10%と35%は別の分母──Pewの『AI製ウェブ』を49万ページと閾値0.2から分解する
何が起きたのか Pew Research Center の Data Labs が2026年8月20日、「How Much of the Internet Is Written With AI?」と題した調査結果を公開しました(Pew Research Center 2026-08-20)。中心の数字は2つです。2026年7月に収集した英語ウェブページ1万件のランダムサンプルのうち10%が「AI著者性の明確な兆候(significant signs of AI authorship)」を示し、HTMLから公開日を検出でき、その日付がChatGPT公開後だったページに限ると、その割合は3分の1を超える、というものです。 後者の具体値は35%です。これは報道が丸めた数字ではなく、Pew の方法論ページ本文に明記されています(Pew Research Center methodology 2026-08-20)。TechCrunch はこの35%を見出しに取りました(TechCrunch 2026-08-20)。Decrypt も2026年8月22日に、TechCrunch とは別媒体として同じ Pew 調査の数値群(10%・35%・490,000ページ・.com 9.35%など)を報じています(Decrypt 2026-08-22)。 見出しとしては「ウェブの3分の1がAI製」で流通しています。ただし10%と35%は同じ母集団の数字ではなく、後者を支える分母は前者よりはるかに小さい。そして両方とも、Open Pangram という確率的な検出モデルが出したスコアを、0.2という閾値で切った結果です。順に分解します。 調査の設計:49万ページ、49回のクロール 方法論ページに手順が明記されています(Pew Research Center methodology 2026-08-20)。 2021年1月から2026年7月までに作成された Common Crawl の49回のクロールそれぞれから、英語ページを1万件ずつランダム抽出。合計490,000ページ 判定には Pangram が公開した open-weight モデル editlens_Llama-3.2-3B を使用 モデルは0から1のスコアを出力する。0が完全に人間執筆、1が完全にAI生成 スコアが0.2以上のページを「AI著者性または編集の意味のある兆候を含む」と分類 この0.2という閾値は、商用モデル Pangram 3.3 の結果に近づくよう較正して選ばれた 使われたモデルの素性も追えます。Pangram は2026年3月24日に Open Pangram を公開しており、ICLR 2026の論文で発表した EditLens 技術をベースにした open-weight 版です。ライセンスは CC BY-NC-SA 4.0 で商用利用不可、提供されるのは30億パラメータの editlens_Llama-3.2-3B(QLoRA、系列長1,024)と3.55億パラメータの editlens_roberta-large の2つです(Pangram 2026-03-24)。 ...