その記事、AIが書いたとバレていませんか？ 判定の仕組みと対策

AI 文章判定とは、与えられたテキストが AI によって生成されたものか、人間が書いたものかを統計的に分析・推定する技術のことです。判定ツールは主に「パープレキシティ」と「バーストネス」という 2 つの指標を用いて、文章の特徴量を数値化しています。AI を活用した記事制作が広がる中、「判定されること」そのものよりも「品質管理なしに公開すること」がビジネスリスクになっています。

AI 文章判定とは何か

「クライアントに納品した記事が AI で書いたとバレた」。コンテンツ制作の現場では、こうした相談が増えています。しかし、そもそも AI 判定ツールは何を見ているのでしょうか。仕組みを正しく理解しなければ、的外れな対策に時間を費やすことになります。

AI 判定ツールが見ている 2 つの指標

AI コンテンツ検出の技術は、主に 2 つの統計的指標に基づいています。

1 つ目はパープレキシティ（perplexity）です。これは「次に来る単語がどれだけ予測しやすいか」を測る指標で、値が低いほど予測しやすい、つまり AI が生成した可能性が高いと判断されます。AI は確率的に最も自然な単語を選び続けるため、文章全体のパープレキシティが均一に低くなりやすい傾向があります。

2 つ目はバーストネス（burstiness）です。人間が書く文章には、短い文と長い文が混在する自然な「揺らぎ」があります。難しい概念を説明するときは文が長くなり、強調したいポイントでは短い文を使う。この揺らぎの度合いがバーストネスです。AI の文章はこの揺らぎが小さく、文の長さが均一になりやすい特徴があります。

判定ツールはこの 2 つの指標を組み合わせて、テキスト全体の「AI らしさ」をスコア化しています。

AI が書いた文章に共通する特徴

統計的な指標に加え、AI が生成する文章にはいくつかの傾向的な特徴があります。

文末表現の単調さは代表的なものです。「です」「ます」の繰り返しが続き、「でしょう」「かもしれません」「ではないでしょうか」といった揺らぎのある表現が少なくなります。接続詞の多用も特徴の一つで、「また」「さらに」「加えて」が機械的に並びやすい傾向があります。

もう一つ見逃せないのが、具体的な体験の欠如です。AI は一般論を整理することは得意ですが、「先月のクライアント案件で実際にこうだった」「チームで試してみた結果こうなった」といった一次情報を持っていません。結果として、どこかで読んだことのある情報の寄せ集めのような文章になりがちです。

AI 判定されると、ビジネスにどんな影響があるのか

AI で記事を書くこと自体は問題ではありません。しかし、品質管理を経ずに公開された AI 記事がAI 判定ツールで検出されると、ビジネス上の実害につながるケースがあります。

クライアントや読者からの信頼低下

代理店やマーケティング支援会社にとって最も深刻なリスクは、クライアントからの信頼を失うことです。「月額数十万円を払っているのに、AI にそのまま書かせているだけなのか」という疑念を持たれれば、契約の継続に直結します。

実際のところ、AI を活用して効率化すること自体は合理的な判断です。問題は、品質管理のプロセスが見えないまま AI 生成コンテンツが納品されることにあります。クライアントが AI 判定ツールで自社の記事をチェックし、高いスコアが出た場合、説明責任を問われるのは制作側です。

Google は AI 記事をどう扱っているか

Google は 2023 年に発表したガイダンスで、AI 生成コンテンツ自体を理由にペナルティを科さないと明言しています。評価基準はあくまでコンテンツの品質であり、「誰が書いたか」ではなく「読者にとって役立つか」が判断基準です。

ただし、これは「AI で書いた記事をそのまま公開して問題ない」という意味ではありません。Google が問題視しているのは、品質チェックを経ずに大量生産された低品質コンテンツです。AI を使っていても、E-E-A-T（経験、専門性、権威性、信頼性）の基準を満たすコンテンツは正当に評価されます。逆に、人間が書いたとしても低品質であれば評価されません。

つまり重要なのは「AI を使っているかどうか」ではなく「品質管理のプロセスが存在するかどうか」です。

教育・メディア業界で進む AI 検出の義務化

教育機関では、学生のレポートや論文に対する AI 検出が急速に普及しています。この流れはメディア業界にも波及しつつあり、一部のメディア企業では記事公開前に AI 検出ツールによるスクリーニングを義務化する動きがあります。

BtoB のコンテンツマーケティングにおいても、クライアント側が AI 検出ツールを導入し、納品物のチェックに使い始めるケースは今後増えていくと考えられます。「いずれバレる」ことを前提に、品質管理のフローを整備しておくことが現実的な対策です。

主な AI 判定ツールとその精度

AI 判定ツールの導入を検討するにあたり、ツールの特性と限界を理解しておくことが重要です。

日本語対応ツールの比較

AI 判定ツールの多くは英語圏で開発されており、日本語への対応状況はツールによって大きく異なります。

英語圏の代表的なツールとしては GPTZero や Originality.ai などがあり、英語テキストに対しては高い精度を示しています。しかし、日本語テキストをそのまま入力すると検出精度が大きく落ちるという報告が多くあります。これは日本語の形態素解析（単語の区切り方）が英語とは根本的に異なるためです。

日本語に対応したツールも登場していますが、精度のばらつきが大きく、「このツールなら安心」と言い切れるものはまだ少ないのが実情です。

ツールの限界を知っておく

AI 判定ツールには、知っておくべき限界があります。

まず、偽陽性（人間が書いた文章を AI と判定してしまう）の問題です。論文調の文章や、テンプレートに沿って書かれたビジネス文書は、パープレキシティが低く均質な文体になりやすいため、AI と誤判定されるケースがあります。

次に、偽陰性（AI が書いた文章を人間と判定してしまう）の問題です。AI 生成後に人間が編集を加えた文章や、プロンプトで意図的に文体を変えた場合、判定をすり抜けることがあります。

さらに、ツールによって判定結果が異なることも珍しくありません。ツール A では「AI 生成の可能性 90%」と出たテキストが、ツール B では「人間が書いた可能性が高い」と判定されることもあります。

AI 判定を受けにくい記事にするための 5 つの対策

AI 判定を回避すること自体が目的ではありません。ここで紹介する対策は、結果として記事の品質を高め、読者にとっての価値を向上させるものです。

1. 一次情報と独自の分析を加える

AI 判定を受けにくくする最も効果的な方法は、AI が持っていない情報を追加することです。自社の事例、担当者へのヒアリング結果、独自に集計したデータなどは、AI には生成できない一次情報です。

たとえば、「AI 判定ツールで社内の記事 50 本を検証したところ、編集工程を経た記事の判定スコアは平均で 30% 低下した」といった具体的なデータは、記事の独自性を大幅に高めます。

一次情報の追加は AI 判定の対策であると同時に、E-E-A-T の「経験（Experience）」を満たすことにもなります。Google が評価する記事の条件とも一致する、一石二鳥の施策です。

2. 文末表現と文の長さに変化をつける

AI の文章が判定されやすい原因の一つは、文末表現の単調さと文の長さの均一性です。意識的に変化をつけることで、バーストネスのスコアを改善できます。

具体的には、「です」「ます」の連続を避け、体言止めや疑問形を適度に挟みます。短い文（20 文字以下）と長い文（80 文字以上）を混在させることも有効です。ただし、不自然に文体を崩す必要はありません。人間が自然に書く文章には、もともとこうした揺らぎが含まれています。

3. 具体的な体験や事例を盛り込む

「弊社のクライアント A 社では、AI 生成記事の納品前チェックを導入した結果、差し戻し率が 40% 減少しました」。こうした具体的な事例は、AI には生成できないコンテンツです。

体験や事例を盛り込むことは、AI 判定の対策としてだけでなく、読者にとっての実用性を高める効果もあります。AI 時代に成果を出すコンテンツの条件でも解説されている通り、抽象的な一般論より具体的な事例のほうが読者に刺さります。

4. AI 生成後に編集プロセスを必ず挟む

AI が生成した文章をそのまま公開するのではなく、人間による編集工程を必ず挟むことが重要です。この工程では以下のポイントを確認します。

• 事実関係の正確性（AI は「もっともらしい嘘」を書くことがある）
• 一次情報や独自の見解が含まれているか
• 文末表現に変化があるか
• 読者が知りたい情報に最短で到達できる構成になっているか

AI 記事のコンプライアンスリスクと対策でも指摘されている通り、AI が生成した文章には薬機法や景表法に抵触する表現が含まれるリスクがあります。編集プロセスは AI 判定対策だけでなく、法的リスクの回避にも不可欠です。

5. チームでのダブルチェック体制を構築する

個人のリライト技術に依存するのではなく、組織としてチェック体制を構築することが、持続可能な品質管理の鍵です。

具体的には、以下のようなフローが有効です。

1. AI による記事生成（担当者）
2. コンプライアンスチェック（ツールによる一次チェック）
3. 編集・加筆（担当者またはエディター）
4. 品質レビュー（別の担当者によるクロスチェック）

このフローを仕組みとして定着させることで、担当者が変わっても品質を維持できます。AI 生成記事のコピペ・剽窃チェックで解説しているように、コピペチェックも含めた多角的な品質管理が求められています。

spotyou が実践している AI 記事の品質管理フロー

ここまで紹介してきた対策を、実際にどう運用に落とし込むかを spotyou の事例で紹介します。

AI 生成、コンプライアンスチェック、人間編集の 3 ステップ

spotyou では、AI による記事生成の後にコンプライアンスチェックを経て、最終的に人間が編集するという 3 ステップのフローを採用しています。

ステップ 1 では、キーワード戦略に基づいて AI が記事を生成します。この段階ではあくまで「たたき台」であり、完成品ではありません。

ステップ 2 では、生成された記事に対してコンプライアンスチェックを実施します。薬機法・景表法の観点からの法令チェックに加え、コピペチェックも同時に行います。コピペチェックの実践ガイドで解説している 3 段階フロー（ツール + 目視 + コンプラチェック）を一つのツール内で完結させる仕組みです。

ステップ 3 では、人間が一次情報の追加、文体の調整、読者目線での構成の見直しを行います。この工程を経ることで、AI 判定ツールに引っかかりにくい、かつ読者にとって価値のある記事が完成します。

spotyou の記事作成プロセスでは、このフローの各工程を実際の操作画面つきで公開しています。

「AI で書いた」ことを隠すのではなく、品質で勝負する

AI を活用していることを隠そうとするよりも、品質管理のプロセスをオープンにするほうが、長期的には信頼獲得につながります。

クライアントに対して「AI を活用して効率化しています。ただし、コンプライアンスチェックと人間による編集を必ず経ているので、品質は担保しています」と説明できる体制があれば、AI 活用はむしろ強みになります。

コピペチェックツールの選び方の記事でも触れていますが、ツールによるチェック結果を履歴として残しておくことは、クライアントへの説明材料にもなります。「チェックしている事実」を可視化することが、信頼構築の基盤です。

まとめ

AI 文章判定の仕組みと対策について、ビジネスへの影響から具体的な実践方法まで解説しました。

• AI 判定ツールはパープレキシティとバーストネスの 2 指標で AI 生成文を検出するが、完全な精度ではない
• Google は AI 生成コンテンツ自体を罰しないが、品質チェックなしの大量生産は評価されない
• 一次情報の追加、文末表現の多様化、チームでのダブルチェック体制が有効な対策になる
• 「AI で書いたことを隠す」のではなく、品質管理プロセスを整備してオープンにすることが信頼獲得の鍵

AI を活用した記事制作は、今後ますます一般的になります。重要なのは AI の利用を隠すことではなく、品質で勝負できる体制を整えることです。spotyou では、AI 生成からコンプライアンスチェック、品質管理までを一つのフローで完結させる仕組みを提供しています。