マーケティング業界は、私が「人間税」と呼ぶものを静かに支払い始めている。完全に人間が書いた文章がAI生成と誤判定されることで、エージェンシーが負担するコストのことだ。そして、その請求額は急速に膨らんでいる。最近の研究は、現在の商用AI検出ツールがしばしば不正確で一貫性に欠け、偽陽性率が高いことを示している。その結果、AIを使っていないことを証明する負担がコンテンツチームにのしかかっている。
この状況が生んだのが、機械生成テキストを偽装するために作られた「AIヒューマナイザー」ツールという回避策業界である。多くのコンテンツチームが、そうしたツールを使うか自分たちで行うかにかかわらず、コンテンツの人間化をワークフローの標準ステップにしている。私が見てきた限り、これには構文の簡略化、構造の平坦化、整った文章をわざと粗くする作業が含まれることが多い。
しかし、AI検出を回避するために費やす1時間は、顧客がエージェンシーに支払っている戦略、調査、独自の洞察に充てるはずの1時間ではない。その結果、誰も得をしない底辺への競争が生まれる。
学術研究は、AI検出ツールが明快で構造化された文章を不利に扱うことを示している。検出ツールは真実性や価値を読むのではない。代わりにパープレキシティやバースティネスといった要素を見る。プロフェッショナルな文章は本質的に一貫していることが多く、この2つの指標で低く出やすい。つまり、良い文章ほど偽陽性につながり得るのだ。偽陽性への答えが「人間性を証明するために構文を劣化させること」になると、エージェンシーは本来築くべき権威やブランドエクイティを損なう。
2023年、OpenAIは精度の低さを理由に自社のAI分類器をひっそりと終了させた。基盤モデルを設計する側ですら信頼できる検出器を作れないのなら、第三者スコアに基づいて編集方針を決めるべきではない。
では、エージェンシーは何をすべきか。スコアを追うのではなく、真正性を構造的に証明することに注力すべきだ。以下の戦略は、私がこの1年、顧客案件の現場で効果を確認してきたものである。
1. スコアを超えて「品質」を再定義する
ライターのパフォーマンスをAI検出指標に紐づけるのをやめよう。調査が甘い記事でも「完全に人間」のスコアが出ればROIはゼロであり、こうしたトレードオフは想像以上に頻繁に起きている。KPIをユーザーエンゲージメント、滞在時間、生成エンジン最適化（GEO）における引用へとシフトすべきだ。
2. 独自データを注入する
アルゴリズムは自社の一次体験を捏造できない。社内のケーススタディ、独自の顧客データ、独自調査にコンテンツの根拠を置くべきだ。ほかに存在しないデータを提示すれば、画面の向こうにある人間の専門性を検証でき、AIには再現できないコンテンツが生まれる。
3. 物語の情報密度を高める
生成AIは、専門家が書く文章の情報密度に追随しにくい。均一情報密度原理に関する研究は、大規模言語モデル（LLM）が人間に比べて情報をより均一かつ予測可能に分散させることを示している。
編集ガイドラインは、単語あたりの情報量が高い状態に焦点を当てるべきだ。すべての語が有用な情報を運ぶようにする。水増しは避ける。これが実践としての「物語の情報密度」である。LLMが多用する文体的な装飾や冗長さを削ぎ落とし、最初の一文から凝縮した価値を届ける。この一点だけでも、専門性のあるコンテンツとAIの埋め草を分けることができる。
4. 「真正性シールド」を実装する
AI検出器との当て物ゲームから、機械可読な出自の証明へと転換する。schemaマークアップを通じて著者および組織の構造化データを活用することだ。これにより、エンティティの信頼と著者性の検証がアーキテクチャのレベルで確立される。
検証済みの人間エンティティにコンテンツを結びつけることは、会話調の文章を模倣することより強い真正性シグナルになる。
5. 検出ツールの序列に異議を唱える
同じ文章でも、検出ツールによってAI確率スコアが大きく変わり得ることを、関係者に理解させるべきだ。2024年に人気ツールを比較した調査では、検出器間で相反する結果が出ることが指摘されている。
業務範囲や編集ガイドラインには、検出スコアは助言であり、合否判定の指標ではないことを明記すべきである。
6. 相関を監査する
3つのシグナル（AI検出スコア、オーガニック検索順位、AI回答エンジンでの引用）でスプリットテストを行うべきだ。私の経験では、AI生成の可能性が高いとフラグが立ったコンテンツでも、従来型の検索では上位に入り、AI Overviewsで引用されることが少なくない。したがって、3つすべてを検証する必要がある。
毎月、各コンテンツを2〜3種類のAI検出ツールに通し、スコアのドリフトを追跡する。これらは合否の判決ではなく、モニタリングのシグナルとして扱うべきだ。Google Search ConsoleまたはSEOツールでキーワード順位の推移を追い、重要クエリを主要AIアシスタントで実行して、自社コンテンツが引用されるかを確認する。
研究は、ニューラル検索モデルが、焦点化された意味表現のほうが解析しやすいため、LLM生成テキストに偏りやすいことを示している。3つのシグナル（AI検出スコア、オーガニック検索順位、AI回答エンジンでの引用）を突き合わせれば、どの戦略が実際に成果を動かしているのかが分かる。
7. 文体の指紋を守る
一貫した権威あるブランドボイスを維持するべきだ。研究は、消費者がマーケティングコンテンツの感情的な部分をAI生成だと認識すると、ブランドへの信頼と信用の知覚が低下することを確認している。時間をかけて維持される独自の文体の指紋は、どのAIツールにも再現できない読者の信頼とエンティティ認知の構築に寄与する。
編集基準を守ることは創作上の好みではない。均質化したウェブにおいて長期的な影響力を築く戦略である。
人間税は現実だ。良い文章を劣化させるために費やす1時間は、権威を築くために使えない1時間である。
問うべきは「どうすればAI検出器を通過できるのか」ではなく、「有資格の人間が作ったことを、構造的にどう証明するか」である。schemaマークアップ、エンティティ検証、独自データによって、それは今日すでに可能だ。いまこれらの要素に注力するエージェンシーは、GEO時代における真正性の基準づくりを後押しするだろう。
