いいえ。AI検出は著者性の証拠になるでしょうか？ なりません。検出器のスコアは統計モデルが生成する確率推定値であり、複数ある弱いシグナルの一つにすぎません。それはより詳しく調べる理由として扱うべきであり、決して結論として扱ってはいけません。スコアが誰かを告発するために使われた瞬間、あなたはその人にプロセスを負うことになります。開示、反論の機会、そして記録に残された決定です。
主なポイント
- 検出器のスコアは確率であり、判決ではありません。それは誰がその文を書いたかを教えることはできず、そのテキストがモデル出力にどれだけ似ているかだけを示します。
- 私たち自身の測定（2026-09-19、n = 46 の手書き DeAIze ガイド、30% のフラグ閾値）では、人間が書いたテキストの AI スコア平均は 27% で、46 件中 17 件がフラグされました。これが偽陽性問題を一行で表しています。
- 適正手続きとは、被疑者がスコアを見て、どのツールがそれを生成したかを知り、いかなる罰則の前にも答える機会を得ることを意味します。
- 結果だけでなく、推論を記録してください。「スコアが高かった」は決定記録ではありません。
- フラグを裏付ける他のものは何かを尋ねてください。下書き、バージョン履歴、口頭弁論、引用チェック、執筆履歴などです。
なぜ AI 検出の証拠はそれ単独ではそれほど弱いのか？
検出器は表面的な統計を見ます。各単語がどれほど予測可能か、文の長さがどれほど変動するか、テキストがどれほど頻繁にパターンを繰り返すかです。これらのシグナルは機械生成と相関します。また、注意深い学術的な文章、翻訳されたテキスト、定型化された法律文書、そして非ネイティブ話者がしばしば使うように教えられる平易な英語とも相関します。この重なりがあるため、モデルが一切触れていない文書でもスコアが高くなることがあります。
私たちのローカルアンサンブルを、30% のフラグ閾値で 46 件の手書き DeAIze ガイドに対して実行したところ、AI スコアの平均は 27%、中央値は 25% で、範囲は 0 から 55 でした。それら 46 件の人間の文書のうち 17 件がフラグされました。何も生成されていません。スコアが単にラインを超えただけです。
同じ実行では、未編集のモデル文章12件が採点されました。平均35%、中央値34%、範囲は25から49です。この重なりに注目してください。人間の文章と未編集のモデル出力は隣接する帯域に位置しています。単一の数値では両者をきれいに分離できず、そうでないふりをするプロセスは無実の人を罰することになります。
その実行からもう一つ、じっくり考える価値のある数値があります。AI特有の痕跡頻度 — 定型表現、曖昧表現、フィラーの密度 — は、人間のサンプルでは100語あたり3、未編集のモデル出力では100語あたり1でした。人間の方が機械よりも多くの痕跡を使っていたのです。「読めばわかる」という直感も、測定可能なほど信頼できないものです。
スコアが誰かに対して使われるとき、適正手続きはどのようなものか？
この文脈における適正手続きは法的な公式ではありません。告発された人に公平な反論の機会を与える一連の流れです。教師、編集者、人事担当者にとっては、次のようになります：
- フラグと認定を分離する。 ツールがスコアを返したことを記録する。その人がAIを使ったとは記録しない。
- ツールとスコアを開示する。 検出器の名前、判明していればバージョン、正確な読み取り値を示す。道具について秘密にすると異議申し立てが不可能になる。
- 文単位の内訳を示す。 文書全体の数値では、どの行がシグナルを担っていたかが隠れる。ツールが文書スコアしか出さないなら、そう明記する — その限界も記録に含めるべきである。
- 決定する前に反論の機会を設ける。 その人にプロセスを説明してもらい、下書きを見せてもらい、または内容について口頭で議論するよう求める。
- 裏付け証拠を weighing する。 バージョン履歴、同じ文体の過去の作品、引用された情報源、その人が資料について議論できる能力は、いずれもスコアよりも重要である。
- 決定し、書き留める。 何に依拠し、何を割り引いたか、そしてその理由を述べる。
もしあなたが受け手側の立場なら、この実践的な鏡像は誤検出AI検出器：告発されたときにすべきことで扱っています。手順は同じで、変わるのは立場だけです。
チェックを実行するのがあなた自身なら、まず自分のプロセスで試してください。DeAIzeの検出器は文書スコアを表示し、各文をAI確率でハイライトするので、フラグが1つの奇妙な段落にあるのか、作品全体に及んでいるのかがわかります — これはまさに公正な判断に必要な詳細です。
フラグに基づいて行動する前に、どのような質問をすべきですか？
何らかの結果が生じる前に、これらを順に検討してください。答えられないなら、行動する準備はできていません。
| 質問 | なぜ重要か |
|---|---|
| どのツール、どのバージョン、どのしきい値？ | スコアはツールや設定によって変わります。あるしきい値でのフラグが、別のしきい値では存在しないかもしれません。 |
| スコアは文書全体か、特定の文か？ | 1つの段落だけにフラグが立つ場合と、エッセイ全体に均一にフラグが立つ場合とでは、シグナルの意味が大きく異なります。 |
| その人には記録された執筆履歴がありますか？ | 同じ文体での過去の作品は、強い反証となります。 |
| 翻訳、テンプレート言語、平易な英語の指示で説明できますか？ | これらは誤検出の既知の原因です。 |
| スコアが間違っていたら何が起こりますか？ | 答えが「取り返しのつかない害」なら、証拠の基準をより高くする必要があります。 |
| その人にスコアが伝えられ、返答の機会が与えられましたか？ | そうでなければ、止めてください。これがプロセスです。 |
最後の行は形式ではありません。その人が申し立てを見る前に下された決定は、書類が何と言おうと、適正手続きではありません。
検出器に部分的に依存する決定をどのように文書化しますか？
この記録は、2年後にこの案件をまったく覚えていない人が読むことを想定して書いてください。使える記録には4つの部分があります。
- ツールが報告した内容。 ツール名、日付、スコア、しきい値、および判定が文書レベルか文単位かを記載します。検出器のスコアは確率の推定値であり、著作権の証明ではないことに注意してください。
- 他に確認したもの。 下書き、改訂履歴、口頭での議論、出典確認、以前の作業。見つかったものをすべてリストアップし、フラグに反する証拠も含めてください。
- 何を結論づけ、その理由。 「スコアが高かった」と「スコアが高く、本人が主張を説明できず、下書きも存在しなかった」を区別してください。発見と言えるのは2つ目だけです。
- 何をしたか。 措置、その範囲、異議申し立ての経路。
ポリシーが明示的に要求しない限り、生のスコアを公開ファイルや永久ファイルに残さないでください。後に信頼できないと判明する確率の推定値が、何年もその人につきまとうべきではありません。
編集者やコンテンツチームも同じ規律を取り入れることができます。フリーランスの下書きにフラグが立った場合、記録となるのは依頼内容、改訂履歴、ライター自身のメモであり、数値ではありません。AI検出の仕組みに関するガイドでは、どのシグナルがスコアに影響するかを説明しており、特定のジャンルでそのスコアをどれだけ重視すべきかを判断するのに役立ちます。
スコアに異議を唱える学生や従業員には何を伝えますか？
まず、実際の限界を認めることから始めてください。検出器は確率的です。互いに結果が一致しません。人間が書いた文章にもフラグを立てます。それは事実であり、そうでないふりをすれば、相手が自分でこの話題を調べた瞬間に信頼が壊れるからです。このことをはっきり伝えてください。
では、次の3つを行ってください：
- レポートを見せる。 スコア、シグナルをもたらした文、そしてツール自体が明示している注意事項を提示します。
- 何があれば考えが変わるかを説明する。 下書きの履歴、議論の短い口頭説明、同じ文体での以前の作品などです。壁ではなく、道筋を与えましょう。
- プロセスと結果を切り離す。 フラグが調査に値すると考えつつ、その人物が作品を書いたと結論づけることもできます。そう言うことは弱さではなく、システムが機能している証拠です。
争いが続く場合は、書面で異議申し立ての経路を伝え、自身のメモは事実に基づいて保ちましょう。学術的なケースについては、学術不正聴聞会AI：パネルが評価するもので、パネルが実際に重視する点—通常は説明の質と裏付けであり、生の数値ではない—を解説しています。
なぜ教師やパネルは今もこれを間違えるのか？
数値は客観的に感じられるからです。ソフトウェアによって生成され、小数点があり、人間が作品を読む前に届きます。これはまさに逆です。スコアは、下書きの履歴、会話、内容そのものを確認した後、最後に見るべきものです。
害には非対称性もあります。偽陽性は、告発された人に多大な時間とストレスを強いますが、偽陰性は、機関にとってほとんどコストがかかりません。すべてを捕捉するように最適化されたシステムは、設計上、偽陽性を生み出します。ポリシーがそのトレードオフを明示していないなら、それはポリシーではなく、単なる好みです。
ポリシー作成者は、自分たちの規則がそもそも自分たちの行為を許容しているかどうかも確認すべきです。Academic Integrity Policy AI: What Your University Actually Allows はその点を確認するのに役立つ健全性チェックであり、AI Detection vs Plagiarism: Two Different Failures は、盗用の認定とAIフラグが同じ告発ではない理由を明確にしています。
書面によるポリシーには実際に何を記載すべきか？
防御可能なポリシーは、ツール、しきい値、人によるレビューのステップ、異議申立ての経路を明示します。検出器のスコアだけでは罰則を発動しないことを明記します。スコアを閲覧できるのは誰か、どのくらいの期間保持されるかを記載します。決定の前に、被疑者に証拠を提示することを義務付けます。
また、機関が行わないことも明記すべきです。確率の推定値を証拠として扱わないこと、被疑者が閲覧を許されていないツールに基づいて行動しないことです。この2つの文が、ニュースになるほとんどの事例を防ぎます。
最後に、レビュー日を組み込みましょう。検出器の挙動は変化し、しきい値は再調整され、ある学期の1つのツールの出力を前提に書かれたポリシーは後になれば誤りになります。年に一度読み返し、自機関のフラグデータと照合して確認しましょう。
どの文が機械生成に見えるか確認する準備はできましたか？
判断を下さなければならない立場なら、議論の前に文単位の見方を手に入れましょう。DeAIzeのAI検出器に下書きをかけて（/ai-detector/）、文書スコアと指摘されたすべての文を確認すれば、目の前にあるのが奇妙な段落ひとつなのか、文書全体なのかがわかります。指摘が自分の文章に付いたなら、下書きエディタ（/draft-editor/）で指摘された行だけを書き直し、意味が保たれているかを確認できます。料金は従量課金で、クレジットは失効せず、無料プランではサインアップ時にクレジットカード不要で200語まで利用できます。まずはdeaize.com/register（/register）から始めるか、料金ページ（/pricing/）を確認してください。検出器のスコアは確率の推定値であり、著作権の証明ではありません。どこを見るべきかを決めるために使い、結論を下すために使わないでください。