Семинар IDLab: влияние ИИ-сгенерированного описания проекта на результаты краудфандинговой кампании

27 февраля 2026 года прошел регулярный научный семинар Международной лаборатории экономики нематериальных активов (IDLab). С докладом на тему «Use of Generative AI in Project Descriptions and Funding Outcomes in Crowdfunding» выступила стажер-исследователь лаборатории Валерия Федорова. Исследование подготовлено в соавторстве с Петром Паршаковым, заведующим лабораторией, и Мариной Завертяевой, старшим научным сотрудником МЛЭНА.

В центре внимания — вопрос, который становится всё более актуальным: влияет ли использование генеративного искусственного интеллекта при написании описаний проектов на результаты краудфандинговых кампаний? Иначе говоря, по-разному ли аудитория воспринимает «человеческий» и ИИ-сгенерированный текст — и отражается ли это на сборе средств?

В качестве эмпирической базы использовались данные платформы Kickstarter. На первом этапе исследователи обучили специальную модель машинного обучения, способную определять, был ли текст описания проекта создан с помощью генеративного ИИ. Для этого использовалась архитектура RoBERTa: модель обучили на проектах, опубликованных до 2021 года, а также на их версиях, переформулированных с помощью больших языковых моделей. Это позволило оценить вероятность использования ИИ в кампаниях 2023–2024 годов.

На втором этапе авторы проанализировали, как выявленное использование ИИ связано с финансовыми результатами кампаний. Регрессионный анализ показал отрицательную связь: проекты с высокой вероятностью ИИ-генерации текста примерно на 16% реже достигают заявленной цели и в среднем привлекают на 66% меньше средств.

При этом эффект оказался неоднородным. Квантильная регрессия продемонстрировала, что для наиболее успешных проектов негативное влияние существенно слабее. Иными словами, крупные кампании менее чувствительны к тому, был ли текст написан человеком или алгоритмом.

Особенно оживленной оказалась дискуссия в финале семинара. Участники предложили несколько направлений для развития работы — в частности, более детально изучить, различается ли эффект в зависимости от типа проекта (технологические, креативные, социальные и др.). Эти идеи могут стать основой для дальнейшего углубления анализа и расширения эмпирической части исследования.