Substack「Scan for AI text」代替になるAI検出ツール5選 無料・日本語・OSSまで (2026年版)
自分の記事に「AI支援」の数字が出ていないか気になって、公開後に何度も自分のページを開いていませんか。
Substackの純正機能は、読者がボタンを押したときにしか動きません。書き手側からは、押されるまで結果が見えない仕組みです。だから公開前に自分で確かめたいなら、外部のツールを使うしかありません。
選択肢は5タイプに整理できます。無料で貼るだけのもの、自分のPCの中だけで動かせるオープンソース、そして「検出しない」という選び方まで。日本語で書く人がつまずくポイントも含めて並べます。
この記事のポイント Substackの「Scan for AI text」は、読者がリクエストしたときだけ走る任意スキャンです。書き手が公開前に自己チェックする用途には向きません。 代替は「貼るだけの無料Web検出」「教育・出版向けサービス」「校正ツール併用」「オープンソース自前運用」「検出せず記録を残す」の5タイプ。 日本語記事の判定はどのタイプでも当たり外れが大きく、数値を鵜呑みにするのは危険です。 原稿を外部に出せない編集部なら、オープンソースを自前で動かす一択。個人ブログなら無料Web版で十分です。
Substack「Scan for AI text」とは何をする機能？
Substackの「Scan for AI text」とは、投稿やノートの文章がどのくらい人間の手で書かれたかを推定して、割合で表示する読者向けの機能です。判定エンジンにはPangramが使われています。
対象は2026年7月21日以降に公開された投稿とノート。100文字を超える投稿・ノート・返信・コメントであれば、読者がスキャンを実行できます。
重要なのは、自動では走らないという点です。読者が自分の意思でリクエストしたときにだけ結果が出ます。パブリッシャー側のコンテンツが生成AIの学習に使われることはない、とSubstackとPangramの双方が明言しています。
書き手側は、この機能をオフにする選択もできます。ただしオフにしたこと自体が読者にどう映るかは別問題。ここが悩みどころです。
| 項目 | Substack「Scan for AI text」の仕様 |
|---|---|
| 判定エンジン | Pangram |
| 対象コンテンツ | 2026年7月21日以降の投稿・ノート |
| 文字数条件 | 100文字超の投稿・ノート・返信・コメント |
| 実行タイミング | 読者がリクエストしたときのみ |
| 表示形式 | 人間執筆／AI支援の割合（パーセント） |
| 書き手の設定 | オフにできる |
| 学習利用 | 出版者コンテンツは生成AI学習に使わない |
つまり、これは「取り締まり」ではなく「読者に渡された虫めがね」です。書き手が主導権を持てない構造だからこそ、手元でのセルフチェック手段が要ります。機能の全体像はSubstackの純正ツールページとAI検出機能そのものの解説にまとめてあります。
なぜ純正機能だけでは足りないのか？
書き手が公開前に自分の原稿を測れないから。理由はこれに尽きます。
読者が押すまで数値が出ないので、書き手にとっては公開してから答え合わせをする形になります。しかも数値は読者の画面に出る。順番が逆です。
もうひとつは範囲の問題。Substack以外にも原稿を出している人は珍しくありません。noteに転載する、メディアに寄稿する、社内報に回す。純正機能はSubstackの中でしか動かないので、原稿の一部しかカバーできません。
そして、日本語です。日本語で書いている人にとって、パーセント表示がどこまで信用できるのかは未知数のまま。手元で複数のツールにかけて数値のばらつきを見ないと、判断材料になりません。
ここまでの整理: 純正機能は「読者のための道具」であって「書き手のための道具」ではありません。だから代替を探すのではなく、役割の違う道具を手元に足す、と考えるほうが正確です。
外部ツールに何を求めるかがはっきりしたところで、選ぶ基準を3つに絞ります。
代替ツールを選ぶときの3つの基準
検出ツールは数字を出してくれますが、その数字の質は「学習データ・原稿の扱い・反証のしやすさ」の3点で決まります。
1. 日本語をどれだけ学習しているか。 英語中心のデータで作られた検出器に日本語を入れると、数値が不安定になりがちです。公式サイトやモデルカードに対応言語の記載があるかを最初に見てください。
2. 入力した原稿がどう扱われるか。 未公開原稿を外部サーバに送る行為です。保存期間、学習利用の有無、削除方法。この3つが公式ページに書かれていないサービスは、業務では使わないほうが安全です。
3. 結果に反証できるか。 「AI支援80%」と出たとき、それを覆す材料が手元にあるか。執筆履歴や下書きの版が残っていれば、数字そのものより強い証拠になります。
3つ目が一番軽視されます。でも実務で効くのはここ。
代替になるAI検出ツール5選（早見表）
タイプごとに向き不向きがはっきり分かれます。5つを一覧にしました。
| タイプ | 代表的な選択肢 | 無料で使えるか | 日本語 | 向いている人 |
|---|---|---|---|---|
| 1. 貼るだけの無料Web検出 | GPTZero、Copyleaksなどのブラウザツール | 無料枠あり | ツールにより差が大きい | 個人ブロガー・公開前の自己チェック |
| 2. 教育・出版向け検出サービス | Turnitin AI、Sapling AI | トライアル中心 | 英語が主軸 | 寄稿や課題を受け取る側 |
| 3. 校正ツール併用型 | Shodo、Grammarly | 無料プランあり | Shodoは日本語特化 | 日本語で書いて整えたい人 |
| 4. オープンソース自前運用 | 公開されている検出モデルをローカル実行 | 無料（計算資源は自前） | モデル次第 | 原稿を外部に出せない編集部 |
| 5. 検出しない運用 | 執筆履歴・下書きの版・取材メモ | 無料 | 制限なし | 誤検知に振り回されたくない人 |
つまり、外に出せる原稿なら1、出せない原稿なら4、そもそも数字で争いたくないなら5です。ここから1つずつ中身を見ます。
タイプ1: 貼るだけの無料Web検出ツール
ブラウザに原稿を貼り付けて数秒で結果が出るタイプ。導入コストがゼロなので、まずここから試すのが順当です。
強みは手軽さ。会員登録なしで使えるものもあり、公開前に1本かけるだけなら数十秒で終わります。複数のツールに同じ原稿を通して、数値のばらつきを見る使い方が現実的です。
弱みは3つあります。無料枠には文字数の上限があること。判定の根拠が示されないこと。そして原稿が外部サーバを通ること。3つ目は個人ブログなら許容範囲ですが、クライアント案件の原稿では止めておくべきです。
数値が1つのツールで90%、別のツールで20%と出たら、その原稿は「判定できない文章」です。どちらかが正しいのではなく、両方あてにならないと読むのが正解。
日本語対応をうたっていないツールに日本語を入れると、短い文章ほど極端な数字が出やすくなります。判定にかけるなら1,000文字以上のまとまった塊で。
タイプ2: 教育・出版向けの検出サービス
課題や寄稿を「受け取る側」が使う業務向けのサービス群です。個人が自分の記事を測るには重すぎますが、組織で運用するなら選択肢に入ります。
Turnitin AIは教育機関での利用を前提に設計されたサービスで、剽窃チェックの文脈と地続きになっています。Sapling AIは業務文書向けの校正・検出機能をまとめた作りです。どちらも英語圏の需要を主軸に育ってきた製品なので、日本語原稿での運用可否は導入前に必ず試してください。
このタイプの価値は数値そのものより、運用ルールごと導入できる点にあります。誰が測るのか、閾値をどこに置くのか、疑わしいときに誰が最終判断するのか。ツールと一緒にその枠組みが付いてきます。
料金体系は組織規模で変わるため、各社の公式ページで見積もりを取るのが確実です。個人メディア運営者が単独で契約する価格帯ではありません。
タイプ3: 日本語の校正ツールと組み合わせる
はっきり書いておきます。校正ツールはAI検出器ではありません。それでも代替候補に入れる理由があります。
Shodoは日本語の文章校正に特化したエディタで、表記ゆれや冗長な言い回しを指摘してくれます。Grammarlyは英語文章の定番。どちらも「AIが書いたか」は判定しませんが、AIっぽく読まれる文章の癖を潰す方向で効きます。
AI検出器が反応しやすいのは、文末が同じ形で続く文章、段落の長さが揃った文章、接続詞がテンプレ化した文章です。校正ツールで単調さを削ると、結果として数値も動きます。数値対策のために書き換えるのは本末転倒ですが、読みやすさの改善と方向は一致します。
日本語校正ツールの比較はShodo・Grammarly・ChatGPTの使い分けに詳しくまとめました。3つの守備範囲が違うので、併用前提で読むと選びやすくなります。
英語と日本語を行き来する原稿なら、DeepL Writeで文章を整える手もあります。翻訳経由の原稿は文体が均質になりやすく、検出器が反応しやすい形になります。翻訳ツールの選び方はAI翻訳ツールの比較が参考になります。
タイプ4: オープンソースの検出モデルを自分で動かす
未公開原稿を外に出せないなら、ここが一択です。
Hugging Faceなどで公開されている検出モデルを自分のPCやサーバにダウンロードして動かす方式。原稿が手元から一歩も出ないので、機密保持の観点では最も安全です。利用料もかかりません。
判定の考え方は大きく2系統に分かれます。人間の文章とAIの文章の違いを学習させた分類器と、文章の「予測しやすさ」を統計量として測る手法。仕組みが違うので、同じ原稿でも結果が食い違います。
| 判定方式 | 何を見るか | 強み | 弱み |
|---|---|---|---|
| 学習ベースの分類器 | 人間文とAI文の特徴の差 | 短めの文章でも速い | 学習外の文体に弱い |
| 統計量ベース | 文章の予測しやすさ | 仕組みを説明できる | 人が手を入れると数値が動く |
| 電子透かし | 生成側が仕込んだ印 | 誤検知が起きにくい | 対応モデルにしか効かない |
| 履歴・来歴ベース | 書いた過程の記録 | 反証に強い | ツールをまたぐと記録が途切れる |
方式の違いを知っておくと、数値が割れたときに慌てずに済みます。
導入時に必ず見るべきはモデルカードの学習データです。日本語がどれだけ含まれているか書かれていなければ、日本語原稿での数値は参考値以上にはなりません。ライセンスの商用可否も同じページで確認してください。
動かすには最低限のPython環境が要ります。ここのハードルが高いなら、無理せずタイプ1に戻るのが賢明です。AIツール全般の環境づくりから知りたい場合はAI活用ガイドに基礎をまとめてあります。
タイプ5: 検出に頼らず執筆の記録を残す
数字で殴り合うのをやめる選択。地味ですが、いちばん強い手です。
AI検出器が出すのはあくまで推定値であって、証明ではありません。「AI支援85%」と表示されても、それは文章の見た目がAIの書き方に似ているという意味でしかない。反証材料が手元にあれば、数値は無力化できます。
残しておくと効くのは次の4つです。
- 執筆時の版履歴（クラウド文書の変更履歴、Substackの下書き保存）
- 取材メモ・録音・一次資料へのリンク
- 構成案から本文までの推敲の跡
- 図表やデータの元ファイル
4つ全部を毎回そろえる必要はありません。取材が入る記事だけ、あるいは寄稿だけ、と決めておけば運用が続きます。
リサーチ工程そのものを記録として残す方法もあります。調査系AIの使い分けはSumma AIとSTORMの比較で整理しました。どこまでをAIに任せ、どこから自分で書いたかを分ける習慣がつきます。
日本語の文章はどこまで正確に判定できる？
正直、まだ信頼できる水準ではありません。ここは期待値を下げて付き合うべきところです。
理由は学習データの偏りにあります。公開されている検出器の多くは英語圏の文章を主軸に作られており、日本語の助詞や語尾の使い方に対応しきれていません。同じ原稿を複数のツールに通すと数値が大きく割れるのは、そのためです。
判定を少しでも安定させたいなら、次の条件をそろえてください。
- 1,000文字以上のまとまった塊で測る（短文は極端に振れます）
- 箇条書きや表を除いた地の文だけを入力する
- 同じ原稿を3つ以上のツールに通して中央値を見る
短い返信やコメントの判定は特に不安定になります。Substackの純正機能が100文字超を条件にしているのも、短すぎる文章では推定が成り立たないからです。
日本語で書く人ほど、数値ではなく次の見出しの話が実務的になります。
誤検知が出たときとプライバシーは、どう扱えばいい？
誤検知は起きる前提で運用してください。そして原稿を外に出す前に、保存方針を確認してください。
自分で書いた文章に高いAI率が出るケースは珍しくありません。定型的な説明文、仕様の羅列、翻訳調の文章はどれも数値が上がりやすい形です。慌てて書き直す前に、次の順で確認します。
| 確認項目 | 見る場所 | 判断の目安 |
|---|---|---|
| 別ツールでも同じ結果か | 3つ以上の検出ツール | 割れたら判定不能と扱う |
| 測った文章の量 | 入力した文字数 | 1,000文字未満なら測り直す |
| 定型文の割合 | 仕様・手順の記述部分 | 多いなら数値は参考外 |
| 執筆履歴の有無 | 版履歴・下書き | 残っていれば数値より優先 |
表のとおり、対処の中心は「書き直し」ではなく「確認」です。数値に合わせて文章を崩すと、読みやすさだけが失われます。
プライバシー側は3点だけ見れば足ります。入力テキストの保存期間、学習利用の有無、削除の手順。この3つが公式ページに明記されていないサービスに、クライアント原稿や未公開記事を入れてはいけません。
Substackの純正機能については、SubstackもPangramもパブリッシャーのコンテンツを生成AIの学習には使わないと表明しています。外部ツールを使うときは、同等の記載があるかを自分で確かめる必要があります。
セキュリティ観点でツールを選び直したいなら、AIセキュリティ関連ツールのカテゴリから入ると比較が早いです。
AI PICKS編集部の判定
用途で答えが変わるので、はっきり分けます。
個人でSubstackやブログを書いている人なら、貼るだけの無料Web検出で十分です。公開前に1回通して、極端な数字が出たら文末の単調さを疑う。それ以上のことをしても得るものは少ないです。有料プランへの課金は、正直イマイチな投資対効果になります。
クライアント原稿や未公開記事を扱う編集部なら、オープンソースを自前で動かす一択。原稿を外に出さずに済む点が圧倒的で、ここを妥協する理由がありません。環境構築の手間はかかりますが、一度組めば運用は軽い。
日本語で書く人への評価は厳しめです。どのタイプも日本語判定の精度は当てになりません。数値を「疑いのきっかけ」として使うのは有効ですが、根拠として提出できる水準ではない。ここを取り違えると、書き手も編集者も消耗します。
そして一番重宝するのはタイプ5、執筆の記録を残す運用です。検出器の数値は覆せますが、版履歴と取材メモは覆せません。ツールを増やす前に、まずここを固めてください。
よくある質問（FAQ）
Q. Scan for AI text はいつの投稿から使えますか？
2026年7月21日以降に公開された投稿とノートが対象です。それより前の記事にはスキャンが走りません。
Q. コメントや返信もスキャンの対象になりますか？
なります。100文字を超える投稿・ノート・返信・コメントであれば読者がスキャンを実行できます。短いコメントは対象外です。
Q. スキャンは自動で走りますか？
走りません。読者がリクエストしたときにだけ実行されます。書き手が知らないうちに全記事が採点される仕組みではありません。
Q. 書き手側で機能をオフにできますか？
できます。ただしオフにしたこと自体が読者にどう受け取られるかは別の判断になります。長く読まれている媒体ほど、オフにする前に読者への説明を用意しておくのが無難です。
Q. 自分の記事がAIの学習に使われますか？
SubstackとPangramの双方が、パブリッシャーのコンテンツを生成AIの学習には使わないと明言しています。外部ツールを使う場合は同じ記載があるか個別に確認してください。
Q. 検出回避をうたうツール（humanizer）を使うのはありですか？
おすすめしません。数値を下げるために文章を崩すと読みやすさが落ち、読者が離れます。数値ではなく読者を見て書くほうが結果的に得です。
Q. AIに下書きを書かせた記事は公開してはいけませんか？
そういうルールではありません。Scan for AI textが示すのは割合であって可否ではない。事実確認と最終的な文責を自分で持てているかが分かれ目です。
Q. 複数の検出ツールで結果が割れたらどうしますか？
その原稿は「判定不能」として扱ってください。中央値を取るより、版履歴などの記録を提示するほうが確実です。
あわせて見たいツール・カテゴリ
判定の前に、書く道具と測る道具を分けて考えると選びやすくなります。
- Substack Scan for AI text — 純正機能の仕様を先に押さえると、外部ツールに何を任せるべきかが決まります
- Substack AI検出機能 — 読者側からどう見えるかを確認したいときに
- Turnitin AI — 寄稿や課題を受け取る側の運用を組むなら
- Sapling AI — 業務文書の校正と検出をまとめたい場合の候補
- Shodo — 日本語の単調さを削るなら、検出器より先にこちら
- QuillBot — 言い換えの引き出しを増やす用途に限定して使うのが賢明です
- AIライティングツールのカテゴリ — 書く側の道具を一覧で見比べる
- AIライティングのランキング — 何から試すか迷ったときの入口
- AI翻訳ツールのカテゴリ — 翻訳経由の原稿は数値が上がりやすいので併読を
次に読むならこれ。SubstackのAI検出機能の全体像を押さえておくと、読者から数値について質問が来たときに一度で答えられるようになります。
各ツールの公式サイト（一次情報）
料金・機能・対応範囲は各社公式が一次情報です。本記事は公開時点の検証に基づきますが、最新かつ正確な条件は必ず各公式ページで確認してください。
