OpenAIは2026年10月5日、生成時の単語選びに見えない統計的な信号を埋め込む「textGrain」を発表しました。生成した文章の一部にOpenAIモデルが関わった可能性を、専用の検出器で調べられるようにする仕組みです。
OpenAI textGrainを検討する日本の事業者が確認すべき点は、製品ごとに提供範囲が異なることです。OpenAI APIは世界の顧客が対応モデルを選んで任意に有効化できる一方、ChatGPTとCodexへの組み込みはEUの対象出力から始まります。textGrainは公開済みの汎用AI検出器でも、著者や人間の寄与を特定する機能でもありません。利用を考える企業は、何を証明したいのかを先に決める必要があります。
この記事では、10月5日の発表と現行のヘルプ情報をもとに、日本から使える経路、公開評価の読み方、制作・サポート業務での小規模な試し方を整理します。
textGrainは文章を生成する時点で「出所の信号」を組み込む
一般的なテキスト透かしは、モデルが次の単語や単語の一部を選ぶ確率に手を加え、複数の選択にまたがって統計的なパターンを作ります。OpenAIの説明では、textGrainも生成時の単語選択に不可視の信号を入れ、専用検出器がそのパターンを調べます。読者から見える印や、コピー時に付く特殊文字、透かし専用の追加トークンはありません。仕組みの技術的な説明はOpenAIの技術報告書に掲載されています。
技術報告は、単語選択を秘密鍵と前の文脈から作る乱数に結びつけ、検出器が同じ鍵から復元したパターンと文章の統計的一致を調べる方式と説明しています。信号を見つけやすくすることと、生成時の選択の幅をどれだけ保つかは設計上の調整になります。報告書はその調整を情報量の予算として扱っていますが、API利用者が画面で信号の強さを自由に決められるという意味ではありません。重要なのは、文中に一つの識別子を付けるのではなく、言葉の選択列をまとめて統計的に調べる点です。
この信号は、文章ファイルに作成者名や生成日時を記録するメタデータとは異なります。文章の表面には残らない一方で、検出結果から読み取れる情報は限られます。仕組みの違いを、導入判断に関係する範囲で比べると次の通りです。
| 方法 | どこに情報を持たせるか | 何を確認できるか | 主な限界 |
|---|---|---|---|
| textGrain | 生成時の単語・トークンの選択パターン | OpenAIの透かし信号が検出されるか | 人間の寄与割合、利用者、正確さ、所有権は分からない。短文や編集で検出しにくくなる |
| ファイルの来歴メタデータ | 対応する画像・音声などのファイルに付く来歴情報 | 情報が残っていれば、作成や編集の履歴 | 形式変換やスクリーンショットで失われることがある。textGrainとは別の仕組み |
| 事後型のAI文章判定 | 完成した文章に現れる特徴を分類器で分析 | 分類器がAIらしさをどう評価したか | 生成時の出所信号を探す方式ではなく、判定だけで利用モデルや人間の関与は確定できない |
ここでいう「出所」は、OpenAIが提供するモデルに由来する信号の有無です。検出されたとしても、AIが文章の大半を書いたのか、担当者が一部を直しただけなのかは特定されません。逆に検出されなかった場合も、人が書いた証明にはなりません。短さ、言い換え、翻訳、未対応モデル、透かし適用前の生成など、信号が見つからない理由が複数あるためです。
日本ではAPIの任意設定が入口、ChatGPTの適用はEU限定
OpenAIの発表日である10月5日時点で示された提供方法と、10月7日に確認した現行ヘルプの案内は、次のように分かれています。ChatGPTとCodexについては、発表時点ではEU内の対象出力へ数週間かけて導入する予定とされ、現行ヘルプでもテキスト透かしはEU向けと案内されています。
| 経路 | 確認できた提供条件 | 日本の担当者が見る点 |
|---|---|---|
| OpenAI API | 世界の顧客が、対応するモデルを選んで任意に有効化できる。初期設定はオフ | プロジェクト単位か組織単位の設定で、現在表示される対応モデルを確認する |
| ChatGPT / Codex | EUの対象プラン・出力への段階的導入。発表では「今後数週間」 | 日本のChatGPT/Codex利用者へ同じ機能が提供済みとは発表されていない |
| テキスト検出器 | 研究者・専門組織の申請を受け、承認後に個別提供 | APIで透かしを有効にしても検出器の利用権は付かない |
APIを使う組織は、まず対象を限定したプロジェクトの「Settings」から「Text provenance」を開き、現行の対応モデル一覧を確かめます。組織全体へ有効化する設定も案内されていますが、最初の検証では特定プロジェクトだけに適用する方が、既存の文章作成フローと影響を切り分けやすくなります。モデルごとの対応状況は変わり得るため、過去の一覧を前提にせず、設定画面の表示を確認してください。
OpenAIの現行ヘルプによると、利用者は「Allow text watermarking」を有効にし、対象モデルを選んで保存します。対応モデルで生成する際に信号が加わるため、各応答へ別のタグを付ける作業は不要です。クラウド事業者を経由するモデルの出力については、提供状況がパートナーや出力によって異なるとも案内されています。自社の契約・経路における利用可否は、実際の管理画面とサービス条件で確かめる必要があります。 発表と現行ヘルプでは、透かし機能を有効にした場合の追加費用は確認できませんでした。無料とも追加課金とも決めつけず、対象モデルの通常料金や契約条件を別に確認してください。
公表された検出率は、短文や編集後の文章にそのまま当てはまらない
OpenAIが公表した評価では、誤検出率を1%に設定した条件で、心理学の質問への約200トークンの文章は透かし信号を約80%検出し、約400トークンでは約95%を検出しました。同じく約400トークンの英語文章について、単語の10%を同義語へ置き換えると検出率は約92%から66%に、25%を置き換えると17%に低下したとしています。これらはOpenAIが発表した自社評価で、第三者の再現試験ではありません。現行ヘルプは速度への影響を「ごくわずか」と説明していますが、こちらもOpenAIの評価です。採用予定のモデルと実際のリクエスト量で応答時間を測ってください。
この数字が示すのは「長めの文章なら検出できる」という保証ではなく、文章の長さ、内容、編集の程度が結果を左右するということです。短い広告見出し、定型的なFAQ、数式やコードのように言い回しの選択肢が少ない文章では、信号を埋めたり見つけたりしにくい可能性があります。翻訳や大幅な書き換えを経た文章に対しても、元の言語の数値をそのまま当てはめられません。
現行ヘルプにはEUの公用語24言語で行った評価も掲載されていますが、日本語はその対象に含まれていません。したがって、公開された英語やEU言語の検出率を、日本語の販促文・社内FAQで期待できる精度として紹介することはできません。日本語での利用を検討する企業は、専用検出器への承認アクセスがない限り、信号の検出率を自社で確かめたとは言えない点も見込んでください。
「誤検出率1%」は、指定された評価条件で誤検出を抑えるよう設定した値で、どの文章でも100本に1本だけ誤判定するという保証ではありません。逆に、検出率が80%なら、評価対象の約20%では信号を見つけられなかったことになります。個別の文書を処分・採用判断の証拠にする用途では、誤検出と見逃しの両方が業務上の不利益につながります。特に採用課題、社員評価、学生の不正認定に「AI判定」を単独で使うと、書き手や寄与割合を示さない信号から結論を飛躍させることになります。
出力品質について、OpenAIはAstraの複数ベンチマークで透かし有無の差が意味のある水準ではなかったと報告しています。例えばArtificial Analysis Intelligence Indexは透かしなし49.57、あり49.76、DeepSWE v1.1は72.80%と71.68%でした。ただし、これはOpenAIが選んだモデルと評価セットでの結果です。自社の日本語文書、文章の自然さ、修正回数、実行時間が同じ結果になると確認されたわけではありません。
由来信号、責任記録、利用者への表示を混同しない
textGrainを運用に入れる場合、三つの問いを別々に管理すると誤用を避けやすくなります。第一は「OpenAIの生成文に由来する信号があるか」、第二は「誰が内容を確認・承認したか」、第三は「受け手にAI利用をどう伝えるか」です。textGrainが直接扱うのは第一の問いの一部だけです。OpenAIは、ウォーターマークが人の関与や所有権を特定せず、必要な可視ラベルや告知も代替しないと案内しています。
| 管理するもの | 適した記録・仕組み | textGrainだけで足りない理由 |
|---|---|---|
| モデル由来の信号 | 対応APIモデルへの生成時設定。許可された場合のみ専用検出器で確認 | すべての文章で必ず検出できるわけではなく、一般公開の検出器がない |
| 確認者と承認経路 | 原稿ID、担当者、確認者、承認日、参照した根拠を社内の制作・チケット記録へ保存 | 信号は人やアカウント、承認者を示さない |
| 読者・顧客への説明 | 媒体や用途に応じて、必要な表示文・開示手順を別途決定 | 透かしは読者に見えず、OpenAIも可視表示を置き換えないと説明している |
この分離は、AI利用を隠すための印ではなく、作業の来歴を記録する選択肢として扱うためのものです。社内ログで責任の所在を追えるようにし、受け手に必要な説明を用意したうえで、textGrainを追加の機械可読信号として使うのが現実的です。何を表示すべきかは利用場所や用途に依存し、この記事から個別の法的義務を判断することはできません。
導入前に「何を証明したいか」を二つの業務で分けて考える
想定例1：EU向けランディングページを制作するマーケティング担当
OpenAI APIで商品説明や広告案を作り、EU向けのページにも掲載するチームなら、textGrainを「生成時に由来信号を残す選択肢」として検討できます。目的は、後日その文章にOpenAIの信号が見つかる可能性を高めることです。作成者や承認者を示すものではないので、原稿ID、担当者、編集履歴、公開承認はこれまで通り制作管理表やCMSの記録に残します。
試行時には、対応モデルを使った生成原稿をそのまま保存し、編集前後と公開版の関係を記録します。通常の編集でどれほど信号が残るかを確認したい場合でも、検出器が承認制である以上、利用許可を得ずに検証済みと扱ってはいけません。翻訳・大幅なリライトを行う工程では信号が弱まる可能性を前提にし、可視のAI表示が必要かどうかは別の運用判断として確認します。
想定例2：サポートチームがFAQ回答案をAPIで作る
顧客の質問に対する社内回答案をAPIで生成するチームでは、関心は「どの回答がAI生成か」だけでなく、「誰が事実を確認し、どの版を承認して送ったか」にあります。textGrainは生成元に関する限定信号を補える可能性がありますが、回答の正確さや承認状況を記録しません。チケット番号、参照したFAQ、担当者の確認、最終文面の保存は別の管理項目として残します。
このチームが先に比べるべきなのは、透かしの有無ではなく、業務品質です。例えば同じ種類の問い合わせを使い、事実誤り、担当者の修正、確認に要した時間、文体のばらつきを透かし設定の前後で記録します。品質差が小さく、出所信号を残すことに具体的な価値がある場合に限って、対象プロジェクトを広げる理由が生まれます。公開検出器が必要な社内監査や顧客説明を目的にするなら、現在の提供条件はその要件を満たしません。
試す場合は専用プロジェクトで、品質と運用を別々に評価する
- 目的を一文で決める。「OpenAIの生成文に由来信号を含める」のか、「人間の執筆者を特定する」「正確さを証明する」「法令対応を完了する」のかを分けます。後の三つはtextGrainだけでは達成できません。
- 対象経路を切り分ける。OpenAI APIを使う場合は専用プロジェクトを用意し、管理画面で対応モデルとText provenanceの設定を確認します。ChatGPTの設定に同じ機能があると想定して手順を作らず、APIとEU向けChatGPT/Codexの説明を区別します。
- 業務文書で小さく比較する。個人情報や未公開の機密を使わず、実際の用途に近い少数の入力で、設定前後の正確さ、自然さ、修正箇所、レビュー時間を記録します。生成結果にはばらつきがあるため、一つの文章だけで品質差を結論づけず、同じ条件の複数例を人が見比べます。
- 検出性能はアクセス権に応じて扱う。検出器を承認利用できる組織は、元の長文、短縮版、軽い編集、翻訳版を分け、未透かし文も含む対照条件とともに誤検出・見逃しを記録します。承認がない組織は検出率を測れません。画面設定を確認したことと、文章上の信号を検出できたことを混同しないでください。
- 既存の確認と表示を残す。担当者、根拠資料、承認者、公開版を記録し、必要な表示ラベルや顧客向け説明も別途確認します。OpenAIは透かしやファイルメタデータが可視ラベルを置き換えるものではないと案内しています。
検証の結果を「検出できた/できない」だけにせず、どの文章で由来確認が必要なのか、誰が結果を解釈できるのか、判断がつかない場合の扱いまで定めることが重要です。特に誤検出率と見逃し率は、短い告知文と長文レポートで同じになるとは限りません。AI利用の有無を採用・評価・契約上の不利益へ直結させる前に、信号の限界を社内ルールへ反映させる必要があります。
公開検出器や日本語の精度が必要なら、現時点では導入を急がない
textGrainが向いているのは、OpenAI APIの対応モデルを使い、生成時に由来信号を付けること自体に意味がある業務です。モデルが限定されること、初期設定はオフであること、ChatGPT/Codexの日本向け提供が発表されていないこと、検出器が一般公開されていないことを許容できるか確認します。APIのモデル別設定が利用できるかは、その時点の管理画面で再確認してください。
反対に、納品物を誰でも検査できる必要がある、日本語で高い検出率を保証したい、文章の正しさや人間の貢献割合を示したい、あるいは透かしだけで法令上の対応を済ませたい企業には適しません。OpenAIのヘルプも、透かしは必要に応じた可視表示を代替せず、個々の法的義務は利用企業が確認するよう案内しています。既存のレビューや出所記録を取り除く根拠にもなりません。
次の一歩は、ChatGPTの一般提供を待つことではなく、APIを使う担当者が「生成元の信号」と「責任者・承認・表示」を区別できているか確認することです。その上で対応モデルが設定画面にあり、由来信号を追加する目的が明確なら、専用プロジェクト一つで品質と運用を試します。公開検出器や日本語での検証可能性が必須なら、条件が整うまで現行フローを維持するのが妥当です。