В статье критически анализируется распространённый редукционистский подход к оценке научных и учебных работ, при котором сложная экспертиза на наличие некорректных заимствований подменяется автоматическим определением «уровня плагиата». Автор обосновывает необходимость использования квалифицированных экспертов, но отмечает связанные с этим субъективность, временные и коррупционные риски. В качестве решения рассматривается интеграция технологий искусственного интеллекта в системы обнаружения заимствований (СОЗ) для создания гибридных инструментов. Демонстрируется, как методы машинного обучения позволяют решать ранее недоступные задачи: выявление кросс-языкового плагиата, парафраза, маскировки совпадений и машинно-сгенерированного текста. Также исследуются перспективы расширения функциональности СОЗ за счёт анализа нетекстового контента (изображений, формул, таблиц) и структурно-метаданных особенностей документов. Делается вывод, что полноценное внедрение ИИ-решений, охватывающее полный цикл от постановки задачи до валидации результатов, является ключевым фактором повышения эффективности и объективности проверки академических текстов.