ネットのAI文章はどれだけ増えたか。Pew調査の母数と限界

同じ標本でも、年代を絞ると割合が変わる

研究はCommon CrawlのWebアーカイブを使い、2021年1月から2026年7月までに収集された約49万の英語ページを分析した。文章からAIによる執筆や大幅な編集の兆候を調べるため、Open Pangramという検出モデルを用いている。実際の執筆者にAI利用を申告してもらった調査ではない。

2026年7月に集めた無作為標本1万ページでは、全体の約10%に顕著なAI執筆の兆候があった。一方、2022年11月のChatGPT公開後に発行されたページだけに対象を絞ると、その割合は3分の1を超えた。前者には生成AI普及前から存在する古いページが入る。後者は新しいページ群に関する数字である。

したがって、全ネットの3分の1以上がAIで書かれた、と結論付けることはできない。対象は収集可能な英語Webページであり、世界のすべての言語、会員限定コンテンツ、SNS投稿、動画や音声を同じ条件で数えたわけではない。「ページの割合」を「ネットの情報量」や「閲覧時間の割合」に変えることもできない。

ドメイン別の数字にも別の母数がある

報告は、2026年の標本で.comの約1割、.orgの4.6%、.eduと.govのそれぞれ約1%に兆候が見られたと説明する。この比較は、新しいページだけの3分の1という数字とは切り分けて読む必要がある。教育機関や政府のドメインだから個々の記事が必ず人間だけで書かれた、という保証にもならない。

商業サイトと機関サイトでは、発行頻度、定型文章、編集体制などが異なる。ドメイン間の差から、どの要因がどれだけ影響したかをこの集計だけで断定することは難しい。AI利用が多いことと、内容が誤っていることも同義ではない。利用の有無と内容の検証は、別々に判断する必要がある。

文体の変化は個人を判定する証拠にならない

研究は、AIが使いやすい語彙や句読法が、近年のWebで増えたことにも触れている。例えば長いダッシュや列挙の区切り方、一定の比較表現などだ。大量の文章を時系列で比べると、こうした傾向を捉えられる。

しかしPew自身が、検出モデルには誤分類があると明記する。人間の文をAIの文と判定する場合も、その逆もある。特定の単語や句読点を使ったという理由だけで、著者の不正やAI利用を認定すべきではない。編集者が表現を整えた文章や、人間とAIが共同で作った文章を、単純な二択で扱うにも限界がある。

標本を増やすと偶然によるばらつきを抑えられるが、検出器の偏りや収集範囲の偏りまで自動的に消えるわけではない。英語で観測した文体の特徴を、そのまま日本語の記事に適用することもできない。翻訳や定型文、ページの更新日時の扱いが結果に与える影響にも注意したい。

読む側・作る側の実務にどう使うか

以下は編集部の考察である。読者にとっては、AIらしい文体探しより、主張に対応する一次資料があるか、発表日と出来事の日が分かるか、数字の対象範囲が説明されているかを見る方が、内容の信頼性を評価しやすい。複数のサイトが同じ文章を掲載していても、独立した裏付けが増えたとは限らない。

企業の編集業務では、AI検出スコアを合否の唯一の基準にするより、出典、検証担当、修正履歴を残す方法が有用だ。AIに下書きを任せた部分と、人が確認した情報の範囲を記録すれば、誤りが見つかった際の訂正もしやすい。取引先や執筆者の評価に使う場合は、誤判定に対する説明と確認の機会が欠かせない。

AI生成文章が増える状況は、将来の学習データや検索結果の質を考える材料にもなる。ただし、この研究だけでモデルの品質低下や検索順位への影響が実証されたわけではない。文章の由来を推定する指標と、正確性、有用性、独自性を測る指標を組み合わせる必要がある。

AIを使う編集体制や情報確認の工程を検討する際の会社情報・相談先はRO合同会社で確認できる。ここで示した運用案は編集部の考察であり、Pewが特定の企業向け手順や検出サービスを推奨したものではない。