- 2つの実験で人間はAI製レビューを認識できず、金銭的報酬をつけても誤りが頻発。AI検出器も騙された
- 実際の生成源よりラベルが支配的。人間製をAIと誤ラベルしても、本物のAIと同じ信用の罰を受けた
- 開示はおおむね信頼を下げるが、信頼を上げる経路も同時に確認されている。効果は一様ではない
- 負の効果は「AIが人間の声を代替」した場合、正の効果は「AIが人間の情報を整理」した場合に多い
- 「偽物だと認識しながら、量に基づく社会的証明の手がかりには反応する」という報告もある
よく言われていること——AIが書いた文章は、読めば分かる。
研究が示していること——2つの実験で、人間はAIが書いたレビューを見分けられませんでした。正答に金銭的報酬をつけても同じです。そして当時のAI検出器も、AI製レビューに騙されました。
見分けられるのか
2024年、Marketing Letters に掲載された研究（42件に引用）が、この問いを正面から扱っています。題名は「オンラインレビューのチューリングテスト」です（Kovács, 2024）。
- 2つの実験で、人間はAIが書いたレビューを認識できなかった
- 正答に金銭的インセンティブを与えても、第I種・第II種の誤りがともに頻発した
- 人間が書いたレビューがAI製と誤認されることも多く、AI製が人間製と誤認されることはさらに多かった
- これは評価点・感情のトーン・レビューの長さ・参加者の性別・学歴・AIの専門知識を問わず成り立った
- 若い参加者は、やや見分けが良かった
- 追加の研究では、当時のAI検出器もAI生成レビューに騙された
著者は、この所見が信頼の毀損、操作、規制、消費者行動、AI検出、市場構造、イノベーション、レビュープラットフォームに及ぼす含意を論じています。
この実験が示したのは、単に「AIが上手になった」ということではありません。判定の課題そのものが、人間にとって解けない形をしているということです。
第I種の誤り（人間製をAI製と判定する）と第II種の誤り（AI製を人間製と判定する）の両方が頻発した、という点に注意してください。片方だけなら、判定基準を厳しくしたり緩めたりすれば改善できます。両方が同時に起きているということは、そもそも判別に使える手がかりが、テキストの中に十分残っていないことを意味します。
最初に確認しておくべきことです。「AIっぽい文章は分かる」という自信は、この実験では支持されませんでした。
——そして誤りは両方向に起きています。人間が書いた正直なレビューが「AIだろう」と疑われる側の問題も、同時に生じています。
別の場面でも、同じ結果
この所見は、レビュー本文に限りません。
医療機関がオンラインレビューに返信する場面を、実際の消費者レビューと実験で調べた研究があります（Mousavi ら, 2025, Journal of Public Policy & Marketing）。
「消費者は一般に、生成AIによって作られた返信と人間による返信を区別できない。」
ただし「生成AIの使用についての透明性は、消費者の知覚を有意に変え、しばしば負の方向に働く。そしてその負の効果は、開示の出所と、生成AIについての消費者の主観的知識によって変わる。」
3つの研究からなる別の論文も、「AI著者性を正確に検出する消費者の能力は限定的だった」と報告しています（Mao ら, 2026, Internet Research）。この研究はさらに、どういう文章が「AIっぽい」と疑われるかを特定しています——感情の波、描写的・形式的な文体、冗長な内容です。
そして重要な所見が2つ。AI著者性の知覚は、レビューの有用性評価を下げる——主として真正性の知覚を損なうことを通じて。その負の関連は、経験財（使ってみないと分からない商品）で、探索財より強かった。そしてAIの解釈可能性を高めても、AI的なレビューへの嫌悪は緩和されませんでした。
ラベルのほうが、中身より効く
ここが、この記事でいちばん奇妙な所見です。
広告の実際の生成源（AI製か人間製か）と表示ラベル（AIと表示／人間と表示）を独立に操作した実験が、2つあります。
| 条件 | 結果 |
|---|---|
| 実際はAI製だが、人間製とラベルされた広告 | 高い消費者信頼と購買意図を得た |
| 透明にAI製とラベルされた広告 | 信頼と購買意図が低下。とくに関与の高い商品で |
（Israfilzade, 2025, Equilibrium、14引用。スナック菓子＝低関与とノートPC＝高関与の2条件）
さらに踏み込んだのが、Z世代154名を対象とした2×2×2の実験です（Israfilzade, 2026, Sustainability）。
「最も注目すべきは、実際の生成源ではなく、開示されたラベルのほうが支配的な心理的手がかりとして現れたことである。人間が作ったコンテンツがAIと誤ってラベルされた場合、本物のAIコンテンツと同じ信用の罰を受けた。」
著者はこれを「透明性のパラドックス」と呼んでいます。
同研究は、環境訴求の強さも同時に操作しており、AIへの帰属は一貫してグリーンウォッシングの知覚を高め、グリーン・トラストを下げた一方、強い訴求は（正しく開示された両条件で）グリーンウォッシングの知覚を有意に下げ、信頼を高めたと報告しています。
読み手にとっての含意は、はっきりしています。
——ラベルは「中身の真偽」ではなく「発信者の申告」です。そして人は、その申告のほうに強く反応します。
正直に開示した事業者が罰を受け、開示しない事業者が得をする——この構図が、実験のなかで再現されています。
開示すると、何が起きるか
開示の効果を測った研究は、すでに多数あります。方向はおおむね一致しています。
| 研究 | 規模・文脈 | 結果 |
|---|---|---|
| Baek ら, 2024（134引用） | 公益広告・3研究 | AI生成の開示は広告への態度を不利にした。媒介は広告の信憑性の知覚。ただしAIを機械的でなく人間的だと知覚した参加者では、負の影響が減弱した |
| Bui, 2025（21引用） | 358名・ChatGPT と Stable Diffusion で刺激を生成 | AI開示は広告価値と購買意図を低下させた。広告の信憑性が負の媒介、AIへの態度が正の調整 |
| Koning ら, 2025（21引用） | 304名 | 開示は概念的AI知識と態度的説得知識を高め、その結果として広告と組織への信頼を下げた。ただし態度的説得知識の上昇を通じて信頼を高めるという正の経路も同時に見つかった |
| Furner ら, 2026 | 134名・ホテルの動画レビュー | 本物の人物と信じて視聴した後、AIアバターだと知らされると、信頼と購買意図がいずれも有意に低下 |
| Drozd ら, 2026 | 370名・本文は3条件で同一 | 「AI生成」ラベルが最低の信頼と真正性。「AI支援」ラベルはそれより好意的に評価された。真正性が媒介 |
| Zhong ら, 2026 | フードデリバリー・2実験 | AIラベルは信頼と購買意図を下げた。実験1では高価格がその負の効果を増幅。実験2では価格の調整は有意でなかった |
Koning らの二重経路は、注目に値します。開示は「これは説得の試みだ」という理解を生み、それが信頼を下げる経路と、信頼を上げる経路の両方に分岐しました。——ステルスマーケティングの開示について、同じ構造が報告されているのと同じです（別記事参照）。
Drozd らの「AI生成」と「AI支援」の差も実務的です。同じ本文でも、「AIが書いた」と「AIを使って書いた」では、受け取られ方が違いました。
反証——開示が信頼を高めた研究もある
方向の違う報告も、同じ時期に複数出ています。
| 研究 | 結果 |
|---|---|
| Do ら, 2026（300名・ビネット実験） | 透明性の開示は、広告への信頼と信憑性を高めた。とくにAI生成広告の場面で |
| Alkhofaily ら, 2026（450名・サウジアラビア） | AI生成レビュー要約の「透明性」は、アルゴリズムへの信頼・知覚された診断性・購買意図と正の関連 |
| Li ら, 2026（3実験） | 人間のレビューとAI要約を組み合わせた「ハイブリッド」は、単一源より信頼と決定確信が高かった。提示順序は人間レビュー→AI要約のほうが確信が高い |
| Lei ら, 2025（14引用） | 生成AIレビューの質・感情的共鳴・長さ・信憑性が、知覚された有用性を介して購買決定に正の影響 |
| Kembau ら, 2026（189名・インドネシア） | AI開示は知覚された真正性を高め、欺瞞への懸念を下げた。快楽的な消費文脈で効果が強い |
この食い違いをどう読むか。「AIが何をしたか」が違う、と考えるのが最も整合的です。
負の効果が出た研究の多く——AIが人間の声を代替している（AIが書いたレビュー、AIアバターの体験談、AI生成の広告）
正の効果が出た研究の多く——AIが人間の情報を整理している（レビュー要約、ハイブリッド提示、透明性の明示）
「偽物だと分かっていても、数には反応する」
もうひとつ、厄介な所見があります。
402名を対象に、AI生成の偽レビューと偽エンゲージメントへの曝露、インフルエンサーの透明性、知覚された真正性が、消費者の信頼・ブランド信憑性・購買意図をどう形づくるかを調べた調査です（Srinivas ら, 2026）。
- 明示的なインフルエンサーの開示は、弱いながら有意に信頼を下げた——ここでも透明性のパラドックスが再現
- AI生成の偽エンゲージメントへの曝露は、購買意図に中程度の負の影響を及ぼした
- 知覚された真正性と消費者の懐疑が、最も強い媒介構成概念として現れた
- そして——「消費者は、不真正さを認識すると同時に、量に基づく社会的証明の手がかりにも反応する」
最後の行が重い。「これは作られたものだ」と分かっている状態でも、いいねの数やレビュー件数の多さそのものが、判断を動かしています。
これは、見分けられるかどうかとは別の問題です。
仮に完璧に見分けられたとしても、「多くの人が反応している」という表示が本物である保証は、依然としてありません。
——件数・評価数・フォロワー数は、内容の真偽とは独立に、生成できる数字です。
系統的レビューは、どう整理したか
2026年、PRISMA 2020 に準拠して35研究（2020〜2026年）を統合したレビューが公表されています（Baryshkov ら, 2026, American Impact Review）。
「AI開示は、多様なマーケティング文脈にわたって説得知識を活性化し、信頼に関わる成果を侵食する。しかしこれらの効果は、普遍的でも一様でもない。」
- 知覚された真正性が主要な媒介機序として現れた
- 道徳的嫌悪が、並行する感情的経路として作用する
- 効果の強さと方向を調整するのは——コンテンツの型（感情的か合理的か）、消費者のAIリテラシー、文化的文脈、擬人化の手がかり、開示の枠づけ
どこにAIを使うかで、変わる
実務的に最も具体的な所見を挙げます。サービス広告を扱った3つの実験です（Grigsby ら, 2025, Journal of Retailing and Consumer Services、66引用）。
| 広告の設計 | AI開示がある場合の効果 |
|---|---|
| 無形の属性を焦点にした広告（例：歯科医本人の画像） | 相対的に効果が低い |
| 有形の属性を焦点にした広告（例：歯科医の器具） | 相対的に効果が高い |
| AIを有形属性の生成にのみ使い、無形属性には使わない（例：本物の歯科医＋AI生成の診療室） | 信頼と広告態度が回復した |
——人を生成すると信頼が落ち、場所や道具を生成しても落ちにくい。読み手の側から言えば、「その画像に写っている人は実在するのか」が、確認すべき一点になります。
規制は、どう動いているか
制度の記述です。
2026年、Frontiers in Communication に掲載された論考は、韓国公正取引委員会が、AI生成の仮想人物を推奨・保証に用いる場合に開示を義務づけるよう、広告審査ガイドラインの改正を提案したことを出発点にしています（Kim ら, 2026）。
同論考が扱うのは「合成された専門家（synthetic experts）」——医師や教授のように見えるAI生成の推奨者です。
著者らの主張は2段構えです。
① 合成された専門家にラベルを付けることは、情報源の透明性の最低条件として必要であり、正当化される。
② しかし、開示だけでは消費者の信頼を守るには不十分である。
理由——合成された専門家が説得力を持つのは、その人工性が隠されているからだけではない。専門性が社会的に認識される際の視覚的・象徴的な手がかりを再現しているからでもある。
欧州ではEU AI Act 第52条がAI開示を求める方向にあり、それが研究の前提として言及されています（Israfilzade, 2026）。
日本については、2023年10月施行のステルスマーケティング規制が「一般消費者が事業者の表示であることを判別することが困難である表示」を不当表示としています。AI生成であること自体を開示せよという規定ではありませんが、実在しない人物の体験談を、実在の消費者の声であるかのように示す場合には、この枠組みの射程に入りうると考えられます（別記事参照）。
開示に頼る規制の、構造的な限界
この記事の所見を、制度の観点から並べ直します。
| 前提 | 研究が示したこと |
|---|---|
| ① 消費者は、AI製かどうかを見分けられる | 見分けられなかった。金銭的報酬があっても、検出器を使っても |
| ② 開示があれば、消費者は適切に割り引ける | 開示は信頼を下げるが、下げる方向と上げる方向の両方の経路がある。効果は普遍的でも一様でもない |
| ③ 正直に開示した事業者が報われる | 逆。開示した側が信用の罰を受けた。人間製を誤ってAIとラベルしても、同じ罰を受けた |
| ④ ラベルを付ければ、権威の効果は中和される | されない。合成された専門家は、人工性が明かされても、専門性の視覚的・象徴的手がかりを再現し続ける |
①〜④が同時に成り立つとき、「開示させる」だけの規制は、正直な事業者に費用を負わせ、不正直な事業者に利益を残します。
これは、この分野に固有の問題ではありません。ステルスマーケティングの開示についても、「表記があること」と「判別されること」のあいだに隔たりがあると報告されており、ダークパターンについては「透明性に基づく是正策が効果を緩和できなかった」という実験結果があります（ステマ規制の記事／ダークパターンの記事）。
3つの主題が、同じ形の限界に行き当たっています。
——「知らせる」ことは必要条件ですが、十分条件ではありません。
韓国の提案を論じた著者らも、「開示は重要な第一歩だが、信憑性・説明責任・AIリテラシーへのより広い注意と組み合わされなければならない」と結んでいます。
読み手の側にできることは、結局ひとつに絞られます。発信者が誰かを当てにいくのをやめ、書かれている内容を外部で確認すること。——次節の表は、その具体化です。
では、どう読むか
| 場面 | 読み方 |
|---|---|
| 「この文章はAIっぽい」と感じた | その直感は当てになりません。金銭的報酬をつけても、人間は見分けられませんでした。誤りは両方向に起きます |
| AI検出ツールの結果 | 検出器も騙されました。「AI判定された＝AI製」でも「されなかった＝人間製」でもありません |
| 「AI生成」の表示がある | 表示している事業者は、信用の罰を受ける側に立っています。表示がないことを、人間が書いた証拠と読まないでください |
| 体験談の動画・画像 | 確認すべきは「その人は実在するか」。人を生成した場合に、信頼が最も落ちると報告されています |
| レビュー要約 | ここは比較的良性。人間のレビューを整理する使い方は、信頼と決定確信を高めたという報告が複数あります |
| 結局、何を見ればよいか | 誰が書いたかではなく、検証できる情報が書かれているか。数字・出典・日付・条件——AIでも人間でも、捏造できないのは第三者が確認できる参照だけです |
最後の行が、この記事の実務的な結論です。著者の正体を見分ける競争は、すでに読み手の負けが確定しています。残る手段は、書かれている内容を外部の情報源で確認できるかどうかです。
利害関係の明示
このサイトは、立川のヨガ・ピラティススタジオ「オンザショア」およびボクササイズのプログラムと同じ運営です。
そして、この記事の主題に照らして、開示すべきことがあります。当サイトの記事は、運営者の設計と指示のもと、生成AIを用いて草稿を作成しています。
そのうえで、確認できる形を取っています。引用したすべての研究に、DOI（デジタルオブジェクト識別子）のリンクを付けています。数値・効果量・サンプルサイズは、リンク先の原典で確認できます。上の表に「検証できる情報が書かれているか」と書いた基準は、この記事自身にも適用されるべきものです。
一方、体験談・口コミ・利用者の声については、生成AIを使用していません。——この記事の所見に照らせば、最も信頼を損なう使い方がそれだからです。
この記事の限界
- 非常に新しい分野で、研究の大半が2024年以降です。引用のうち複数は被引用数が0〜数件であり、追試を経ていません。
- 効果の方向が研究間で反転しています。開示が信頼を下げたという報告と、高めたという報告が併存します。この記事の6節の整理は、筆者による解釈です。
- AI検出の困難さは、2024年時点の技術での結果です。検出器も生成モデルも、以後変化しています。
- 日本の消費者を対象とした研究は含まれていません。引用は米国・欧州・韓国・中国・インドネシア・サウジアラビア・ラトビアのものです。
- 法令の記述は、この記事による要約です。景品表示法および指定告示の正確な適用範囲は、消費者庁の公表資料をご確認ください。韓国の提案とEU AI Actについても同様です。
- 実験室の研究が大半です。実際の購買行動での効果量は、これより小さい可能性があります。
- この記事は抄録に基づいており、原論文の全文は確認していません。
出典
- 【人間もAI検出器も見分けられなかった】Kovács, B. (2024). The Turing test of online reviews: Can we tell the difference between human-written and GPT-4-written online reviews? Marketing Letters. doi:10.1007/s11002-024-09729-3
- 【ラベルが実際の生成源より支配的・誤ラベルでも同じ罰】Israfilzade, K. (2026). AI-Generated vs. Human-Created Sustainable Advertising: Effects of Source Disclosure and Environmental Claim Strength. Sustainability. doi:10.3390/su18147270
- 【人間製ラベルなら、AI製でも信頼が高い】Israfilzade, K. (2025). AI-generated versus human-created advertising: Effects on consumer trust and purchase intent. Equilibrium. Quarterly Journal of Economics and Economic Policy. doi:10.24136/eq.4038
- 【消費者はGenAI返信と人間の返信を区別できない】Mousavi, J. et al. (2025). Consumer Evaluations of Generative Artificial Intelligence Disclosures in Responses to Health Care Reviews. Journal of Public Policy & Marketing. doi:10.1177/07439156251367762
- 【検出能力は限定的・解釈可能性を高めても嫌悪は減らない】Mao, M. et al. (2026). Sounds like AI? Consumer suspicion of AI authorship in mixed-source online reviews. Internet Research. doi:10.1108/INTR-07-2025-1039
- 【35研究の系統的レビュー・真正性が主要な媒介】Baryshkov, K. et al. (2026). Consumer Trust in AI-Generated Marketing Content: A Systematic Literature Review and Research Agenda. American Impact Review. doi:10.66308/air.e2026024
- 【AIを有形属性にのみ使うと信頼が回復する】Grigsby, J. L. et al. (2025). Service ads in the era of generative AI: Disclosures, trust, and intangibility. Journal of Retailing and Consumer Services. doi:10.1016/j.jretconser.2025.104231
- 【開示は信頼を下げる経路と上げる経路の両方を持つ】Koning, B. et al. (2025). Disclaimer! This Content Is AI-Generated: How AI-Disclosures Influence Trust in Advertisements and Organizations. Journal of Interactive Advertising. doi:10.1080/15252019.2025.2554149
- 【公益広告での開示は態度を不利にした】Baek, T. H. et al. (2024). Effect of disclosing AI-generated content on prosocial advertising evaluation. International Journal of Advertising. doi:10.1080/02650487.2024.2401319
- 【「AI生成」と「AI支援」でラベルの効果が違う】Drozd, D. et al. (2026). AI Labels, Perceived Authenticity, and Consumer Trust in User-Generated Reviews. Journal of Theoretical and Applied Electronic Commerce Research. doi:10.3390/jtaer21050154
- 【AIアバターと知った後、信頼と購買意図が低下】Furner, C. et al. (2026). When Trust Breaks: The Impact of AI-generated Reviews on Consumer Trust and Purchase Intention in Entrepreneurial Marketing. Journal of Enterprising Culture. doi:10.1142/S0218495826500032
- 【合成された専門家・ラベリングは必要だが不十分】Kim, D. et al. (2026). The deepfake doctor problem: why labeling synthetic experts is necessary but insufficient for protecting consumer trust. Frontiers in Communication. doi:10.3389/fcomm.2026.1856259
- 【反証・透明性の開示が信頼と信憑性を高めた】Do, T. et al. (2026). Transparency Disclosure Mechanisms for AI-Generated Advertising on Online Platforms. Internet Technology Letters. doi:10.1002/itl2.70354
- 【反証・ハイブリッド提示が信頼と決定確信を高めた】Li, Y. et al. (2026). Human and AI Reviews Coexist: How Hybrid Review Systems Enhance Trust and Decision Confidence in E-Commerce. Journal of Theoretical and Applied Electronic Commerce Research. doi:10.3390/jtaer21010014
- 【反証・レビュー要約の透明性は購買意図と正の関連】Alkhofaily, F. et al. (2026). How AI-generated review summary transparency shapes online purchase intention. Journal of Retailing and Consumer Services. doi:10.1016/j.jretconser.2026.104911
- Bui, H. T. (2025). Examining the effect of AI advertising involvement disclosure on advertising value and purchase intentions. Journal of Research in Interactive Marketing. doi:10.1108/JRIM-02-2025-0066
- Zhong, Z. et al. (2026). Human or artificial? How AI review labeling shapes trust and consumer interaction in food delivery platforms. Journal of Research in Interactive Marketing. doi:10.1108/JRIM-11-2025-0738
- Lei, K. et al. (2025). When AI Becomes a Shopping Advisor: A Study on the Impact of Generative AI Review on Consumer Purchase Decision. SAGE Open. doi:10.1177/21582440251357671
- Kembau, A. et al. (2026). AI-Generated Marketing Content and Consumer Trust: Examining the Role of AI Disclosure. ICCRAIDS 2026. doi:10.1109/ICCRAIDS67816.2026.11519658
- Srinivas, S. et al. (2026). The Mediating Role of Trust in the Relationship Between AI-Generated Reviews, Influencer Transparency and Purchase Intentions. International Journal of Creative and Open Research in Engineering and Management. doi:10.55041/ijcope.v2i6.291
よくある質問
AIが書いた文章は見分けられますか
2つの実験の結論は「できない」です。正答に金銭的インセンティブを与えても、人間が書いたレビューをAI製と誤認することも、AI製を人間製と誤認することも頻発しました。評価点・感情のトーン・長さ・性別・学歴・AIの専門知識を問わず成り立ち、当時のAI検出器も騙されています。
「AI生成」の表示がない＝人間が書いた、ですか
違います。表示は発信者の申告であり、中身の証明ではありません。実験では、実際の生成源よりも表示されたラベルのほうが支配的な心理的手がかりとして働き、人間が作ったコンテンツをAIと誤ってラベルした場合も、本物のAIコンテンツと同じ信用の低下が生じました。
AIを使った広告は信用できませんか
一律には言えません。開示が信頼を下げた研究が多い一方、透明性の開示が信頼と信憑性を高めた研究もあります。整理すると、AIが人間の声を代替した場合（AIが書いたレビュー、AIアバターの体験談）に負の効果が出やすく、AIが人間の情報を整理した場合（レビュー要約、ハイブリッド提示）に正の効果が出やすい傾向があります。
体験談の写真や動画は何を確認すべきですか
「そこに写っている人は実在するか」です。サービス広告の3実験では、無形の属性（人物）をAIで生成すると信頼が落ち、有形の属性（設備・道具）のみをAIで生成した場合には信頼と広告態度が回復しました。
結局、何を基準に読めばいいですか
誰が書いたかではなく、検証できる情報が書かれているかです。数字・出典・日付・条件——AIでも人間でも捏造できないのは、第三者が確認できる参照だけです。なお当サイトの記事は生成AIを用いて草稿を作成しており、引用した研究にはすべてDOIのリンクを付けています。