原稿に「AI 100%」と出たら、すぐ取り下げられるでしょうか？
刊行を控えた原稿やブランドコンテンツがAI検出器で高いスコアを得たとします。そのまま公開すれば信頼を損ないそうで、すぐ回収すれば執筆者を不当に疑うことになりかねません。編集責任者に必要なのは、より断定的な数字ではなく、誰がどのような過程で作ったのかを公正に確認する方法です。
2026年の出版界で起きた二つの出来事は、この違いを明確に示しています。小説《Shy Girl》はPangramで約78%がAI生成と表示され、オンライン上の疑惑と出版社の調査を経て刊行が取り消されました。ただし、公表された記事だけでは、そのスコアが取り消しの唯一の原因だったとは言えません。 一方、Commonwealth Short Story Prizeの受賞作には、外部からPangramによる100% AI生成判定が示されましたが、財団は受賞結果を維持しました。 財団が調査でAIツールを使わず、創作過程と関連資料を確認したことが重要な違いでした。
100%は普遍的な正確性ではなく、特定の原稿に対する判定値です
検出器が有用であることと、検出結果だけで著者を判定できることは別の主張です。シカゴ大学Becker Friedman Instituteが紹介した独立研究では、人間が書いた原文1,992件と、4つの生成モデルが作成した対応テキストを6ジャンルで比較しました。この統制された英語データの中・長文では、Pangramの誤検出と見逃しはほぼゼロに近く、許容誤検出率0.5%以下という研究の政策基準を満たしました。
優れた性能ですが、範囲は明確です。当時選定されたモデルと検出器のバージョン、英語ジャンル、定められた長さで得られた結果です。人が何度も修正した混合原稿における「AI執筆比率」を確定するものでも、すべての言語や将来のモデルで常に100%正確であることを意味するものでもありません。原稿に表示された78%や100%も、その文の78%または100%をAIが書いたという定量的証明として読むべきではありません。
スコアは調査を始めるシグナルとして使ってください。制裁の根拠として使うなら、少なくとも検出器とバージョン、検査したテキスト範囲、しきい値、その言語・ジャンルが検証範囲に含まれるかをあわせて記録する必要があります。
受賞を守ったのは検出器の再検査ではなく、創作過程でした
Commonwealth Foundationは調査過程でAI検出ツールを使用しませんでした。外部では受賞作《The Serpent in the Grove》がPangramで100% AI生成と表示されたとの主張がありましたが、これは財団が行った検査ではなく、外部ユーザーとPangram側が公表した結果です。
財団は、未公開作品に関する芸術的所有権と同意の問題を理由に、調査でAIツールを使用しなかったと明らかにしました。その代わり、およそ1か月にわたり作家と創作過程について話し、草稿・タイムスタンプ付き文書・メモを検討した後、作品はAIで書かれたものではないと判断して受賞結果を維持しました。このコンテストには7,800人以上が応募し、各受賞作は少なくとも7人が読みました。
この事例が示すのは、「検出器はすべて間違っている」ということではありません。テキスト結果だけを見る分類器と、創作過程を再構成する調査は、異なる問いに答えるという点です。検出器は文体の統計的シグナルを探しますが、草稿と編集記録は、アイデアがどのように文章へ発展し、誰が変更を承認したかを示します。
| 確認対象 | 検出スコアだけを見る場合 | 過程の証拠まで見る場合 |
|---|---|---|
| 分かること | テキストが検出パターンにどれほど近いか | 草稿の発展、AIが関与した段階、人による編集責任 |
| 残るリスク | 誤検出と比率の過剰解釈 | 記録の欠落や事後改ざんの可能性 |
| 適切な用途 | 追加確認が必要な原稿の選別 | 公開・修正・回収の決定と異議の検討 |
論争の中心は著作権より「著者性」です
ここで区別すべき言葉は、著作権と著者性です。a16zのAlex Dancoは、バルトとフーコーの議論を援用し、「AI生成」という分類がテキストに意味と責任を与える新たな著者性のカテゴリーのように機能すると解釈しています。要点は法的権利であるcopyrightよりも、誰がこの仕事を自分の名で発表し、結果に責任を持つかを示すauthorshipと「author-function」に近いものです。
そのため、「AIが何パーセント書いたか？」だけを問うと、実際の業務が見えにくくなります。アイデア整理、調査、翻訳、草稿、文法修正、最終文の作成では、責任の重さがそれぞれ異なります。読者にとってより有用な説明は推定比率ではなく、AIが関与した段階と最終判断を担った人です。
今日、原稿1本から調査記録を作ってみましょう
新しい検出器を追加する前に、最近の原稿1本の制作記録をまず広げてみてください。文書のバージョン履歴、執筆者と編集者のメモ、AI利用履歴にアクセスできれば始められます。
- AI利用の段階を分けます。
アイデア・調査・翻訳・草稿・校正・最終文について、それぞれ許可、公開が必要、禁止のどれに当たるかを書いてください。「AI利用可」のように一行でまとめません。 - 人と証拠を結び付けます。
執筆者、編集者、最終承認者とともに、草稿・タイムスタンプ・編集コメントが保存されている場所を記録してください。記録がなければ結論を作り出さず、「確認不可」と残します。 - 検出結果の条件を保存します。
スコアだけをコピーせず、ツールとバージョン、入力範囲、しきい値、検査日を書きます。未公開原稿なら、外部サービスへのアップロード権限と機密性を先に確認してください。 - 説明と履歴をあわせて検討します。
執筆者・編集者の説明を草稿の変化と照合し、あらかじめ決めた基準で公開・修正・回収の可否を決定します。同じ資料から別の担当者も判断過程を再構成できる必要があります。 - 比率ではなく、関与段階と責任者を説明します。
たとえば「アイデア整理と文法修正にAIを使い、最終文は編集者Bが確認・承認した」と記録します。法定の公開義務は、コンテンツの種類と配布地域に応じて別途確認します。
コンテンツID: ______
AIが関与した段階: ______
確認した過程の証拠: ______
執筆者 / 編集者 / 最終承認者: ______
検出条件と結果: ______
公開・修正・回収の決定および根拠: ______
成功の基準は、検出スコアを0%にすることではありません。スコアが変わっても同じ調査基準を適用し、最終決定の根拠を一つの記録で説明できる状態です。
ラベルとContent Credentialsも責任の代わりにはなりません
技術的な来歴表示は補助的証拠であり、真実の証明書ではありません。C2PA Content Credentialsはコンテンツの出所と変更履歴を改ざん検知可能な形で記録しますが、そのコンテンツが事実であるか、信頼できるかを自ら証明するものではありません。資格情報がないからといって、すぐに偽物と判断してもいけません。
EU AI Act第50条も、すべてのAI活用コンテンツに同じラベルを求める規定ではありません。公益に関する事項を知らせるためのAI生成・操作テキストには公開義務がありますが、人がレビューまたは編集上の統制を行い、自然人または法人が編集責任を負う場合には例外が規定されています。ディープフェイクの画像・音声・動画には、別の公開義務が適用されます。 適用の有無は目的、形式、配布地域によって異なるため、個別の事案には法的な検討が必要です。
編集方針の問いを変えてみてください。「この原稿はAIか？」で終わらせず、「AIはどの段階に関与し、どのような過程の証拠があり、誰が最終結果に責任を持つのか？」まで問う必要があります。検出器は最初の問いのシグナルを示せますが、残りの答えは組織の記録と手順から得られます。
さらに深掘りしたいなら
2026 Commonwealth Short Story Prize Updateでは、財団が調査でAIツールを使わなかった理由と、実際に検討した過程資料を確認できます。 commonwealthfoundation.com
Artificial Writing and Automated Detectionでは、Pangramの性能を評価したサンプル、ジャンル、生成モデル、誤検出・見逃しの基準を確認するのに役立ちます。 bfi.uchicago.edu
C2PA and Content Credentials Explainerでは、Content Credentialsが証明することと証明しないことを、公式仕様の説明で区別できます。 spec.c2pa.org
