AI検出ツールはどのように機能するのでしょうか？それはあなたの語彙選択がどれだけ予測可能かを推定します。言語モデルはそれまでのすべての文脈から次のトークンを予測します。検出ツールも同様の計算を行い、あなたが実際に書いた内容に対してモデルがどれだけ驚いたかを調べます。予測可能で均一な重みの散文は高いスコアになります。多様で具体的な散文は低いスコアになります。得られるのは確率であり、判定ではありません。
主なポイント
- 検出ツールは著者性ではなく予測可能性をスコア化します。高いスコアは「これはモデル出力のように見える」という意味であり、「モデルがこれを書いた」という意味ではありません。
- 主に2つのシグナルが機能します：パープレキシティ（各単語がどれだけ驚きか）とバースト性（文の長さとリズムがどれだけ変動するか）。
- スコアはセグメントごとに計算され、平均化されます。1つの平坦な段落が文書全体を左右することがあります。
- 人間の文章もフラグが立ちます。2026-09-19の当社の測定では、手書きのDeAIzeガイド46件が平均27%のAIスコアで、46件中17件が30%のフラグ閾値を超えました。
- 修正は編集上のものであり、対抗的なものではありません：手がかりを削り、変化を回復し、意味を保ちます。
- 検出ツールのスコアを何かの証拠として決して扱わないでください。それは確率推定です。
実際に測定されているものは何か？
検出ツールは「GPT」や「Claude」という指紋を探すのではありません。統計的なテクスチャを測定します。
言語モデルは次に来そうな単語を選ぶように訓練されています。そのため、モデル出力は高確率のレーンに位置する傾向があります：一般的な言い回し、安全な遷移、バランスの取れた節。検出ツールは同じ確率計算を近似し、あなたのテキストがどれだけ予測可能かを報告します。予測可能なテキストは、機械が書いたかどうかにかかわらず、機械によって形作られているため、機械製のように読めます。
その区別はあなたにとって重要です。自分の草稿が機械製のように読めるなら、検出器はあなたを何かで非難しているわけではありません。その文章が、モデル出力が占めるのと同じ統計的レーンに平坦化してしまった、と告げているのです。
パープレキシティはどのようにして文を機械製に見せるのか？
パープレキシティは驚きの尺度です。低いパープレキシティは、各単語がその前の単語から容易に推測できたことを意味します。高いパープレキシティは、読み手（そしてモデル）が労力を要したことを意味します。
同じことを言う2つの方法を考えてみましょう：
- 低い驚き：「効果的なコミュニケーションは成功に不可欠である。」
- より高い驚き：「メモの2番目の段落は誰も読まない。それが本当であるかのように1番目を書け。」
2番目のバージョンには、具体的なイメージ、短縮形、そして意見が含まれています。1番目には何も含まれていません。検出器はそれに気づきます。
これが、フラグの立った下書きにおいて一般的な埋め草が最も危険なものである理由です。「さらに」のたびに、「〜するために」のたびに、抽象名詞の3項目リストのたびに、テキストは予測可能なレーンへと押しやられます。ほとんど何も言っていないのに、滑らかに読めてしまうのです。
なぜバースト性は語彙よりも重要なのか？
バースト性とは変動のことです。人間はバースト的に書きます。長く節の多い文、次に短い文。そして断片。モデルの出力は安定した中間の長さに傾きます。その中間の長さが統計的に最も安全だからです。
ツールがなくても確認できます。下書きの連続する10文の単語数を数えてみてください。すべてが18〜24語に収まっているなら、リズムは平坦であり、平坦なリズムは検出器が拾う最も強いシグナルの一つです。
バースト性は句読点や構造にも及びます。均一な段落の長さ、すべてのセクションを同じ接続詞で始めること、導入を言い換える整った結論——これらはすべて生成されたものとして読まれます。編集者は検出器が動く前に同じことに気づきます。
自分のどの文がシグナルを帯びているかを見たいなら、まず下書きをAI検出器にかけてください。文単位のハイライトが、曖昧なスコアを実際に編集できる短い行のリストに変えてくれます。
なぜ自分の文章がフラグを立てられるのか？
これはほとんどのガイドが飛ばす部分であり、おそらくあなたが最も気にしている部分です。
2026年9月19日の独自の測定では、手書きのDeAIzeガイド46件を、30%のフラグ閾値で検出器にかけてスコアリングしました。AIスコアの平均は27%、中央値は25%、範囲は0から55でした。46件のうち17件が閾値を超えました。これらは文章を書いて生計を立てている人々による、人間が書いた記事でした。
同じ実行で、未編集のモデル文章12件は平均35%とスコアリングされました。2つの分布は重なっています。この重なりがすべてを物語っています。短い文章や定型文では、人間の文章と機械の文章が同じ帯域に収まることがあるのです。
あなた自身の文章がその帯域に流れ込む一般的な理由：
- テンプレート文。「このセクションでは、〜を探求します」は形であって、思考ではありません。
- ヘッジの積み重ね。「〜と主張することも可能かもしれません」は、書き手を文から遠ざけます。
- **均一なリズム。**フォーマルな文章を長年書いてきたキャリアは、あなたを均一な文の長さに訓練します。
- **第二言語の慎重さ。**ノンネイティブの書き手はしばしば最も安全な文法オプションを選びますが、それは最も予測可能なものでもあります。もしあなたがその状況なら、AI検出器がノンネイティブ英語話者をフラグ立てする理由についての完全なガイドがあります。
- **過剰な編集。**洗練の名の下にすべての癖を削ぎ落とすと、シグナルも削ぎ落とされることがあります。
それはあなたがカンニングしたという意味ではありません。あなたの文章がところどころで予測可能だという意味です。予測可能性は編集で改善できます。
各検出ツールは実際に何を報告するのか？
ツールの違いは、根本的な手法よりも表示方法に大きく現れます。それぞれが何を示すのかを公平に比較します。
| ツール | 報告内容 | 役立つ場面 |
|---|---|---|
| GPTZero | 文書スコアと文のハイライト | どの行がシグナルを担っているかを確認する |
| Turnitin | 機関向けレポートにおけるセグメント単位のパーセンテージ | 採点者に何が見えるかを理解する |
| Copyleaks | セクション別の内訳付き文書スコア | 長い草稿の中で平坦な箇所を特定する |
| Originality.ai | 文書スコアと段落スコア | 大量の文章の編集トリアージ |
| Sapling | 執筆インターフェースにおける文単位のスコア | 書きながら編集する |
| DeAIze | 文書全体のスコアと文ごとのAI確率。設定されている場合はサードパーティ検出APIとのクロスチェック付き | どの文を書き直すか判断する |
2つのツールが同じ段落で異なる判定を下しても、どちらも役割を果たしている可能性があります。それぞれが独自のモデルと独自のしきい値を使用しています。スコアはある前提の下での確率推定であり、あなたの文書に関する事実ではありません。仕組みについて詳しく知りたい場合は、2つのツールが判定を異にする理由についての長文記事を書いています。
フラグが付いた草稿を最速で修正する方法は？
すべてを言い換えてはいけません。そうやって意味が失われ、草稿がまるでシソーラスが不機嫌だった日の産物のように響くのです。
代わりにこう進めましょう：
- 草稿を採点する。見出しの数値だけでなく、文単位のハイライトを見ます。
- まず上位の指摘文を修正する。 通常、ごく少数の行がシグナルの大半を担っています。
- リズムを崩す。 指摘された文が3つ続けて同じ長さなら、そのうち1つを5語にします。
- 抽象名詞を具体名詞に置き換える。 「効果的なコミュニケーション」は、実際にあなたが行ったことに変わります。
- 足場を削除する。 ほとんどの「注目に値する」構文は、単に消せます。
- 再採点する。 数値が下がったことだけでなく、意味が保たれたことを確認します。
以下は実例です。変更前の文は一般的ですが、変更後の文は同じ主張を保ちつつ、具体的で確認可能な詳細と短いリズムを加えています。
- 変更前：「定期的な推敲は、文章全体の質を大幅に向上させる。」
- 変更後：「二度推敲せよ。二度目で、通常は論点が現れる。」
同じ要点。異なる質感。第二版は一語ずつ予測するのが難しく、まさに検出器が測定しているのはそれです。
その処理を自分でやらずに任せたいなら、DeAIzeのドラフトエディターがテキストを採点し、指摘された文だけを書き直し、意味が保たれるよう意味的類似度を確認してから再採点し、変更前と変更後を表示します。サイト上の例文では、92%のAIスコアが4%のAIになります。サイト自体の実行では、報告されている平均削減率は60%以上、最良で71%です。これらは当社の予測スコアであり、第三者の検出器による判定ではなく、どのツールも他社のシステムで特定の数値を約束することはできません。
AIの痕跡はそもそもどこから来るのか？
表面的な癖は、統計よりもずっと早く下書きを露呈させます。同じ2026-09-19の測定で、私たちは痕跡の頻度を数えました。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回でした。この数字は、通常の想定を覆すものなので、よく考える価値があります。人間が書いたガイドには、生のモデル出力よりも古典的な痕跡——emダッシュ、「moreover」、整いすぎた三項列挙——が多く含まれていました。
教訓はこうです。痕跡は文体の癖であり、種の指標ではありません。生計のためにフォーマルな英語を書いているなら、おそらくいくつか身についているでしょう。emダッシュの痕跡は、モデルのせいにされがちでありながら、プロの文章の至るところに現れる癖の良い例です。
下書きを次の順で確認してください：
- 何かを述べるのではなく、宣言する導入。
- 文法的な役割は果たすが、論理的な役割を果たさない接続詞。
- 2項目で足りるのに3項目にしたリスト。
- 同じ長さの段落。
- 冒頭を繰り返す結びの段落。
それらを修正すれば、統計的なテクスチャは通常それに伴います。なぜなら、両者は異なる角度から見た同じ現象だからです。
してはいけないこと
テキストを検出器に貼り付けて、その出力を人物に関する証拠として扱わないでください。検出器のスコアは確率の推定値です。それを証拠として扱う機関は偽陽性の事例を生み出しており、まさにそのパターンが記録されています。
意味が変わるまで書き換えないでください。文がもはやあなたのデータが示すことを述べていないなら、一つの問題をより悪い問題と引き換えにしたことになります。研究者やアナリストは、技術的な草稿に手を付ける前に意味を変えずにテキストを人間らしくする方法を読むべきです。
これらを他人の成果を自分のものとして通すために使わないでください。アイデア、データ、結論はあなた自身のものでなければなりません。検出ツールは、あなた自身の文章における偽陽性を減らし、あなた自身のAI支援による草稿を整えるために存在しており、それが意味を持つ唯一の枠組みです。
また、低いスコアが精査から安全であることを意味すると仮定しないでください。あなたの草稿を薄いと感じた読者は、検出器が実行されたかどうかに関わらず、そう指摘するでしょう。
どの文から先に書き直すべきか？
シグナルが集中している箇所から始めましょう。文単位のハイライトは、まさに推測する必要をなくすために存在しています。
実践的な優先順位：
- 高いフラグが付き、かつ、論文の主張や結論にある文。これらは読者にとって最も重みがあります。
- 3つ以上連続してフラグが付いた文の並び。これは語の問題ではなく、テクスチャの問題です。
- フラグが付いた文の中で、最も長いもの。長さと予測可能性の組み合わせが最強です。
- 自分で書いていないものすべて。段落がモデルから来たものであれば、スコアに関係なく編集の手を入れる必要があります。
シグナルの低い文はそのままにしておきましょう。問題でもなかったテキストを書き直すことは、草稿が声を失う原因になります。
どの文が機械製のように読めるか、見てみませんか？
検出器の仕組みを理解することは役に立ちます。しかし、自分の原稿でそれを目にすることが、編集を変えるのです。
DeAIzeは2つの機能を持つWebアプリです。1つは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検出器。もう1つは、フラグが立った行だけを書き換え、意味が保たれたと意味的類似性が示した場合にのみ書き換えを保持し、その後再スコアリングして前後の結果を報告するヒューマナイザーです。アップロードは.txt、.docx、.pdfに対応し、Word文書の書き換えではフォント、スタイル、表が保持されます。検出と書き換えは英語と他9言語に対応し、インターフェースは10言語で提供されています。あなたのテキストは現在のタスクのためにのみ処理され、トレーニングに使用されることも、再販されることもありません。
無料プランでは、サインアップ時に200語から始められ、クレジットカードは不要です。まず数字を見たい場合は、料金は従量課金制です。スターターは1,000語で$20.99、スタンダードは3,000語で$44.99、プロは10,000語で$99.99、マックスは30,000語で$199.99です。クレジットは期限切れにならず、サブスクリプションもありません。原稿をAI検出器にかけ、ドラフトエディターで開き、実際にシグナルを含む行を修正しましょう。