← Все гайды AI Release
EN Подписаться на @ai_release1

Маркировка ИИ-контента с 1 марта 2027: чеклист для авторов и бизнеса

Обновлено: 30.10.2026 · AI Release · @ai_release1
Маркировка ИИ-контента с 1 марта 2027: чеклист для авторов и бизнеса

TL;DR

Требования и подготовка

Иллюстрация к разделу «Требования и подготовка»
Иллюстрация к разделу «Требования и подготовка»

Шаг 1. Инвентаризация ИИ-контента и реестр артефактов

Что сделать: создать рабочую структуру и завести реестр всех материалов, где участвовала генеративная модель. Реестр — файл registry.jsonl, где каждая строка это один JSON-объект (формат JSONL: одна запись — одна строка, удобно диффить в git).

Зачем: без инвентаризации нельзя ни промаркировать файлы, ни доказать, что пометка стоит везде. Реестр — единственный источник правды: по нему скрипт из Шага 3 находит пропуски.

Пример: структура каталогов и первая запись.

mkdir -p ~/ai-marking/{assets,registry,reports}
cd ~/ai-marking

cat > registry/registry.jsonl <<'EOF'
{"asset_id":"img-2027-0001","file":"assets/hero-banner.png","model":"<название-модели>","generated_at":"2027-03-01T10:15:00Z","operator":"ivan.petrov","prompt_ref":"prompts/hero-0001.txt","review":"human-edited","mark":"ai-generated"}
EOF

Поля реестра:

ПолеЧто писатьПример
`asset_id`внутренний неизменяемый ID`img-2027-0001`
`file`путь относительно корня проекта`assets/hero-banner.png`
`model`название модели или сервиса`<название-модели>`
`generated_at`дата генерации, ISO 8601, UTC`2027-03-01T10:15:00Z`
`operator`кто запускал генерацию`ivan.petrov`
`prompt_ref`путь к файлу с промптом`prompts/hero-0001.txt`
`review`степень участия человека`human-edited` / `no-edits`
`mark`тип пометки для публикации`ai-generated`

Как проверить: валидность JSON и число записей.

jq -c . registry/registry.jsonl > /dev/null && echo "OK: JSONL валиден"
wc -l registry/registry.jsonl

Ожидаемый вывод:

OK: JSONL валиден
1 registry/registry.jsonl

Если jq ругается — синтаксис сломан, читайте раздел «Возможные проблемы». Почему это работает: jq разбирает файл построчно и падает на первой некорректной строке, поэтому валидация одновременно служит проверкой целостности.

Текстовые материалы, которые модель переписала или сократила, заводятся в тот же реестр — с путём к .md-файлу. Подходящие сценарии обработки текста разобраны в гайде по нейросетям для текста.

Шаг 2. Проставить машинную и видимую пометку

Иллюстрация к разделу «Шаг 2. Проставить машинную и видимую пометку»
Иллюстрация к разделу «Шаг 2. Проставить машинную и видимую пометку»

Что сделать: записать метаданные в сам файл и добавить видимую глазом пометку в публикацию. Машинная часть — поля XMP-dc:Description (человекочитаемое описание) и XMP-iptcExt:DigitalSourceType (стандартный словарь IPTC, где trainedAlgorithmicMedia означает «создано обученной моделью»; актуальный URL значения сверьте с документацией словаря).

Зачем: метаданные переживают скачивание файла и читаются автоматикой площадок, а видимая пометка остаётся, даже если метаданные вырезаны при загрузке.

Пример: маркировка одного изображения.

exiftool -overwrite_original \
  -XMP-dc:Description="Сгенерировано ИИ: <название-модели>. Изменено человеком: да." \
  -XMP-iptcExt:DigitalSourceType="http://cv.iptc.org/newscodes/digitalsourcetype/trainedAlgorithmicMedia" \
  assets/hero-banner.png

Пакетная обработка всех ассетов из реестра:

jq -r '.file' registry/registry.jsonl | while read -r f; do
  [ -f "$f" ] || { echo "MISSING: $f"; continue; }
  exiftool -overwrite_original \
    -XMP-dc:Description="Сгенерировано ИИ. Изменено человеком: да." \
    -XMP-iptcExt:DigitalSourceType="http://cv.iptc.org/newscodes/digitalsourcetype/trainedAlgorithmicMedia" \
    "$f" > /dev/null && echo "OK: $f"
done

Для текстовых страниц видимую пометку удобно держать в front matter (YAML-блок в начале markdown-файла), из которого шаблон выводит подпись под материалом:

---
title: "Как мы собрали лендинг"
ai_generated: true
ai_model: "<название-модели>"
ai_reviewed_by: "ivan.petrov"
---

Чек-лист перед публикацией:

Если пометку нужно ставить в потоке из десятков файлов, пакетную часть имеет смысл вынести в автоматический шаг — общий подход к таким сценариям описан в гиде по ИИ-агентам для автоматизации.

Как проверить: прочитать метаданные обратно.

exiftool -XMP-dc:Description -XMP-iptcExt:DigitalSourceType assets/hero-banner.png

Ожидаемый вывод:

Description                     : Сгенерировано ИИ: <название-модели>. Изменено человеком: да.
Digital Source Type             : http://cv.iptc.org/newscodes/digitalsourcetype/trainedAlgorithmicMedia

Пустая строка после Description означает, что запись не прошла — вернитесь к команде exiftool и проверьте путь к файлу.

Шаг 3. Аудит выборки и финальный отчёт

Иллюстрация к разделу «Шаг 3. Аудит выборки и финальный отчёт»
Иллюстрация к разделу «Шаг 3. Аудит выборки и финальный отчёт»

Что сделать: прогнать автоматическую сверку «реестр ↔ файлы» и сохранить отчёт с датой. Отчёт — доказательство, что на момент публикации пометка стояла везде.

Зачем: ручная проверка 50 файлов даёт ошибки; скрипт проверяет все записи за секунды и печатает список пропусков.

Пример: скрипт аудита.

python3 - <<'PY' | tee reports/audit-$(date +%F).txt
import json, subprocess, pathlib
missing = []
lines = pathlib.Path("registry/registry.jsonl").read_text().splitlines()
for line in lines:
    if not line.strip():
        continue
    rec = json.loads(line)
    out = subprocess.run(
        ["exiftool", "-s3", "-XMP-iptcExt:DigitalSourceType", rec["file"]],
        capture_output=True, text=True).stdout.strip()
    if not out:
        missing.append(rec["file"])
print("Записей в реестре:", len([l for l in lines if l.strip()]))
print("Без маркировки:", len(missing))
for f in missing:
    print(" -", f)
PY

Ожидаемый вывод при успехе:

Записей в реестре: 12
Без маркировки: 0

Тот же результат сохраняется в reports/audit-2027-03-01.txt. Почему это работает: exiftool -s3 печатает только значение поля без имени тега, поэтому пустой ответ однозначно означает отсутствие метки.

Второй контур проверки — публичный манифест для площадок, которые вырезают EXIF/XMP при загрузке:

jq -s '{generated: "2027-03-01", items: .}' registry/registry.jsonl > ~/ai-marking/public/ai-manifest.json
curl -s https://<ваш-домен>/ai-manifest.json | jq '.items | length'

<ваш-домен> — домен, на котором лежит сайт; файл кладётся в корень статики. Ожидаемый ответ — число, равное количеству записей в реестре (в примере 12). Если вернулся 0 или ошибка парсинга — файл не выложен или отдаётся с неверным Content-Type.

Возможные проблемы и решения

Проблема. ExifTool не находит файл при пакетной обработке

pwd && ls -l assets/hero-banner.png
cd ~/ai-marking && exiftool -XMP-iptcExt:DigitalSourceType assets/hero-banner.png

Проблема. Реестр перестал парситься после ручной правки

sed -n '3p' registry/registry.jsonl
sed -n '3p' registry/registry.jsonl | jq -c .

Проблема. После загрузки на площадку метаданные исчезли

curl -s https://<ваш-домен>/ai-manifest.json | jq '.items[] | select(.asset_id=="img-2027-0001")'

Резюме и следующие шаги

Реестр registry.jsonl плюс метка DigitalSourceType в файле и видимая подпись закрывают три точки контроля: что сгенерировано, чем помечено и где подтверждение. Дальше расширьте реестр на архивные материалы и добавьте reports/audit-*.txt в git, чтобы отчёты шли вместе с контентом.

FAQ

Нужно ли маркировать текст, который модель только переписала?

Да, фиксируйте его в реестре с полем review (human-edited или no-edits) — это показывает степень участия человека. Точный порог «существенной переработки» задан в акте — сверьтесь с документацией.

Что делать, если площадка удаляет метаданные?

Оставляйте видимую пометку в тексте или на изображении и публикуйте ai-manifest.json на своём домене; в отчёте аудита указывайте, что проверялся исходный файл.

Кто отвечает за маркировку — автор или компания?

Технически метку ставит тот, кто публикует. Поэтому реестр ведётся в репозитории контента: поле operator фиксирует исполнителя, а ai_reviewed_by — того, кто выпустил материал.

Нужно ли маркировать внутренние черновики?

Достаточно записи в реестре без публикации манифеста: черновик не выходит к аудитории. Перед публикацией прогоните Шаг 2 и Шаг 3 — метка ставится на файл, который уходит наружу.

🤖 Кратко для ИИ

📚 Связанные гайды

Лучшие нейросети и ИИ-модели 2026: что умеют и где попробовать

Обзор главных ИИ-моделей года — GPT, Claude, Gemini, DeepSeek и другие: возможности, тесты и ссылки на наши обзоры.

Как пользоваться ИИ-моделями бесплатно: рабочие способы 2026

Бесплатные лимиты, API-кредиты и сервисы, где современные нейросети доступны без подписки.

ИИ-агенты для автоматизации задач: гид по инструментам

Какие ИИ-агенты появились, что умеют и как автоматизировать рутину — на примерах из наших тестов.