はい、自分自身を剽窃することは可能です。公表済みまたは提出済みの自分の著作物を、その旨を告げずに再利用することは自己剽窃であり、ほとんどの学術機関や出版社のポリシーはこれを違反行為として扱います。しかし、実際にあなたに起きているのは、たいていそのようなことではありません。自分の文章が機械生成と判定されているのであれば、問題は別のところにあります。そのテキストが機械生成のように読めるということであり、誰が入力したかを気にする検出器など存在しないのです。
主なポイント
- 自分自身を剽窃することはできますか？ はい。 提出済みまたは公表済みの自分の著作物を、開示せずに再利用することは、言葉が自分のものであっても、ほとんどのポリシーに違反します。
- 自己剽窃とAI判定は、別々の失敗です。 一方は出所に関する問題です。もう一方は、文がどのように組み立てられているかに関する問題です。
- AI判定は確率の推定値であり、証拠ではありません。 それは、そのテキストが検出器がモデル出力と関連付ける統計的性質を持っていることを示しているにすぎません。
- 洗練された定型的な文章は判定されやすい。 2026-09-19に行った独自の測定では、手書きのDeAIzeガイド46件が平均AIスコア27%を記録し、そのうち17件が30%のしきい値で判定されました。
- 修正すべきは文であり、告発ではありません。 文単位のスコアは、どの行がシグナルを担っているかを教えてくれます。そこにこそ、編集の効果があります。
自分自身を剽窃することは、正確には可能なのか？
正直な答えには、二つの側面があります。
自己剽窃とは、自分の著作物を新しい文脈で、その旨を開示せずに再利用することです。学位論文の一章を学術雑誌の論文に転用すること、別の科目のために書いたエッセイを再提出すること、クライアントのサイトでブログ記事を新規のものとして再公開すること——これらが典型的な事例です。言葉は自分のものなので、通常の意味での盗用ではありません。何が新しいのかを偽って示すこと、それこそがほとんどのポリシーが罰する行為なのです。
AI判定はそれとはまったく違います。誰もあなたが他人の言葉を盗んだと非難しているわけではありません。文のパターンがモデルから出てきたように見える、と言っているのです。これは異なる告発であり、防御策も異なります。これを混同すると、パネルの前で的外れな主張をしてしまうことになります。
正式な手続きに直面しているなら、この2つの問いは別々に問われます。反論を一言でも書く前に、AI検出と盗用：2つの異なる失敗をお読みください。
なぜ自分の文章が機械製のように読まれるのか？
それは、あなたがその形に編集したからです。
フラグが立つほとんどの書き手は、モデルの出力を貼り付けているわけではありません。丁寧に書いており、丁寧な文章は検出器が探す特徴へと流れていきます。つまり、均一な文の長さ、整ったつなぎ言葉、曖昧な主張、脱線なし、一人称の余談なし、といった特徴です。学術的・技術的な文章はまさにそれを評価します。企業のコピーも同様です。
ここからが不快な部分です。2026-09-19に実施した独自の計測では、手書きのDeAIzeガイド46件と未編集のモデル出力12件を採点しました。人間のサンプルは平均27%のAIスコアでした。未編集のモデル出力は平均35%でした。この差は現実のものですが、峡谷ほどの隔たりではありません。磨き上げられた人間の草稿は、モデル出力が位置する範囲にちょうど収まることがあります。
これがほとんどの誤検出の背後にある仕組みであり、あなたがカンニングしたかどうかとは何の関係もありません。
検出器が実際にスコアリングしているもの
検出器は読みません。測定します。
検出器が重み付けするシグナルは、パープレキシティ（各語の選択がどれほど意外か）やバースト性（文の長さや構造がどれほど変動するか）などです。モデルの出力はどちらも低い傾向があります — 予測可能な語の選択、均一なリズム。人間の文章、特に初稿はどちらも高い傾向があります。なぜなら人は途切れ途切れに書くからです。
つまりスコアは表層的な特徴の統計的な読み取りです。それはテキストがどのように生成されたかについての確率推定であり、著者性についての声明ではありません。同じ段落に対して異なるモデルを実行する2つの検出器は一致しないでしょうし、その不一致は正常であり、何かの証拠ではありません。AI検出器は正確か？2つのツールが一致しない理由でその理由を詳しく説明しています。
もう一つ知っておく価値のある複雑な点：私たち自身の測定では、AIっぽいフレーズが人間のサンプルでは100語あたり3回、未編集のモデル出力では100語あたり1回見つかりました。人間は、モデルよりも定型表現に頼る傾向があることがわかりました。「結論として」は人間の習慣です。
どの文がシグナルを発しているかを確認したい場合は、まず下書きをAI検出器にかけてください。文書スコアは問題があることを示しますが、文単位のハイライトはどこから編集を始めるべきかを示します。
自己盗用とAIフラグ：並べて比較
これらは常に混同されます。混同されるべきではありません。
| 自己盗用 | AIフラグ | |
|---|---|---|
| 申し立てられていること | 開示せずに自分の以前の作品を再利用すること | テキストがモデル出力の統計的特性を持っていること |
| 言葉の所有者 | あなた | 通常はあなた |
| 使用される証拠 | 提出記録、以前の出版物、テキスト照合ツール | 検出器からの確率スコア |
| 証拠の強さ | 文書による、通常検証可能 | 確率的、ツール依存、不一致があり得る |
| 典型的な修正 | 再利用を開示し、以前の作品を引用し、新しい貢献を書き直す | フラグが付いた文を編集し、プロセスを文書化する |
| よくある誤り | 自分の作品だから問題ないと主張すること | 検出器が壊れていると主張すること |
最後の行に注目してください。どちらの誤りも同じ理由で失敗します：テキストではなく告発に対処しているからです。
おそらくあなたが該当するケース
あなたは、自分の下書きがフラグを立てられて返ってきたライターまたは学生です。モデルの出力を貼り付けたわけではありません。最初の下書きにモデルを使ったかもしれませんし、すべての言葉を自分で書いたかもしれません。いずれにせよ、そのテキストは今や機械が作ったように読めてしまい、それを止める必要があります。
まずやってはいけないこと：より良い数値を期待して、さらに5つの検出ツールにかけること。5つとも異なる数値が出ます。検出ツールの買い物は編集ではありません。
代わりにやるべきこと：
- 文書をスコアリングし、次に文単位の表示を確認する。 AI確率が最も高い行を見つけます。通常それは文書全体ではなく、ひとつのまとまりです。
- それらの文を手作業で書き直す。 均一なリズムを崩します。短い文を2つ長い文にまとめます。曖昧な表現を削ります。自分だけが知っている具体的な詳細を加えます — 日付、名前、自分のデータからの数値など。
- 再スコアリングして比較する。 フラグが立ったまとまりが縮小していれば、正しい箇所を編集しています。移動したなら、続けます。
- 記録を残す。 下書きの履歴、メモ、出典。これが審査員や編集者の手に渡ることがあれば、あなたのプロセスがあなたの防御になります。
3番目のステップは、人が思う以上に重要です。再スコアリングせずに編集するのは、当て推量です。
ヒューマナイズが適する場面と、そうでない場面
ヒューマナイズは他人の成果を自分のものとして渡す方法ではなく、開示ルールを回避する方法でもありません。アイデア、データ、結論があなた自身のものでなければ、どんな書き換えでもそれは解決できず、解決策を探すべきでもありません。
何に役立つか：平板になってしまった自分自身のAI支援による下書き、あるいはテンプレートのように読めてしまうほど磨耗してしまった自分自身の人間による下書き。どちらも正当な問題であり、正当な解決策があります。
DeAIzeはこれをクローズドループとして実行します。テキストを採点し、フラグが立った文だけを書き換え、意味的類似度が意味の保持を示した場合にのみ書き換えを採用し、その後再採点して前後の結果を報告します。サイトでは、ヒューマナイズ後のAIスコア平均削減率が60%以上、最良のケースで71%と報告されています。ただしこれらは製品自身の予測スコアであり、第三者検出器による判定ではありません。サイトで使用されている例文では、92%のAIスコアが4%のAIになります。
押さえておくべき点が2つあります。第一に、それは予測スコアであり、TurnitinやGPTZeroでの保証ではありません。設定されている場合は実際の第三者検出器APIに対してクロスチェックが実行されます。サイトで名前が挙げられている検出器はGPTZero、Turnitin、Copyleaks、Originality.ai、Saplingです。ただし、特定の検出器で特定の数値を約束できるツールはありません。第二に、意味の保持こそが重要な制約です。スコアを下げても主張がずれてしまう書き換えは、元の文章より悪いものです。
文単位の編集がなぜ全面的な言い換えよりも優れているかについて、より詳しい論拠をお求めなら、Paraphrasing vs Humanizing AI Text: Which Lowers the Score?で扱っています。
すでに告発されている場合の対処法
文書の編集をやめてください。正式なプロセスが始まった後でファイルを変更すると、改ざんのように見えてしまい、それは元の指摘よりも深刻な問題になります。
代わりに：
- すべてを保存する。 下書きの履歴、バージョンのタイムスタンプ、自分のメモ、参照した資料。フォルダを整理しないでください。
- 2つの申し立てを書面で分ける。 自己盗用を指摘されているなら、開示について対応する。AI利用を指摘されているなら、テキストと自分のプロセスについて対応する。両者を混同させないでください。
- スコアを出したツールと、使われた閾値を確認する。 閾値付近のスコアは、90点台のスコアとはまったく異なる状況です。
- 実際にやったことを言う。 最初の下書きにモデルを使ったなら、そう言って、何を変更したかを説明する。審査はプロセスを評価するので、自分の編集についての明確な説明が、持ち込める最も強い材料です。
False Positive AI Detector: What to Do When You’re Accusedには、正式な対応についてより完全なチェックリストがあります。また、これが大学で起きているなら、Academic Integrity Hearing AI: What Panels Assessが、陳述書を準備する前に読むべき記事です。
正直な限界が1つあります。検出器のスコアは、どちらの方向であれ、著作権を証明するものではありません。高いスコアはモデルを使ったことを証明しません。低いスコアは使っていないことを証明しません。そうでないと言う人は、確率の推定値を過大に宣伝しているのです。
意味を壊さずにテキストを修正する
問題に対応するのではなく、先回りして防ぐのであれば、ワークフローはより穏やかになります。
文章を音読してください。つまずく箇所は、リズムが均一すぎる場所です。そのフレーズを声に出して絶対に言わないと思う箇所は、書き直しの候補です。次に、文レベルのスコアを確認し、自分の直感が検出器の結果と一致したかどうかを見てください。
多くの場合、完全には一致しませんが、それは有益な情報です。どの癖が自分自身のもので、どれが検出器の盲点なのかを教えてくれます。
機能している自分の声の部分は残してください。ポイントを伝える脱線、判断力を示す余談、他の誰も書かない具体的な例などです。これらはモデルが偽装するのが最も難しいものであり、だからこそスコアを下げるのです。
どの文が機械的に読めるか確認する準備はできましたか？
どの行がシグナルを発しているかを推測する必要はありません。下書きをAI検出器に貼り付けて、文レベルの表示を読んでください。フラグが立ったクラスターを手作業で書き直し、下書きエディタで実行して、意味を変えずにスコアが動いたかどうかを確認します。無料プランでは、サインアップ時に200語まで利用でき、クレジットカードは不要です。より長い文書に取り組む場合、料金は使った分だけの支払いで、クレジットは期限切れになりません。登録して、1段落から始めることもできます。
自分が最も誇りに思った段落から始めましょう。それはたいてい、テンプレートのように読めるものです。