AIを使って書いたと疑われたら何をすべきか

エムダッシュは普通だと説明したい、何年も使ってきた、この文字はChatGPTより前からある、と説明したくなります。どれも本当で、どれも役に立ちません。指摘は初めからダッシュについてではなかったからです。仮説があって、ダッシュはその見える部分だった。

存在するものを、有用性の順に集めます:

1. 版の履歴。 Google DocsとWordは編集ごとに時刻を記録します。三週間に九回の作業で築かれた文書は、一回の貼り付けとは説明がつきません。
2. 以前の下書き。 粗いものでも。下書きは方向性を示します。何を切ったか、動かしたか、最初に何を誤ったか。
3. メモと構成案。 手書きのページ、メモアプリ、雑な箇条書き。最終テキストより前のものすべて。
4. 注釈つきの出典。 線引き、欄外メモ、読書リスト。働き方の証拠にもなります。
5. 話題にしたやり取り。 Slackのスレッド、指導教員へのメール、同僚に投げた質問。

どれも存在しなければ、そう率直に言って内容の話へ移ります。「一気に書いたので下書きは残っていません」という清潔で正直な説明のほうが、作った足跡より信頼されます。

これが使える最強の手です。生成されたテキストと書かれたテキストの実際の違いを突くからです。書いた人は判断を説明できる。質問を歓迎し、本気でそう言ってください。

懸念は理解していますし、ソフトウェアについて論じるよりも直接解決したいと考えます。ご指定の節はどれでも確認できます。なぜこの構成にしたのか、何を外したのか、各出典が支える主張にどうつながるのか。下書きと作業メモもお見せできます。お役に立ちますか。

• 自分にしかわからないことについての質問を想定します。切った部分、捨てた矛盾する出典、ある例を別の例より選んだ理由。
• 台本を用意しない。「なぜ外したのですか」への型どった答えは、生成された答えとそっくりに聞こえます。
• 態度は温かく。話題を出す側はたいてい、守るべき規則があるだけで、個人的な恨みを抱えているわけではありません。

ほとんどの機関は検出器の数値を調査のきっかけとして扱い、結論としては扱いません。それはあなたに有利で、手続が数値ではなく記録をめぐるものでもあることを意味します。

• 具体的にどの証拠に基づくのかを書面で尋ねます。規則は通常、検出器の出力と確定した認定を区別しており、質問がその区別を前に出します。
• どの条項が当たるかを尋ね、書面での提示を求めます。曖昧な指摘には応じにくいものです。
• 第二言語で書いているなら、その事実を丁寧に伝えます。検出器が母語話者以外をはるかに高い率で引っかけることは文献にあり、多くの機関がすでに認めています。
• 手順2の記録を持参し、手順3の話し合いを初回の面談で申し出ます。最後の手段としてではありません。
• やり取りはすべて保存します。エスカレートした場合、不服申立ては今書き留める記録の上に組み上がります。

商用の場の指摘は規則よりも信頼の問題です。だから答えも過程にあります。下書きを見せ、その場での確認を申し出、仕事を再現できることを示す。そのうえで根底の状況を整えます。あなたの仕事を生成と見なすクライアントは、去る一歩手前のクライアントです。

セルフチェックはここでは妥当な計器で、検出器と違って手を打てることを報告します。納品前に完成テキストをAI用ダッシュ削除ツールに通すのも数秒の仕事で、最も見えやすい引き金を外します。