Статья посвящена критически важной проблеме современного высшего образования — использованию систем искусственного интеллекта при подготовке выпускных квалификационных работ и необходимости обновления механизмов проверки на заимствования. Авторы анализируют актуальные вызовы, связанные с широким распространением генеративных нейросетей, способных создавать тексты, неотличимые от человеческих, что создает новые риски для академической честности и объективности оценки самостоятельности студенческих исследований. В работе представлен сравнительный анализ локальных нормативных актов 22 ведущих российских вузов, регламентирующих проверку выпускных квалификационных работ на плагиат. Результаты показывают, что только 6 университетов включили в свои положения требования к использованию искусственного интеллекта. Авторы систематизируют подходы НИУ ВШЭ, САФУ и др., выявляя общие тенденции: разрешение использования искусственного интеллекта с обязательным декларированием, установление пороговых значений (от 30 % до 40 % объема работы) и требования к прозрачности применения генеративных моделей. Исследование выявляет четыре ключевые проблемы существующих регламентов: отсутствие четких определений понятий и границ использования искусственного интеллекта, недостаточность требований к декларации и прозрачности, слабость механизмов верификации авторского владения материалом, неэффективность работы с источниками и «галлюцинациями» нейросетей. На основе анализа нормативных документов (Кодекс этики в сфере искусственного интеллекта, Белая книга, указы Президента РФ) авторы предлагают комплексное решение, включающее разработку понятийного аппарата, определение рамок допустимого использования искусственного интеллекта, внедрение специального раздела-декларации в структуру выпускных квалификационных работ и введение должности уполномоченного по этике использования искусственного интеллекта в научной деятельности.
The article addresses a critically important issue in contemporary higher education: the use of artificial intelligence systems in the preparation of final qualification theses and the need to update plagiarism-checking mechanisms. The authors analyze current challenges arising from the widespread adoption of generative neural networks capable of producing texts indistinguishable from human writing, which poses new risks to academic integrity and the objective assessment of students’ independent work. The study presents a comparative analysis of local regulations from 22 leading Russian universities governing plagiarism checks for final theses. Results show that only six institutions have incorporated AI-related requirements into their policies. The authors categorize the approaches of HSE University, NArFU, and others, identifying common trends: permitting AI use with mandatory declaration, setting threshold limits (30–40 % of the work), and demanding transparency in the application of generative models. The research uncovers four key problems in existing regulations: lack of clear definitions and boundaries for AI use, insufficient requirements for declaration and transparency, weak mechanisms for verifying authorship mastery, and ineffective handling of sources and AI «hallucinations». Based on analysis of documents such as the AI Ethics Code, the White Paper, and presidential decrees, the authors propose a comprehensive solution: developing a dedicated terminology framework, defining permissible AI-use boundaries, introducing a dedicated AI-use declaration section in theses, and establishing an AI ethics officer role in academic institutions.