AIアート検出器があなたの文章にフラグを立てたなら、そのフラグは本物ですが、あなたがAIを使った証拠ではありません。検出器が出力するのは確率の推定値であり、著者の判定ではありません。さらに悪いことに、画像で訓練されたモデルは文章を表面的な規則性で判断するため、整っていて均一で分散の小さい文章は機械製のように読まれてしまいます。対処法は、シグナルを担っている文を見つけて、文書全体ではなくそれらを書き直すことです。
これが答えのすべてです。以下はすべてその方法です。
AIアート検出器が、訓練されたことのないテキストにフラグを立てる理由
「AIアート検出器」として販売されているツールのほとんどは、画像を分類するために作られました。筆致、ノイズパターン、GANの指紋などです。テキスト検出は別の問題です。ベンダーが画像製品にテキストスコアリングを後付けすると、モデルは通常、統計的な滑らかさを探します。つまり、均一な文の長さ、予測可能な語の選択、低いバースト性です。
それはまさに、スペルチェック、文法チェック、スタイルガイドを経た丁寧な人間の文章が持つ特徴です。翻訳された文書も同じです。そして、非ネイティブ話者が磨き上げた英語も同じです。
私たちは2026-09-28に、709件の手書きのDeAIzeガイドに対して独自の検出器（DeAIze、ローカルアンサンブル、liteティア、フラグ閾値30%）を実行しました。平均スコア26%、中央値25%、範囲0-69%。この閾値では、人間が書いた709件の文書のうち239件がフラグされました。もう一度読んでください。人間が書いたとわかっているテキストのおよそ3分の1がラインを超えたのです。人間の文章は安全なカテゴリではありません。
比較のために、固定プロンプトからの未編集のモデル文章12件は、平均33%、中央値34%、範囲4～46%のスコアでした。2つの分布の重なりが問題のすべてです。単一のスコアでは、それらをきれいに分離できません。
公式ドキュメントがその数値について実際に述べていること
Turnitin自身のAIライティング検出ページには、AIによって書かれた可能性が50%と識別された文書は「最大65%のAIライティングを含む可能性がある」と明記されています。つまり、スコアは測定値ではなく範囲です。同じページには、1%から19%の範囲のAI検出スコアにはスコアやハイライトが付与されないと書かれています。これは、同社が偽陽性を避けたいためです。Turnitinも、完全に人間が書いた文書100件につき1件は、AIによって書かれたものとしてフラグを立てる可能性があることを認めています。
GPTZeroのFAQでは、出力をクラス確率として位置づけています。gptzero.meによると、90%という読み取り値は「類似の文書において、当社の検出器が行う予測が90%の確率で正しい」ことを意味します。同じページでは、信頼度フィールドが高い場合、人間の記事の99.1%が人間として分類され、AI記事の98.4%がAIとして分類されるように調整された信頼度カテゴリが説明されています。これらはベンダー自身の調整セットにおける数値であり、あなたのエッセイに対する保証ではありません。
両方に共通する教訓は同じです。フラグは、既知の偽陽性率を持つ確率的なシグナルです。それを診断として扱い、判決として扱わないでください。
何かを書き直す前に、どの文がシグナルを持っているかを確認したい場合は、下書きをDeAIzeのAI検出器にかけてください。文書全体をスコアリングし、各文をAI確率でハイライトするので、推測するのではなく、フラグが立った行を編集できます。
書き直す前に：2つの失敗モードを分ける
文書がフラグされる理由は2つあり、それぞれ異なる修正が必要です。
モード1：あなた自身の文章が本当に均一すぎる。 すべての言葉を自分で書いたのに、命が吹き込まれていないほど滑らかにしてしまった。文の長さが均一で、短縮形もなく、余談もなく、あなただけが知る具体的な詳細もない。検出器はそれを機械の出力として読み取ります。機械の出力はそのように見えるからです。
モード2：下書きの一部にAIを使った。 あなたが議論を書き、その後モデルにセクションを「引き締める」か「拡張する」ように頼んだ。それらのセクションは今やモデルの癖を帯びており、あなた自身の文章と比べて目立っています。
どちらのモードもフラグが立ちます。誠実性の問題となるのはそのうちの1つだけであり、それさえもあなたの機関やクライアントの開示ルールによって異なります。どうするかを決める前にポリシーを確認してください — 学生の場合はAcademic Integrity Policy AI: What Counts as Misrepresentationを、契約している場合はAI Detection and Freelance Work: Agree on AI Disclosureをご覧ください。
実例：フラグが立った1つの文を書き直す
イラストであり、実際の提出物ではありません。以下は、通常なら検出器が反応するような文章です：
変更前：「持続可能な農業慣行の実施は、食料システムの長期的な存続にとって不可欠である。さらに、そうした慣行が小規模農家に与える経済的影響を考慮することが重要である。」
どの文も同じ長さ。接続は教科書通り。人間らしい細部がない。書き直すと：
変更後：「持続可能な農業は、食料システムを長期的に機能させ続ける。問題はコストだ。移行の負担を小規模農家が担っており、ほとんどの補助金制度はそれを無視している。」
2番目のバージョンは、具体的な主張（補助金制度）と短い文を加えている。また、間違っているリスクもある——それは問題ない。なぜなら、自分の主張は自分で擁護できるからだ。自分が書いていない文は擁護できない。
これが方法のすべてだ。意味を保ち、自分にしか提供できない具体性を加え、リズムを変える。
修正手順
- まずスコアを測る。 文書全体のスコアだけでなく、文単位で出力してくれる検出ツールにかける。単一の数値だけでは、実行可能なことは何もわからない。
- フラグが立った上位3文に印をつける。 全部ではない。確率が最も高い行にシグナルの大半が集まっている。
- それぞれを手作業で書き直す。 自分の知識から、具体的な事実、数字、名前、結果を加える。段落内の少なくとも1文を短くする。
- 再スコアリングする。 フラグが立った行が下がれば完了。文書スコアがほとんど動かないなら、問題は構造的だ — 段落がすべて同じ形になっている。
- 意味が保たれたか確認する。 書き直した段落を、元のメモと照らし合わせながら音読する。主張が変わっていたら元に戻す。
DeAIzeのヒューマナイザーは、ステップ2から4を閉ループで自動化する。スコアを測り、フラグが立った文だけを書き直し、意味が保たれたと意味的類似度が示した場合にのみ書き直しを採用し、その後再スコアリングして前後の数値を報告する。同サイトは、ヒューマナイズ後のAIスコアが平均60%以上減少し、最良のケースでは71%になると報告している — これらは製品自身が予測したスコアであり、第三者の検出ツールによる公式な判定ではない。同サイトの例文では、92%のAIスコアが4%になる。
| シグナル | どのように見えるか | どうするか |
|---|---|---|
| 均一な文の長さ | すべての文が18〜25語 | 1つを6語に分割する |
| 空疎なつなぎ言葉 | 「さらに」「その上」「〜することが重要である」 | 削除し、主張から始める |
| 具体的な名称がない | 「関係者」「さまざまな要因」 | 人名、数字、日付を明記する |
| 完璧な並列構造 | 全体を通して3項目のリスト | 1項目を断片にする |
| ヘッジの重ね掛け | 「〜かもしれない可能性がある」 | ヘッジを1つに削る |
これが誤った選択となる場合
以下のいずれかに当てはまるなら、ヒューマナイザーを買ってはいけない。
あなたは下書きを書いておらず、それを隠そうとしている。 それを修正できるツールは存在せず、書き直せばさらに悪化する。なぜなら、自分の文章を説明できなくなるからだ。検出スコアは確率の推定値であり、DeAIze はいかなる検出器においても特定のスコアを保証するものではない。これは他人の成果を自分のものとして通すためのツールではない。
あなたの所属機関は、いかなるAI支援も不正表示として扱う。 書き直しても、あなたがしたことは変わらない。ポリシーを読み、開示せよ。
あなたのテキストは短い。 およそ100語未満では、検出器が扱える材料はほとんどなく、スコアは大きく変動する。ノイズの上にヒューマナイザーを加えても、ノイズが増えるだけだ。
文書に法的または臨床的な正確さを保つ必要がある。 スコアを下げるために契約条項や投与指示を書き直すのは、悪い取引である。その理由については AI Detection Legal Writing を参照。
実際に検出率を下げるもの
一貫して二つのことだ。第一に、具体性。固有名詞、半端な数字、具体的な結果。機械の出力は構造上、一般的である。あなたの下書きはそうであってはならない。
次に、変化です。長い文、そして短い文。一言だけの断片。割り込む挿入句。私たち自身の測定では、AI特有の兆候の頻度は、人間のサンプルと未編集のモデル出力のどちらでもおよそ100語に1回でした——兆候だけでは両者を区別できません。両者を分けるのは、その文章が特定の知識を持つ特定の人物のように響くかどうかです。
ツールの推薦ではなく編集方法の全体を知りたい場合は、Humanize AI Textガイドがセクションごとに解説しています。草稿が学術的なものであれば、AI Detector Flagged My Thesisで、審査委員会に提出する場合に何を準備すべきかを扱っています。
もう一つ正直に言っておきます。検出器は互いに判定が一致せず、同じ文書がある検出器では高く、別の検出器では低くスコアされることがあります。それはこの技術の仕様であり、あなたの文章の欠陥ではありません。あるツールの出力だけを根拠に疑われているなら、どのツールか、どのバージョンか、どのしきい値かを尋ねてください。この三つの問いで答えは変わります。
測定に関する注記：本記事の数値は、2026-09-28に当社独自の検出器を実行して得られたものです——n = 709の手書きガイド対n = 12の未編集モデル出力で、AIスコアの中央値はそれぞれ25%と34%でした。方法：/methodology/。