目錄
本記事の情報は2026年8月時点のものです。AI検出モデルは現在も継続的に更新されており、本文で引用する異なる研究結果を、そのまま2026年時点のすべての製品の現在の精度として扱うことはできません。
The Vergeはコラムの中で、現在のAI文章環境を新たな「不信の時代」と表現しています。読者は目の前の文章がAIによって書かれたものではないかと疑うことに慣れ始め、一方で人間のクリエイターは、自分の文章が整いすぎていたり、表現がフォーマルすぎたりすると、それだけでAIらしく見えてしまうのではないかと心配するようになっています。これはもう学校だけで使われる技術ではありません。Substackは7月、PangramのAI文章検出をReaderとiOS Appへ統合し、LinkedInも「Seems like AI slop」という報告項目を追加しました。同時に、自社の分類システムを使って、大量投稿、自動化、個人的な視点の乏しいコンテンツの露出を下げています。AI検出は、教師が課題を採点するときに使うツールから、一般の人が記事を読み、SNS投稿を見て、クリエイターの信頼性を判断する日常的なインターフェースへ入り始めています。
本当に難しいのは、こうしたツールにまったく判断能力がないことではありません。「検出結果にどこまでの権限を持たせてよいのか」について、まだ共通の答えがないことです。Pangram、GPTZero、Turnitinはいずれもかなり低いfalse positive rateを公表しており、新しいツールの性能が2023年の初期製品より改善していることも事実です。一方で、独立研究、初期テスト、実際の大学での事例からは、偽陽性がゼロではなく、文章の種類、言語背景、長さ、検出ツールによって結果が大きく変わる可能性も確認されています。あるパーセント表示が単なる読書上の参考情報なら、1％の誤りは許容できるかもしれません。しかし同じ数字が成績、停学、出版契約、クリエイターの評判に影響するなら、問題の意味はまったく変わります。
AI検出は大学からSubstack・LinkedInへ広がっている
SubstackはPangramを読書画面へ直接統合、読者が記事やNotesをスキャンできる
SubstackのScan for AI text機能では現在、Pangramを使って文章を分析しています。対象になるのは2026年7月21日以降に公開されたPostsとNotesです。ユーザーはSubstack ReaderのWeb版とiOS Appで、記事やNoteのメニューから直接検出を開始でき、CommentsやRepliesもスキャンできます。Android版は現在準備中です。Pangramは、その文章のうちどの程度が人間によって書かれた、またはAI-assistedと判定されたのかを割合で返します。クリエイター側はHow I make thisを追加して制作方法を説明することもでき、さらに記事単位でAI検出を無効にすることもできます。無効にした場合、読者にはそのコンテンツをスキャンできないことが表示されます。
この設計は、これまでAI検出を教師や編集者の管理画面の中だけに置いていた方法とはかなり異なります。今では一般の読者もワンクリックでAIらしさの割合を確認でき、その数字が本文を読む前から判断に影響する可能性があります。Substack自身はAI-assistedであることを低品質や欺瞞と同義だとはしておらず、検出機能の導入時にも「AI禁止」ではなく透明性を中心に説明しています。問題は、検出ボタンが読書インターフェースの一部になると、クリエイターが記事を書くこと以外にも対応しなければならなくなることです。つまり、ツールが誤判定したとき、読者がその結果をどう受け取るのかという問題です。
LinkedInの「Seems like AI slop」は単なるAI使用判定ではない
LinkedInが2026年に追加した機能は、さらに慎重に区別する必要があります。同社は「AIを使って文章を書いたら違反」と発表したわけではありません。むしろ公式には、AIを文章修正の補助として利用することは認めつつ、露出を下げたい対象として、大量に自動投稿され、見た目は整っていても実際の視点が乏しいAI slopを挙げています。LinkedInの分類システムは、投稿に意見、背景、専門的経験が欠けていないかを分析し、初期テストではこの種のgeneric contentを94％の割合で識別できたとしています。システムから低品質なAIコンテンツと判定された場合、主な影響は元の人間関係の外側への推薦が減ることです。
プラットフォームはさらに「Seems like AI slop」という項目を追加し、ユーザーが投稿メニューから低品質なAI生成物のように見えるコンテンツを報告できるようにしています。そのため、このボタンを単純に「AI投稿を通報する機能」と説明するのは正確ではありません。LinkedInが実際に減らそうとしているのは、実質的な価値の乏しい大量自動化コンテンツであり、AIの支援を受けたすべての文章ではありません。それでも、SNSプラットフォームが読者に「これはAIっぽい」と直接報告するボタンを提供すると、The Vergeが指摘した信頼の問題は起きやすくなります。文章の質を評価することと、作者がAIを使ったかどうかを推測することが混ざり始めるからです。
AI検出ツールはどれくらい正確？答えはツール・データ・利用場面によって変わる
Turnitin・Pangram・GPTZeroが公表する偽陽性率はいずれも低い
企業が現在公表している数字だけを見ると、AI検出ツールは「適当に推測している」わけではありません。Turnitinは長く、同社の分析条件を満たす完全な人間作成テキストに対して、AI writing detectorのfalse positive rateは1％未満だと説明しています。GPTZeroも現在、AI／Human分類における偽陽性を1％未満に抑えているとしています。Pangramが公表する数字はさらに低く、現在の公式説明では全体の偽陽性率は約1／10,000、2026年7月に公開されたPangram 4の技術報告では、自社テストデータで0.0041％のfalse positive rateを記録したとしています。
これらの数字をそのまま「どのツールが最も正確か」というランキングに使うことはできません。各社が使っているテストデータ、分類閾値、文章の長さ、対象AIモデルが異なるからです。GPTZero自身も、100％正確なAI detectorは存在しないと強調しています。Turnitinも、自社のAI scoreだけを根拠に学生へ処分を行うべきではないと注意しています。より妥当な理解は、2026年の一部商用検出ツールは初期製品よりかなり成熟した一方で、「企業のテストセットで偽陽性率が低いこと」と「特定の人が不正をしたかどうかを検出結果だけで判定できること」は別問題だということです。
独立テストでは、データを変えるだけで結果が変わることがある
独立テストが重要なのは、開発企業自身が選んでいないデータで検出ツールを評価できるからです。Bloomberg Businessweekは、ChatGPT公開前の2022年にTexas A&M Universityへ提出された大学出願エッセイ500本をGPTZeroとCopyleaksで検査しました。これらは生成AI普及以前に書かれたため、人間による文章だとかなり確実に判断できます。それでも二つのツールは約1〜2％の偽陽性を出しました。この結果は企業が公表する低エラー率と正反対というほどではありませんが、わずか1％でも、高リスク環境では実際に誤って標識される人が出ることを示しています。
他の学術研究ではさらに結果のばらつきがあります。2023年に14種類のツールを一度に評価した研究では、当時のAI text detectorsは全体として人間とChatGPT文章を信頼できるレベルで区別するには不十分だと結論付けられました。一方、2025年以降の新しい研究では、検出ツールごとの性能差が大きくなり、一部の新しい商用ツールは特定benchmarkでかなり精度を高めていることが示されています。つまり、「AI検出ツールは全部当てにならない」も、「今の検出ツールは証拠にできるほど正確」も単純化しすぎです。本当に見るべきなのは、どのバージョンで、どの種類の文章を測り、1回の誤りにどれほど大きな結果が伴うのかです。
1％の偽陽性は低く見えても、学校規模では意味が変わる
Vanderbiltは75,000件の提出物から約750件の潜在的誤判定を試算
Vanderbilt Universityが2023年8月にTurnitin AI detectorを無効化した際、この問題を非常に分かりやすい計算で説明しました。当時Turnitinが公表していたfalse positive rateは1％で、Vanderbiltでは2022年の1年間だけでTurnitinへ約75,000件の提出物が送られていました。すべてにAI検出を実施し、単純に1％を当てはめれば、約750件の人間による提出物が誤ってAIと標識される可能性があります。Vanderbiltは最終的にこの機能を停止しました。理由には偽陽性だけでなく、当時十分に透明な技術説明がなかったこと、大学としてAI detectionを有効なacademic integrity toolとみなさなかったことも含まれています。
これは、現在のTurnitinが100件に1件必ず誤判定するという意味ではありません。また、2023年の数字をそのまま2026年版に当てはめることもできません。Vanderbiltの計算が示した本質はbase rateの問題です。本来ほとんどの文章が不正ではない大量データを一括で検査すると、偽陽性率が低くても、結果としてかなりの数の人間が自分で無実を証明しなければならなくなる可能性があります。検出ツールが教師に「この文章はもう少し確認したほうがよい」と知らせるだけなら、他の証拠を組み合わせられます。しかしシステムのスコアがそのまま不正の証拠になると、誤りのコストはすべて標識された側に集中します。
非ネイティブの英語話者は本当にAI検出ツールで誤判定されやすい？
Stanfordの2023年研究で61.22％が誤判定されたのは事実だが、2026年の全ツールにはそのまま当てはめられない
Stanfordの研究チームが2023年に発表した研究は、この問題で最もよく引用される事例の一つです。研究者は当時一般的だった7種類のGPT detectorsを使い、非ネイティブ英語話者が書いたTOEFLエッセイ91本と、米国生まれの8年生が書いた英語文章を分析しました。その結果、7種類のツールは平均でTOEFL文章の61.22％をAI-generatedと誤判定しました。18本は7つすべての検出ツールからAIと判定され、91本中89本は少なくとも1つのツールから標識されました。一方、ネイティブ英語の文章については、ほぼ完全に正しく識別されました。
研究チームは、一部の検出方法がperplexity、つまりモデルにとって文章がどれくらい予測しやすいかという指標へ強く依存していると考えました。非ネイティブ英語話者は、より高頻度で馴染みのある語彙を使うことが多く、文型の変化も少ない場合があります。そのため、統計的に文章が予測しやすくなり、初期AI文章の特徴と重なってしまいます。これが、「簡単な英語を書く」ことと「AIを使う」ことが同じではないのに、こうした検出方法ではAIスコアが上がることがある理由です。
ただし、ここでは時間差を必ず考慮する必要があります。この研究が評価したのは2023年当時の7つのツールであり、2026年の最新版ではありません。GPTZeroは現在、ESLデータを使った再学習を行った結果、TOEFL文章での偽陽性率は約1.1％まで下がったとしています。Pangramも独自のESLテストを公開し、Liangらが使用した91本のTOEFLデータではfalse positiveが発生しなかったと説明しています。これらは現在の企業自身による評価であり、初期研究で明らかになった問題に対して改善が行われていることは分かりますが、今後も独立データによる継続的な検証が必要です。
神経多様性のある書き手についても「必ずAI判定されやすい」とは言えない
The VergeはAI detectorsがneurodivergent writersに対して持つ可能性のある偏りにも触れています。ただし、現時点ではこの領域の実証研究は非ネイティブ英語話者に関する研究ほど充実していません。より慎重に言えば、固定的な文型、反復構造、フォーマルさ、文章の予測可能性などをAIのシグナルとして使う検出ツールでは、もともと規則的な文章スタイルを持つ人にも影響する可能性があります。その中に一部の神経多様性のある利用者が含まれる可能性はあります。これは注意すべき公平性の問題ですが、「神経多様性のある学生は頻繁に誤判定される」と、すでに十分な発生率データがあるかのように断定するのは適切ではありません。
AI誤判定をめぐる訴訟はすでにあるが、二つの事件は区別する必要がある
Yale事件：GPTZeroは最初の判断材料になったが、大学側は最終処分が検出スコアだけで決まったわけではないと主張
Thierry Rignolはフランス出身のYale School of Management EMBA学生です。2024年のある科目の期末試験後、教授が彼の一部回答をGPTZeroへかけたところ、AI-generated likelihoodが非常に高いと表示され、その後事件はYale Honor Committeeへ送られました。Rignolは最終的にその科目を不合格とされ、1年間の停学処分を受けたため、2025年にYaleを提訴しました。訴訟では、AI detectionには非ネイティブ英語話者への既知の偏りがあるとも主張されています。
ただし、「教授がGPTZeroでAI使用と判定し、その結果だけで大学が不合格・停学にした」と書くと、その後の手続きを省略することになります。裁判所文書によると、Yale Honor Committeeは最終判断が教授のGPTZero scansに依存したものではないと説明しています。委員会はほかにも、Rignolが要求された原本ファイルを提出しなかったこと、その説明の信頼性が低いと判断されたこと、回答とChatGPTの出力に高い類似性があったことなどを考慮したとしています。Rignolは不正を否定し、手続き全体に異議を申し立てています。現在までに公開されている重要な判断の一つとして、連邦裁判所は2025年5月、彼が求めていた即時復学のpreliminary injunctionを認めませんでした。そのため、この事件を「GPTZeroの誤判定を理由にRignolが勝訴した」と書くことはできません。
Adelphi事件：学生側が勝訴し、裁判所は学術不正記録の削除を命令
Adelphi UniversityのOrion Newby事件では、結果が異なります。NewbyはWorld Civilizations 1の授業でキリスト教とイスラム教を比較する文章を提出した後、AI使用を疑われました。Inside Higher Edが裁判記録を基に報じた内容によると、TurnitinのAI detectorはその文章全体をAI-writtenと判定しましたが、Newbyが別に使用した二つの検出ツールでは人間による文章と判定されました。それでも大学はacademic misconductの判断を維持し、その後家族が法的手続きを取りました。2026年初め、ニューヨークの裁判所はNewby側の主張を認め、大学による剽窃判断には有効な根拠が不足していたとして、Adelphiに対し該当する不正記録を削除するよう命じました。
この事件は重要ですが、「裁判所がTurnitinは不正確だと証明した」と単純化することもできません。裁判所が扱ったのは検出ツールの精度だけではなく、大学が自らの学術懲戒手続きに従ったか、十分な異議申立ての機会を与えたか、判断全体に合理的な根拠があったかという点も含まれていました。より正確な結論は、AI detectorの結果を高リスクな懲戒手続きへ使う場合、ほかの証拠や適正手続きから切り離して単独で使うべきではない、ということです。
AI検出ツールに誤判定されたとき、「AIっぽくない文章」に直すより有効なのは執筆過程の証拠を残すこと
バージョン履歴は、別のAI検出ツールより強い証拠になりやすい
記事、課題、原稿などでAI使用を疑われる可能性があるなら、最も実用的なのは、書き終えるたびに複数のdetectorへかけることではありません。文章がどのように作られたかという記録を残すことです。Google DocsのVersion history、Microsoft Wordのバージョン履歴、NotionのPage history、Git commit、研究メモ、参考資料、下書きなどは、空白の状態から完成文へどう変化したかを示せます。この種のプロセス証拠がdetectorと大きく違うのは、別のモデルが完成文章へ確率を付けているのではなく、実際の制作タイムラインを残している点です。
普段から別の場所で全文を書き終えてから正式な文書へ一度に貼り付けている場合、バージョン履歴には当然、一度に大量の文字が追加されたように見えます。課題、受託業務、出版など、制作過程の証明が必要になる可能性のある作品では、元の下書き、修正履歴、調査資料などもできるだけ残しておくと有効です。ただし、「人間らしい痕跡を作る」ためだけに通常の作業方法をわざと崩す必要はありません。
疑われたときは、まず検出結果が何のために使われているか確認する
次にするべきことは、別のdetectorを探して「こちらでは人間判定だった」と証明しようとすることではありません。異なる検出ツール同士で結果が食い違うこと自体が、現在の議論の中心だからです。より実用的なのは、どのツール、どのバージョンが使われたのか、スコアはいくつだったのか、学校やプラットフォームの規則上、そのAI scoreだけで判断できるのか、ほかの証拠があるのかを確認することです。Turnitin自身もAI writing scoreが不正確な可能性を認め、学生への不利益処分に単独使用すべきではないと注意しています。GPTZeroも、100％正確なAI detectorは存在しないと公開しています。
教育の場であれば、授業で定められていたAI利用ポリシー、academic integrityの手続き、異議申立てルールも確認したうえで、バージョン履歴、下書き、引用資料、過去の文章サンプルを提出できます。説得力があるのは、単に「AIは使っていません」と主張することではなく、検証できる制作過程の資料です。
AIスコアを下げるために、わざと文章の質を落とさない
The Vergeが描いた「人間がAIっぽく見えないよう努力し始める」という現象は、この検出文化の最も奇妙な副作用の一つです。一部のAI detectorは、文型が規則的すぎること、フォーマルな語調、反復構造、低perplexityなどをAIのシグナルとして利用します。そのためクリエイターが、自分の文章が整いすぎているのではないかと不安になり、不要な誤字を入れたり、自然な文型を崩したりしてAI scoreを下げようとすることがあります。
この方法には安定した効果がなく、検出ツールそのものを新しい文章基準にしてしまう危険もあります。AIモデルとdetectorはどちらも更新されるため、今日スコアを下げた書き方が次のバージョンでも通用するとは限りません。一方、そのために不自然に直した文章は作品に残り続けます。クリエイターにとって合理的なのは、自分本来の文体と制作記録を維持することであり、分類器に合わせて文章を書くことではありません。
AI検出の本当の問題は「AIを見抜けるか」ではなく、一つのスコアに何を決めさせるか
2026年のAI detectorを、2023年の第一世代ツールの性能だけで一括評価することはできません。Pangram 4やGPTZeroなど新しいシステムが公表するテスト結果を見る限り、技術は確実に改善しており、一部benchmarkでは偽陽性が非常に低くなっています。その一方で、Stanfordの非ネイティブ英語研究、Bloombergによるpre-ChatGPT人間文章のテスト、実際に裁判へ進んだ学生事件は、「低い偽陽性率」が「絶対に間違えない」ことを意味しないと示すには十分です。
SubstackやLinkedInがこうした判断を一般の読書インターフェースへ持ち込んだことで、問題はさらに一段増えました。以前はdetectorが誤判定しても、その結果を知るのは教師と学生だけだったかもしれません。今では一般の読者がボタンを一度押すだけで、作品に「AIっぽい」という第一印象を持つ可能性があります。検出ツールは一つのシグナルとして利用できますが、評価が評判、成績、仕事の機会にまで影響するなら、原本、バージョン履歴、人間による判断、明確な異議申立て手続きを組み合わせる必要があります。これは、絶対に誤判定しないdetectorを求めるより現実的です。少なくとも現在、100％正確だと保証している主要企業はありません。
よくある質問 FAQ
一部の新しい商用ツールは、自社benchmarkで非常に低い偽陽性率を公表しています。TurnitinとGPTZeroはいずれも1％未満、Pangramはさらに低い数字を公表しています。ただし、検出ツール、データセット、文章の長さ、利用場面によって結果は変わるため、単一のAI scoreを作者がAIを使ったかどうかの確定的な証拠として扱うことはできません。
2023年のStanford研究では、当時の7種類の検出ツールで91本のTOEFL非ネイティブ英語文章を評価したところ、平均61.22％がAI-generatedと誤判定されました。一方、ネイティブ英語のサンプルはほぼ正しく識別されました。ただし、この数字は2023年当時のツールを対象としたもので、2026年の最新版へそのまま当てはめることはできません。GPTZeroやPangramなどは、その後ESL関連の偏りを改善したとしています。
バージョン履歴、下書き、研究メモ、引用資料、修正記録、過去の文章サンプルなどは、別のdetectorによるスコアより有用な場合があります。学校で処分に関わる場合は、どのツールが使われたか、ほかの証拠があるか、academic integrityの手続き上AI detection scoreだけで判断できるのかも確認する必要があります。
あります。Vanderbilt Universityは2023年にTurnitin AI detectorを停止しました。同大学は年間約75,000件の提出物を例に挙げ、仮に偽陽性率が1％でも約750件の誤標識が発生する可能性があると説明しました。The Vergeはさらに、Yale、Johns Hopkins、Georgetownなどでもこの種のツールを停止または制限している事例を整理しています。
いいえ。Substackでは読者がPangramを使ってPosts、Notes、Comments、Repliesを直接スキャンできます。LinkedInも「Seems like AI slop」という報告機能を追加しました。AI文章判定は現在、教育機関の内部審査だけではなく、一般のSNSやコンテンツプラットフォームにも入り始めています。クリエイターが向き合うのは学校や企業の審査だけでなく、一般読者による作品の出所への即時判断でもあります。