インターネットで検索した記事、商品説明、解説ページ、ニュースのまとめを読んでいると、「これは人が書いたのか、AIが書いたのか」と気になる場面が増えました。文章が整っているのに具体的な根拠が薄い。似た言い回しが何度も出てくる。出典らしいリンクはあるが、よく見ると元の資料にたどり着かない。そうした違和感は、単なる気のせいではないかもしれません。
2026年8月22日、DecryptはPew Research Centerの分析をもとに、ChatGPT公開後に出た英語Webページのうち、AIによる執筆または大きな編集の兆候があるページがかなりの割合にのぼると報じました。Pewの元調査は2026年8月20日付で、Common CrawlというWebアーカイブから2021年1月から2026年7月までの英語ページを約49万件集め、AI検出モデルで傾向を調べたものです。
結論だけを見ると強い数字が目に入ります。2026年7月の無作為サンプルでは、英語Webページ全体の10%にAI著述の兆候がありました。さらに、ChatGPTが公開された2022年11月以降に公開されたとみられる日付付きページに絞ると、その割合は3分の1超に上がります。
ただし、この数字は丁寧に読む必要があります。「インターネット全体の3分の1がAIで書かれている」と単純化すると、調査の意味を取り違えます。Pewが示したのは、特定のサンプル、特定の検出モデル、特定の条件で見たときの「兆候」です。個別の記事がAI製だと断定するものではありません。それでも、Web上の文章の作られ方が大きく変わっていることを示す重要な材料です。
この記事では、今回の調査で何がわかったのか、なぜ読み違えやすいのか、検索やニュースを読む人、ブログや企業サイトを運営する人、AIを業務で使う人が何を確認すべきかを整理します。医療、法律、金融、雇用、契約、安全、行政手続きなど生活への影響が大きい判断では、この記事を含む一般的な解説だけで結論を出さず、必ず公式資料、専門家、責任ある窓口に確認してください。
Pew調査は何を調べたのか
Pew Research Centerの分析は、Web上の英語テキストにAI由来の特徴がどれくらい増えているかを測ろうとしたものです。対象はCommon Crawlのデータです。Common Crawlは、公開Webを定期的に収集している大規模なアーカイブで、研究者がWeb全体の傾向を見るときによく使われます。
Pewは2021年1月から2026年7月までの49回分のクロールから、それぞれ英語ページを1万件ずつ抽出しました。合計は約49万ページです。時期としては、ChatGPTが一般公開される前の期間と、公開後に生成AIが急速に広がった期間の両方を含みます。そのため、生成AIが普及する前後で文章の傾向がどう変わったかを比較しやすい設計になっています。
判定には、Pangramが開発したオープンウェイトのAI検出モデルが使われました。報道ではOpen Pangramと説明されています。方法論では、文章に対して0から1までのスコアを付け、AIによる生成、編集、翻訳、言い換えの可能性があるかを統計的に評価するものとして整理されています。Pewは一定以上のスコアを「AIによる著述または編集の意味のある兆候」として扱いました。
ここで大切なのは、検出モデルが人間の目の代わりに最終判定をしているわけではないことです。AI検出器は、単語の選び方、句読点、文の構造、よく出る表現などの統計的な特徴を見ます。人間が同じ表現を使うこともありますし、AIが人間らしい文章を書くこともあります。したがって、検出器の判定は「このページをさらに注意深く読むべきか」を考える手がかりであって、個別の著者認定や不正認定の証拠として扱うべきものではありません。
それでも、約49万ページという大きな集合で見ると、傾向は意味を持ちます。個別ページの判定は揺れても、時期ごとの増減やドメインごとの差は、Web全体の変化を読む材料になります。今回の調査が注目されるのは、まさにこの点です。
10%と3分の1超は同じ数字ではない
今回のニュースで最も誤解されやすいのは、10%と3分の1超という2つの数字の関係です。
10%は、2026年7月に収集された英語Webページの無作為サンプル全体で見た割合です。このサンプルには、2022年11月にChatGPTが公開される前から存在していたページも含まれます。古いページは、現在のような生成AIツールで書かれた可能性が低いため、全体の割合を押し下げます。
一方、3分の1超という数字は、2022年11月以降に公開されたとみられるページに絞った場合の割合です。つまり、「生成AIが広く使われる時代に新しく出たページ」を見ると、AI著述の兆候がかなり高い比率で見つかったという意味です。
この違いを無視すると、「Web全体の3分の1がAI」という強すぎる見出しになります。実際には、Pewの調査が示したのは、2026年7月時点の無作為サンプルでは10%、ChatGPT公開後の日付付きページでは3分の1超という二段構えの結果です。さらに、日付が読み取れるページはサンプル全体の一部であり、日付付きページだけがWeb全体を完全に代表しているわけでもありません。
数字が大きいニュースほど、対象範囲を確認する必要があります。分母が何か。期間はいつか。対象言語は何か。古いページを含むのか。日付が取れたページだけなのか。検出器のしきい値はどこか。こうした条件を確認しないまま数字だけを受け取ると、実態よりも不安を大きくしたり、逆に重要な変化を軽く見たりします。
今回のPew調査から読み取るべきなのは、単純な断定ではありません。Webに公開される新しい文章のかなりの部分に、AI支援の痕跡が広がっている可能性がある。特に商業サイトや大量公開型のページでは、その傾向が強い。だからこそ、読者も発信者も、情報の確認方法を更新する必要がある。そう読むのが現実的です。
.comで目立つ理由
Pewの分析では、AI著述の兆候はドメインの種類によって差がありました。2026年のサンプルでは、.comドメインのページでおよそ10件に1件がAI著述の兆候を示した一方、.orgは4.6%、.eduと.govはいずれもおよそ1%にとどまったとされています。
この差は、単純に「.comは信用できない」「.eduや.govなら安心」と決めつける材料ではありません。むしろ、公開される文章の目的と制作体制の違いを表しています。
.comには、企業サイト、ニュースサイト、ECサイト、比較サイト、アフィリエイトサイト、マーケティング用の記事、商品説明、サービス紹介、SEOを意識した大量ページなどが含まれます。更新頻度が高く、商業的な成果と結びつきやすく、文章制作の量も多い領域です。生成AIは、下書き、要約、翻訳、商品説明の量産、見出し案、 FAQ作成などに使いやすいため、.comで痕跡が増えやすいのは自然です。
一方、.eduや.govには、大学、研究機関、行政機関などが含まれます。もちろんAIを使わないという意味ではありませんが、公開前の確認、承認、責任者、文書管理、記録保存の仕組みが比較的明確な場合が多く、商業ページほど大量に文章を出す動機も弱い傾向があります。そのため、検出モデルが拾うAI的特徴が低く出た可能性があります。
ただし、ドメインだけで信頼性を判断するのは危険です。.gov風のページでも古い情報はあります。.eduのページでも個人ページや未更新の資料はあります。.comでも、専門家が執筆し、出典を明示し、更新履歴を管理している信頼度の高いページはあります。大切なのは、ドメインを最初の手がかりにしつつ、著者、発行主体、根拠、更新日、利益相反、修正履歴を合わせて見ることです。
AIらしい文章の増加は何を意味するのか
Pewの分析では、AI生成文に多いとされる言い回しや句読点の出現も増えているとされます。たとえば、英語文章では長いダッシュ、オックスフォードコンマ、いくつかの定型的な単語、対比を作る構文などが、2023年以降に増えたと説明されています。
ただし、こうした特徴は「AIだけが使う表現」ではありません。人間の書き手も、読みやすさのために同じ記号や表現を使います。編集者が文章を整えれば、AIらしく見えることもあります。逆に、AIが生成した文章でも、十分に人間が修正すれば検出器には目立たないことがあります。
そのため、読者が個別の記事を読むときに「この記号があるからAIだ」と判断するのは避けるべきです。文章の見た目だけで著者を決めるよりも、内容の根拠を見るほうが実用的です。主張に対して一次資料があるか。数字の出典が明示されているか。引用先が実際にその内容を述べているか。更新日が古すぎないか。専門的な判断を求める話題で、責任ある機関や専門家の見解に戻れるか。確認すべき点は、文章の癖よりもそこにあります。
AIらしい文章が増えているという事実は、AI利用そのものが悪いという話ではありません。AIは、文章の下書き、誤字修正、要約、翻訳、構成案作り、読みやすさの改善に役立ちます。問題は、AIを使ったかどうかよりも、事実確認、責任の所在、出典の透明性、誤りがあったときの修正の仕組みです。
人が書いた文章でも、根拠が薄ければ信頼できません。AIを使った文章でも、一次資料に基づき、人間が確認し、誤りを直し、責任者が明確なら、読者にとって有用な情報になり得ます。今回の調査は、「AI文章をすべて排除しよう」という話ではなく、「AIが制作工程に入る前提で、信頼できる公開方法をどう作るか」という課題を示しています。
検索する人に起きる変化
一般の読者にとって、最も身近な影響は検索結果です。調べものをするとき、検索結果の上位に似た内容のページが並び、どれも同じような見出し、同じような説明、同じような表現で埋まることがあります。AI支援で大量に作られたページが増えれば、こうした状況はさらに起こりやすくなります。
特に注意が必要なのは、生活上の判断に関わるテーマです。病気の症状、薬、保険、投資、税金、相続、契約、転職、子どもの教育、安全対策、行政手続きなどは、間違った情報の影響が大きくなります。AIが作ったかどうかに関係なく、こうした分野では検索上位の記事だけで判断しないことが重要です。
検索で見つけた記事は、入口として使うのが安全です。たとえば医療なら公的機関、医療機関、添付文書、主治医に戻る。法律なら条文、行政窓口、弁護士などの専門家に戻る。金融なら金融庁、証券会社の正式資料、目論見書、契約書、専門家に戻る。雇用や契約なら就業規則、契約書、労働局、専門家に戻る。AI時代の検索では、記事を読んで終わりではなく、出典に戻る習慣がより大切になります。
もう一つの変化は、古い情報と新しい情報の混在です。生成AIは過去記事をもとに似た内容を再構成することがあります。すると、古い制度、古い価格、古い製品仕様、古い安全基準が、あたかも現在の情報のように再掲されることがあります。読者は、公開日だけでなく更新日、参照している資料の日付、最新の公式発表に触れているかを確認する必要があります。
ニュースを読むときも同じです。速報記事、まとめ記事、解説記事、SNS投稿、メールマガジンは、それぞれ目的が違います。速報は早い代わりに情報が未確定なことがあります。まとめ記事は便利ですが、元記事の条件を落としていることがあります。解説記事は文脈を補ってくれますが、筆者の見立てが入ります。AI支援が広がるほど、記事の種類を見分ける力が重要になります。
ブログ運営者や企業サイトが確認すべきこと
発信する側にとって、今回の調査は他人事ではありません。AIを文章制作に使うかどうかにかかわらず、読者は今後、Web記事に対して「これは信頼できるのか」とより敏感になります。特に、企業サイト、採用ページ、商品比較、専門情報、ニュース解説、金融・医療・法律に近い情報では、透明性が品質そのものになります。
まず必要なのは、出典を明確にすることです。数字を使うなら、どの資料の、どの時点の数字なのかを示す。専門用語を説明するなら、公式資料や信頼できる研究機関に戻れるようにする。ニュースを解説するなら、一次情報と報道、筆者の見解を混ぜない。AIで下書きを作った場合でも、人間が確認した根拠を残すことが大切です。
次に、更新日と更新理由を示すことです。AI関連の情報は変化が速く、数か月前の記事でも古くなることがあります。モデル名、料金、利用条件、規制、ガイドライン、API仕様、対応地域、セキュリティ条件は変わりやすい領域です。古い記事を放置すると、読者が現在の情報として誤って使うおそれがあります。更新履歴を残し、変更した内容を簡単に示すだけでも、信頼性は大きく変わります。
さらに、責任の所在を曖昧にしないことです。AIが生成した下書きを使っていても、公開した文章の責任は発信者にあります。「AIがそう書いた」では読者の不利益は回復しません。企業であれば、誰が確認し、どの範囲まで確認し、どの分野では専門部署に回すのかを決める必要があります。
特に注意したいのは、AIの出力をそのまま専門的な助言のように見せることです。医療、法律、金融、税務、雇用、安全、教育、行政手続きに関する記事では、一般情報と個別判断を分ける必要があります。一般的な仕組みの説明はできても、読者の個別事情に対する結論は、公式窓口や専門家の確認が必要です。この線引きを明確にすることは、読者を守るだけでなく、発信者のリスク管理にもなります。
AI検出ツールとの付き合い方
今回の調査で使われたようなAI検出ツールは、今後も使われる場面が増えるでしょう。学校、企業、メディア、採用、出版、プラットフォーム運営などで、AI生成文を見分けたいという需要はあります。けれども、検出ツールを万能の審判として扱うのは危険です。
検出ツールは確率的な道具です。大量の文章をまとめて分析し、傾向を見る用途には向いています。一方で、個別の文章について「これはAIが書いた」と断定する用途には限界があります。人間がAIらしい文体で書くこともありますし、英語を母語としない人が整った文章に直した結果、AIらしく見えることもあります。翻訳や校正ツールを使った文章も、検出器に引っかかる可能性があります。
学校や職場で検出ツールを使う場合は、判定だけで処分や評価を決めない仕組みが必要です。下書き、作成過程、引用、メモ、口頭説明、提出ルールを合わせて確認する。AI利用を禁止するのか、一定範囲で認めるのか、認めるならどこまで開示するのかを事前に決める。あとから検出器のスコアだけで責める運用は、誤判定のリスクが高く、信頼関係を壊します。
企業でも同じです。AI検出を使うなら、目的を明確にする必要があります。外部から持ち込まれた記事の品質確認なのか、法務・広報レビューの補助なのか、機密情報の混入チェックなのか、ブランド文体の確認なのか。目的が違えば、見るべき項目も違います。AI検出器は、出典確認、事実確認、盗用確認、法務確認、セキュリティ確認を置き換えるものではありません。
むしろ、AI検出器よりも実務上重要なのは、作成プロセスの記録です。どの資料を読んだか。どのAIツールを使ったか。AIの出力をどこまで修正したか。数字をどのソースで確認したか。公開前に誰がチェックしたか。誤りが見つかったときにどう直すか。この記録があれば、読者や社内関係者に説明しやすくなります。
情報の信頼性を確認する7つの視点
AI支援の文章が増える時代に、読者ができる確認は難しいものばかりではありません。まず、タイトルが強すぎないかを見ます。「絶対」「必ず」「完全に」「誰でも」「今すぐ」といった表現が目立つ記事は、内容が丁寧でも慎重に読む価値があります。AIに限らず、強い言い切りは注意信号です。
次に、数字の分母を見ます。今回のように10%と3分の1超が並ぶ場合、何を対象にした数字かを確認します。全体なのか、一部なのか、特定条件に絞ったものなのか、推定なのか、実測なのか。数字は便利ですが、条件を外すと印象だけが独り歩きします。
三つ目は、出典リンクです。リンクがあるだけでは十分ではありません。リンク先が公式資料や元の研究に近いか、別のまとめ記事に飛ぶだけではないか、リンク先の内容が本文の主張と一致しているかを見ます。大きな判断に関わる場合は、二次記事ではなく一次資料に戻ることが大切です。
四つ目は、日付です。公開日、更新日、参照している資料の日付を見ます。AI、法律、金融、医療、行政、セキュリティ、製品仕様は変化が速いため、古い情報を現在の判断に使うと危険です。記事が新しくても、引用している資料が古いこともあります。
五つ目は、著者と運営主体です。誰が書いたのか、どの組織が公開しているのか、専門性や責任の範囲が見えるかを確認します。匿名記事がすべて悪いわけではありませんが、生活に影響する判断では、責任者が見える情報を優先したほうが安全です。
六つ目は、反対側の情報です。AIに関するニュースでは、期待だけ、危険だけ、投資熱だけ、規制だけに偏る記事があります。便利さとリスク、短期の影響と長期の影響、企業側の説明と利用者側の不安を並べて見ると、判断が安定します。
七つ目は、行動を急がせていないかです。今すぐ買う、今すぐ申し込む、今すぐ解約する、今すぐ投資する、今すぐ治療方針を変える、今すぐ契約する。こうした誘導がある場合は、いったん止まり、公式情報や専門家に戻るべきです。AI生成かどうか以前に、急がせる情報は慎重に扱う必要があります。
企業のAI利用は品質管理の問題になる
生成AIが文章制作に入り込むと、企業にとっては単なる生産性向上ではなく、品質管理の問題になります。AIを使えば、文章の量は増やせます。FAQ、商品説明、社内マニュアル、営業資料、メール文面、広告文、ブログ記事、ヘルプページを短時間で作れます。しかし、量が増えるほど、確認の負担も増えます。
特に問題になるのは、もっともらしい誤りです。AIは自然な文章を作るため、読者は内容が正しいと感じやすくなります。ところが、出典が違う、日付が古い、制度名が変わっている、料金が更新されている、地域条件が抜けている、例外が落ちている、といった誤りは起こり得ます。文章の見た目が整うほど、誤りは見つけにくくなります。
企業がAIを使うなら、公開前の確認項目を分ける必要があります。事実確認、法務確認、ブランド表現、個人情報、著作権、セキュリティ、差別的表現、専門領域のレビュー、更新予定、問い合わせ先。すべてを一人で見るのではなく、リスクの種類に応じて責任部署を決めるほうが現実的です。
また、AIを使う範囲を決めることも重要です。下書きまで使うのか、構成案までなのか、要約だけなのか、公開文の一部に使うのか。外部公開する前に人間が全体を読んで確認するのか。専門領域では専門家が読むのか。社内ルールが曖昧なままAIを使うと、品質のばらつきが大きくなります。
NISTのAI Risk Management Frameworkが示すように、AIのリスク管理では、統治、測定、管理、透明性の考え方が欠かせません。これは大企業だけの話ではありません。小さな会社や個人ブログでも、出典を残す、更新日を書く、専門判断を避ける、誤りを見つけたら修正する、問い合わせ先を用意する、といった基本が信頼を支えます。
AI文章が増えるほど人間の編集が重要になる
AIが文章を作れるようになると、人間の書き手や編集者の価値が下がるように見えるかもしれません。しかし、実際には逆の面があります。文章の下書きが簡単に作れるほど、何を採用し、何を削り、どの根拠を確認し、どの表現を避けるかを判断する力が重要になります。
AIは、読みやすい文章の形を作るのが得意です。しかし、読者にとって何が重要か、どの情報が古いか、どの表現が誤解を招くか、どの分野では断定を避けるべきか、どの出典まで戻るべきかは、人間の責任で判断しなければなりません。
たとえば今回のPew調査でも、見出しだけなら「Webの3分の1がAI」と言いたくなります。けれども、本文まで読むと、10%と3分の1超の対象範囲が違うこと、日付付きページに限った分析であること、検出器には誤判定があること、個別ページの断定ではないことがわかります。ここを落とさずに伝えるのが編集の役割です。
読者にとって役立つ記事は、必ずしも派手な見出しの記事ではありません。何がわかったか、何がまだわからないか、どの範囲で言えるのか、どう使えばよいのかを分けてくれる記事です。AI時代の情報発信では、文章量よりも、この切り分けが価値になります。
日本の読者にとっての意味
今回のPew調査は英語Webページを対象にしたものです。そのため、日本語Webに同じ割合がそのまま当てはまるわけではありません。日本語は言語構造が違い、AI検出の精度や特徴も英語とは異なります。日本語の記事、ブログ、企業サイト、ニュースまとめでどれくらいAI支援が広がっているかは、別の調査が必要です。
それでも、日本の読者や企業に無関係ではありません。日本語の記事でも、英語ソースをAIで翻訳・要約して作るケースは増えています。海外ニュースのまとめ、投資情報、技術解説、医療・健康情報、旅行情報、商品比較、求人情報などでは、英語圏のAI支援コンテンツを材料にした日本語記事が作られることがあります。
このとき問題になるのは、元情報の誤りや古さが日本語記事に引き継がれることです。AIが英語記事を要約し、日本語記事がそれをさらに要約し、SNSで短く紹介される。途中で条件や但し書きが落ちると、読者に届くころには強い断定だけが残ります。
日本の読者ができる対策は、まずニュースの発生日と元資料を見ることです。海外報道を扱う日本語記事では、元の発表がいつか、報道がいつか、日本語記事がいつ更新されたかを確認します。AI関連では、数日で状況が変わることもあります。特にモデルの利用条件、料金、規制、個人情報、著作権、医療・金融・教育での利用は、最新の公式資料を確認する必要があります。
企業にとっては、翻訳や要約のチェックが重要になります。英語記事をAIで要約して社内共有する場合でも、投資判断、契約判断、医療・安全判断、採用判断、顧客説明に使うなら、元資料に戻る手順を入れるべきです。AIの要約は便利ですが、重要な例外や限定条件を落とすことがあります。
これからのWebは「誰が書いたか」だけでは足りない
これまでは、情報の信頼性を考えるとき、「誰が書いたか」が大きな手がかりでした。もちろん今も重要です。専門家、報道機関、研究機関、行政機関、企業の公式発表には、それぞれ責任の仕組みがあります。
しかし、AI支援が広がると、「誰が書いたか」だけでは足りなくなります。人が書いたのか、AIが下書きしたのか、人が確認したのか、どの資料をもとにしたのか、更新されているのか、誤りがあったときに直されるのか。制作過程と確認過程が信頼性の一部になります。
読者は、AI利用の有無だけを気にするよりも、責任ある公開の条件を見るほうが実用的です。出典があるか。更新日があるか。著者または運営者が見えるか。断定しすぎていないか。専門判断では公式資料や専門家に戻しているか。読者が次に確認すべき場所を示しているか。これらが整っていれば、AI支援があっても読む価値はあります。
発信者は、AIを使ったから価値が下がるのではなく、確認を省いたときに価値が下がると考えるべきです。反対に、人間だけで書いた記事でも、出典がなく、日付が古く、誤りを放置し、責任者が見えなければ信頼されません。
今回のニュースは、Webの信頼性が文章の見た目だけでは測れない時代に入ったことを示しています。AIの文章は、今後さらに自然になります。検出器も改良されるでしょうが、完全な判定は簡単ではありません。だからこそ、出典、日付、責任、更新、確認という基本が、以前より重要になります。
まとめ
Pew Research Centerの分析は、AI生成・AI支援コンテンツがWeb上で急速に増えている可能性を示しました。2026年7月の英語Webページ無作為サンプルでは10%がAI著述の兆候を示し、ChatGPT公開後の日付付きページに絞ると3分の1超に広がります。.comで高く、.eduや.govで低いという差も見られました。
ただし、この結果は「個別の記事がAIで書かれた」と断定するものではありません。検出器は確率的な道具であり、誤判定もあります。35%という数字も、Web全体ではなく、特定条件で絞ったサンプルの結果として読む必要があります。
読者にとって大切なのは、AIか人間かを見た目だけで当てようとすることではありません。数字の分母、出典、日付、著者、更新履歴、責任の所在を確認することです。特に医療、法律、金融、雇用、契約、安全、行政手続きなどでは、検索記事やAI回答を最終判断にせず、公式資料、専門家、責任部署に戻る必要があります。
発信者にとっては、AIを使うこと自体よりも、確認しないまま公開することがリスクになります。AIは下書きや整理に役立ちますが、根拠を確認し、文脈を整え、読者が誤解しない形に直し、必要な注意点を残すのは人間の仕事です。
WebにAI由来の文章が増えるほど、信頼される情報の条件ははっきりします。速く大量に出すだけでは足りません。どの資料に基づき、どこまで言えて、どこからは確認が必要なのかを示すこと。読者が次の一歩を誤らないようにすること。AI時代の情報発信では、その地味な確認こそが価値になります。
