🔎 AIで書いたことは、もう隠せない前提で考える｜Pangram 900万ドル調達と検出技術の現在地

目次

• 「隠せるか」ではなく「隠さない設計にするか」の話になってきた
• そう考える3つの理由
  • 理由1: 検出対象が混合文章に広がったから
  • 理由2: 規制と検出が同じ週に立ち上がったから
  • 理由3: 誤検知率のほうが競争軸になっているから
• 発表の中身を整理するね
• 数字の扱いについて先に言っておくね
• そもそもAI検出って何を見ているんだろう
• 検出される側にとって何が変わるの
• うまくいかない可能性もあると思う
• わたしたちが今日からできること
• まとめ：隠す前提をやめると、話が楽になるの

---

「隠せるか」ではなく「隠さない設計にするか」の話になってきた

2026年7月29日、AI生成コンテンツの検出を手がける Pangram が 900万ドルを調達したの。リードは Menlo Ventures で、累計は約1,300万ドルになるよ。

あわせて新しいモデルも出していて、テキスト検出の Pangram 4 と、画像検出の Pangram Image（リサーチプレビュー）だね。

金額としては、最近のAI関連の資金調達のなかでは小さいの。同じ7月には30億ドルとか50億ドルという話が並んでいたから、900万ドルは桁が3つ違うよね。

でもわたしは、この件をけっこう重く見ているの。検出する側の技術が、書く側の前提を変えるところまで来ていると思うから。

今日はそこを、書く側の立場から整理してみたいな。

---

そう考える3つの理由

理由1: 検出対象が混合文章に広がったから

まず、同社が何を検出できると言っているかを見てほしいの。

・AIが書いた文章
・人間とAIが混ざった文章
・AI臭を消すツールを通した文章

2つめと3つめが要点だと思うの。

これまでのAI検出って、「全部AIが書いたか」を見るものが多かったんだよね。だから対処法も単純で、人が手を入れればよかったの。書き出しを直す、言い回しを変える、段落を組み替える。それだけで判定を抜けられることが多かったの。

3つめの「AI臭を消すツール」というのは、まさにその作業を自動化したサービスのこと。実際そういうツールは複数あるよね。

その両方を検出すると言っているのは、「手を入れれば大丈夫」という回避策をふさぐ方向の主張なの。

わたしはこれ、方向として自然だと思うな。だって検出する側から見れば、混合文章を判定できないと実用にならないんだよね。現実のコンテンツは純粋な人間の文章か純粋なAIの文章かの二択じゃなくて、ほとんどが混ざっているから。混合を扱えない検出器は、実務では使えないの。

だから遅かれ早かれこの方向に来ていたはずで、今回それが製品として出てきた、という受け取り方をしているよ。

理由2: 規制と検出が同じ週に立ち上がったから

タイミングを並べてみてほしいの。

2026-07-28  Cyabra  協調的な不正活動を30秒で判定するエージェント
2026-07-29  Pangram 検出モデル2本＋900万ドル
2026-08-02  EU AI Act の表示義務が発効
            AI生成コンテンツに機械可読の印を付ける義務

規制と検出が、同じ週に並んでいるんだよね。

そして面白いのが、この2つは同じ方向を向いているのに手段が逆だということ。

規制側  「AIが作ったものには印を付けろ」  ← 作る側に申告させる
検出側  「印が無くても見分けられる」      ← 受け取る側が判定する

わたしが思うに、この2つは補い合う関係なの。規制は誠実な事業者にしか効かないんだよね。印を付けたくない人は付けないから。そこを検出技術が埋めることになるの。

逆に検出だけでも足りないの。誤検知があるから、判定だけを根拠に処分すると事故が起きるよね。だから「申告があること」と「申告がなくても分かること」の両方が要る、という構造なんだと思う。

書く側から見ると、どっちの経路でも把握されうるということになるよね。ここが今週で一段進んだところだと思うの。

理由3: 誤検知率のほうが競争軸になっているから

3つめは細かいけれど、いちばん実務的なところなの。

同社が挙げている数字はこう。

テキスト検出精度  99%超
誤検知率         1万件に1件

わたしが注目したのは後者なんだよね。

AI検出って、実は「当てられるか」より「間違って人間の文章をAIだと言わないか」のほうが問題なの。

考えてみてほしいの。もし誤検知率が1%だったら、100人が提出した文章のうち1人が、自分で書いたのに「AIが書いた」と判定されるよね。学校の課題でも、採用の書類でも、その1人にとっては深刻な話なの。

検出器の失敗は、片方に偏ってダメージが出るんだよね。見逃しは「AIで書いた人が得をする」だけだけど、誤検知は「正直に書いた人が損をする」の。後者のほうがずっと重いよね。

だから誤検知率を前面に出しているのは、この分野が実用段階に入りつつあるサインだと思うの。研究段階なら精度を誇るけれど、実務に入ると誤検知の話をせざるを得なくなるから。

もっとも、この数字が本当かは別問題なの。そこは次のセクションで書くね。

---

発表の中身を整理するね

事実を並べておくね。

発表日 は2026年7月29日。

調達:

金額    900万ドル
リード  Menlo Ventures
参加    Haystack / ScOp / Script Capital / Cadenza
累計    約1,300万ドル

製品:

• Pangram 4 — テキスト検出の次世代モデル
• Pangram Image — 画像検出モデル（リサーチプレビュー段階）

同社が主張する性能:

テキスト検出精度  99%超
誤検知率         1万件に1件
検出対象         AIが書いた文章
                 人間とAIが混ざった文章
                 AI臭を消すツールを通した文章

画像検出の方式: ピクセル単位の分布解析。モデルをまたいだ検出に対応し、実写の中に混ぜられたAI画像の検出も想定しているとされているよ。

---

数字の扱いについて先に言っておくね

ここは丁寧に書きたいところなの。

上に並べた性能の数字は、すべて同社の発表なの。第三者による検証ではないよ。

AI検出の分野って、この点がずっと課題なんだよね。検出器の性能は、何を評価データに使うかで大きく変わるの。

評価に使うAI文章が古いモデルの出力なら → 精度は高く出る
最新モデルの出力なら                   → 精度は落ちやすい
評価に使う人間の文章が定型的なら        → 誤検知が増えやすい

つまり「99%超」という数字だけでは、どういう条件でそうなったのか分からないの。

わたしは同社が嘘を言っていると思っているわけじゃないよ。ただ発表された数字と、検証された数字は別物だという区別は保っておきたいの。

そして実務では、この区別が効いてくるんだよね。もし誰かが「検出器で99%の精度が出るから、これを根拠に処分する」と言い出したら、そこは止めたほうがいいの。判定は手がかりであって証拠ではない、という距離感が要ると思うな。

---

そもそもAI検出って何を見ているんだろう

技術の中身に少し踏みこんでみるね。ここを知っておくと、検出結果の受け取り方が変わると思うの。

テキストの場合。 検出器が見ているのは、意味というより言葉の選び方の分布なの。

言語モデルは「次に来る確率が高い単語」を選んで文章を作るよね。だから出力は、確率の高い言葉が並びやすいの。人間が書くと、もっとばらつきが出る。妙な言い回し、必要以上に凝った表現、逆に不揃いなリズム。つまり人間の文章のほうが予測しにくいんだよね。

だから検出器は、文章がどれくらい予測しやすいかを測っているの。予測しやすすぎると「機械が書いた可能性が高い」と判定される、というのが基本的な考え方だよ。

ここから2つのことが分かるの。

ひとつは、定型的な文章を書く人が誤検知されやすいということ。マニュアル、報告書、法律文書みたいに「言い回しが決まっている」ものは、予測しやすいんだよね。だから人間が書いても機械らしく見えることがあるの。誤検知率が重要なのは、こういう文章を書く人が実在するからなの。

もうひとつは、混合文章がなぜ難しいか。人間が手を入れると、予測しにくい部分が混ざるよね。文章全体を1つのスコアで判定していると、平均されて判定がぼやけるの。だから混合を扱うには、文章を細かく区切って部分ごとに見る必要があるはずなの。今回「混ざった文章も検出できる」と言っているのは、そういう作りになっているという主張だと読めるよね。

画像の場合。 発表ではピクセル単位の分布解析と説明されているの。

生成モデルが作った画像って、人間の目には自然に見えても、ピクセルの並び方に独特の癖が残るんだよね。カメラで撮った写真にはセンサー由来のノイズがあって、生成画像にはそれがない、あるいは別の規則性がある。そこを見ているの。

そして実写の中に混ぜられたAI画像も検出すると言っているのが面白いところ。写真の一部だけを生成物で差し替えるような加工を、部分的に見つけるということだよね。これはテキストの混合検出と同じ考え方なの。

わたしが思うに、テキストも画像も「全体か部分か」が今の焦点なんだよね。全体を判定するのは以前からできていて、部分を特定するほうに進んでいるの。そして実際の使われ方はほとんど部分的な混合だから、そこができないと実務では役に立たないの。

---

検出される側にとって何が変わるの

書く側の話をするね。

わたしの結論はシンプルなの。「AIで書いたことは技術的に隠せない」前提で運用を組むほうが安全になってきた、ということ。

理由は3つあるの。

回避策の寿命が短いこと。 手を入れれば抜けられる、という状態は今回の発表で一段崩れたよね。そして検出側は投資を受けて改善を続けるの。回避を前提にした運用は、更新に追われ続けることになるよね。

規制側からも同じ圧力が来ること。 8月2日のEU AI Actは印を付けることを求めているの。隠す方向の運用は、規制の方向とも逆になっていくよね。

そして隠す必要が本当にあるのか、という問題。 ここがいちばん大事だと思うの。

AIで書いたことを隠したくなるのは、「AIで書いた記事は価値が低い」と思われることを恐れているからだよね。でもそれって、隠すことで解決する問題じゃないと思うの。

読む人が本当に気にしているのは「AIが書いたか」より「内容が正しいか、役に立つか」なんじゃないかな。日付を確認しているか、数字の出典があるか、間違いを見つけたら直しているか。そこが揃っていれば、書いたのが誰でも読む価値はあるよね。

逆に、内容が薄いのを隠すためにAIであることを隠すなら、それは検出技術の話ではなくて中身の話なの。

---

うまくいかない可能性もあると思う

検出側にも心配な点があるので書いておくね。

ひとつめは、いたちごっこになること。検出器が公開されれば、それを回避する手法も研究されるよね。今回ふさいだ穴も、また別の形で開く可能性はあるの。

ふたつめは、誤検知の被害が可視化されにくいこと。1万件に1件でも、大規模に使えば毎日誰かが誤判定されるよね。そして誤判定された人が異議を申し立てる仕組みは、たいてい用意されていないの。

みっつめは、判定が独り歩きすること。「AI判定99%」という表示が出たら、それだけで結論として扱われがちだよね。信頼度スコアや証拠の中身まで読む人は少ないの。

よっつめは、混合文章の判定基準が曖昧なこと。人が構成を考えてAIが文章化したものは「AIが書いた」のかな。下書きをAIに作らせて全部書き直したら？ この線引きは技術というより定義の問題で、まだ社会的な合意がないと思うの。

いつつめは、非母語話者が不利になりやすいこと。これは以前から指摘されている問題なんだけど、英語を母語としない人が書いた英文は、語彙や構文が教科書的になりやすいんだよね。つまり予測しやすい文章になるの。さっき書いた仕組みからすると、機械らしく見えてしまうということだよね。

実際、初期のAI検出器では留学生の課題が不当に高く判定される事例が問題になっていたの。今回の誤検知率1万件に1件という数字が、こうした書き手も含めて測られたものなのかは、発表からは分からないの。ここは第三者検証で確かめてほしい部分だと思うな。

---

わたしたちが今日からできること

実務に落とすね。

ひとつ、AIを使っていることを隠さない。 これがいちばん確実なの。隠していなければ、検出されても何も起きないよね。今回の発表がいちばん効くのは「隠している人」で、公表している人には影響がないの。

ふたつ、中身の検証に手間をかける。 AIで書くこと自体は問題にならないけれど、間違いをそのまま出すのは問題だよね。日付を確認する、数字の出典をたどる、一次情報が読めないなら複数の二次情報を突き合わせる。ここに時間を使うほうが、隠す工夫より価値があると思うな。

みっつ、他人を検出器で断定しない。 誰かの文章を検出器にかけて「AIだ」と言うのは、誤検知のリスクを相手に押し付けることになるよね。手がかりとして扱うのはいいけれど、結論にはしないでおきたいの。

よっつ、EU市場に出すなら表示義務を確認する。 8月2日から発効するので、EU向けのサービスを持っている人は自分が対象かを見ておくのがいいと思う。日本やアジア向けだけなら基本的に対象外だよ。

いつつ、自分の文章を検出器にかけてみる。 これは意外と役に立つと思うの。自分が書いた文章がどう判定されるかを一度見ておくと、誤検知の実感が持てるんだよね。数字を読むより、自分の文章が機械扱いされる経験のほうが理解が早いと思うな。

AIライティングツールの選び方が気になる人は、こっちの記事も見てみてね。

関連記事: AIライティングツール無料版まとめ

AI規制の全体像はこちら。

関連記事: AI規制2026完全ガイド

---

まとめ：隠す前提をやめると、話が楽になるの

まとめるね。

2026年7月29日、AI検出の Pangram が Menlo Ventures 主導で 900万ドルを調達し、テキスト検出の Pangram 4 と画像検出の Pangram Image を公開したの。累計調達は約1,300万ドルだよ。

同社はテキスト検出精度99%超、誤検知は1万件に1件と主張していて、人間とAIが混ざった文章やAI臭を消すツールを通した文章も検出できるとしているの。ただしこれは同社の発表で、第三者検証ではない点は分けて読みたいところだね。

技術的な要点は、「手を入れれば抜けられる」という回避策をふさぐ方向に来ていること。そして8月2日にEU AI Actの表示義務が発効するので、規制と検出が同じ週に立ち上がっている構図なの。

わたしがこの件から受け取ったのは、隠す前提をやめたほうが単純に楽だということ。回避策は寿命が短くて更新に追われるし、規制の方向とも逆だし、そもそも隠さなければ検出されても何も起きないんだよね。

そのぶんの手間を中身の検証に回すほうが、たぶん結果もいいと思うの。日付を確認する、出典をたどる、間違いを直す。地味だけど、そこが揃っていれば書いたのが誰かはあまり問題にならないよね。

半年後、検出器の性能が第三者に検証されているか。そして誤検知された人の異議申し立ての仕組みができているか。そこが次の見どころだと思うな。

もうひとつ気にしていることがあるの。検出器が普及すると、書き方そのものが変わるかもしれないということ。予測しにくい文章のほうが人間らしいと判定されるなら、わざと崩して書く人が出てくるよね。読みやすさより「人間らしさの演出」が優先される文章が増えるとしたら、それはあまり嬉しい変化ではないと思うの。

技術が普及するとき、いちばん影響が出るのは技術の外側なんだよね。そこも一緒に見ていきたいな。

ソース:

• As AI content floods the internet, Pangram raises 9M to detect it（TechCrunch, 2026年7月29日）
• Pangram Labs raises 9M to launch more accurate AI detection for text and images（SiliconANGLE, 2026年7月29日）