いいえ、ChatGPTは検出器が読み取るような形で出力に一切ウォーターマークを入れていません。厄介なのは、OpenAIがウォーターマークを棚上げしたことであり、ウォーターマークが存在しないために、フラグを立てられた書き手には出自を証明する明確な手段がないという点です。実際に直面しているのは隠しタグではなく統計的なフラグであり、そのフラグは編集に反応します。
ChatGPTはAIテキストにウォーターマークを入れているのか——それとも噂なのか？
OpenAIはウォーターマーク技術を開発しながら、あえて出荷しない選択をしました。この件に関するwritehuman.aiのレポートによると、OpenAIは社内でこの手法を約99.9パーセント有効と評価したうえで見送り、その判断はヨーロッパの新しい規則の下では維持されませんでした（出典：writehuman.ai、https://writehuman.ai/blog/does-chatgpt-watermark-text）。同じレポートは、2025年春にユーザーがChatGPTの出力に見慣れない不可視のUnicode空白文字を見つけ、秘密のウォーターマークを発見したと宣言したことにも触れていますが、OpenAIの説明はそれほど劇的ではありませんでした（出典：writehuman.ai、https://writehuman.ai/blog/does-chatgpt-watermark-text）。
この経緯が重要なのは、あなたが立っているこの隔たりを説明してくれるからです。ウォーターマークなら意図的で検証可能な印です。検出器のスコアはそうではありません。それは、ある文章が言語モデルから出たものである統計的な可能性をモデルが推定したものです。ベンダーごとにその数値の定義は異なります——モデルスコア、該当する文章の割合、類似度パーセンテージは互換ではなく、そのどれも著者を証明しません。
つまり、「ChatGPTはAIテキストにウォーターマークを入れているか」に対する正直な答えは「いいえ」であり、それは良い知らせではありません。隠しタグを指して潔白を証明することはできないということです。できるのは、検出器が実際に測定したものを見て、反応を引き起こした文章を修正することだけです。
検出器が実際に採点しているもの
検出器は表面統計を読み取ります。各単語がどれほど予測可能か、文のリズムがどれほど変動するか、特定のフレーズがどれほど頻繁に繰り返されるか。機械製の草稿は滑らかで均一になりがちです。人間の草稿は揺らぎます。
これについて独自のテストを実施しました。その数値は注意深く読む価値があります。2026-09-28に、30%のフラグ閾値でDeAIze検出器（ローカルアンサンブル、ライトティア）を使って2つのコーパスを採点しました。生成済みとマークされていないDeAIzeガイドからの709件のパッセージの参照サンプル — メタデータのみで選択されたため、人間の著作であることは独立に検証されていません — は平均26%、中央値25%、範囲0〜69%でした。709件のパッセージのうち、239件が30%の閾値以上に位置しました。これらはパッセージ数であり、独立した文書の数ではなく、検証された人間の偽陽性率でもありません。
もう一度読んでください。これがこのページで最も居心地の悪い数字だからです。私たち自身が書いた文章でさえ、およそ3分の1のパッセージが、教室や受信箱では告発のように見える閾値を超えました。フラグは文体に関するシグナルであり、誰が言葉を打ち込んだかについての評決ではありません。
未編集のモデル出力は逆の話を語りました。固定プロンプトから生成され未編集のままの12件のパッセージは、平均33%、中央値34%、範囲4〜46%でした。分布は重なっています。単一の読み取りで2つのグループをきれいに分離することはできません。
自分の草稿のどの文がシグナルを帯びているか見たい場合は、DeAIzeに貼り付けてください — 検出はAI確率で各文をハイライトし、書き換えトライアルではメール確認後に200語が提供され、クレジットカードは不要です。プランの比較は/pricing/で。
比較：各オプションが実際に提供するもの
| オプション | 何のために作られているか | 制限とトレードオフ | 最適な状況 |
|---|---|---|---|
| 自分で書いてから編集する | 完全な著作権とコントロール | 最も遅い方法。それでも修正は必要 | その作品が間違いなく自分のものでなければならない場合 |
| ChatGPT または他のモデル | 生成と下書き | 透かしなし。出力は滑らかで均一に読めるため、検出器が気づく | 最終稿ではなく、出発点が必要な場合 |
| 検出ツール（DeAIze、GPTZero、Turnitin など） | 文章がどれだけ機械的に読めるかを推定する | スコアの定義は異なる。どのスコアも著作権を証明しない | どの文がシグナルを運んでいるかを見たい場合 |
| 書き換えツール（WriteHuman、DeAIze humanizer など） | 自分の下書きに対する修正案を提案する | 主張、数量、引用、否定、限定詞は自分で確認する必要がある | 残す価値のある下書きがあり、それを自分のように聞こえさせる必要がある場合 |
| 何もしない | — | フラグは記録に残る | フラグに結果が伴うなら、決してしない |
較正のための第三者側の数字を一つ：WriteHumanの公開月次ベンチマーク、HumanizerBenchは、4サイクル連続で1つのツールが首位を維持しており、直近では2026年10月で、その無料プランは月3回のヒューマナイズを各250語でカード不要でカバーしています（出典：writehuman.ai、https://writehuman.ai/blog/does-chatgpt-watermark-text）。これはベンダー自身のベンチマークなので、信じる事実ではなく、検証すべき主張として扱ってください。
修正方法：文単位の編集パス
これが実際に結果を変える部分です。順番に取り組んでください。
- まずスキャン、次に編集。 文単位のスコアを表示する検出器に下書きを通してください。DeAIzeでは、文書全体のスコアが出て、各文がAI確率でハイライトされるので、推測するのではなく、どの行がシグナルを運んでいるかがわかります。
- フラグが立った文を手で書き直す。 文書全体ではありません。フラグが立った行は通常、均一なリズム、積み重なった接続詞、一般的な動詞を持つものです。リズムを崩してください。前置きの冒頭を削ってください。主語を前に置いてください。
- 自分だけが知っていることを加える。 日付、場所、自分で測った数字、ある方法を別の方法より選んだ理由。検出器はあなたが考案した具体性をモデル化できません。なぜなら、それらは一般的な散文のトレーニング分布になかったからです。
- 表現だけでなく意味を確認する。 すべての主張、数量、引用、否定、限定詞を元の原稿と照合してください。意味的類似性フラグはレビューの補助であり、すべての意味が保たれた証拠ではありません。
- 再スキャンして、十分になったら止める。 検出器のスコアは実行間やツール間で変わります。完璧な数字を追い求めるのは午後を無駄にします。所属機関やクライアントが使う閾値を下回ったら、そこで止めてください。
ステップ2のラベル付き図解を以下に示します。
変更前（フラグ付き）：「効果的なコミュニケーションはあらゆる組織の成功において極めて重要な役割を果たすため、リーダーはあらゆるレベルで明確なメッセージングを優先しなければならない。」
変更後（編集済み）：「下手な文章を書くリーダーは無視される。前回のプロジェクトでは、週次アップデートが9段落にもなり、2段落目以降を読んだ人は誰もいなかった。」
2番目のバージョンはより短く、具体的な詳細を含み、文の長さも変化に富んでいる。これがメソッドのすべてだ。ワークフロー全体を知りたい場合は、/humanize-ai-text/ のガイドがセクションごとに解説している。
これが間違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。
- 他人の作品を自分のものとして偽ろうとしている。 それは別の問題であり、どんなツールでも解決できない。アイデア、データ、結論はあなた自身のものでなければならない。
- 不正行為の係争中である。 原本を保存し、バージョン履歴を保持し、不服申立ての手続きに従うこと。書き直された文書は証拠にはならない。パネルが実際に何を評価するかについては、/blog/academic-integrity-hearing-ai/ の学術的誠実性審問に関するガイドを参照。
- 所属機関がAI支援を全面的に禁止している。 まずポリシーを確認すること。文章を改善するツールであっても、ポリシーが許可する内容は変わらない。
- あなたのテキストはすでに問題ない。 低確率の文が1つあるからといって危機ではない。お金を節約しよう。
- 他社の検出器でのスコア保証を求めている。 それは誰にもできない、私たちにも。DeAIze は他社での特定のスコアを保証しないし、上記の数値の算出にベンダーAPIは使用されていない——それらは私たち自身の測定値である。
次にやるべきこと、順番に
まず、透かしを探すのをやめましょう。透かしは存在せず、探してもあなたの疑いは晴れません。次に、実際に何が測定されたのかを突き止めましょう — どのツール、どのしきい値、どの文か。レポートが手元になければ請求してください。第三に、無知ゆえに議論するのを避けるため、自分でスキャンを実行しましょう。第四に、指摘された文を自分で編集し、再スキャンしましょう。第五に、その指摘が不利益をもたらす場合は、下書きとバージョン履歴を保管し、その場しのぎではなく、所属機関やクライアントが提供する開示ルートを利用しましょう。
これがこの問題の正直な姿です。OpenAI はあなたの出力にタグを付けません。モデルが、それがどれだけ機械的に読めるかを推定します。その推定はどちら側にもノイズがあります — 私たち自身の参照文章は、709 件中 239 回、30% のしきい値を超えました。そして、あなたがコントロールできる唯一のレバーは、文章そのものです。
測定に関する注記: 本記事の数値は、2026-09-28 に実行した私たち自身の検出器によるものです — 生成済みとマークされていないガイドからの参照文章 n = 709 対 未編集のモデル文章 n = 12、AI スコアの中央値はそれぞれ 25% と 34%。参照文章の著者性は独立に検証されていません。文章は独立した文書ではありません。方法: /methodology/.