Після появи ChatGPT кількість подань у журнали з менеджменту зросла на 42%: ШІ просуває академічну сферу не до «якості», а до «кількості»

Згідно з редакційною статтею редакції журналу Organization Science (2026) — управлінського топвидання INFORMS — «More Versus Better: Artificial Intelligence, Incentives, and the Emerging Crisis in Peer Review», опублікованою в редакції 2026 року, з кінця 2022 року, відколи ChatGPT вийшов у світ, обсяг подач до журналу зріс на 42%, змусивши deputy editors розширитися з 6 осіб до 11, а active senior editors — приблизно з 30 до приблизно 60.

Професор Уортон Ethan Mollick 4/27 процитував цю редакційну статтю й прокоментував: «Наукові системи, створені для людей, натягуються через AI. AI можна використовувати для кращої науки, а можна — просто для того, щоб “робити більше”. Небезпека в тому, що “більше” перемагає».

Сплеск подач на 42%, подвоєна кількість персоналу редакції для реагування

Дані Organization Science показують конкретний тиск, з яким стикається система однорангового рецензування (peer review) у епоху AI:

Подачі: після виходу ChatGPT зросли на 42%

Deputy editors: 6 осіб → 11 осіб (збільшення на 83%)

active senior editors: приблизно 30 осіб → приблизно 60 осіб (удвічі)

Більшість подач і далі буде відхилено, і багато заяв відсікаються вже на етапі первинного добору deputy editor, але «навантаження від первинного відбору» все одно надвелике

У редакційній статті чітко зазначено, що проблема не в тому, що «AI замінює дослідників», а в тому, що «AI спричиняє потоп низькоякісних подач». Volunteer editors і reviewers (здебільшого інші науковці, які безоплатно беруть на себе рецензування) опиняються в першу чергу під ударом: їм потрібно витрачати більше часу на відбір рукописів, зібраних на основі AI, тоді як час, відведений на справді високоякісні дослідження, навпаки стискається.

Mollick: «AI може робити кращу науку, а може — робити більше речей»

Професор Wharton School і піонер у сфері освітнього застосування генеративного AI Ethan Mollick, поділившись цим коментарем у соцмережі X, зачепив саму суть дискусії:

“Very cool analysis of the submissions to a major management journal that shows how much the system of science, built for humans, is under strain as a result of AI. AI can be used to do better science or it can be used to just do more stuff. The danger is that ‘more’ is winning.”

У наступних дописах у твітері він додав: «Проблема в тому, що стимули штовхають до “більшого” замість “кращого”»（”The problem is that the incentives push for ‘more’ over ‘better'”）。Ця фраза напряму вказує на структурну проблему в академічному середовищі — професійний тиск publish or perish змушує науковців надавати перевагу масовому виробництву замість глибокого опрацювання.

Зворотний вплив для індустрії AI-інструментів

Спостереження Organization Science висувають конкретний виклик індустрії AI-інструментів:

Перше: чи можна побудувати в інструментах для письма/програмування агентів на кшталт OpenAI Codex, Claude Code, Gemini механізми «гарантії якості»? Наприклад, автоматично посилатися на справжні paper, виявляти очевидні hallucination, розпізнавати, чи є стаття «збірним переупакуванням»？ Наразі більшість AI-інструментів змагаються швидкістю та зручністю, і ніхто не продає тезу «відмовляти в продукуванні низькоякісного контенту» як свою фішку.

Друге: на ринку з’являються інструменти протидії в академічному видавництві. Originality.ai, Turnitin AI Detection, GPTZero тощо, хоча й намагаються виявляти AI-написання, змагатися з LLM за умовами «гонки озброєнь» у довгостроковій перспективі буде важко. Найімовірнішим розв’язанням радше є «відстежуваність людських досліджень» — наприклад, підтверджувати процес дослідження не лише здачею готового результату, а через GitHub commit history, первинні експериментальні записи, нотатки в реальному часі тощо.

Академія не є винятком: які галузі так само можуть бути «завалені» потопом «більшого»?

Академічне однорангове рецензування — лише перша система, створена людьми й така, що спирається на волонтерське оцінювання, яка зазнає удару. Так само крихкими є:

Спільноти з відкритим кодом: GitHub PR-рецензії, maintainer відкритих проєктів уже затоплені низькоякісними PR, поданими за допомогою AI

Подачі новин і медіаредагування: різке зростання кількості подач від незалежних авторів і труднощі медійних редакторів у розрізненні AI-згенерованого контенту

Перевірка юридичних документів: AI масово продукує контракти й матеріали судових справ, час на рецензування адвокатів різко зростає

Завдання студентів і вступ до університетів: кількість заявних документів і завдань на курсах далеко перевищує можливості викладацького складу

Спільне: усі системи, які покладаються на «обов’язкове експертне людське відсіювання/перевірку», в ситуації, коли AI знижує граничну вартість продукування до майже нуля, неминуче переживуть «злам боку рецензування». Розв’язання Organization Science — розширити команду (з 6 deputy до 11), але це лише відтермінування проблеми, а не її розв’язання.

Висновок: «кращий» потребує нових суспільних механізмів

Кінцівка редакційної статті має глибокий підтекст — «людські експертні оцінки все ще обмежують негативний вплив AI на публікації, але ціна — істотне збільшення докладених зусиль». Тобто: академічна якість не руйнується миттєво, але час, який витрачає кожен редактор/рецензент, подвоюється; «енергетичний баланс» цієї системи вже порушено.

Наступний етап викликів: як змусити самі AI-інструменти нести відповідальність за проєктування у напрямі «орієнтації на якість» (а не «орієнтації на обсяг»), як змусити стимули знову винагороджувати «глибину», і як зробити витрати на людське експертне рецензування розумно компенсованими. Усе це не є технічною проблемою — це питання суспільства й інституцій. А AI прискорює те, що раніше можна було б «обробляти повільно в майбутньому», і робить так, що з цим доводиться стикатися вже зараз.

Ця стаття ChatGPT з’явився, і в управлінських академічних журналах обсяг подач зріс на 42%: AI штовхає академію до «більшого», а не «кращого» Вперше з’явилося на 鏈新聞 ABMedia.