Введение

Развитие технологий искусственного интеллекта ознаменовало новый этап цифровой трансформации медиаиндустрии, и закономерно, что исследовательское поле оперативно отреагировало на эти изменения. Если на начальном этапе исследователи фокусировались преимущественно на использовании генеративных ИИ-решений для автоматизации текстовых материалов и мониторинга новостной повестки (Вьюгин 2024), то сегодня обсуждается стремительно развивающаяся способность нейросетей создавать визуальный контент (Мухина, Олешко 2026). Как демонстрирует хронология развития ИИ-визуализации, уже к 2017 г. сгенерированные изображения достигли уровня перцептивной схожести с фотографией, а в настоящее время обрели способность интерпретировать и визуализировать текстовые запросы высокой сложности (Roser M. The Brief History of Artificial Intelligence: The World Has Changed Fast – What Might Be Next? // Our World in Data. 2022. 6 December, URL: https://ourworldindata.org/brief-history-of-ai). Исследователи Уральского федерального университета отмечают, что такие возможности алгоритмов подрывают традиционные представления о документальности фотоиллюстрирования в СМИ (Мухина, Олешко 2025).

Показательно, что научная дискуссия подкрепляется убедительными данными из индустриального поля. Масштабы внедрения генеративных ИИ-технологий демонстрируют устойчивую положительную динамику. Как следует из данных Стэнфордского университета, за 2023–2024 годы показатель их использования повысился с 33 % до 71 %, а в 2026 году эксперты прогнозируют, что более 80 % компаний интегрируют в свои процессы алгоритмы на основе генеративных моделей (Жеребненко 2025). Этот технологический сдвиг ставит перед академическим сообществом комплекс новых вопросов, касающихся производственных, этических и профессиональных аспектов внедрения инновации в медиапроизводство.

Особый исследовательский интерес представляет то, как обозначенные тренды проявляются на уровне региональных медиа. Как отмечают исследователи Санкт-Петербургского университета, «различия между крупными федеральными и региональными медиа носят структурный характер и связаны с неодинаковым доступом к ресурсам, уровнем доходов, образования, специализации и цифровых компетенций сотрудников» (Павлушкина, Литвинова 2025: 104). «В отличие от федеральных редакций, располагающих развитой ИТ-инфраструктурой и системами обучения персонала, региональный медиабизнес работает в условиях ограниченного бюджета и отсутствия институциональной поддержки внедрения ИИ-технологий» (Павлушкина, Литвинова 2025: 106). Несмотря на характерное отставание региональных СМИ от федеральных редакций в практике использования ИИ-решений, именно здесь применение алгоритмизация медиапроизводства может быть наиболее востребованной для решения повседневных задач в условиях ограниченных ресурсов. Однако вопрос о системном использовании ИИ-решений в региональных СМИ на остается открытым. В данной статье предпринята попытка систематизации сложившиеся практики применения генеративных ИИ-алгоритмов для создания визуального контента.

Теоретическое обоснование исследования

Осмысление феномена искусственного интеллекта в сфере медиа и коммуникаций требует обращения к фундаментальным теоретическим подходам, позволяющим понять природу и последствия внедрения генеративных технологий в медиапроизводство. Как отмечают исследователи, ИИ-технология представляет собой «высокотехнологический инструментарий обеспечения онлайн-медиакоммуникации <…> [который] воспроизводит человеческие ментальные способности, встраиваясь в процессы принятия решений и трансформируя их» (Вартанов, Тышецкая 2025: 28). Таким образом, инновацию следует рассматривать как преобразующий фактор, оказывающий основополагающее влияние на всю медиасистему.

Наиболее последовательно преобразующая роль цифровых технологий раскрывается в концепции «глубокой медиатизации» А. Хеппа. Развивая идеи Ф. Кротца и С. Хьярварда о проникновении медиа во все сферы жизни, исследователь подчеркивает, что на современном этапе цифровые технологии, включая разработки в области искусственного интеллекта, становятся не просто посредниками, а неотъемлемой частью конструирования социальной реальности (Hepp 2020, Krotz 2007, Hjarvard 2013). В этом контексте ИИ-алгоритмы позволяют создавать синтетический контент, провоцирующий «диссонанс между объективной реальностью и ее цифровой репрезентацией» (Олешко 2025: 166).

Интеграция ИИ-технологий в коммуникационные процессы заставляет исследователей по-новому взглянуть на природу контента. Исследователи задаются вопросами: «возможно ли говорить о принципиально иных основах создания и существования медиатекстов, качественно не похожих на те, что сформировались за столетия развития доцифровых СМИ» (Вартанова, Вырковский, Загидуллина 2024: 5).

Воплощением этих тектонических сдвигов в медиапроизводстве становится синтетический контент – «медийный контент, созданный с использованием глубоких нейронных сетей» (Давыдов, Матвеева, Сапонова 2025: 56). Важным теоретическим уточнением является введение К. Харрисом понятия «степени синтетичности», позволяющего дифференцировать контент по уровню вмешательства ИИ-алгоритмов в процесс его создания. Речь идет о различии контента, созданного ИИ-алгоритмом «с нуля», и частично синтетического, где алгоритмы лишь модифицируют исходный материал (Жеребненко 2025).

Полностью синтетический контент Р. Мильер предлагает подразделять на безусловный, создаваемый без явных управляющих ограничений, и обусловленный, генерируемый под влиянием определяющих смысл и содержание входных данных. Иными словами, безусловная генерация отражает общее распределение обучающей выборки, тогда как обусловленная позволяет целенаправленно управлять результатом, что имеет ключевое значение для практического применения в медиа (Milliere 2022).

Частично синтетический контент представляет собой медиапродукт, созданный на основе авторских данных, но модифицированный путем искажения, комбинирования, добавления или вычитания с помощью технологий ИИ (Жеребненко 2025). Гибридная природа такого контента заключается в наслоении синтетических элементов на несинтетическую основу, что порождает принципиально новые феномены – дипфейки, виртуальные инфлюенсеры и расширенная реальность, где граница между реальным и сконструированным оказывается размытой (Kalpokas 2020). В этом ключе значимым критерием выступает интенциональность – целевая направленность использования ИИ-контента. По этому основанию различают добросовестное использование (в образовательных, развлекательных, художественных целях) и недобросовестное, к которому относятся дипфейки, создаваемые для дезинформации, манипуляции общественным мнением, финансового мошенничества и иных противоправных действий (Давыдов, Матвеева, Сапонова 2025).

Если критерий интенциональности объясняет мотивы создателей, то для понимания самих технических возможностей, которые делают такое использование осуществимым, необходимо обратиться к теории аффордансов (Gibson 1979, Hutchby 2001), согласно которой технологии обладают не только физическими свойствами, но и воспринимаемыми возможностями для действия, то есть аффордансами, которые открывают определенные способы использования и одновременно ограничивают другие. Применительно к синтетическому контенту это означает, что различные типы генерации обладают разными возможностями для решения задач медиапроизводства. Например, генерация «с нуля» предоставляет возможность быстрого создания визуализаций для тем, не имеющих фотографического подтверждения. Частично синтетический контент аффордирует редактирование и улучшение уже имеющихся материалов. Добросовестное и недобросовестное использование являются реализацией разных аффордансов одной и той же технологии.

Однако наличие аффордансов само по себе не гарантирует их реализацию. Она осуществляется через процесс селекции и адаптации. Региональные медиа, действующие в условиях ограниченных ресурсов, вынуждены интегрировать те возможности ИИ-инструментов, которые наиболее адекватны их текущим задачам и организационным возможностям. Эмпирические данные подтверждают, что в региональных СМИ «в среднем каждый четвертый сотрудник в той или иной мере использует нейросети» (Нигматуллина, Касымов, Поляков 2025: 165), причем зачастую это «набор из 2–3 моделей, как зарубежных, так и российских» (Нигматуллина, Касымов, Поляков 2025: 165). При этом само внедрение чаще носит спонтанный характер. Исследования фиксируют, что «две трети выборки демонстрируют спонтанный паттерн внедрения нейросетей и только одна треть – организованный» (Нигматуллина, Касымов, Поляков 2025: 174).

Как правило, критериями отбора ИИ-решений в медипроизводстве становится ожидаемая эффективность – адекватность и польза технологии для решения конкретной задачи медиабизнеса – и простота как внедрения, так и использования ее в рабочих процессах (Venkatesh, Morris, Davis, Davis 2003). В результате формируются устойчивые медиапрактики – регулярно воспроизводимые способы использования ИИ-решений, закрепленные в неформальных нормах.

Следует подчеркнуть, что на формирование конкретной практики основополагающим образом влияют условия существования медиапредприятия. Они актуализируют одни потенциальные возможности инновации и блокирующим другие. Например, генерация изображений с помощью ИИ-алгоритмов может быть возможностью для экономии ресурсов и альтернативой использования стоковых платформ. Низкий уровень ИИ-грамотности медиаспециалистов обусловливает выбор простых и доступных ИИ-решений. При этом это же обстоятельство может препятствовать реализации более сложных потенциальных возможностей нейросетей, например, связанных с созданием частично синтетического контента или более сложных мультиформатных медиапродуктов. В этом ключе исследования фиксируют ряд фильтрующих барьеров, влияющих на глубину интеграции ИИ-решений и спецификацию формирующихся медиапрактик. Среди них ограничения использования зарубежных ИИ-моделей  (Нигматуллина, Касымов, Поляков 2025) и отсутствие понимания у медиаменеджеров того, как «технологический прогресс закономерно приводит к трансформации профессиональных требований и навыков» (Симакова, Жилкин 2025: 199).

Вместе с тем, именно на стыке потенциальных возможностей технологий искусственного интеллекта и специфики регионального медиапроизводства формируются устойчивые алгоритмические медиапрактики. Происходит постепенная аккомодация потенциала  нейросетевых технологий к региональному или локальному редакционному контексту – ограниченным ресурсам, конкретным тематическим приоритетам и сложившимся профессиональным нормам. Параллельно с этим увеличивается разрыв между внедрившими в производственный цикл ИИ-решения медиапредприятиями и теми, кто придерживается консервативных взглядов на медиапроизводство (Нигматуллина, Касымов, Поляков 2025). Таким образом, перед каждым медиапредприятием встает задача формирования собственных стратегии интеграции технологий искусственного интеллекта.

Цель исследования заключается в верификации описанных теоретических механизмов в конкретной медиапрактике алтайского регионального информационного агентства «Амител».

Методология исследования

Эмпирическую базу исследования составляют материалы, опубликованные на официальном сайте информационного агентства «Амител». Выбор данного медиа в качестве объекта исследования обусловлен его репрезентативностью для региональной медиасистемы (по данным SimilarWeb, среднее число посещений сайта издания составляет 1 543 млн. за месяц; согласно рейтингу компании «Медиалогия», ИА «Амител» входит в ТОП-2 самых цитируемых СМИ Алтайского края за 2025 год (20 самых цитируемых СМИ Алтайского края – 2025 год // Медиалогия. 2025, https://www.mlg.ru/ratings/media/regional/14625)), а также наличием систематической практики использования генеративных технологий искусственного интеллекта при создании визуального контента.

Основным методом исследования выступает кейс-стади, поскольку эмпирическую базу исследования составляют публикации одного регионального СМИ. Проанализированы материалы, опубликованные на сайте ИА «Амител» в период с января по декабрь 2025 года. Общий объем проанализированных материалов составил 21 600 единиц. Выбор годичного цикла в качестве временных границ исследования обусловлен необходимостью учета сезонных колебаний тематической повестки и обеспечения репрезентативности данных.

Единицей анализа являлась отдельная публикация, содержащая визуальный компонент, созданный с применением технологий искусственного интеллекта. Идентификация таких материалов осуществлялась на основе наличия маркировки, указывающей на использование нейросетей при создании иллюстрации. В ходе анализа фиксировались следующие параметры: рубрикационная принадлежность публикации, тематика материала, используемая нейросетевая модель, формулировка маркировки.

Обработка полученных данных включала метод количественного подсчета (статистический анализ, выполненный вручную – определение доли материалов с ИИ-визуализацией в общем массиве публикаций, распределение по рубрикам и используемым инструментам) и качественного анализа (выявление тематических закономерностей, описание сложившихся практик маркировки).

Ограничения исследования связаны с его фокусом на единственном региональном СМИ, что не позволяет экстраполировать полученные выводы на всю совокупность медиа региона без дополнительных сравнительных исследований.

Результаты исследования

В ходе контент-анализа 21 600 публикаций информационного агентства «Амител» за период с января по декабрь 2025 года были получены данные, характеризующие масштаб, тематическую направленность, инструментальные предпочтения и практики маркировки материалов, созданных с использованием генеративных технологий искусственного интеллекта.

Из общего массива публикаций 13 % материалов содержали визуальный контент, созданный с помощью нейросетей. Данный показатель свидетельствует о том, что использование генеративных технологий в редакции носит не эпизодический, а устойчивый, системный характер. Примечательно, что все публикации с ИИ-визуализацией имели соответствующую маркировку (100 %), что позволяет говорить о сформировавшейся в редакции практике открытости в области применения технологий искусственного интеллекта при создании визуального контента.

Анализ рубрикационной принадлежности материалов с ИИ-визуализацией выявил существенную неравномерность в использовании генеративных технологий. Данные приводятся на рисунке 1. Основной объем публикаций с синтетическими изображениями приходится на рубрику «Общество» – 64 % от общего числа материалов с ИИ-контентом. В данной рубрике нейросетевые иллюстрации используются преимущественно для визуализации таких тем, как магнитные бури, городские новости, технологии в быту, праздники и гороскопы. Характерно, что именно эти темы либо не имеют оперативного фотографического подтверждения, либо требуют абстрактной визуализации, что делает генеративные технологии оптимальным инструментом для иллюстрирования. В терминах теории аффордансов здесь реализуется возможность, которую предоставляет обусловленная генерация, что позволяет визуализировать то, что невозможно сфотографировать.

Рис. 1. Рубрикационная принадлежность публикаций с ИИ-визуализацией

На втором месте по частоте использования ИИ-изображений находится рубрика «Наука и образование», доля которой составляет 13 %. Здесь синтетический контент применяется для иллюстрации материалов о магнитных бурях (с научным уклоном), новых технологиях, научных открытиях и изменениях в сфере образования. Как и в случае с рубрикой «Общество», востребованность ИИ-визуализации в научно-образовательной тематике объясняется сложностью или невозможностью получения документальных фотографий, соответствующих содержанию новостей. Это также является реализацией аффорданса обусловленной генерации, причем в обоих случаях речь идет о полностью синтетическом контенте, где доля участия ИИ-технологий является определяющей.

Рубрика «Происшествия» занимает 9 % от общего массива ИИ-иллюстрированных материалов. На первый взгляд, именно эта тематическая категория требует документальной точности и оперативности, соответственно, здесь в наименьшей степени должно допускаться использование ИИ-визуализаций. Однако полученные данные демонстрируют иную логику. В данной категории нейросетевые изображения используются для тем, связанных с СВО, кражами, чрезвычайными происшествиями и мошенничеством. Редакция применят ИИ-решения для генерации стереотипных или обобщенных образов, таких как военные действия, мошенник, беспилотник. Это позволяет уйти от потенциально травматичных фотоматериалов. Помимо технологичного аспекта, здесь проявляется этический аспект интеграции ИИ-решений. ИА «Амител» целенаправленно отдает предпочтение синтетическому медиапродукту вместо документальных фотоматериалов, что соответствует критерию добросовестного использования по интенциональности.

В рубрике «Здоровье» доля визуального ИИ-контента составляет 5 %. Нейросети здесь используют для сопровождения материалов о лекарствах, заболеваниях, питании и советах врачей. В рубриках «Экономика и бизнес», «Недвижимость», «Политика», «Транспорт», «Экология» и «Культура» использование ИИ-решений для визуализации носит единичный характер в тех случаях, когда  отсутствует возможность использовать авторские эксклюзивные фотоматериалы или необходимо проиллюстрировать абстрактные понятия.

Эмпирически установлено отсутствие применение ИИ-механизмов для визуализации публикаций в рубриках «Спорт» и «Туризм». Это наглядно подтверждает теоретический тезис о том, что реализация аффордансов технологии происходит через процесс селекции и адаптации к конкретным условиям. При наличии альтернативных, традиционных способов визуализации, например оперативные фотографии с соревнований или качественные стоковые изображения, отражающие уникальность алтайской локации, ожидаемая полезность синтетической визуализации снижается, и информагентство отказывается от использования алгоритмических решений в пользу традиционной медиапрактики.

Аудит нейросетевого инструментария показал, что ИА «Амител» интегрирует в практику восемь генеративных ИИ-моделей для создания визуального контента. Данные приводятся на рисунке 2. Лидером по частоте использования является зарубежная нейронная сеть DALL-E, на долю которой приходится 49 % всех сгенерированных изображений. На втором месте по интенсивности использования группа отечественных разработок – Kandinsky, YandexGPT, «Шедеврум» и GigaChat. В единичных случаях зафиксировано использование Midjourney и ChatGPT. Выявленное разнообразие ИИ-алгоритмов свидетельствует о стратегии адаптивного выбора. Редакция не ограничивается одной нейросетью, а тестирует потенциал и возможности разных моделей, отдавая предпочтение наиболее простым в использовании, удобным и качественным с точки зрения решения конкретных медиапроизводственных задач.

Рис. 2. Рейтинг используемых ИИ-моделей ИА «Амител»

Как уже отмечалось, 100 % визуальных ИИ-материалов имеют соответствующую маркировку. Анализ позволяет выделить несколько маркировочных практики ИА «Амител»: 1) маркировка с указанием названия модели («Изображение сгенерировано нейросетью Kandinsky»); 2) маркировка с указанием разработчика («Изображение сгенерировано с помощью нейросети Kandinsky by Sber AI»); 3) маркировка с указанием версии модели («Изображение сгенерировано с помощью YandexGPT 5 Pro»).

В некоторых случаях формулировки варьируются, однако инвариантивным остается сам принцип информирования о синтетической природе визуального продукта. Подобная практика интерпретируется нами как реализация принципа открытости на уровне конкретного медиа, что обусловливает ответственный подход  и этичное применении ИИ-решений.

Вывод

Проведенное исследование позволяет зафиксировать переход от экспериментальных, хаотичных практик интеграции ИИ-технологий, характеризующихся «спонтанным паттерном внедрения» (Нигматуллина, Касымов, Поляков 2025: 174) к началу формирования устойчивой системы использования генеративных алгоритмов для создания визуального контента. Тем самым наше исследование вносит эмпирический вклад в дискуссию, инициированную Е. Л. Вартановой, А. В. Вырковским и М. В. Загидуллиной, о том, как именно «разрывные» инновации, связанные с искусственным интеллектом, изменяют медиа и медиатексты (Вартанова, Вырковский, Загидуллина 2024). Анализ практики алтайского регионального информационного агентства «Амител» показывает, что на региональном уровне эти изменения реализуются через прагматичную адаптацию. Редакции вырабатывают собственную модель применения ИИ-решений даже в отсутствие институциональной поддержки и формализованных регламентов.

Обобщение эмпирических данных позволяет выделить следующую спецификацию редакционном медиапрактики внедрения ИИ-инструментов. Первое – это системных характер применения генеративных алгоритмов. ИИ-визуализация составляет 13 % от общего массива публикаций, что подтверждает адаптацию потенциальных возможностей инновации к повседневным медиапроизводственным процессам.

Второе – явная тематическая дифференциация ИИ-визуального контента. Большая часть синтетических изображений наблюдается в рубрике  «Общество» (64 %), где востребована иллюстрация абстрактных явлений или стереотипных образов, а также оперативное иллюстрирование при отсутствии фотографий. Отсутствие ИИ-иллюстраций в рубриках «Спорт» и «Туризм» подтверждает тезис о селективном подходе к применению технологии. При наличии альтернативных, более привычных способов визуализации ожидаемая полезность генеративных технологий снижается.

Третье – инструментальное разнообразие. Информационное агентство в практике ИИ-визуализации использует восемь нейросетевых моделей. Приоритет отдается зарубежной, но вместе с тем редакция активно тестирует и отечественные разработки. Это соответствует общероссийской тенденции использования региональными медиа как зарубежных, так и российских алгоритмов (Нигматуллина, Касымов, Поляков 2025), причем в случае ИА «Амител» этот набор оказался шире среднего, что свидетельствует о целенаправленном поиске наиболее эффективных решений.

Четвертое – 100 %-ная маркировка синтетического визуального контента. В контексте дискуссий о кризисе доверия к ИИ- контенту и рисках недобросовестного использования такая практика может рассматриваться как реализация ответственного подхода к инновациям на уровне конкретной редакции.

Резюмируя, подчеркнем, что опыт ИА «Амител» доказывает способность региональных медиа адаптировать инновации и формировать собственную систему использования ИИ-технологий в медиапроизводстве. Эта система базируется на  прагматичном выборе – нейросети применяются там, где они действительно решают производственные задачи, и не используются там, где традиционные методы остаются более эффективными. Открытость в отношении использования технологий позволяет информационному агентству минимизировать риски, связанные с неэтичным применением ИИ-решений.

Фокусировка на единственном региональном медиапредприятии, выступая ограничением настоящего исследования, вместе с тем определяет перспективы для дальнейших изысканий. Перспективным видится сравнительный анализ практик использования ИИ-визуализации в ряде региональных медиа, а также изучение реакции аудитории на маркированный синтетический контент. Вместе с тем, свою актуальность сохраняют и исследования эволюции практик интеграции ИИ-решений в условиях стремительного развития технологий.