"AI score checker" नाम से दो ऐसे टूल चलते हैं जिनका आपस में कोई लेना-देना नहीं है। पहला है AI डिटेक्टर, जो किसी टेक्स्ट को इस आधार पर स्कोर देता है कि वह मशीन से लिखा गया होगा या नहीं। दूसरा है AI विज़िबिलिटी चेकर, जो बताता है कि AI असिस्टेंट आपके ब्रांड का ज़िक्र कितनी बार करते हैं। एक आपकी लिखावट को जाँचता है, दूसरा आपकी मौजूदगी को। दोनों का न तरीका एक है, न डेटा, न मतलब।
इस कीवर्ड पर रैंक करने वाले लगभग सारे पेज सिर्फ़ पहले मतलब की बात करते हैं और मान लेते हैं कि आप वही ढूँढ रहे थे। यह गाइड दोनों को कवर करती है, साफ़-साफ़ बताती है कि कौन-सा स्कोर किस बात का सबूत बन सकता है और किसका नहीं, और डिटेक्टर के प्रतिशत से जुड़े उन सवालों का जवाब देती है जो लोग असल में पूछते हैं। इसमें वह सवाल भी शामिल है जिस पर ज़्यादातर स्टूडेंट और मार्केटर अटकते हैं: क्या 7% जैसे कम स्कोर का कोई मतलब भी है?
पहला मतलब: AI डिटेक्टर स्कोर
AI डिटेक्टर यह अंदाज़ा लगाता है कि कोई टेक्स्ट किसी लैंग्वेज मॉडल ने लिखा होगा, इसकी संभावना कितनी है। आम तौर पर वह एक प्रतिशत दिखाता है, यानी डॉक्यूमेंट का कितना हिस्सा उसे मशीन से लिखा लगता है। इस कैटेगरी के टूल हैं GPTZero, QuillBot, Turnitin, Scribbr और ZeroGPT।
यह तरीका आँकड़ों पर टिका है, किसी फ़ॉरेंसिक जाँच पर नहीं। डिटेक्टर low perplexity जैसे संकेत ढूँढते हैं, यानी ऐसा टेक्स्ट जिसमें अगला शब्द ज़रूरत से ज़्यादा अंदाज़े लायक हो। दिक्कत यह है कि साफ़, सीधी और अच्छी तरह व्यवस्थित इंसानी लिखावट में भी यही खूबी होती है। नीचे की लगभग हर समस्या की जड़ यही है।
क्या 7% AI स्कोर बुरा है?
नहीं। 7% का स्कोर उस दायरे में आता है जिसे सबसे बड़ा डिटेक्टर वेंडर खुद भरोसे लायक नहीं मानता और नतीजे के तौर पर रिपोर्ट ही नहीं करता।
Turnitin, जिसका डिटेक्टर ज़्यादातर शिक्षण संस्थान असल में इस्तेमाल करते हैं, 1% से 19% वाले बैंड में AI स्कोर छिपा देता है, ठीक इसलिए क्योंकि false positive इसी दायरे में सबसे ज़्यादा आते हैं। अपनी 20% की सीमा से नीचे वह कोई काम का स्कोर नहीं, बल्कि एक तारांकन (asterisk) दिखाता है, ताकि टीचर समझ जाएँ कि इस लेवल पर नंबर भरोसे लायक नहीं है। Turnitin के मुताबिक़ जिन डॉक्यूमेंट को 20% से ज़्यादा AI लेखन वाला बताया जाता है, उनमें डॉक्यूमेंट-लेवल false positive रेट 1% से कम है, और वाक्य-लेवल false positive रेट करीब 4% है।
तो 7% का मतलब यह नहीं कि आपके डॉक्यूमेंट का 7% हिस्सा AI ने लिखा। यह ऐसा नंबर है जिसके पीछे खुद वेंडर खड़ा होने को तैयार नहीं। एक अंक वाले स्कोर पर सही प्रतिक्रिया है: उसे नज़रअंदाज़ कर दीजिए।
कितना AI डिटेक्टर स्कोर ठीक माना जाए?
ऐसी कोई सीमा नहीं है जिसके नीचे टेक्स्ट को "साफ़" मान लिया जाए। किसी भी नंबर को पासिंग मार्क समझना इस स्कोर को ही गलत समझना है।
यह आउटपुट एक classifier का संभावना वाला अंदाज़ा है, जिसकी गलतियों की दर जानी-पहचानी और काफ़ी बड़ी है। यह किसी तथ्य का माप नहीं है। University of San Diego के Legal Research Center की AI डिटेक्शन टूल्स पर गाइड, जो जुलाई 2026 में अपडेट हुई, सीधे शब्दों में कहती है कि डिटेक्टर "न सटीक हैं, न भरोसेमंद" और "अकादमिक गड़बड़ी के इकलौते संकेत के तौर पर इनकी सलाह नहीं दी जाती।" वही गाइड यह भी बताती है कि Turnitin का डिटेक्टर किसी डॉक्यूमेंट में AI से बने टेक्स्ट का करीब 15% हिस्सा पकड़ नहीं पाता, यानी कम स्कोर भी किसी बात का सबूत नहीं है।
अगर स्कोर आपके खिलाफ़ आया है, तो इसे पढ़ने का सबसे सही तरीका यह है: ऊँचा नंबर बातचीत की वजह बन सकता है, कम नंबर कुछ साबित नहीं करता, और कोई भी नंबर अकेले सबूत नहीं होना चाहिए।
क्या कोई 100% सटीक AI डिटेक्टर है?
नहीं, और इसका सबसे पक्का सबूत उसी कंपनी से आता है जिसे ऐसा टूल बनाने से सबसे ज़्यादा फ़ायदा होता।
OpenAI ने 2023 की शुरुआत में एक AI text classifier लॉन्च किया और 20 जुलाई 2023 को "कम सटीकता की वजह से" उसे वापस ले लिया। OpenAI की अपनी जाँच में यह टूल AI से लिखे टेक्स्ट को सिर्फ़ 26% बार सही पहचान पाया, जबकि 9% बार इंसान के लिखे टेक्स्ट को गलती से AI बता दिया। 1,000 कैरेक्टर से छोटे टेक्स्ट पर तो यह भरोसे लायक था ही नहीं। ज़रा सोचिए, जिस संस्था ने जनरेटर को ट्रेन किया, वही अपने जनरेटर को ठीक से पकड़ नहीं पाई।
तब से अब तक बुनियादी मुश्किल वैसी ही है। वेंडर कंट्रोल्ड बेंचमार्क से निकले ऊँचे accuracy आँकड़े छापते हैं, लेकिन असली डॉक्यूमेंट पर स्वतंत्र टेस्टिंग में नतीजे लगातार कम आते हैं, खासकर एडिट किए गए टेक्स्ट पर।
AI डिटेक्टर इंसानी लिखावट को AI क्यों बता देते हैं?
क्योंकि जिस संकेत पर वे टिके हैं, यानी अंदाज़े लायक और कम विविधता वाला गद्य, वही उन लोगों की लिखावट की भी पहचान है जिनकी उस भाषा में शब्दावली छोटी होती है। इनमें वे लोग भी आते हैं जिनकी मातृभाषा अंग्रेज़ी नहीं है।
इस पर सबसे निर्णायक स्टडी है Liang, Yuksekgonul, Mao, Wu और Zou की GPT detectors are biased against non-native English writers, जो जुलाई 2023 में Patterns में छपी। सात लोकप्रिय डिटेक्टर पर रिसर्चर्स ने पाया कि अमेरिका के आठवीं क्लास के छात्रों के निबंधों पर accuracy लगभग पूरी थी, लेकिन गैर-अंग्रेज़ीभाषी लेखकों के TOEFL निबंधों को वे लगातार AI से लिखा बता रहे थे। रिसर्चर्स की व्याख्या वही perplexity वाला मैकेनिज़्म है: गैर-अंग्रेज़ीभाषी लोगों की लिखावट में भाषा की विविधता कम होती है, और डिटेक्टर ठीक इसी पैटर्न को मशीन की लिखावट समझते हैं।
स्टडी में यह भी सामने आया कि इस पूर्वाग्रह को पलटना बेहद आसान है। जब एक मॉडल से TOEFL निबंध की शब्दावली को निखारने को कहा गया, तो गलत वर्गीकरण घट गया, और जब किसी अंग्रेज़ीभाषी के निबंध को सरल किया गया, तो false positive बढ़ गए। जो डिटेक्टर एक थिसॉरस से पलट जाए, वह लेखक की पहचान नहीं माप रहा।
नतीजा सिर्फ़ तकनीकी नहीं, निष्पक्षता की समस्या है। जो टूल अंतरराष्ट्रीय छात्रों और दूसरी भाषा में लिखने वालों को व्यवस्थित तरीके से नुकसान पहुँचाता है, उसके आधार पर उनके बारे में कोई फ़ैसला नहीं होना चाहिए।
दूसरा मतलब: AI विज़िबिलिटी स्कोर
AI विज़िबिलिटी स्कोर एक बिल्कुल अलग चीज़ मापता है: जब लोग आपकी कैटेगरी में सवाल पूछते हैं, तो AI असिस्टेंट कितनी बार आपके ब्रांड का ज़िक्र करते हैं या उसे सोर्स के तौर पर cite करते हैं। इसे निकालने के लिए prompts के एक सेट को तय शेड्यूल पर ChatGPT, Gemini, Claude और Perplexity में चलाया जाता है और गिना जाता है कि कितने जवाबों में आपका ब्रांड आया।
अगर आप लेखक या स्टूडेंट नहीं, बल्कि मार्केटर के तौर पर यहाँ आए हैं, तो आपके काम का मतलब यही है। AI के जवाबों में आपके ब्रांड की मौजूदगी अब विज़िबिलिटी का एक अलग चैनल बन चुकी है, और यह न पारंपरिक रैंक ट्रैकिंग में दिखती है, न किसी डिटेक्टर में।
इसकी भी अपनी एक बड़ी शर्त है। SparkToro ने 600 वॉलंटियर्स से 12 ब्रांड-रिकमेंडेशन prompts 2,961 बार चलवाए, ChatGPT, Claude और Google के AI Overview (Google का AI वाला सारांश) पर। एक ही ब्रांड लिस्ट के दो बार आने की संभावना 100 में 1 से भी कम थी, और उसी क्रम में आने की संभावना करीब 1,000 में 1 से भी कम। इसलिए विज़िबिलिटी स्कोर एक सैंपल पर आधारित आँकड़ा है जिसमें गलती की गुंजाइश काफ़ी बड़ी है। जो टूल आपको एकदम सटीक "AI में रैंकिंग पोज़ीशन" बेच रहा है, वह ऐसा नंबर बेच रहा है जो असल में होता ही नहीं।
अपना AI स्कोर कैसे चेक करें?
यह इस पर निर्भर करता है कि आप कौन-सा स्कोर चाहते हैं, और दोनों रास्तों में कुछ भी साझा नहीं है।
डिटेक्टर स्कोर के लिए: टेक्स्ट को GPTZero, Turnitin या Scribbr जैसे किसी डिटेक्टर में पेस्ट कीजिए। फिर नतीजे को सिर्फ़ एक कमज़ोर संकेत मानिए। टेक्स्ट की लंबाई देख लीजिए, क्योंकि ज़्यादातर डिटेक्टर करीब 1,000 कैरेक्टर से कम पर भरोसे लायक नहीं होते, और एक अंक वाले किसी भी स्कोर को अनदेखा कर दीजिए।
विज़िबिलिटी स्कोर के लिए: 30 से 50 ऐसे prompts तैयार कीजिए जो एक असली खरीदार टाइप करेगा, हर एक को कई असिस्टेंट में पाँच या उससे ज़्यादा बार चलाइए, और नोट कीजिए कि आपका ब्रांड कितनी बार आया। पहली बार का अंदाज़ा लेने के लिए यह मैन्युअली कीजिए, या फिर किसी विज़िबिलिटी ट्रैकर से इसे शेड्यूल पर चलवाइए। आपको इससे कई रन में दिखने की दर चाहिए, कोई पोज़ीशन नहीं।
Google के सर्फ़ेस के लिए एक खास बात: AI Overviews और AI Mode का इकलौता आधिकारिक सोर्स खुद Google है, Search Console की Generative AI performance report के ज़रिए। यह रिपोर्ट जून 2026 में लॉन्च हुई और पेज, देश, डिवाइस और तारीख के हिसाब से impressions दिखाती है। इसमें न क्लिक हैं, न पोज़ीशन, न prompts, लेकिन यह first-party डेटा है और Google की सटीकता के मामले में कोई थर्ड पार्टी इसकी बराबरी नहीं कर सकता।
क्या AI स्कोर को नकल का सबूत माना जा सकता है?
नहीं माना जाना चाहिए, और कई संस्थानों ने अब इस रुख को औपचारिक रूप भी दे दिया है।
गलतियों की दर सामने रख दें तो तर्क सीधा है। जिस classifier में गैर-अंग्रेज़ीभाषी लेखकों के खिलाफ़ दर्ज पूर्वाग्रह हो, जिसका 20% से नीचे का बैंड खुद वेंडर भरोसे लायक नहीं मानता, और जो असल में AI से लिखे टेक्स्ट का करीब 15% हिस्सा चूक जाता हो, वह सबूत पैदा नहीं करता। वह बस गहराई से देखने का इशारा देता है: ड्राफ़्ट हिस्ट्री, वर्ज़न कंट्रोल, छात्र का बाकी काम, और एक बातचीत।
अगर सिर्फ़ एक स्कोर के दम पर आप पर आरोप लगाया गया है, तो ऊपर के तीन सोर्स ही आपके काम के हैं: OpenAI का कम सटीकता की वजह से अपना classifier वापस लेना, व्यवस्थित पूर्वाग्रह पर Patterns की स्टडी, और कम रेंज वाले स्कोर को खुद वेंडर का छिपा देना।
आपके बिज़नेस को असल में कौन-सा AI स्कोर ट्रैक करना चाहिए?
लगभग हर बिज़नेस के लिए विज़िबिलिटी स्कोर, और इसमें कोई मुकाबला ही नहीं है।
डिटेक्टर स्कोर किसी टेक्स्ट की एक बार की, बचाव वाली जाँच है। यह डिमांड, कॉम्पिटिटर या पहुँच के बारे में कुछ नहीं बताता, और इसकी गलतियों की दर को देखते हुए एडिटोरियल क्वालिटी परखने का यह कमज़ोर पैमाना है। बहुत-सी सोच-समझकर लिखी इंसानी लिखावट खराब स्कोर करती है, और बहुत-सा मशीन का लिखा टेक्स्ट साफ़ निकल जाता है।
विज़िबिलिटी स्कोर एक चैनल मेट्रिक है। यह बताता है कि आपके ग्राहक अब जिन असिस्टेंट से सवाल पूछते हैं, वे आपको जानते हैं या नहीं, आपकी जगह किन कॉम्पिटिटर का नाम लिया जा रहा है, और यह तस्वीर बदल रही है या नहीं। इसे prompts के एक तय (फ़्रीज़ किए) सेट पर 30 दिन की rolling appearance rate के तौर पर रिपोर्ट कीजिए, और यह समझकर चलिए कि हफ़्ते-दर-हफ़्ते का उतार-चढ़ाव ज़्यादातर शोर ही है।
अगर आपका मकसद सिर्फ़ डिटेक्टर पास करना नहीं, बल्कि cite होना है, तो योग्यता के नियम Google के हैं, किसी स्कोरिंग टूल के नहीं। जुलाई 2026 में अपडेट हुई उसकी generative AI features गाइड साफ़ कहती है कि ये फ़ीचर "हमारे core Search ranking और quality systems पर टिके हैं" और किसी पेज का "index होना और Google Search में snippet के साथ दिखाए जाने के योग्य होना ज़रूरी है।" कोई भी स्कोर इसे नहीं बदलता। आप देख सकते हैं कि अलग-अलग AI इंजनों में आपका ब्रांड अभी कहाँ खड़ा है और एक असली बेसलाइन से काम शुरू कर सकते हैं।
Get a free AI ranking consultation
Want your brand to show up when ChatGPT, Gemini and Perplexity answer questions in your market? Tell us about your site and our team will send a personalized strategy.
