AIくさい文章から脱出する技術
6モデル180サンプルの実測でわかった「バレる文章」の正体と差別化の手順
AIくささ 消し方 · AIっぽい文章 特徴 · AI判定 誤検知 · 6モデル180サンプルを自分で測った全記録 (Kindle Unlimited 対象)
Zenn累計32,000+ views · 4言語で30冊以上出版 · Kindle 6カ国で販売中
本書の概要
「AIっぽい文章」の正体を、6つのLLMに同一テーマで日本語を書かせた180サンプル×16指標の実測で特定する実践書。英語圏では ChatGPT 登場後に "delves" が28倍に増えたという研究があるが、日本語で同じ測定をした先行例は見つからなかったので自分で測った。実測の上位は「適切な」0.59回/記事、「重要です」0.34、「本記事では」0.27。逆に、AIっぽいと感じていた「浮き彫りにする」は180サンプルに1回も出てこない。語彙・構造・リズムの3方向から差別化する手順、Claude Code Skill での自動監査、商業出版のプロ校正が見る3層、そして「人間が書いたのにAI判定される」問題までを全26章で扱う。2026年3月の初版に、5ヶ月後の追試で判明した初版自身の誤り3件の訂正を加えた増補改訂版。実験コードと全サンプルは GitHub で公開している。
この本でできるようになること
- 自分の原稿のどこがAIくさいのかを、16指標のどれに当たっているかで名指しできる
- 「適切な」「重要です」「本記事では」を、実測の頻度順に優先度をつけて潰せる
- 語彙の置換だけでは消えない構造とリズムのAIくささに、別々の手を打てる
- 計測CLI rhythm-lens で自分の文章の文長分布とバースト性を数値で確認できる
- 人間が書いた文章がAI判定されたとき、何が原因でどう反論できるかを説明できる
対象読者
- 【下書きをAIに任せる人】AIに書かせた原稿を、そのまま出すのに抵抗がある書き手
- 【誤判定される人】自分で書いたのにAI判定されて、説明する言葉が見つからない人
- 【置換辞書に限界を感じた人】NG語リストで単語を入れ替えるだけの対処に頭打ちを感じている人
- 【数字がほしい人】「AIっぽい」という感覚論ではなく、測った根拠のある文章術を探している人
- 【編集・校正側】社内やメディアでAI生成物の品質基準を作る立場の人
- 【研究寄りの人】日本語AIテキストの計量分析を、再現できるデータごと読みたい人
この本で解決できる悩み
- AIに下書きさせたが、そのまま出すと「AIが書いたな」と思われそうで手が止まる
- NG語リストで単語を置換しても、なぜかAIくささが抜けない
- 自分で書いた文章がAI判定ツールに引っかかり、どう反論すればいいか分からない
- 「AIっぽい」と指摘されても、具体的にどこを直せばいいのか誰も説明してくれない
- AI検出ツールのスコアが何を測っているのか分からず、数字を信じていいか判断できない
- 社内でAI生成物の品質基準を作りたいが、拠り所になる数字がない
この本の立ち位置
- 実測寄り (文章読本の作法論ではなく、自分で回した実験データから逆算する)
- 日本語特化 (英語の研究を輸入せず、日本語コーパスで同じプロトコルを回し直す)
- 中級者向け (文章を書いて公開している人が対象。専門知識は不要、統計は都度説明)
- 検出から差別化まで網羅 (指標の定義・原因・実践手順・自動化・誤判定対応まで一気通貫)
なぜこの本か
- 数字はすべて著者の実測。借り物のベンチマークは1つも使っていない
- 実験コードと全サンプルを GitHub で公開。納得がいかなければ手元で回して確かめられる
- 計測CLI rhythm-lens を同梱し、読んだあと自分の原稿を測るところまで持っていく
- 初版の誤り3件を、5ヶ月後の追試で自分で見つけて撤回の経緯ごと収録した
- 語彙AUC 0.998 に対しリズムAUC 0.897。どちらで検出されるのかを検証で決着させている
- 英語(Dev.to 853本)とブラジルポルトガル語(TabNews 403本)でも同じプロトコルを回し、日本語だけの話でないことを確認している
他のAI本との違い
| 比較対象 | 本書の違い |
|---|---|
| 一般的な文章読本・文章術の本 | 作法や心構えを説く本が多い。本書は6モデル180サンプルの計測から入り、直す優先順位を頻度の実測で決める |
| AI検出ツール (GPTZero 等) | ツールはスコアを返すが、何を測っているかは開示されない。本書は16指標を定義し、計算方法とデータを全部開示する |
| AIの文体を扱う英語圏の論文 (Kobak et al. 等) | 英語コーパスの知見をそのまま日本語に持ち込むと外れる。本書は同じプロトコルを日本語で回し直し、外れた箇所を記録している |
目次
第1部 16のパターンを解剖する
AIが書いた文章がバレる16箇所を定義し、モデル別の実測値とBefore/Afterで1つずつ潰す
- 01 AIが書いた文章は16箇所でバレる
- 02 「さまざまな」の呪い — 日本語AI頻出語ワースト10
- 03 AI頻出語彙と「重要です」で終わる文
- 04 emダッシュと太字の機械的多用
- 05 三点セットと定型結論「いかがでしたでしょうか」
- 06 ヘッジングの洪水と追従トーン
- 07 過剰な構造化とリスト記号の津波
- 08 絵文字とチャットボット残留表現
- 09 感情の欠如とリズムの均一性
第2部 なぜそうなるのか
訓練の側からメカニズムを追う。そして著者自身が結論に飛びついた過程も残す
- 10 RLHFが「AIくささ」を増幅する
- 11 gpt-ossパラドックス — 語彙と構造は別々に決まる
- 12 人間のほうがAIっぽい問題 — Qiitaの衝撃データ
- 13 Human-LLM共進化 — いたちごっこの歴史
第3部 数値化と実験結果
16指標を1つのスコアに束ねる試みと、6モデル×10テーマの全結果
- 14 AI Text Slop Score — 文章のAIくささを数値化する
- 15 6モデル×10テーマ — 実験結果の全貌
第4部 差別化の実践
「脱出」ではなく「差別化」と呼ぶ理由と、語彙・構造・リズムに分けた手順
- 16 語彙で差別化する — AI頻出語の置換辞書
- 17 構造で差別化する — 見出しを減らして文脈で繋ぐ
- 18 リズムで差別化する — 短文と長文を混ぜる
- 19 Claude Code Skillで自動監査する
第5部 5ヶ月後の訂正
初稿の後に論文2本と計測CLIを公開し、その過程で初稿の誤りが3件見つかった。撤回の経緯ごと残す
- 20 商業出版だとここを見られる — プロ校正の3層とAI Slopの死角
- 21 なぜ人間の文章がAI判定されるのか — 誤判定される側の話
- 22 語彙とリズム、どちらで検出されるのか — 自分の過去研究を訂正した話
- 23 AIの訛りは言語を越える — 英語とポルトガル語で確かめた
- 24 rhythm-lensで自分の原稿を測る — この章も引っかかりました
- 25 長さという交絡 — 「人間のほうがAIっぽい」を検算した記録
- 26 5ヶ月後の追記 — 書いた構想を全部やってみた
英語圏では、ChatGPT が出たあとの論文で “delves” の使用頻度が28倍に増えたという研究が出ていました。“underscores” は13.8倍、“showcasing” は10.7倍。では日本語の「delve」は何なのか。探した範囲では、誰も測っていませんでした。
だから自分で測りました。Claude Sonnet 4 / GPT-4o / Qwen 3.5-4B / 9B / gpt-oss 20B / Llama 3.2-1B の6モデルに、同じ10テーマで日本語を書かせた180サンプル。指標は16。結果は感覚とズレていました。実測の上位は「適切な」0.59回/記事、「重要です」0.34、「本記事では」0.27。一方、私が一番AIっぽいと感じていた「浮き彫りにする」は、180サンプルに1回も出てきませんでした。
本書はこの16指標を1つずつ解剖し、なぜRLHFがそれを増やすのかまで降りてから、語彙・構造・リズムの3方向に分けて差別化の手順を組み立てます。置換辞書で単語を入れ替えるだけでは消えない部分がどこなのかを、先にはっきりさせます。
第5部は2026年8月の追記です。初稿の後に論文を2本書き、計測CLIを1本公開しました。その過程で、初稿の記述のうち3箇所が間違っていたことが分かりました。総合スコアの設計、リズムの目標値、そして「人間のほうがAIっぽい」という結論。撤回した経緯ごと、削らずに残してあります。間違いの直し方まで含めて、この本の中身だからです。
全実験コードと全サンプルは GitHub で公開しています。スコアに納得がいかなければ、手元で回して確かめてください。
「AIっぽい」を感覚で言うのをやめて、16の数字で名指しする。
シリーズ・関連書籍
関連記事で深掘りする
Kindleで読む
Kindle Unlimited 対象
Kindleで読む (¥1,250)※ 本ページにはAmazonアソシエイトリンクが含まれます。クリック先での購入により著者に紹介料が入る場合があります。