言葉だけから、文章が AI によって書かれたかどうかを確実に見分けることはできません。ただ、いくつかの兆候が重なれば、合理的な疑いを持つことはできます。具体性に乏しいありきたりな内容、均一な文のリズム、決まり文句、自信満々の誤り、存在しない引用文献などです。AI 検出ツールが加えるのは確率の推定であって、証明ではありません。公正なやり方は、兆候やスコアを詳しく見て書き手と話す理由として扱い、それだけを根拠に決して告発しないことです。
文章に現れる兆候
これらのどれも、単独では何も証明しません。丁寧な人間の書き手の多くにも、いくつかは見られます。意味を持つのは、いくつも同時に現れるとき、特にあなたが知っている書き手の姿と合わないときです。
1. ありきたりな内容と具体性の欠如
AI の文章は、ほとんど何にでも当てはまりそうなもっともな論点を並べることがよくあります。次の点に注意しましょう。
- 仮定の話で漠然とした例（「ある企業はこれを使って効率を高めるかもしれない」）。
- 授業での議論、指定された文献、書き手自身の経験への言及がない。
- もっともらしく聞こえるが、実際の課題の問いに詳しく向き合っていない主張。
2. 均一な構成とリズム
段落の長さが似ていて、どれも主題文で始まり、小さなまとめで終わります。文の長さや形も似ていて、3つずつの列挙が多く見られます。人間の文章は、ふつうもっとでこぼこしています。
3. 決まりきった語彙と言い回し
AI の出力には、一般的な文章よりはるかに頻繁に現れる語やフレーズがあります。英語の文章でいえば "delve"、"tapestry"、"it's important to note"、"navigate the complexities"、"plays a crucial role" などです（日本語なら「重要な役割を果たす」のような表現がこれに当たります）。1つだけなら何の意味もありません。まとまって現れるなら注目する価値があります。
4. 立場のない予防線
すべての論点のバランスを取り（「一方では…他方では…」）、答えは「さまざまな要因による」と結論づける文章です。論証を求める課題に論証がないのはシグナルですが、自信のない学生によくあるクセでもあります。
5. 自信満々の誤りとでっち上げ
これは文章に現れる最も強いシグナルです。次の点を探しましょう。
- 存在しない記事や本への引用、あるいは実在しても主張されている内容が書かれていない文献。
- 実在の人物の発言とされているのに、どこにも見つからない引用。
- もっともらしいが間違っている日付、数値、定義。
参考文献を2つか3つ確認しましょう。存在しなければ、原因が何であれ、それは問題があることを示す具体的で検証可能な証拠です。
6. 書き手との食い違い
教師や編集者にとって最も役立つ比較は、その人のほかの文章との比較です。授業中の文章と比べて語彙、構成、完成度が急に跳ね上がっているなら、話し合う価値があります。何度も使った用語を説明できない書き手も同様です。
文章の外にある兆候
言葉より文脈のほうが多くを語ることもあります。これらも、やはり慎重に考慮する価値があります。
- 執筆過程の証拠。 文書のバージョン履歴で、文章が何時間も何日もかけて育ったのではなく、一度の大きな貼り付けで現れたことがわかる場合があります。決定的ではありません（別の場所で下書きして貼り付ける人もいます）が、下書きの過程について尋ねる理由になります。
- 残ったプロンプトやチャットボットのフレーズ。 ときどき、"Certainly! Here is an essay..."（「もちろんです！こちらがエッセイです…」）や "As an AI language model"（「AI 言語モデルとして」）のような名残が文章に含まれていることがあります。丁寧に作られた提出物ではまれですが、ほかの理由では説明しにくいものです。
- 問いからのずれ。 文章が、あなたが出した問いとは少し違う問い、多くの場合はより一般的な問いに答えている。
- 書式のクセ。 見慣れない見出しのスタイル、すべての段落の冒頭にある太字のラベル、最終的な文書で表示されなかった Markdown の記号などは、チャット画面からコピーされた文章であることを示唆する場合があります。
- 古い、または範囲外の内容。 書き手が、授業で扱っておらず、どこで見つけたか説明できないアイデアや例を引用している。
文章の兆候と同じく、1つの手がかりではなくパターンを探し、偏見を持たずに見ましょう。どれも、場合によっては問題のない理由で説明がつきます。
AI 検出ツールでわかること・わからないこと
AI 検出ツールは、語の選択がどれだけ予測しやすいか、文と文の間にどれだけばらつきがあるかといった文章の統計的な性質を分析し、モデルが生成した可能性を推定します。たとえば ZeroTell の AI 検出ツールは、最も機械っぽく見える文をハイライトするので、1つの数値に頼るのではなく、スコアがどこから来ているかを確認できます。
AI 検出ツール文ごとの AI スコアうまく使えば、検出ツールはどこを見ればよいかを決める手助けになります。その限界は重要です。
- 確率であって事実ではありません。 高いスコアは、文章が AI の出力に似ているという意味で、AI が書いたという意味ではありません。
- 誤検出は起こります。 短い文章、型の決まったジャンル、母語でない言語での文章、大幅に編集された文章は誤って判定されやすくなります。
- 見逃しも起こります。 編集された、あるいは混在した AI の文章は低いスコアになることがあります。
- ツール同士で意見が分かれます。 同じ文章でも、検出ツールによってまったく異なるスコアになることがあります。
- スコアは意図を説明しません。 学生は、文法の手助けやアイデア出しなど、授業で認められた方法で AI を使ったのかもしれません。
多くの大学や検出ツールの提供者は、スコアを不正行為の認定の唯一の根拠にしないよう勧めています。それは健全なやり方です。
疑いを持ったときの公正な手順
教師、編集者、管理職のいずれであっても、次のような手順が妥当です。
- 具体的な兆候を書き留める。 特定の箇所、欠けている具体性、検証できない引用など、何が疑いのきっかけになったのかを書き出しましょう。
- 事実と情報源を検証する。 参考文献を調べましょう。でっち上げの情報源は具体的な証拠であり、文体の解釈に左右されません。
- 既知の文章と比べる。 書き手の以前の課題、授業中の文章、過去のレポートを見ましょう。
- 必要に応じて検出ツールにかける。 結果はデータの1つとして扱い、どのツールと設定を使ったかを記録しておきましょう。
- 書き手と話す。 中立的で好奇心のある口調で、執筆過程、情報源、選択について尋ねましょう。下書きやバージョン履歴を見せてもらいます。
- 所属機関の手続きに従う。 懸念が残るなら、非公式な罰ではなく正式な手続きを使いましょう。
「このエッセイをどのようにまとめたのか、もう少し詳しく聞かせてほしいと思っています。情報源をどうやって見つけたのかを順を追って説明して、以前の下書きかメモを見せてもらえますか？採点を終える前に、あなたの執筆過程を理解しておきたいのです。」
このような切り出し方なら、正直な書き手に自分の取り組みを示す公正な機会を与えられます。それこそあなたが望むことであり、どちらの結果であっても、たいていすぐに状況がはっきりします。
そもそも AI の利用を判断しやすくする
検出は難しいので、予防と明確な期待のほうが効果的です。
- 課題ごとに明確な AI 方針を書く。 何が認められ、何を開示しなければならないかを示します。
- 執筆過程の成果物を求める。 アウトライン、下書き、注釈付きの情報源、どのように作ったかについての短い振り返りなどです。
- 具体的な課題を設計する。 授業での議論、地域のデータ、個人的な経験とつながる問いにしましょう。
- 授業中の作文を取り入れる。 学生一人ひとりの声の基準を作れます。
誤って判断されるのが心配な書き手の方へ
下書きを残し、バージョン履歴のあるツールを使いましょう。自分が読んだものや経験に基づく具体的な内容で書きましょう。疑われたときは、AI を使っていないと証明する方法のガイドで、どんな証拠が役立つかを解説しています。
重要なポイント
- 文章の兆候は疑いを強めることはあっても、問いに決着をつけることはまれです。
- でっち上げの引用や事実は、最も具体的な証拠です。
- 検出スコアは確率的なもので、両方向に間違えることがあります。
- 既知の文章と比べ、情報源を検証し、書き手と話しましょう。
- スコアだけで誰かを告発してはいけません。