同じ段落をSaplingとGPTZeroに通して、2つの異なる判定結果が出たとしても、あなたは何も間違っていません。これらのツールは重複しつつも異なるシグナルを測定しており、短いテキストではその違いがより顕著になります。どちらのスコアも著者を証明するものではありません。有用なのは、どちらが正しいかを問うのをやめ、各ツールがハイライトした箇所を編集リストとして扱い始めることです。
なぜSaplingとGPTZeroは同じテキストで異なる判定を下すのか？
どちらのツールも、ある文章が言語モデルによって生成された可能性を推定します。ただし、その方法は異なります。GPTZeroはパープレキシティとバースト性を中心に構築されています。つまり、各単語がどれだけ予測可能か、そして文のリズムがどれだけ変動するかです。Saplingの検出器もトークンレベルの確率パターンを調べますが、そのインターフェースは結果を異なる形で提示し、しきい値も別々に調整されています。
2つのモデルが異なるデータで、異なるカットオフと異なるキャリブレーションで訓練されている場合、境界領域で判定が食い違うのは普通のことです。だからこそ、単一のスコアで書き直すかどうかを決めるべきではありません。検出器の出力は確率の推定値であり、事実の認定ではありません。
2026年9月13日の私たち自身の測定がその点を裏付けています。手書きのDeAIzeガイド23件を私たちの検出器でスコアリングしたところ、AIスコアの平均は21%、中央値は22%、範囲は0～46%でした。次に、固定プロンプトから得た未編集のモデル出力12件をスコアリングしたところ、平均33%、中央値34%、範囲は4～46%でした。範囲は重なっています。人間の文章でも高いスコアが出ることがあり、機械の文章でも低いスコアが出ることがあります。私たち自身の計測器が既知のサンプルで重複する範囲を出すのであれば、2つのサードパーティ製ツールがあなたの下書きで異なる判定を下すのも当然です。
なぜ短いテキストはノイズが多いのか？
検出器がパターンを推定するには、十分なテキストが必要です。60語の段落ではほとんど情報が得られません。1,200語のエッセイなら、平均化できる判断材料が何百も得られます。
短いテキストは、3つの理由でノイズが多くなります。
- トークンが少なく、分散が大きい。 サンプルが小さいと、1つの珍しい文がスコア全体を左右します。1つの節だけで、短いテキストが低スコアからフラグ付きに変わることがあります。
- 書き手自身のスタイルの基準がない。 長い文書は、検出器にあなたの通常の範囲を示します。短い文書はそれができないため、モデルの想定から外れたものはすべて疑わしく見えます。
- 引用、リスト、見出しがシグナルを歪める。 箇条書きのリストには文のリズムがありません。ブロック引用は他人のものです。どちらも、散文を想定するモデルには機械的だと読まれかねません。
カバーレター、アブストラクト、LinkedInの投稿をチェックする場合は、スコアを弱い証拠として扱ってください。完全な下書きをチェックする場合は、大まかな地図として扱ってください。
どの行が実際にシグナルを担っているかを確認したい場合は、DeAIze が文書全体を採点し、各文をAI確率でハイライトするので、推測するのではなくフラグが付いた行を編集できます。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。有料クレジットは1,000語あたり$20.99からです — /pricing/ または /register をご覧ください。
各ツールは文単位の出力をどのように表示しますか？
編集で重要なのはここです。文書全体のスコアだけでは、実行に移せることはほとんど分かりません。文ごとの表示があれば、どこを見るべきかが分かります。
| ツール | 表示される内容 | 粒度 | 最適な用途 |
|---|---|---|---|
| GPTZero | 文書スコアに加え、ハイライトされた文とパープレキシティ／バースト性の読み取り | 文書スコア内の文ハイライト | 長い下書きの中で、平坦で変化の少ない箇所を見つける |
| Sapling | 文ごとの確率をヒートマップ風リストで示した文書スコア | 文レベルの確率 | 書き直す価値のある具体的な行を見つける |
| DeAIze | 文書スコアに加え、AI確率で全文をハイライトし、再スコアリングするクローズドループの書き直し | 文レベルの検出と書き直し | ハイライトを編集に変え、結果を確認する |
GPTZeroの強みは文書レベルの表示とバースト性の捉え方です。Saplingの強みは文の一覧表で、ざっと見渡しやすいことです。どちらも判定ではありません。どちらも見るべき箇所のリストです。
各ツールが報告する内容をより広く比較したい場合は、/blog/ai-detector-comparison/をご覧ください。Saplingの文スコアが実際に何を意味するのかを特に理解したい場合は、/blog/sapling-ai-detector/で詳しく解説しています。
ハイライトを編集チェックリストに変えるには？
指摘された文を別の文書にコピーします。全体を書き直さないでください。順番に一つずつ対応していきます。
- 文を声に出して読む。 つまずくなら、問題はリズムであって語彙ではない。文を分割するか短くしよう。
- 書き出しを確認する。 機械が作った下書きは、同じ接続詞で文を始めがちだ。「さらに」「そのうえ」「加えて」など。それらを削るか、変えよう。
- 三連構文を探す。 釣り合いの取れた節が三つ続くのは機械の癖だ。そのパターンを崩そう。
- 抽象名詞を具体的なものに置き換える。 「解決策の実装」は「金曜日に修正を出荷した」になる。
- 自分しか知らない具体的な詳細を一つ加える。 日付、名前、自分の仕事から出た数字など。これは人間が書いたことを示す最も強い手がかりだ。
- 文ではなく段落を読み直す。 直した文でも、段落の中でまだ不自然に収まることがある。
これは実例であり、実際のスコアではない。修正前:「提案された方法論の実装は、複数の領域にわたる業務成果の最適化を促進する。」修正後:「新しい方法で、バッチ処理時間が2日から4時間に短縮された。」後者のほうが短く、具体的で、前者にはない情報を含んでいる。
なぜ一つのスコアで書き直すかどうかを決めるべきではないのか
検出器は二つの分布を分離するように訓練されている。あなたの文章は一つのサンプルにすぎない。下書きが境界付近にあると、ツールはどの文を最も重く見るかによって判定が反転する。それはモデルの性質であり、あなたについての判断ではない。
何かを書き直す前にやるべき三つのこと:
- 見出しの数値ではなく、指摘された文を確認する。 指摘された行が引用された定義と箇条書きのリストなら、そもそも問題がないかもしれない。
- 元の原稿のコピーを取っておく。 スコアのために書き直すと、あなたの声が平坦になることがある。あなたらしさが残る版を手元に置いておこう。
- そのスコアが何のためのものかを問う。 学術誌、教師、クライアントに提出するなら、重要なのはその仕事があなた自身のものか、そして自分のプロセスを開示したかどうかだ。検出器のスコアはその問いに答えてくれない。
非ネイティブの英語ライターがここで最も打撃を受けます。慎重でフォーマルな文章はモデルにとって分散が小さいように見えるからです。これは既知の失敗モードであり、不正行為の証拠ではありません。/blog/ai-detector-flags-non-native-english-writers/ では、もしあなたに起こった場合に何を記録すべきかを説明しています。
いつ再スコアリングすべきで、何を期待すべきですか？
編集が終わった後に再スコアリングしてください。文ごとではありません。通常は2回で十分です。構造編集の後と、行編集の後です。
期待すべきこと：確実性ではなく変化です。平坦なリズムのために文がフラグ付けされ、あなたがリズムを修正したなら、次のスコアはそれを反映するはずです。もしフラグが付いたままなら、問題は段落の別の場所にあります。
私たち自身の例の段落では、92%のAIスコアがヒューマナイズ後に4%になりました。これは1つの段落に対する製品自身の予測スコアであり、Sapling、GPTZero、その他の誰かからの公式な判定ではありません。私たちのテストセット全体では、サイトはヒューマナイズ後の平均AIスコア削減が60%以上、最良の場合71%と報告しています。これらは私たちの計測器による私たちの数値です。あなたの結果は、テキストのどれだけが機械生成で、どれだけが元々あなたのものだったかによります。
スコアを信頼する前に根底にあるシグナルを理解したいなら、/blog/how-ai-detection-works/ から始めるのが良いでしょう。また、これら2つだけでなく幅広くツールを比較しているなら、/gptzero-alternative/ が代替案を並べてまとめています。
正直なまとめ：SaplingとGPTZeroが一致しないのは、両者が関連しつつも異なるものを測定しているためであり、短いテキストではあらゆる差異が増幅されます。どちらかのツールの文単位ビューをToDoリストとして使ってください。本当に平板に読める行を修正します。方向性を確認するために一度だけ再スコアリングします。その後、著者として、その草稿が意図したことを伝えているかどうかを判断してください。
測定に関する注記：本記事の数値は、2026-09-13に当社独自の検出器を実行して得られたものです — 手書きガイド n = 23 対 未編集のモデル出力 n = 12、AIスコアの中央値はそれぞれ22%と34%でした。手法：/methodology/。