何が起きたか
AI研究機関のEpoch AIが、広く使われる3つのAI文章検出ツール——Pangram(バージョン3.3.2)、GPTZero(モデル2026-05-11-base)、Originality.ai(Turbo 3.0.2)——を検証しました。素材は99人の著者による495本の人間の文章で、ブログ・フィクション・科学論文に均等配分されています。いずれもChatGPT公開(2022年11月)より前に書かれたもので、AIによる汚染を排除しています。
検証は3カテゴリ。①本物の人間の文章、②単純なプロンプトで生成したAI文、③特定著者の文体を意図的に模倣させたAI文です。③では、Claude Opus 4.8・GPT-5.5・Gemini 3.1 Proの3モデルに、ある著者の実文5本を渡し「同じ文体で新しく書け」と指示しました。
結果：単純生成は完璧、模倣は穴だらけ
単純生成のAI文に対して、3ツールの見逃し(偽陰性)率は最大でも0.7%とほぼ完璧でした。人間の文章の誤検出(偽陽性)も、PangramとGPTZeroはゼロ、Originality.aiのみ495本中19本(3.8%)を誤ってAI判定しました。
ところが文体模倣文になると状況は一変します。生成された297本のうち平均38本(約13%)が検出をすり抜けました。内訳はPangram 10%、GPTZero 11%、Originality.ai 18%。
科学論文が最難関
ジャンル差が決定的でした。フィクションの見逃しは1〜5%に留まった一方、科学論文ではPangram 25%、GPTZero 24%、Originality.ai 29%と跳ね上がります。個別では、PangramがGemini生成の学術文の48%を、Originality.aiがGPT-5.5生成の学術文の39%を見逃しました。
3ツールは検出方式が異なります。Pangramは人間と機械の文章で訓練したニューラルネットワーク(創業者自ら「ブラックボックス」と呼ぶ)、GPTZeroは語彙選択の予測可能性とばらつきを測る方式、Originality.aiは訓練で学んだ統計パターンを探す方式です。それでも全ツールが同じ弱点——模倣に弱く、特に学術文で顕著——を示しました。
先行するAuthors Guildの検証はPangramとOriginality.aiが人間の文章を安定して人間と判定できると示していましたが、Epoch AIは「誤検出率の低さは、AI文をどれだけ見逃すかについて何も語らない」と付け加えています。
💼 事業会社視点：これは自社にどう効くか
「AI検出ツールを導入したから安心」という前提は、この検証で崩れます。特に受託開発・コンテンツ制作・学術出版・教育事業では、検出ツールを不正利用の門番として運用している企業が多いはずですが、文体を数本渡して模倣させるだけで最大4〜5割すり抜ける以上、検出結果を「証拠」として扱うのは経営リスクです。人間と誤判定された執筆者への不当な処分や、逆にAI生成物の見逃しによる品質・信頼の毀損は、いずれも法務・レピュテーション問題に直結します。
事業責任者が動くべき方向は「検出精度への依存」から「プロセスの証跡化」への転換です。SaaSやメディア運営なら、成果物の真偽を後追いで当てるより、執筆・編集の履歴(ドラフト、修正ログ、対話記録)を残す運用に投資するほうが確実です。検出ツールは補助線として使い、判定を単独の根拠にしない社内ルールを今のうちに明文化しておくべきでしょう。