AI による文章生成が Web コンテンツにどの程度浸透しているか、初めて大規模に定量化された。Pew Research Center が 2026年8月に発表した調査では、ChatGPT の公開以降に出版された Web ページの約 35% が AI による著作または重大な編集の兆候を示している。

調査方法と主要統計

Pew Research は Common Crawl という Web アーカイブから「過去5年間の英語サイト約50万ページ」を収集し、Open Pangram 社の AI 検出技術を用いて分析した。

主な結果は以下の通りである。

全期間 - 過去のコンテンツを含むすべての Web ページ中で AI 著作の痕跡が見られるのは約 10%。

ChatGPT 以降 - 2022年11月の ChatGPT リリース以降のページに限定すると 35%。急激な増加である。

ドメイン別差異 - 商用サイト（.com）では 10% が AI 著作の兆候を示す一方、非営利組織（.org）は 4.6%、教育機関（.edu）・行政（.gov）は各 1% にとどまっている。

業界別の採用格差

.com と .edu の差分（約9倍）は、AI ライティングツールの採用が営利企業に集中していることを示唆している。

商用サイトが高い理由は複数考えられる。まず、コンテンツ制作速度が競争優位になる分野（e コマース・マーケティング・ニュースサイト）では、AI 生成による時間短縮が直結する効果を生む。次に、規制や倫理的ガイドラインが緩い領域での採用がしやすい。

一方、.edu（大学・学術機関）の低さは、学術出版での高い透明性要件と盗用防止規範が AI 利用を抑制していることを反映している。.gov（政府機関）の低さは、公式文書の真正性維持と法的責任の観点から AI 著作を避ける傾向を示唆している。

AI 著作の検出特性

Pew Research の分析では、AI 生成テキストに共通する言語パターンが特定された。

検出されやすい特徴としては、em dash（——）の過剰使用、Oxford comma（シリーズ末尾のコンマ）、「it’s not X, it’s Y」という特定の対比表現がある。また、段落の長さが均一で、転換詞の位置が規則的という構造的特徴も挙げられている。

これらは ChatGPT・Claude・Gemini といった主要 LLM が post-training で「望ましい」表現として学習した言い回しと合致する傾向にある。

注意点と今後の課題

Pew Research 自身も、AI 検出技術には誤分類のリスクがあることを認めている。完全に人間が書いたテキストを AI と誤認識したり、その逆もあり得る。だが研究者は「スケール上で見て方向性は正確」と述べている。

今後の課題は複数ある。

検出技術の進化 - LLM が多様な表現方法を学ぶにつれ、AI 著作の特徴も变化する。検出技術は常に追いかけ続ける必要がある。

透明性基準の確立 - コンテンツ制作時に AI 使用を明記すべきか、という規範の国際的標準化が求められている。

プラットフォームの対応 - Google・X・Meta などは検索順位・推奨アルゴリズムで AI 著作をどう扱うか。社会的トラストを維持するための基準設計が急務である。

AI による著作の蔓延は不可逆的である。規制ではなく、検出可能性と透明性のあり方で市場がコントロールされる時代に入った。