盗用・AIチェッカーにフラグを立てられたら、どちらの数値が高いかを確認しましょう。類似度スコアはテキストが情報源と一致していることを意味します——引用と出典表記を修正しましょう。AIスコアは確率の推定値であり、あなたが書いていない証拠ではありません。多くの人はまず間違った数値に慌て、その後で文書の間違った半分を書き直してしまいます。
2つのスコア、2つの問題
統合レポートには通常2つの別々の数値が表示され、それぞれ全く異なる形で問題が生じます。
類似度は一致の問題です。ツールはあなたのテキストをインデックスと照合し、重複を報告します。類似度が高いということは、文章が既に公開されている何かに似ているということです：引用符なしの文、下手に言い換えられた段落、テンプレートの要旨、以前の論文から流用した方法セクションなど。修正方法は出典の明示です——引用する、出典を記す、または自分の言葉で書き直す。
AI確率は、テキストがどのように生成されたかについての統計的な推測です。検出器はパターンを調べます：前後の単語を踏まえて各単語がどれだけ予測可能か、文の長さがどれだけ変化するか、語彙がどれだけ均等に分布しているか。データベースとの照合は行われません。何も証明されません。AIスコアが高く出るのは、自分で入力した段落であることもあります。特に、形式的で、均一なペースで、定型表現が多い場合に起こります。
この区別が重要なのは、修正方法が互いに応用できないからです。適切に出典を記した引用を書き直しても、類似度スコアは下がりません。出典を追加しても、AIスコアは下がりません。
仕組みについてさらに詳しく知りたい場合はAI検出の仕組みを、盗用の側面については盗用検出器にフラグを立てられた場合をご覧ください。
自分の文章がフラグを立てられる理由
これが最も受け入れがたい部分です。人間が書いた文章もフラグが立つのです。
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、ライトティア、30%のフラグ閾値 — を実行しました。平均AIスコアは26%、中央値25%、範囲0〜69%でした。この閾値では、709件中239件がフラグを立てられました。これらは人間が書き、人間が編集し、人間の作品として公開されたガイドです。
比較のために、固定プロンプトからの未編集のモデル出力12件を採点しました。平均33%、中央値34%、範囲4〜46%でした。最も低い未編集のAI文章は4%でした。最も高い人間の文章は69%でした。分布は大きく重なっています。
これが正直な現状です。フラグは判定ではなく読み取りであり、1つの数値を著者性の証明として扱うのは、検出器自身も犯さない誤りです。心配しているだけでなく非難されている場合は、何かを書き直す前にAI検出器の誤検出をお読みください。
文書全体のスコアだけでなく、どの文がシグナルを発しているかを知りたい場合は、下書きをDeAIzeで実行してください — サインアップで200語まで無料、カード不要、文単位のハイライト付き。
実際に数値を下げる方法
AIスコアは、ごく一部の文章上の癖に反応します。その癖を修正することがすべてです。
- リズムを崩す。 機械的なテキストは文の長さが似る傾向があります。4語の文の隣に30語の文を混ぜましょう。段落を音読し、どの文も同じ息継ぎになるなら、それがパターンです。
- 接続の足場を削る。 「さらに」「その上」「加えて」「注目に値する」といったフレーズは生成テキストに集中します。ほとんどを削除しましょう。議論はたいてい残ります。
- 一般的な名詞を具体的なものに置き換える。 「さまざまな要因」は実際の要因になります。「重大な影響」は何がどれだけ変わったかになります。
- 段落の始め方を変える。 生成された下書きは、見出しを言い換えるトピックセンテンスを好みます。代わりに、事実、日付、数字、質問で段落を始めましょう。
- 自分にしかないものを加える。 失敗した最初の試み、自分の研究室での測定値、引用著者への反論。検出器はそれを捏造できず、言い換えツールもできません。
- 各パスの後に再スコアリングする。 編集し、再実行し、比較する。前後の読み取りがなければ、推測しているだけです。
DeAIze自身の例の段落では、92%のAIスコアが人間化後に4%になります。サイト全体の実行では、報告されている平均削減率は60%以上（最良の場合71%）です — そしてこれらは製品自身の予測スコアであり、サードパーティ検出器による公式の判定ではありません。
比較: 各オプションが実際に行うこと
| オプション | 実際のコスト | 解決できること | 解決できないこと |
|---|---|---|---|
| 手動編集 + 無料検出器での再スコアリング | あなたの時間 | リズム、足場、ありきたりな言い回し | 長い文書では遅い |
| DeAIze humanizer | Starter $20.99 / 1,000語、従量課金、クレジットは無期限 | フラグが付いた文のみ、書き換えを採用する前に意味を確認 | あなた自身のアイデアの代わりにはならない |
| 引用のクリーンアップのみ | 無料 | 類似度スコア | 高いAIスコアはそのまま |
| 2つ目の検出器でのクロスチェック | 無料または低コスト | フラグがツール間で安定しているかを確認 | 誰が書いたかは分からない |
価格の行は少し立ち止まって見る価値があります。数千語を一度だけクリーンアップしたいだけなら、サブスクリプションは購入の形として適切ではありません。DeAIzeのStarterプランは1,000語で$20.99、クレジットは無期限です。
検出器の精度をめぐる争いはあなたにとって何を意味するか
同じツールにまったく異なる数字が付けられているのを見つけるでしょう。そしてそれらはすべて、異なるものを測定した本物の数値です。同じ検出器でも、生のAIテキストには強く見え、テキストが軽く言い換えられると弱くなる可能性があります。それはスキャンダルではなく、ツールが表面的な統計を測定するときに起こることです。
実用的な結論は2つあります。第一に、1つの検出器の数値を真実として扱わないこと。章全体を書き換える前に、2つ目のツールでクロスチェックしてください。第二に、英語を母語としない書き手であれば、これを想定して備えてください — このパターンは文書化されており、AI検出器が英語を母語としない書き手にフラグを立てる理由で、保管しておくべきものについて説明しています。
実例
イラストであり、実際の提出物ではありません。
変更前（機械生成のように読める）：「さらに、学生の離脱に寄与する様々な要因を考慮することは重要である。加えて、これらの要因は機関の成果に重大な影響を及ぼし得る。さらに、機関はこれらの課題に対処するための包括的な戦略を実施すべきである。」
変更後：「学生が去る理由は地味だ。誰も説明しなかった値上げ、時間割の衝突、通えなくなった通学。うちの学科は前学期に9人を失い、そのうち7人が同じ火曜のゼミを名指しした。火曜のゼミを直せ。」
第二のバージョンは主張と論理を保っている。文の長さを変え、接続詞を削り、抽象名詞を固有名詞に置き換え、場所と学期に固有であるためモデルが作り出さないであろう細部を加えている。これが段落規模で適用された、この手法のすべてである。
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。
- あなたが書いたものではない。 アイデア、データ、結論があなたのものでなければ、書き直してもその仕事はあなたのものにはなりません。それは別の問題であり、検出の問題ではありません。
- 類似度スコアが高い。 出典不明の引用は書き直しても解決しません。引用元を明記してください。
- 調査の途中である。 委員会、ジャーナル、雇用主がすでに問題を提起している場合、事後に文書を書き直すと、指摘よりも悪く見えることがあります。まずacademic integrity hearing AIを読み、所属機関のプロセスに従ってください。
- 保証されたスコアが必要である。 特定のサードパーティ検出器で特定の数値を約束できるツールはありません。DeAIzeもそうではありません。約束する人は、提供できないものを売りつけているのです。
1時間のトリアージ
- レポートを開き、両方の数値を別々に書き留めます。実際に基準を超えているのはどちらですか？
- 類似度が高い場合、一致したすべての箇所を見つけ、適切に引用または出典を明記します。
- AI確率が高い場合、ハイライトされた文を読みます。指摘された行は固まって現れるので、文書全体に触れる必要はほとんどありません。
- それらの文を、リズム、接続詞、具体性のために編集します。
- 再スコアリングします。前後を比較します。低下が小さければ、編集は表面的なものでした。
- 以前の草稿とレポートのコピーを保管します。テキストがどのように書かれたかを尋ねられたら、日付のある記録が最も強い証拠になります。
このルーティンの詳細版については、humanize AI textとAI detection vs plagiarismを参照してください。後者では、各フラグが実際に何を主張しているかを説明しています。
要するに、高い数値を修正し、それを担っている文だけを修正し、自分の考えをテキストに残すことです。それ以外はノイズです。
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の未編集のモデル出力、AIスコアの中央値はそれぞれ25%と34%でした。方法：/methodology/.