AI文章の見分け方｜人間はほとんど見抜けない

「この文章、AIで書いたのがバレるのでは」——ブログ記事や提案書、営業資料にAIの力を借りるたびに、そんな不安がよぎる人は多いはずです。

結論から言うと、人間はAIの文章をほとんど見分けられません。日本人403名を対象にした実験では、人間が書いた文章を「人間」だと正しく判定できたのはわずか31.5%でした。一方で、AIをよく使っている人だけは約9割の精度で見抜けるという報告もあります。

株式会社Fyveは中小企業のAI業務活用を支援しています。この記事では日本語・英語それぞれの実験結果を根拠に、「誰が」「どこまで」AI文章を見抜けるのかを整理し、実務でどう向き合うべきかを考えます。

日本人403名に「これは人間かAIか」を判定してもらった実験

財津亘氏らの研究チームが2025年10月27日にPLOS ONEで発表した論文（403名を対象とした識別実験）は、この問いに正面から答えています。参加者に、人間が書いた文章と、7つのLLM（Claude 3.5・Llama 3.1・Perplexity・GPT-4o・Gemini・Microsoft Copilot・GPT-o1）がそれぞれ生成した文章を見せ、「この文章は人間が書いたものか、AIが書いたものか」を判定してもらう形式です。

各モデルの文章を、被験者が正しく「AIが書いた」と判定できた割合は次のとおりでした。

Claude 3.5：56.8%
Llama 3.1：55.8%
Perplexity：52.9%
GPT-4o：42.7%
Gemini：41.9%
Microsoft Copilot：33.3%
GPT-o1：25.6%（最も見抜かれにくかったモデル）

そして最も重要な数字がこちらです。人間が書いた文章を「人間が書いた」と正しく判定できた割合は、わずか31.5%でした。7つのモデルのうち5つよりも低い数字です。つまり被験者は、AIの文章を人間だと勘違いするだけでなく、人間の文章までAIだと勘違いする傾向があったということになります。査読を経た論文で、日本語という言語で、これだけはっきりした形で示された結果だという点に、この数字の重みがあります。

この数字を日常の感覚に置き換えると分かりやすくなります。もし10本の人間が書いた記事を読んで「これは人間が書いたものだ」と判定したとしても、正しく言い当てられているのは平均して3本ほどということです。残りの7本は「AIっぽい」と誤って疑われている計算になります。私たちが日々「これはAIっぽいな」と感じている判断そのものが、統計的にはあてにならない可能性が高いということを、この数字は示しています。

機械はほぼ完璧に見抜く——人間との差

同じ研究では、機械による判定精度も同時に測定されています。機能語のユニグラム・品詞のバイグラム・句のパターンを組み合わせたランダムフォレストのモデルによる判定は、精度99.8%、AI生成文側の再現率は100.0%という結果でした。

人間の判定は31.5%〜56.8%の間でばらついていたのに対し、機械はほぼ完璧に近い精度で言い当てています。この差は、AI生成文に「機械的に検出可能な特徴」がはっきり存在していることと、その特徴の多くが「人間の直感では拾えない」ものであることを、同時に示しています。人間が頼りにしている手がかり（語彙の選び方や文章の雰囲気）と、実際に統計的な差が出ている手がかり（機能語の分布や品詞のパターン）は、そもそも別の場所にあるということです。

機能語というのは「は」「が」「の」「て」「を」のような、文の意味そのものより文法的な役割を担う語のことです。読者が文章を読むとき、意識してこの分布を数えることはまずありません。むしろ内容の面白さや語彙の選び方に注意が向きます。機械が高い精度で判定できているのは、人間が普段は意識しない層の特徴を、統計的に抽出しているからだと考えられます。同じ研究グループが2023年・2024年に発表した先行研究でも、機能語の割合を使った判別モデルは単独で98.1%という精度を記録しており、今回の結果はその延長線上にあります。

見抜けない人が頼っている「効かない指標」

ではなぜ、多くの人は自信を持って「これはAIっぽい」と感じてしまうのでしょうか。手がかりの一つは、多くの人が実際には機能しない指標を頼りにしていることです。AI生成文の判別ガイドとして知られる英語版Wikipediaの実務ガイド（WikiProject AI Cleanupが編集者向けに作成）は、「兆候として広く語られるが、実際には指標として機能しない」項目を明示しています。

完璧な文法——職業的な書き手も同じように書きます
カジュアルな言い回しと硬い文体が混在している——技術系の書き手や複数人での加筆でも起こります
「無味乾燥」「ロボット的」に感じる文章——AI生成文はむしろ肯定的で冗長になりやすく、慣れていない読み手には別の印象を与えることがあります
「小難しい」「学術的」「フォーマル」な文章——過剰に使われるのは特定の語であって、フォーマルな語彙全般ではありません
接続詞の単体での多用——人間のエッセイでも一般的で、それだけでは判断材料になりません
出典がないこと——現在のAIはWeb検索して引用を付けてくることが多く、この指標も弱まっています

つまり、一般的な読者が頼りにしがちな「感覚的な違和感」の多くは、実際の判別精度とは結びついていません。見る目のある人が高い精度を出せるのは、こうした効かない指標ではなく、機能語の分布や文の構造といった、意識的には気づきにくい層のパターンを、経験の積み重ねの中で無意識に拾えるようになっているからだと考えるのが自然です。

ここで重要なのは、この「見る目」が生まれつきの才能ではなく、AI生成文に触れた量に比例して育つものだという点です。ACL 2025の研究がヘビーユーザーと軽度ユーザーを分けて計測したのも、この力が経験によって獲得されることを前提にした設計だと考えられます。日常的にAIの出力を大量に読んでいる人ほど、意識せずとも統計的なパターンに敏感になっていく——スポーツや楽器の上達と同じように、繰り返しの中で感覚が磨かれていく類のものだということです。

多くの人が抱く「バレるのでは」という不安は、的外れなことが多い

この結果を踏まえると、冒頭で触れた「AIで書いたのがバレるのでは」という不安の大半は、実は根拠が薄いということになります。少なくとも一般的な読者を相手にする場面では、統計的に見て、その不安が現実になる確率はかなり低いということです。心配すべきなのは「AI文章がバレるかどうか」そのものではなく、次に扱う「誰に読まれる文章なのか」という点だと私は考えています。

英語圏でも同じ結果——ただし例外がある

この「人間はほとんど見抜けない」という結果は、日本語に限った現象ではありません。Cheng氏らが2025年に発表した研究（Advances in Simulation誌）では、人間によるAI文章の識別能力は偶然と変わらない水準だったと報告されています。ドイツ語を対象にした別の研究（Fiedler & Döpke, 2025年）でも、AI文章の識別率は57%、人間文章の識別率は64%だったと報告されており、いずれも高い精度とは言えない結果です。

ただし、一つだけはっきりした例外があります。Russell・Karpinska・Iyyerの研究（ACL 2025）は、LLMを日常的にヘビーに使っているユーザーだけが約90%という高い精度でAI文章を見抜くことを報告しています。一方、AIをあまり使わない人の識別精度は、偶然の範囲とほとんど変わりませんでした。

この結果は、識別能力が「文章そのものの性質」だけで決まるのではなく、「読む側がどれだけAI生成文に日常的に触れているか」によって大きく左右されることを示しています。同じ文章を見せても、見抜く人と見抜けない人がはっきり分かれるということです。

日本語（財津ほか）・英語（Cheng et al.）・ドイツ語（Fiedler & Döpke）という3つの異なる言語で、独立した研究チームが「一般的な人間の識別力は当てにならない」という同じ結論に到達している点も見逃せません。特定の言語や特定の実験デザインに特有の偶然ではなく、言語をまたいで再現される現象だということです。

「AI感」は誰にでもバレるのではなく、見る目のある人にだけバレる

ここまでの結果を重ねると、一つの構図が見えてきます。一般的な読み手は、AI文章を見抜く力を持っていません。日本語の実験では31.5%〜56.8%、英語圏の実験でも偶然と同程度という結果が、独立した複数の研究で一致しています。一方で、AIを日常的に使い込んでいる人だけは、約90%という高い精度で見抜きます。

つまり「AI感」は、すべての読者に一様にバレるものではありません。見る目のある人にだけバレる——これがここまでの実験結果を最も正確に要約した言い方だと私は考えています。「読者にバレるかどうか」という問いは、「文章がどれだけAIっぽいか」だけでなく「読者がどれだけAI生成文に慣れているか」という、もう一つの変数を含んでいるということです。同じ1本の記事であっても、見せる相手が変われば「バレるかどうか」の答えそのものが変わる、と考えるのが実態に近いはずです。

B2Bで実際に「見る目のある人」に当たるのは誰か

この構図は、実務上とても具体的な意味を持ちます。一般消費者向けの発信であれば、読み手の大半はAIをそこまで日常的に使い込んでいるわけではなく、識別力も限定的です。しかしB2Bの現場では話が変わります。

提案書やコンペ資料を審査する発注側の担当者——業務でAIを日常的に使っている人が増えています
編集者・メディア関係者——大量の原稿にAI生成の兆候がないか日々目を通しています
採用選考の担当者——応募書類や課題提出物を大量に見比べる立場にあります
すでに自社でAIを使い込んでいるクライアント担当者——自分がAIを使う中で、AIの文章の癖に自然と敏感になっています

こうした立場の人たちは、まさにACL 2025の研究がいう「LLMヘビーユーザー」に近い属性です。日常的にAIを使う仕事に就いているほど、AI生成文への感度は自然と上がっていきます。一般消費者向けの発信では気にしなくていい話が、審査・編集・採用といった「見る目のある人」に読まれる文脈では、実質的なリスクとして効いてくるということです。判断の基準は「文章がAIっぽいかどうか」ではなく「その文章を誰が読むか」に置くほうが、実態に近い考え方だと言えます。

この「見る目のある人」の割合は、今後さらに増えていくと考えられます。業務でAIツールを日常的に使う人が年々増えている以上、ACL 2025でいう「ヘビーユーザー」に該当する層は、今後の日本のビジネス人口の中でも着実に広がっていくはずです。今は一般的な読者だった相手が、数年後には見る目のある読み手に変わっている、という前提で文章の書き方を考えておくほうが安全だと私は考えています。

識別の難しさは、日本語圏でも早くから指摘されていた

厳密な実験データが揃うより前から、識別の難しさを経験則として指摘する声は日本語圏にもありました。ライターの安達裕哉氏は2023年7月20日の記事で、AI文章の特徴として「意外性のなさ」「具体的な話題の乏しさ」「表現の冗長さ」を挙げています。ChatGPTの一般公開からわずか半年ほどというタイミングの早さは注目に値しますが、これは体系的な実験ではなく経験則であり、今回紹介した財津ほか（2025年）の403名実験とは性質が異なります。経験則が先に生まれ、後から厳密なデータで裏付け・修正されていく——この順序自体は自然なことですが、経験則の段階で断定的に語ってしまうと、実際の識別力とのズレに気づけないままになります。

だからといって「表層だけ直す」のは対策にならない

ここで一つ、誤解しやすいポイントに触れておきます。「見る目のある人にだけバレる」という結果を、「では表面的な言い回しだけ直せば見る目のある人もごまかせる」という話だと受け取るのは早計です。

見る目のある人が拾っているのは、特定の単語や言い回しといった表層のサインだけではありません。文章全体の均一さ、話の展開の型、具体性の欠如といった、もっと構造的な部分を無意識のうちに読み取っていると考えるのが自然です。表層の言い回しだけを取り繕っても、内容の具体性が伴っていなければ、AIに慣れた読み手には結局見透かされます。表層のサインを削る作業は、あくまで中身の薄さを隠す化粧であって、中身そのものを良くする治療ではないというのが、この記事全体を通しての私の立場です。先ほど紹介したWikipediaのガイドも、この点をはっきり警告しています。「ここに挙げた兆候は、問題そのものではなく、問題の可能性を示すサインにすぎない。これらのサインを直すべき問題そのものとして扱わないでほしい。それは単に検出を難しくするだけだ」——見た目の言い回しを削る作業は、見る目のある読み手を欺くための技術であって、文章の質を上げる作業とは別物だということです。

判定ツールに頼るという発想にも同じ弱さがあります。OpenAIは自社のAI文章判定ツールを2023年7月に「正解率が低い」という理由で撤回しました。別の研究では、非ネイティブの英語話者が書いたエッセイの誤検出率が平均61.22%に達した一方、ネイティブの書き手では5.19%にとどまったという結果も報告されています。判定ツールが実際に見ているのは「AIらしさ」そのものというより「語彙の予測しやすさ」であり、平易な書き方をする人ほど不利になりやすい、という構造的な偏りを抱えているということです。

さらに、言い換えだけで検出をすり抜けられることも研究で示されています。Krishna氏らの研究（NeurIPS 2023）では、AI生成文を専用モデルで言い換えるだけで、ある検出器の精度が70.3%から4.6%まで落ちたと報告されています。つまり検出をかいくぐること自体は技術的に難しくありません。しかし、それは「見抜かれにくくなる」だけであって、「文章の中身が良くなる」こととは無関係です。単一のツールの判定結果を過信せず、最終的には人が内容を確認するという姿勢は、日本語の文章を扱う場合でも変わりません。

この結果が意味しないこと

誤解を避けるために、この実験結果が意味しないことにも触れておきます。まず、これは「AI文章と人間の文章に質的な差がない」ことを示す結果ではありません。示されているのはあくまで「人間の主観的な判定能力」の話であり、機械が精度99.8%で判別できている以上、両者には統計的にはっきりした違いが存在します。人間がそれを意識的に拾えていないだけです。

もう一つ、この結果を「どうせバレないから何をしてもいい」という意味に受け取るのも誤りです。見抜けないのは主に一般的な読者の話であり、審査や編集といった立場の読み手には、ここまで見てきたとおり別の力学が働きます。加えて、内容そのものの正確さや具体性は、検出されるかどうかとは独立した価値です。バレないことと、良い文章であることは、まったく別の軸にあります。

実務でどう向き合うか

ここまでの結果を踏まえると、取るべき対応は読者層によって変わります。

一般消費者向けのコンテンツであれば、読者の大半はAI文章を統計的に見抜く力を持っていません。表層の言い回しに神経質になるより、内容そのものの正確さと具体性を優先するほうが理にかなっています。

提案書・コンペ資料・採用書類など、審査する立場の人に読まれる文脈であれば、読み手はAIに慣れている可能性が高いと想定しておくべきです。この場合に効くのは表層の言い回しの調整ではなく、固有名詞・具体的な数字・自社ならではの経験といった、AIだけでは埋められない具体性を文章に持たせることです。実際の案件で得た数字や、実際に起きた出来事は、AIが平均的な表現に寄せてしまう部分を補う最も確実な材料になります。

具体的には、書き方の違いがそのまま差になります。「多くのお客様から高い評価をいただいております」という一文は、誰にでも当てはまる表現で、AIが最も書きやすい形です。これをたとえば「いつ」「どの業種の相手に」「どんな数字の変化があったか」まで具体的に書き換えるだけで、AIが平均的な表現に寄せてしまう部分を、書き手にしか出せない情報で埋めることができます。テンプレート的な構成に頼らず、自分の経験からしか出てこない一文を意識して差し込むことが、最も実効性のある対策です。

どちらの場合も共通して言えるのは、「バレないように隠す」という発想ではなく、「読み手が誰であっても内容に耐えられるものを書く」という発想のほうが、結果的に安定するということです。見る目のある読み手が増えていくとすれば、なおさらこの方向にしか答えはないと私は考えています。

まとめ——人間はAI文章をほとんど見分けられない

日本人403名の実験で、人間が書いた文章を「人間」と正しく判定できたのはわずか31.5%（財津ほか, PLOS ONE, 2025年10月27日）
AI生成文の判定精度もモデルごとにばらつき、GPT-o1は25.6%しか見抜かれなかった
一方、機械（機能語＋品詞バイグラム＋句パターンのランダムフォレスト）は精度99.8%・再現率100.0%とほぼ完璧に判定した
英語圏でも人間の識別能力は偶然と変わらない水準（Cheng et al., 2025）
唯一の例外はLLMヘビーユーザーで、約90%の精度で見抜く（Russell, Karpinska & Iyyer, ACL 2025）
「AI感」は誰にでもバレるのではなく、見る目のある人にだけバレる——B2Bでは審査担当者・編集者・AIを使い込んでいるクライアント担当者がこの層に当たる
表層の言い回しだけを直すのは対策にならない。効くのは固有名詞・数字・実体験に基づく具体性
判定ツールの結果も単独では信用しすぎない。OpenAIも自社ツールを正解率の低さを理由に撤回している