同じ一時間のうちに、まったく違う二人がAI検出ツールと検索窓に打ち込みます。一人は、言語モデルの助けを借りて下書きした40ページを公開し、そのせいでGoogleにサイトを罰せられると言われたマーケティング担当者です。もう一人は、あるツールが数値を返し、それを立場のある誰かが信じたために、不正を疑われた人です。
二人が行き着くのは、確信を売る種類のソフトウェアです。そして二人とも、居心地の悪いほうの答えを受け取るに値します。これらのツールについて公表されている証拠は一貫しており、そして好意的ではありません。スコアが人について何かを決める材料になってはならない程度には頻繁に間違え、人間が手を入れたテキストの前では崩れ、しかもその誤りは書き手のあいだに均等に散らばってはいません。
検索エンジンに関する問いは別の問いであり、別の答えを持ちます。そしてその答えは、検出とはまったく関係がありません。
これらのツールは正確なのか、そしてGoogleはAIコンテンツを罰するのか。 査読を経た検証では、すべてのツールが正確度80%を下回り、言い換えを通したAIテキストでは26%まで落ちました。別の研究では、検出ツールが英語非母語話者の小論文をAIによる執筆と判定した割合は61.3%でした。GoogleはAIが生成したという理由でコンテンツを罰しません。罰するのは大規模なコンテンツの不正使用（scaled content abuse）であり、それは目的と価値の問題であって、書き手が誰かの問題ではありません。
AI検出ツールは実際にどう動いているのか
この分野で売られているもののほとんどは二つの系統のどちらかに属しており、その区別は重要です。失敗の仕方が違うからです。
パープレキシティとバースティネス
古いほうの系統は、テキストそのものの統計的な性質を測ります。パープレキシティとは、直前までの語を踏まえたときに言語モデルが各語をどれだけ意外に感じるかを表す量で、モデルにとって予測しやすい文章ほど値は低くなります。バースティネスは、その予測しやすさが文から文へどれだけ揺れるかを表します。人間の書くものは平凡と奇妙のあいだを行き来するのに対し、生成されたテキストはもっと狭い帯のなかに収まる、という前提に立った指標です。
このように作られたツールは、機械を同定しているのではありません。文章がどれだけ型どおりかを測り、そのうえで、型どおりの文章は機械の文章だと言い切っているだけです。その推論こそが製品の中身のすべてであり、あらゆる失敗の仕方はそこから生まれます。
生成テキストで訓練された分類器
新しいほうの系統は、人間が書いたテキストと生成されたテキストを対にしたコーパスでモデルを訓練し、両者を分けるものを学習させます。訓練したときの分布の上では素のパープレキシティより良い成績を出しますが、より厄介な問題を抱え込みます。その分布は、モデルが更新されるたび、あるいはプロンプトが文体の水準を変えるたびに動いてしまうのです。
どちらの系統も、そのテキストがどう作られたかについての事実には一切触れていません。どちらも完成した成果物から文体を推測しているだけで、だからこそ文体を変えるだけで無力になります。三つ目の方法である電子透かしは仕組みが異なり、後の節で扱います。推論ではなく証拠から出発する唯一の方法だからです。
AI検出ツールの精度について研究が示していること
14ツールのベンチマーク
もっとも多く引用される対照実験は、2023年にInternational Journal for Educational Integrityに掲載されたAI生成テキストの検出ツールの検証です。Weber-Wulffらは、54件のテスト文書を14のツール、すなわち無料のもの12点と商用のもの2点（TurnitinとPlagiarismCheck）に通し、合計756回の個別テストを行いました。
結果は身も蓋もありません。すべてのツールが正確度80%を下回り、70%を超えたのは5点だけでした。本当に人間が書いた文書に対する正確度は96%で、これだけなら悪くありませんが、残りを見ると印象は変わります。手を加えていないAIテキストでは74%。人間が軽く手を入れたAIテキストでは42%。言い換えツールを通したAIテキストでは26%でした。
論文は、自分たちの結果が「AI生成テキストの検出ツールの一部が主張している内容とは大きく異なる」と記しています。そして、本来もっと引用されてよいはずの結論はこうです。これらのツールは「正確でも信頼できるものでもない」、そして「私たちが検証したシステムは学術の場で使われるべきではない」。
商用の主力を検証した2026年の研究
それから三年後、同じ学術誌に掲載された2026年2月の研究が、TurnitinとOriginalityを192件のテキストからなる均衡の取れたセットで検証しました。内訳は、生成AIが広く使えるようになる前に書かれた本物の学生の文章、専門職による人間の文章、AIの出力、そして両者をおよそ半分ずつ組み合わせた混成の文書です。
Originalityのマクロ平均正確度は0.69、Turnitinは0.61で、どちらもマクロ平均F1スコアは0.55を下回りました。いまや大半の人が実際に書いている書き方にあたる混成テキストでは、Originalityの再現率はほぼゼロでした。ほとんど一件も拾えなかったということです。
技術系のコンテンツを公開している人にとって本当に困るのは、分野による差のほうです。Turnitinの正確度は人文系のテキストでの0.86から、科学系では0.51まで落ちました。Originalityは0.96から0.58に落ちています。どちらの差も統計的に有意でした。科学系の文章で0.51というのは、コインを投げるのとほとんど変わらない振る舞いです。
自らの失敗を公表した唯一のベンダー
OpenAIは2023年1月に分類器を公開し、そして取り下げました。同社自身の告知ページにはいま、「2023年7月20日をもって、AI分類器は正確度が低いため提供を終了しました」という注記が載っており、元の本文には数値がそのまま残っています。この分類器は「AIが書いたテキストの26%を『AIが書いた可能性が高い』として正しく判定する一方、人間が書いたテキストを9%の割合でAIによるものと誤って分類する」ものでした。ページはさらに、これを「主要な意思決定の道具として使うべきではない」と警告していました。訓練分布にもっとも近い位置にいる組織が、真陽性率をおよそ四件に一件だと報告したわけです。
誤検知という問題と、それが誰の上に落ちるのか
TOEFLの研究
Liang、Yuksekgonul、Mao、Wu、ZouによるGPT検出ツールは英語非母語話者に対して偏っているは、2023年に学術誌Patternsに掲載されました。手法は単純です。広く使われている検出ツール7点を、英語非母語話者が書いたTOEFLの小論文91本と、米国の八年生が書いた小論文88本にかけただけです。
米国の生徒の答案について、検出ツールは正確に処理しました。TOEFLの小論文では、平均の誤検知率は61.3%でした。人間が書いたこれらの小論文のうち19.8%は7点すべてが一致してAIによる執筆と判定し、97.8%は少なくとも一つのツールが判定しました。
そして研究者たちは、種明かしになる操作をひとつ加えました。同じ小論文をより文語的な語彙で書き直させたところ、平均の誤検知率は61.3%から11.6%へ下がったのです。
なぜ誤りはそこに落ちるのか
この下がり方が、何を測っているのかをそのまま言い当てています。ツールが検出しているのは語彙の幅の狭さであり、それは第二言語で書くことに伴う性質です。それを機械による執筆として報告しているだけなのです。2023年のベンチマークも別の角度から同じ効果を見つけています。人間が書いたテキストを機械翻訳で英語にすると正確度が20ポイント下がったので、自分の母語で下書きして訳す研究者は、濡れ衣を着せられる危険がその分だけ高くなります。
ここから導かれる結論は、微妙な判断ではありません。特定できる書き手の集団に対して誤検知率61.3%を示すツールを、人について重大な結果を伴う判断に使ってはならない、ということです。2023年の論文は、その実務的な意味をうまく言い表しています。これらのツールが返すのは証拠の付いていない百分率であり、それだけを根拠に告発された学生には「反論の余地がまったくない」のです。
編集がAI検出ツールを無力にする理由
いちばん分かりやすい実験は、Krishna、Song、Karpinska、Wieting、Iyyerによる言い換えはAI生成テキストの検出ツールをすり抜けるです。彼らはDIPPERという110億パラメータの言い換えモデルを作り、生成テキストをそこに通しました。誤検知率を1%に固定した条件で、DetectGPTの検出精度は70.3%から4.6%へ落ちました。電子透かし、GPTZero、OpenAIの分類器も同じようにすり抜けられています。
ここから出てくる帰結をよく味わってください。それがこの分野全体の正直な要約だからです。手を加えていない出力が74%で検出され、手を加えた出力が42%で検出されるなら、ツールが安定して見分けているのは機械による執筆ではありません。手抜きです。チャット画面からそのまま貼り付けたページは引っかかります。有能な編集者が三分の一を削り、著者しか知らない具体を二つ足し、書き出しを書き直したあとの同じページは引っかかりません。検出ツールは労力の代理指標であり、しかも出来の悪い代理指標です。
Krishnaらの論文が提案する防御策は、そもそも検出ではないという点で書き留めておく価値があります。それは検索です。過去に生成された1500万件の系列からなるデータベースを近似一致で引く方法で、人間のテキストを1%拾ってしまう水準のまま、言い換えられた生成物の80%から97%を捕まえました。これが効くのは、実際に生成された記録と突き合わせているからです。同時にこの方法は、モデル提供者がその記録を保持し、照合を実行することを必要とします。公開されているツールのどれにもできないことです。
電子透かし、技術的に真面目な代替案
何が違うのか
電子透かしは、あとから推測するのではなく生成の時点で介入します。Google DeepMindのテキスト向けSynthIDは、ロジット処理器としてサンプリングの内側に置かれ、Google自身の言葉では「疑似乱数のg関数を使ってモデルのロジットを加工し、テキストの品質を大きく損なうことなく、そのテキストが自分のモデルで生成されたかどうかを判定できる形で透かし情報を埋め込む」ものです。開発者向けドキュメントは、透かしあり、透かしなし、判定不能という三つの状態のいずれかを返すベイズ検出器を説明しています。
Googleは2024年5月にGeminiのアプリとウェブ版でのテキスト電子透かしを発表しました。これは実際の展開であり、文体の推測とは種類の違う主張です。信号が推測されたものではなく、意図的に埋め込まれたものだからです。
Google自身が述べている限界
同じドキュメントは、何がこれを壊すのかについて率直です。電子透かしは「事実を述べる応答では効果が薄い。正確さを落とさずに生成へ手を加える余地が少ないからだ」とされ、検出器の「信頼度スコアは、AI生成テキストが徹底的に書き直されたり、別の言語に翻訳されたりすると大きく下がることがある」とされています。Googleはさらに、SynthIDは「動機を持った敵対者が害を及ぼすのを直接止めるようには設計されていない」と付け加えています。
統計的な信号ではなく来歴のメタデータで同じ問題に取り組む動きもあります。現在バージョン2.4のC2PA Content Credentials仕様は、暗号署名されたマニフェストを成果物に結び付け、その出所と加えられた編集を記録します。参加は明示的に任意であり、世界的な普及は現状ではなく目標として掲げられている段階です。
二つの方法は、同じ硬い限界を共有しています。どちらも、参加している提供者がある文字列を生成したことを教えてくれます。参加していない提供者の出力については何も教えてくれませんし、丁寧な書き手がいずれにせよ行う書き直しによって、まさにその力を弱めます。電子透かしは、モデルを動かしている側にとってのサプライチェーン管理です。他人の文書を監査する手段ではありません。
GoogleはAIコンテンツを罰するのか
Googleの立場は2023年2月に公表され、そこから動いていません。Search Centralの記事は「AI生成コンテンツに関するGoogle検索のガイダンス」という題で、節の見出しは「制作方法を問わず、高品質なコンテンツを評価する」、そして要となる一文はこうです。「コンテンツの制作方法ではなく品質に重点を置くという方針は、長年にわたり信頼性の高い優れた検索結果をユーザーに届ける助けとなってきた有用な指針です」。
記事はまた、「AIによる生成を含め、自動化の利用がすべてスパムであるわけではない」と述べ、自動化が以前からスポーツの試合結果や天気予報や書き起こしを作ってきたことを挙げています。違反にあたるのは、AIを含む自動化を、検索結果の順位を操作することを主目的として使う場合です。
実際に罰せられるもの
実際に効いてくるのは大規模なコンテンツの不正使用というポリシーです。Googleはこれを「ユーザーの役に立つことではなく検索順位を操作することを主目的として多数のページが生成される場合」と定義し、「どのように作成されたかを問わず、ユーザーにほとんど価値を提供しない独自性のないコンテンツを大量に作成すること」を対象としています。
最後の一節は二度読む価値があります。制作方法は明示的に無関係だと言われているのです。地名のテンプレートから手作業で量産された200ページの薄い記事は、モデルが量産した200ページとまったく同じだけこのポリシーに違反します。Googleの生成AIコンテンツの使用に関するガイダンスは、同じことを反対側から述べています。この技術は調査や構成には役立つが、「ユーザーにとっての価値を加えないまま多数のページを生成する」ために使えば「大規模なコンテンツの不正使用に関するGoogleのスパムポリシーに違反する可能性がある」。
つまり、検出すべきAIペナルティなど存在せず、Googleが参照する検出スコアも存在しません。分かれ目は目的と価値です。顧客が実際に尋ねる質問に答え、あなたの会社だけが知っている何かを含む一ページは、たとえ最初の草稿をモデルが書いたのだとしても不正使用ではありません。
スコアの代わりに測るべきもの
議論よりも、自社の数字のほうがこの点をうまく示します。直近の28日間で、このサイトはGoogleから52,331回の表示を得て、531件のクエリが上位十位以内に入っていました。その531件が生んだのは28,847回の表示と161回のクリック、クリック率にして0.56%です。四位から十位という順位帯は、通常なら2%から8%を稼ぎます。531件のうち452件は、クリックをまったく生みませんでした。
このどれ一つとして、検出の問題ではありません。差別化の問題であり、この分野のどのツールもそれを測ってはいません。
見るべき指標は、いま持っている順位に対するクリック率、そしてAIの回答があなたを引用しているのか、それとも順位を付けているだけなのかです。これについては順位は取れているのに引用されない理由とGoogle AIモードがサイトのトラフィックにもたらすもので扱っています。そこから編集上の判断が続きます。何も具体的に答えていないページにはコンテンツの剪定を、かつては答えていたページにはコンテンツリフレッシュを。テクニカルSEO監査は同じ絵の機械的な半分、つまり大事なページがそもそも見られる資格を持っているかどうかを浮かび上がらせます。
検出ツールにあなたの仕事を判定されたら
スコアは証拠ではない
あの数値は、文体についてのモデルの意見です。そのテキストがどう作られたかという事実には一切触れないまま作られています。これは言葉のあやではなく、設計そのものです。そのことをはっきり言い、自分の信用を根拠に争うのではなく、査読を経た検証を引いてください。研究はあなたの側にありますし、いま疑われているのはまさにあなたの信用だからです。
自分で管理できる来歴
版の履歴はあなたが持てるもっとも強い材料であり、必要になる前から存在していなければ役に立ちません。改訂を記録するシステムで文書を管理し、構成案とメモを残し、読んだ資料と読んだ日付を残してください。九日間で四十回の保存を重ねて育った文書は、どんな対抗スコアよりもはるかに良い答えになります。
生成AIが使えるようになる前、何年も昔に自分が書いたものに同じツールをかけるよう求めてください。それはまさに2026年の研究が使った対照群です。二つ目のツールが同じ判定を出すかどうかも尋ねてください。ツール間の食い違い、そして同じツールを繰り返し走らせたときの食い違いは、2023年のベンチマークに記録されています。英語が母語でない場合、あるいは別の言語で下書きして訳した場合は、61.3%という数字と、翻訳による20ポイントの低下を、判断を下す人の前に置いてください。
ヒューマナイザーと、壊れた検査を破ることの経済性
重要な事例の26%から58%ですでに間違えている検査を破るために月額料金を払うのは、お金の使い方として下手です。しかも2023年のベンチマークは、この分野のあるツールが利用者に対して、検出されるAIコンテンツが減るまでテキストを編集するよう助言していたことを記録しています。自分の前提を自分で否定している業界だ、ということです。
料金のほかにも実際の損があります。ヒューマナイズ処理は語彙の分散を増やすことで機能し、それは実務上、類語への置き換え、ぼかしの表現、水増しされた文を意味します。結果として、順位に何の影響も与えない機械に向けて最適化することになり、問い合わせるかどうかを実際に決める人間を犠牲にします。これに使う予算があるなら、編集者に使ってください。
代理店が本当に価値を足せる場所
検出ツールをかわすところではありません。結果を変える仕事は、編集の工程と証明できる専門性です。競合が知らないことのうち自社が知っていることを特定する主題ブリーフ、実際の経歴を伴う実名の著者、日付付きで示された出典、そして実際にその仕事をしたことのある人が主張の真偽を確かめる査読の工程。この工程はたまたま出力を検出されにくくもしますが、それは目的ではなく副作用です。
Mecanikはその考え方でコンテンツ施策を組み立て、既存の施策はSEO監査サービスで点検します。出発点は、そのページがどう書かれたかではなく、いま何を稼いでいるかです。順位はあるのに何も起きないのであれば、直すべきは具体性と権威性であり、どちらが実際に足を引っ張っているかはテクニカルSEO監査が教えてくれます。検出ツールのスコアが報告書に載ることはありません。行動につながるものを何も測っていないからです。まず商業面の全体像を知りたい場合は、AI SEO代理店が何をして、いくら払うべきかを扱った記事が、お金の実際の行き先を説明しています。
よくある質問
AI検出ツールは正確ですか。 安定して正確とは言えません。2023年にInternational Journal for Educational Integrityに掲載された研究は14のツールを756回の個別テストで検証し、すべてが正確度80%を下回り、70%を超えたのは5点だけだと報告しました。正確度は手を加えていないAIテキストで74%、人間が編集したあとで42%、機械による言い換えのあとで26%でした。2026年2月のTurnitinとOriginalityの研究では、マクロ平均正確度はそれぞれ0.61と0.69でした。
GoogleはAI生成コンテンツを罰しますか。 罰しません。Googleが公表しているガイダンスは、重点を置くのはコンテンツの制作方法ではなく品質であり、自動化の利用がすべてスパムであるわけではないと述べています。ポリシーに違反するのは大規模なコンテンツの不正使用、すなわちユーザーを助けるためではなく順位を操作することを主目的として多数のページを生成することであり、Googleはこれが制作方法を問わず当てはまるとしています。
なぜAI検出ツールは英語非母語話者を判定してしまうのですか。 執筆者が誰かではなく、語彙の幅と予測しやすさを測っているからです。2023年に学術誌Patternsに掲載された研究は、7点の検出ツールを非母語話者によるTOEFLの小論文91本にかけ、平均の誤検知率61.3%を記録しました。米国の八年生の小論文ではほぼ正確でした。同じ小論文をより文語的な語彙で書き直すと、誤検知率は11.6%まで下がりました。
AI検出ツールは人間が編集したかどうかを見分けられますか。 事実上できず、これが最大の欠落です。2023年のベンチマークでは、人間が軽く編集したAIテキストに対する正確度は42%でした。2026年の研究は、人間とAIをおよそ半分ずつ混ぜた混成文書で再現率がほぼゼロだと報告しています。言い換えに関する研究では、誤検知率を1%に固定した条件で、ある検出ツールが70.3%から4.6%まで落ちました。
AIを使ったと誤って告発されたらどうすればよいですか。 スコアを証拠ではなく文体についての意見として扱い、公表されている研究を引いてそう述べてください。自分で管理できる来歴を示すこと、つまり文書の版履歴、草稿、メモ、日時の付いた出典を出すことです。生成AIが存在する前に書いた仕事に同じツールをかけるよう求め、二つ目のツールが同じ判定を出すかも尋ねてください。ツール間の食い違いは記録されています。
コメント