Pew Research CenterがCommon Crawlの英語ページを分析した結果、ChatGPT公開後に公開されたWebページの35%で、AIが文章を生成したり大幅に編集したりした可能性を示す兆候が確認された。サンプル全体では9.6%だったが、直近のページに限ると比率は大きく上昇した。

TechRadarが25日に報じたところによると、Pew Research CenterはCommon Crawlのデータを基にWebページ1万件を抽出し、AI生成・編集の兆候を調べた。その結果、サンプル全体の9.6%で、AIが作成または大幅に編集したとみられる特徴が見つかったという。

調査は、Common CrawlのWebアーカイブに収録された英語ページを対象に実施した。Pew Research Centerは2021年から2026年7月までに収集された約49万件を分析し、このうち2026年7月に無作為抽出した1万件を検証対象とした。サンプルにはAI普及前に作成された古いページも多く含まれている。

全体の比率は9.6%だった一方、ChatGPTが公開された2022年11月以降に公開されたページに絞ると、AI生成・編集の兆候が見られた割合は35%に達した。Pew Research Centerは、最近のWebページほど制作や編集の工程でAIが使われる比率が急速に高まっているとみている。

ドメイン別では差が目立った。2026年のサンプルでは、AI生成・編集の兆候が見られたページは.comドメインで最も多かった。.eduは約1%、.govは0.8%、.orgは約4.6%にとどまり、商用サイトへの偏りが鮮明になった。

Pew Research Centerは約49万件の英語ページを追加で分析し、AI生成文に表れやすい言語的特徴も調べた。2023年以降に公開されたページでは、エムダッシュの使用頻度が約2倍に増え、オックスフォード・コンマの使用は63%増加した。

AI生成文で使われやすいとされた語彙の増加も確認された。例えば「delve」「interplay」「testament」といった単語の出現頻度は、2023年以降に2倍以上に増えた。「XだけでなくYでもある」といった否定並列構造の使用も、同じ期間にほぼ3倍となった。

もっとも、Pew Research Centerは、こうした特徴だけで個別の文章をAI生成と断定することはできないと強調した。エムダッシュやオックスフォード・コンマは人間が書いた文章でも一般的に使われるためだ。研究チームは、特定の表現だけでなく、大規模な文書群に見られる語彙選択や文構造の統計的パターンを総合的に見ることで、判定精度を高められると説明している。

今回の調査は、AIコンテンツ検出技術の限界も浮き彫りにした。句読点や特定の単語だけで人間の文章とAI生成・編集された文章を見分けるのは難しい一方、大規模な分析によって、AI特有の言語パターンがWebコンテンツ全体で広がっている流れは確認できるという。

サイトの性格によってAI生成・編集の兆候の比率が大きく異なった点も注目される。商用サイトでは痕跡が相対的に多く、教育機関や政府機関のサイトでは低水準にとどまった。AI生成コンテンツと人間が書いた文章の境界が曖昧になるなか、コンテンツの信頼性をどう見極めるかが新たな課題として浮上している。