AI検出をやめる大学

大学がAI検出をやめようとしているのは、技術そのものを捨てるという意味ではありません。手放されつつあるのは、AIのスコアを学業不正の申し立ての唯一の根拠として扱うという方針のほうです。移行の方向は「スコアが証拠だ」から「スコアは、さらに精査すべき証拠のひとつだ」へと変わりつつあります。この変化はTurnitinを否定するものではありません。Turnitin自身のドキュメントに書かれていることに歩調を合わせただけです。

AI Writing Reportのドキュメントは、この立場をはっきりと述べています。スコアは「should not be used as the sole basis for adverse actions against a student.」（学生に対する不利益な処分の唯一の根拠として使うべきではない）。行動する前に追加の証拠を求める大学は、ベンダー自身のガイダンスに従っていることになります。

この流れを理解するうえで最も重要な一文は、AI Writing Reportのドキュメントにあります。Turnitinはこう書いています。

「Our AI writing detection model may not always be accurate (it may misidentify human-written, AI-generated, and AI-paraphrased text), so it should not be used as the sole basis for adverse actions against a student.」（私たちのAIライティング検出モデルは必ずしも正確とは限りません。人間が書いた文章、AIが生成した文章、AIで言い換えた文章を誤って判別する可能性があるため、学生に対する不利益な処分の唯一の根拠として使うべきではありません。）

その次の一文も必ず読んでおいてください。

「It takes further scrutiny and human judgment in conjunction with an organization's application of its specific academic policies to determine whether academic misconduct has occurred.」（学業不正が起きたかどうかを判断するには、その組織が固有の学業方針を適用することと併せて、さらなる精査と人による判断が必要です。）

この二つの文を並べて読むと、大学が採りつつある方針のパターンがそのまま浮かび上がります。スコアは調査を始めます。調査を終わらせるものではありません。学生は数字のせいで告発されるのではありません。数字のせいで調査の対象になるのであり、その調査は何かを認定する前に、人による判断と組織の方針を適用します。

Turnitinの別のガイダンスページ、AI Writing Reportはどう確認すべきかも、同じ枠組みを補強しています。

「It is not meant to provide definitive answers in isolation. More important than any tool is the educator who sees the score and makes decisions balancing this information with their personal knowledge of their students, their work, and institutional policy.」（これは、単独で決定的な答えを出すためのものではありません。どんなツールよりも重要なのは、スコアを見る教育者であり、その情報を学生やその課題、組織の方針についての自分の理解と照らし合わせながら判断を下す人です。）

そのページの次の一文は、想定された使い方を明示しています。

「When educators look at the AI writing score and utilize it as a single data point rather than a definitive response, then it is being used as intended.」（教育者がAIライティングのスコアを見て、それを決定的な答えではなくひとつのデータポイントとして利用するなら、そのツールは想定どおりに使われていることになります。）

「A single data point rather than a definitive response.」（決定的な答えではなく、ひとつのデータポイント。）これが決定的な言い回しです。この枠組みを採る大学は、Turnitinに逆らっているのではありません。ベンダーが「ツールはそういう用途に作られた」と述べていることを、そのまま実行しているだけです。

Turnitinは偽陽性率を1%未満としていますが、細部が問題になります。FAQにはこうあります。

「We strive to maximize the effectiveness of our detector while keeping our false positive rate - incorrectly identifying fully human-written text as AI-generated - under 1% for documents with over 20% of AI writing.」（私たちは検出器の性能を最大化するよう努めつつ、人間が書いた文章をAI生成と誤って判別する割合、つまり偽陽性率を、AIライティングが20%を超える文書については1%未満に保っています。）

次の一文が、その数字を言い直しています。

「In other words, we might flag a human-written document as AI-written for one out of every 100 fully-human written documents.」（言い換えれば、人間が書いた文書100件のうち1件について、AIが書いたものとしてフラグを付けてしまう可能性があるということです。）

「for documents with over 20% of AI writing」（AIライティングが20%を超える文書について）という条件が付いている点が重要です。1%未満という目標は、AI文章がある程度の量含まれる文書に当てはまります。言い直しの文ではこの条件が落ちていますが、元の主張には残っています。

100件に1件でも、規模が大きくなると計算は居心地が悪くなります。学期に10,000件の論文を処理する大学なら、人間が書いた文書が約100件、AI生成としてフラグを付けられる可能性があります。75,000件を処理する大学なら、750件になります。これらは抽象的な数字ではありません。そのひとつひとつが、Turnitin自身が唯一の根拠にしてはならないと言っているツールを根拠に、不正の申し立てに直面する学生です。

（Vanderbilt UniversityがAI検出器を無効にした判断については、大学が75,000件の論文を提出する場合に1%の偽陽性率が何を意味するかで扱っています。ここで言いたいのはより大きな傾向であって、特定の機関のことではありません。）

検出器の知られた限界のうち、二つは、大学が保護を外すのではなく付け加えている理由を説明してくれます。

一つ目は、短い文書がモデルにとって難しいことです。FAQにはこうあります。

「In shorter documents where there are only a few hundred words, the prediction will be mostly 'all or nothing' because we're predicting on a single segment without the opportunity to overlap.」（数百語しかない短い文書では、重ね合わせの機会がないまま単一のセグメントについて予測することになるため、予測はほぼ「all or nothing」（全か無か）になります。）

その次の一文。

「This means that some text that is a mix of AI-generated and original content could be flagged as entirely AI-generated.」（つまり、AI生成の内容と自分の内容が混ざっている文章の一部が、全体がAI生成であるとしてフラグを付けられる可能性があるということです。）

短い回答レポートを軸に組まれた科目にとって、これは現実的な懸念です。一部だけAIの助けを借りて書いた300語のリフレクションが、100% AI生成としてフラグを付けられる可能性があります。

二つ目は、ベンダーが見逃しの少なさよりも的中率を優先する設計だと認めている点です。FAQにはこうあります。

「In order to maintain this low rate of 1% for false positives, there is a chance that we might miss some AI written text in a document. We're comfortable with that since we do not want to incorrectly highlight human-written text as AI-written. For example, if we identify that 50% of a document is likely written by an AI tool, it could contain as much as 65% AI writing.」（この1%という低い偽陽性率を維持するため、文書内のAIが書いた文章の一部を見逃す可能性があります。人間が書いた文章をAI作成と誤って指摘したくないので、私たちはそれで構わないと考えています。たとえば、文書の50%がAIツールによって書かれた可能性が高いと判別した場合、実際には最大65%のAIライティングが含まれている可能性があります。）

つまり、この検出器は設計として慎重にできています。人間を誤って告発するくらいなら、AIの文章を見逃すほうを選びます。誤った告発を懸念する大学にとって、この設計判断はいくらか救いになります。ただし同時に、スコアがきれいでも、AIが無かったことの証明にはなりません。ツールが自分の閾値を超えるものを何も指摘しなかった、というだけのことです。

「大学がAI検出をやめる」という物語をこじらせる事実がひとつあります。ベンダーはツールをやめていません。FAQにはこうあります。

「In July 2026, we updated our model architecture to consolidate a multi-model ensemble into a single model. This update improves and simplifies the AI writing report, maintaining a less than 1% false positive rate.」（2026年7月に、複数のモデルを組み合わせたアンサンブルを単一のモデルに統合するため、モデルアーキテクチャを更新しました。この更新によりAIライティングレポートは改善・簡素化され、偽陽性率は1%未満に維持されています。）

モデルは現在も活発に開発されています。2026年7月の統合でアーキテクチャは簡素化され、偽陽性の目標値は維持されました。大学は、ベンダーが投資を続けているツールに合わせて自分たちの方針を調整しています。技術が消えつつあるのではありません。それに対する組織側の対応が成熟しつつあるのです。

各機関で起きているのは、「検出を使う」か「検出を使わない」かの二者択一ではありません。パターンはもっと具体的です。大学はおおむね三段階を進んでいます。

第一段階：スコアが不正認定の十分な証拠として扱われます。「唯一の根拠」型のアプローチです。Turnitin自身のドキュメントは、ツールをそう使うべきだとは書いていません。

第二段階：スコアが、追加の証拠を求める調査プロセスを開始します。調査には学生との面談、過去の課題との比較、草稿の履歴の確認などが含まれることがあります。「補足的な証拠」型のアプローチです。これは、スコアが「should not be used as the sole basis」（唯一の根拠として使うべきではない）こと、そして「it takes further scrutiny and human judgment.」（さらなる精査と人による判断が必要だ）というFAQの記述と一致しています。

第三段階：機関がAI検出器を全面的に無効にします。これは稀です。Vanderbiltの判断が最も多く引用される例ですが、方針を見直した機関の多くは第三段階ではなく第二段階で止まっています。

流れは第二段階に向かっています。大学はツールを残したまま、手続き上の保護を追加しています —— そもそも自分の大学でAIインジケーターが有効になっているかどうかは大学が何を導入しているかによります。検出を放棄しているのではありません。スコアを、Turnitin自身が言うとおりのもの —— 決定的な答えではなく、ひとつのデータポイント —— として扱うことを求めているのです。

学生なら、実践的な結論はこうです。自分の論文のAIスコアが高くても、それが自動的に申し立てを意味するわけではありません。そうした機関が増えるなかで、スコアは評決ではなく対話の始まりになっており、AIの割合が高いときに担当教員が何をするよう言われているかはベンダーが文書にしています。草稿を残し、版の履歴を残し、尋ねられたら自分の執筆過程を説明できるようにしておきましょう。

教員なら、結論はこうです。Turnitin自身のドキュメントが、すでにこの方針転換を裏付けています。FAQはスコアが「should not be used as the sole basis for adverse actions.」（不利益な処分の唯一の根拠として使うべきではない）と述べ、確認のガイダンスページはそれが「a single data point rather than a definitive response.」（決定的な答えではなく、ひとつのデータポイント）だとしています。補足的な証拠を求める方針を、ベンダーのガイダンスからの逸脱だと弁明する必要はありません。それがガイダンスそのものです。

フラグが付いた論文があり、提出前に書き直したいなら、Turnitinのレポートを取り込んで、強調された箇所だけを作業対象にすることもできます。