статьи.
6. Локальная и полевая работа — только через журналиста на месте. AI обрабатывает результаты полевой работы, а не заменяет её.
7. Любая AI-ошибка обрабатывается как любая другая редакционная ошибка — публичная корректура, логирование, разбор причин в команде. Тихое удаление как у Sports Illustrated = путь к большому скандалу.

Главное

Пять провалов — пять разных механик. Bloomberg недооценил, что AI-слой поверх готового материала требует отдельной защиты. CNET скрыл AI-авторство и зашёл в финансы без эксперта. Sports Illustrated сгенерировал фейковых авторов. Men’s Journal пустил медицинский контент без врача. Gannett пропустил финальную вычитку в пайплайне.

Общее — в каждом случае редакция сокращала процесс защиты ради скорости запуска. В каждом случае она потратила на ликвидацию последствий больше, чем сэкономила. Антикейсы повторяются структурно: если ваш AI-пайплайн экономит на одном из семи пунктов чек-листа, вы повторяете не конкретный скандал, а принцип, который к этим скандалам привёл.

Следующий урок — M.9.4 «Расследовательская журналистика и AI». Разберём обратную сторону: где AI помогает делать то, что раньше было невозможно — работа с огромными массивами документов, утёчками, транскриптами, OCR плохо отсканированных архивов. Это область, где AI — не угроза журналистике, а инструмент, который делает её сильнее. Инструмент, которому тоже нужны свои правила — и вы увидите, как они отличаются от правил для AI-генерации контента.