49万ページをCommon Crawlから抽出

Pewは、非営利のウェブアーカイブであるCommon Crawlから、2021年1月から2026年7月までに作成された49回分のコレクションを利用した。各回から1万ページずつ、合計49万件の英語ページを無作為に抽出し、本文をAI検出ツール「Open Pangram」で分析した。

2026年7月の1万ページは、その時点の英語圏インターネットを切り取ったスナップショットにあたる。検出スコアが一定の基準以上だったページを、AIによる執筆または大幅な編集の「意味のある兆候」として集計した。

商用サイトで広がりが顕著

AI関与の兆候は、ドメインの種類によって差が出た。2026年には、.comページの約10％で有意な兆候が確認されたのに対し、.orgは4.6％、.eduと.govはそれぞれ約1％だった。

ChatGPT公開前は、これら4種類のドメインで数値に大きな差はなかった。その後、.comを中心とする商用ウェブでAI支援によるコンテンツ制作がより速く広がったことと整合する結果だ。ただし、ドメイン別の差が生じた理由を、この検出結果だけで説明することはできない。

「delve」やエムダッシュも増加

Pewは、ChatGPT公開後に増えた文章上の特徴も追跡した。確認された主な変化は次の通りだ。

• エムダッシュ（—）
• オックスフォード・コンマ（英語で最後のandの前に置くコンマ）
• 「delve」「interplay」「tapestry」「testament」などの語
• 「単にXというだけでなく、Yだ」のような否定形を使った対比表現（negative parallelism）

これらの表現は、データ全体で時間とともに使われる頻度が上昇した。 しかし、エムダッシュを使ったり、こうした単語を文章に含めたりしただけで、そのページがAIによって書かれたと判断することはできない。人間の書き手も同じ表現を使うし、AIを補助的に使った文章がすべての特徴を示すとも限らない。

35％という数字をどう読むべきか

最も重要な注意点は、AI検出が確率的な推定だということだ。Pewは検出スコア0.2以上をAI利用の意味のある兆候として扱ったが、検出ツールが個々の文書を誤判定する可能性も認めている。

そのため、この手法は「この特定の記事はAIが書いた」と断定する用途よりも、無作為に集めた大規模なデータから、ウェブ全体の変化を捉える用途に向いている。出版社や研究者、読者が結果を解釈する際には、AIが一切関与していない文章と完全自動生成の記事の二択ではなく、人間とAIの関与が連続していることを踏まえる必要がある。

作る側だけでなく、読む側も自動化へ

Pewの調査は、ウェブ上の文章がどのように作られているかを対象にしたものだ。一方、Cloudflareのデータに基づく別の報道では、同社のネットワーク上で測定された2026年6月の活動の約57％が自動化システムによるもので、人間による活動は約43％だった。

この数字はCloudflareのネットワーク上のトラフィックを示すもので、インターネット上のあらゆる活動を表すわけではない。また、PewがAI関与の兆候を検出したページを、これらのボットが執筆したことを示すものでもない。

それでも両方の結果を並べると、ウェブの構造的な変化が見えてくる。オンライン情報はAIを使って作られ、自動システムによって発見・処理され、人間だけを相手にしない環境で消費されるようになりつつある。Pewの調査は、ウェブの作られ方と読み取られ方が変わっていることを示す一方、個々のページの著者が誰なのかという問いには、なお慎重な判断を求めている。

49万ページをCommon Crawlから抽出

Pewは、非営利のウェブアーカイブであるCommon Crawlから、2021年1月から2026年7月までに作成された49回分のコレクションを利用した。各回から1万ページずつ、合計49万件の英語ページを無作為に抽出し、本文をAI検出ツール「Open Pangram」で分析した。

2026年7月の1万ページは、その時点の英語圏インターネットを切り取ったスナップショットにあたる。検出スコアが一定の基準以上だったページを、AIによる執筆または大幅な編集の「意味のある兆候」として集計した。

商用サイトで広がりが顕著

AI関与の兆候は、ドメインの種類によって差が出た。2026年には、.comページの約10％で有意な兆候が確認されたのに対し、.orgは4.6％、.eduと.govはそれぞれ約1％だった。

ChatGPT公開前は、これら4種類のドメインで数値に大きな差はなかった。その後、.comを中心とする商用ウェブでAI支援によるコンテンツ制作がより速く広がったことと整合する結果だ。ただし、ドメイン別の差が生じた理由を、この検出結果だけで説明することはできない。

「delve」やエムダッシュも増加

Pewは、ChatGPT公開後に増えた文章上の特徴も追跡した。確認された主な変化は次の通りだ。

• エムダッシュ（—）
• オックスフォード・コンマ（英語で最後のandの前に置くコンマ）
• 「delve」「interplay」「tapestry」「testament」などの語
• 「単にXというだけでなく、Yだ」のような否定形を使った対比表現（negative parallelism）

これらの表現は、データ全体で時間とともに使われる頻度が上昇した。 しかし、エムダッシュを使ったり、こうした単語を文章に含めたりしただけで、そのページがAIによって書かれたと判断することはできない。人間の書き手も同じ表現を使うし、AIを補助的に使った文章がすべての特徴を示すとも限らない。

35％という数字をどう読むべきか

最も重要な注意点は、AI検出が確率的な推定だということだ。Pewは検出スコア0.2以上をAI利用の意味のある兆候として扱ったが、検出ツールが個々の文書を誤判定する可能性も認めている。

そのため、この手法は「この特定の記事はAIが書いた」と断定する用途よりも、無作為に集めた大規模なデータから、ウェブ全体の変化を捉える用途に向いている。出版社や研究者、読者が結果を解釈する際には、AIが一切関与していない文章と完全自動生成の記事の二択ではなく、人間とAIの関与が連続していることを踏まえる必要がある。

作る側だけでなく、読む側も自動化へ

Pewの調査は、ウェブ上の文章がどのように作られているかを対象にしたものだ。一方、Cloudflareのデータに基づく別の報道では、同社のネットワーク上で測定された2026年6月の活動の約57％が自動化システムによるもので、人間による活動は約43％だった。

この数字はCloudflareのネットワーク上のトラフィックを示すもので、インターネット上のあらゆる活動を表すわけではない。また、PewがAI関与の兆候を検出したページを、これらのボットが執筆したことを示すものでもない。

それでも両方の結果を並べると、ウェブの構造的な変化が見えてくる。オンライン情報はAIを使って作られ、自動システムによって発見・処理され、人間だけを相手にしない環境で消費されるようになりつつある。Pewの調査は、ウェブの作られ方と読み取られ方が変わっていることを示す一方、個々のページの著者が誰なのかという問いには、なお慎重な判断を求めている。