投稿者 投稿日: カテゴリー AIニュース
AI検出ツールのPangramが、AI生成文章を99.66%の精度で見分ける新モデルを公開しました。
誤検知は約24,000文書に1件、割合では0.0041%だと同社は説明しています。SubstackやQuoraが導入し、月間利用者は1年で2,700人から120,000人へ増えました。商品説明文やレビュー、ブログ記事を生成AIで量産している日本のEC事業者にとって、これは「AIで書いたことが外部から判別されうる」段階に入ったという意味を持ちます。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル（うるチカラ運営）が、AI文章検出の現状と店舗運営で今日から見直すべき点を解説します。
Pangram 4は何を検出できるのか
結論として、Pangram 4は「AIが全部書いたか」だけでなく「人がどこまで手を入れたか」まで段階的に判定するモデルです。The Decoderの報道によると、新モデルは前世代の6倍の規模で、誤検知は14分の1、AI文章の見落としは6分の1に減ったと同社は説明しています。自社ベンチマークでAI文章の検出率は99.66%、人間の文章を誤ってAIと判定する率は0.0041%です。
注目したいのは「ヒューマナイザー」への耐性です。AIらしさを消して人間の文章に見せかけるツールは日本語圏でも多数出回っていますが、Pangramは代表的な13種類のヒューマナイザーを通した文章でも、AIが書いた部分を98.83%の割合で捕まえたとしています。いずれも同社の自社ベンチマークによる数値であり、第三者による日本語テキストでの再現性は要確認です。
料金は100語あたり0.05ドルのAPI課金で、文書の長さによって従来の2倍から10倍の値上げになりました。旧モデルのPangram 3は2026年9月30日まで使えます。あわせて画像がAI生成かを判定するモデルも研究プレビューとして公開されました。既存の透かし（ウォーターマーク）方式と違い、ピクセル単位の統計的な差から判定するため、モデルを問わず検出できるという設計です。
事業としても伸びています。TechCrunchによると、PangramはMenlo Venturesが主導するラウンドで900万ドルを調達しました。創業者のMax SperoとBradley Emiはスタンフォードで機械学習を学んだ2人で、約2年前に立ち上げています。年間売上は前年比35倍、月間利用者は2025年6月の2,700人から2026年6月に120,000人へ増えました。
日本のEC事業者にとっての3つの論点
第一に、掲載先プラットフォームによる「AI表示」のリスクです。すでにSubstackはPangramを組み込み、読者に対して「この著者はニュースレターをAIで書いているか」を示す機能を出しました。Chrome拡張ではX、LinkedIn、Substack、Reddit、Mediumの投稿にリアルタイムでラベルが付き、画面全体の人間とAIの比率もスコア表示されます。自社ブログやSNSでAI原稿をそのまま出している店舗は、ラベルが付いた状態で読者の目に触れる可能性が出てきたわけです。
第二に、商品説明文とレビューの品質基準です。楽天市場やAmazon、Yahoo!ショッピングが現時点でAI検出ツールを審査に組み込んだという発表は確認できていません（要確認）。ただ、AI生成レビューの取り締まりは各モールが強化してきた領域であり、検出技術が安価に手に入るほど、出品者側の「AIで大量生成した説明文」も精査対象になりやすくなります。数千SKUを一括生成した店舗は、生成した文章をそのまま流し込んでいないか、商品固有の事実（素材、サイズ、産地、使用シーン）が入っているかを点検しておく価値があります。
第三に、検出ツールの限界を織り込んだ運用です。TechCrunchの記者による実測では、自分で全面的に書き直した文がAI判定されたケースや、AIに磨かせた記事が13%のAI支援スコアになったケースが報告されています。逆にAIらしさを消すプロンプトを与えても検出は回避できなかったとしています。つまり検出は強力ですが完璧ではなく、「人が書いたのにAI判定される」誤検知も現実に起きます。取引先や媒体からAI判定を根拠に指摘を受けたときに、執筆過程を示せる記録があるかどうかが分かれ目になります。
今日から着手できる初動アクション
まず、自社が出しているコンテンツを「AI比率で3分類」しておくことをおすすめします。人が一次情報から書いたもの、AIが下書きして人が事実確認と加筆をしたもの、AIがほぼ書いたもの、の3つです。分類しておけば、どのページから手を入れるべきかが即座に判断できます。うるチカラの支援現場では、商品説明文の8割がAI下書きのままという店舗が珍しくありません。
次に、生成AIで書いた原稿に必ず通す「事実の上乗せ」を工程化します。具体的には、型番と実測値、社内の出荷データ、スタッフの使用感、同梱物の写真といった、外部から取得できない情報を1本の原稿に3つ以上入れる運用です。これはAI検出対策というより、AI検索（Google AI OverviewやChatGPT）に引用される条件と重なるため、投資として二重に回収できます。
三つめは、開示方針を決めることです。Pangramの創業者Speroも「AIの支援は開示があれば許容されうる」と述べています。自社サイトのコンテンツポリシーに「AIを下書きに使い、事実確認は人が行っている」と書くだけで、後から指摘を受けたときの説明コストが下がります。レビュー依頼メールでAI生成レビューを促すような文面が残っていないかも、この機会に点検しておくとよいでしょう。
最後に、レビューやUGCの外注先の管理です。記事作成やレビュー投稿を外部に委託している場合、納品物がAI生成かどうかを自社では判別できていないことが多いはずです。月20ドルのサブスクリプションで使える範囲から試し、外注原稿の抜き取り検査に使うだけでも、リスクの所在がはっきりします。
まとめ
AI文章の検出は、「できるかどうか」から「どこで使われるか」の段階に移りました。日本のEC事業者がとるべきスタンスは、検出を恐れてAI活用を止めることではなく、AIが書けない一次情報を各ページに積み増し、AI利用を隠さずに運用へ組み込むことです。商品説明文とレビュー、自社ブログの3領域について、AI比率の棚卸しから始めてみてください。
参考文献
- The Decoder｜Pangram says its new AI text detector makes only one mistake per 24,000 documents
- TechCrunch｜As AI content floods the internet, Pangram raises $9M to detect it
- Pangram｜Introducing Pangram 4
- Pangram｜Pangram 4 Model Card
※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談（30分）も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/
引用元: The Decoder
【監修】齋藤竹紘（株式会社オルセル代表 / 19年・5,000社のEC支援実績）
株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。
この記事を読んだ人は、こんな記事も読んでいます
