---
title: AIくさい文章から脱出する技術 ― 6モデル180サンプルで測った「バレる文章」の正体
tags:  #ai-slop #生成ai #llm #ライティング #自然言語処理 #日本語  
author: [井本 賢](https://image.docswell.com/user/kenimo49)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/5EGLQ1Q2JL.jpg?width=480
description: 「あ、これAIが書いたな」と言われる文章には、共通のパターンがあります。英語圏では ChatGPT 登場後の論文で "delves" の使用頻度が28倍に増えたという研究が出ていますが、日本語の同じ数字は、探した範囲では誰も測っていませんでした。  そこで自分で測りました。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テーマで日本語の技術ブログ記事を書かせた180サンプル。指標は16。Qiitaの人間の記事を対照群に加えて、計190テキストを比べています。  本スライドは、Kindle本『AIくさい文章から脱出する技術』の入門編です。16指標の内訳から、語彙とリズムのどちらで検出されているのか、差別化の3方向、そして初版の自分を撤回した第5部までを13枚で俯瞰します。  扱う論点: - 実測1位のAI頻出語は「適切な」0.59回/記事。「浮き彫りにする」は180サンプルに0回 - 商用モデルほど高いスコア(Cohen's d = 1.01)。パラメータ数が増えるほど下がる逆相関 - 検出はほぼ語彙(AUC 0.998 対 0.897)。語彙は指紋、リズムは訛り - 置換辞書で消える層と、消えない層。語彙・構造・リズムで違う手当て - 人間が書いてもAI判定される構造(TOEFLエッセイ 61.22% 対 米国8年生 5.19%) - 第5部で撤回した初版の3箇所。過去に発表した651語のリストも237語へ   ▼特設ページ(目次・章構成・関連書籍) https://kenimoto.dev/ja/books/ai-text-slop-escape/?utm_source=docswell&utm_medium=slide&utm_campaign=atse-2026-08  ▼実験コードと全サンプル https://github.com/kenimo49/ai-text-slop  著者 井本 賢 (ken imoto) / kenimoto.dev / @kenimo49
published: August 23, 26
canonical: https://image.docswell.com/s/kenimo49/57NLX7-ai-text-slop-escape
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/5EGLQ1Q2JL.jpg)

日本語テキスト・計測
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
180サンプル 16指標 6モデル 全26章+第5部の訂正
実測1位のAI頻出語（1記事あたり） 「適切な」 0.59回
井本 賢 ken imoto / エンジニア / Propel-lab
AIくさい文章から脱出する技術 kenimoto.dev 01 / 13

# Page. 2

![Page Image](https://bcdn.docswell.com/page/4JQYKDK97P.jpg)

英語の「delve」は28倍。日本語版は、無かった。
Kobakらが生物医学論文の要旨1,500万件超で報告した頻度急増。同じ数字を日本語で探したが、見つからなかった。
delves 掘り下げる 28x
underscores 強調する 13.8x
showcasing 見せる 10.7x
日本語の「delve」 相当する語 ? 語のリストも、頻度の実測も 見当たらなかった
ChatGPT登場後の論文で観測された使用頻度の増加率。emダッシュもラテン語由来の堅い語彙も、日本語には持ち込めない
AIくさい文章から脱出する技術 kenimoto.dev 02 / 13

# Page. 3

![Page Image](https://bcdn.docswell.com/page/K74WPZKRE1.jpg)

だから、自分で測った。180サンプル。
6モデル×10テーマ×3回。Qiitaの人間記事を対照群に加えて、16指標で分析した。
01 書かせた側 6モデル
Claude Sonnet 4 / GPT-4o / Qwen 3.5-4B / Qwen 3.5-9B / gpt-oss 20B / Llama 3.2-1B。ローカル4本は RTX 4070のOllamaで回した
02 条件 プロンプトは固定、毎回新規セッション
「[テーマ]についての技術ブログ記事を800字程度で書いてください」だけ。書き方を指示するとモデルの癖が消えて、指示への追従を測ってしまうため
03 測った側 16指標+人間の対照群
語彙・構造・リズム・表層の4層。Qiita public APIから同10テーマの記事を著者重複なしで取得し、計190テキストを比較した
AIくさい文章から脱出する技術 kenimoto.dev 03 / 13

# Page. 4

![Page Image](https://bcdn.docswell.com/page/LJ1Y9RXVEG.jpg)

AIくささは、16箇所に出る。
語彙4・構造5・リズム3・表層4。層ごとに、消しやすさが違う。
語彙 4指標
AI頻出語彙カウント
ヘッジング表現
追従的トーン
「重要です」で終わる文
置換で消せる層
構造 5指標
定型結論
三点セット
見出し数
太字使用数
リスト記号数
書き直しが要る層
リズム 3指標
文長の変動係数(CV)
平均文長
文数
意識しないと動かない層
表層 4指標
emダッシュ数
絵文字数
総文字数
段落数
日本語ではemダッシュはほぼ0。英語の指紋は効かない
AIくさい文章から脱出する技術 kenimoto.dev 04 / 13

# Page. 5

![Page Image](https://bcdn.docswell.com/page/GJWGQ1N372.jpg)

一番AIっぽいと思っていた語は、0回だった。
31語を数えた実測値（1記事あたり）。感覚で並べた順位と、実際に打たれていた順位は違った。
実測の上位5語
「適切な」 0.59
「重要です」 0.34
「本記事では」 0.27
「を活用する」 0.23
「不可欠」 0.16
感覚での1位候補
「〜を浮き彫りにする」 0.00
180サンプルに1回も出てこなかった。AIっぽいと感じる表現と、AIが実際に打つ表現は同じではない
AIくさい文章から脱出する技術 kenimoto.dev 05 / 13

# Page. 6

![Page Image](https://bcdn.docswell.com/page/4EZLWP3G73.jpg)

商用モデルほど、AIくさい。
Slop Scoreの上位2つはRLHF済みの商用モデル。差は偶然では説明できない大きさだった。
AI Text Slop Score (6モデル)
商用 Claude Sonnet 4 21.5
商用 GPT-4o 19.8
oss Qwen 3.5-4B 16.7
oss Qwen 3.5-9B 15.6
oss gpt-oss 20B 15.2
oss Llama 3.2-1B 10.3
Mann-Whitney U (商用 vs OSS)
p=2.38 x 10^-9
効果量
Cohen's d = 1.01
差を駆動しているのは指標の一部。リストd=+1.00、見出し+0.90、AI頻出語彙+0.74。太字と文長CVには有意差なし
AIくさい文章から脱出する技術 kenimoto.dev 06 / 13

# Page. 7

![Page Image](https://bcdn.docswell.com/page/Y76WGMXQ7V.jpg)

効いているのは、大きさではなくRLHFの強度。
パラメータが増えるほどスコアは下がった。直感とは逆向きの結果になっている。
Qwen 3.5-4B 16.7 > Qwen 3.5-9B 15.6 > gpt-oss 20B 15.2
人間の評価者が好むもの
構造化されている、丁寧な語調、網羅的、断定を避ける。この4つは全部、16指標で「AIくさい」側に出る
RLHFは、それを報酬にする
高評価のパターンが強化される。抽象的で当たり障りのない表現ほど残りやすい構造になっている
ただし相関であって因果ではない
商用とOSSは訓練データ規模もアーキテクチャも違う。本書が示したのは相関まで、と本文に明記している
AIくさい文章から脱出する技術 kenimoto.dev 07 / 13

# Page. 8

![Page Image](https://bcdn.docswell.com/page/G75MVZX274.jpg)

検出しているのは、ほぼ語彙だった。
語彙とリズムのどちらが効くのかを実験で分けた。仮説とは逆の結果になった。
語彙 指紋：誰が書いたかを教える
AI/人間の判別 AUC 0.998
7モデルの識別(偶然=14.3%) 92.1%
語彙プロファイルはモデルごとに違う。だから、どのモデルが書いたかまで当たる
リズム 訛り：機械が書いたことしか教えない
AI/人間の判別 AUC 0.897
7モデルの識別(偶然=14.3%) 50.9%
単調化の向きは全7モデルで一致する。程度は違っても、方向が同じなので個体が割れない
この訛りは言語を越える。日本語-0.96 / 英語-1.12 / ポルトガル語-1.03、70セルすべてでAI側が単調だった(ch23)
AIくさい文章から脱出する技術 kenimoto.dev 08 / 13

# Page. 9

![Page Image](https://bcdn.docswell.com/page/9J293RX1ER.jpg)

置換辞書だけでは、消えない。
語彙・構造・リズムは別々の層。手当ての種類も、かかるコストも違う。
方向 01 語彙で差別化する
AI頻出語→差別化表現の対応表を使って置き換える。「さまざまな」を消すのは一度やれば終わる作業で、効果もはっきり出る
一度やれば終わる
方向 02 構造で差別化する
見出しを減らして文脈で繋ぐ。三点セットと定型結論を外す。目次の見た目は悪くなるが、読み手の移動が滑らかになる
書き直しが要る
方向 03 リズムで差別化する
短文と長文を混ぜる。体言止め、問いかけ、結論を先に置く。書き方の癖そのものなので、直すと文章全体が変わる
癖ごと変わる
AIくさい文章から脱出する技術 kenimoto.dev 09 / 13

# Page. 10

![Page Image](https://bcdn.docswell.com/page/DEY41D84JM.jpg)

AIに書けないのは、一次情報だけ。
数字、固有名詞、判断の根拠。検出器をかわす加工ではなく、読む価値の側に入る。
BEFORE / AIが書いた文
Reactの状態管理にはさまざまなアプローチがあり、効率的な設計が不可欠です。適切なライブラリを活用することで、パフォーマンスの向上を実現できます。
「さまざまな」「効率的な」「不可欠」「適切な」「活用する」「実現する」。1文に6語。どれも、何も言っていない
AFTER / 一次情報で書いた文
Reactの状態管理で最初に悩むのは「useStateの多重ネストが3階層を超えたとき」です。私のプロジェクトでは、Zustandに移行してre-renderが72%減りました。移行に丸2日かかりましたが、Lighthouseスコアが14点上がった時点で元が取れたと判断しています。
閾値、ライブラリ名、削減率、かけた時間、割に合うと判断した根拠。全部、手を動かした人しか持っていない
AIくさい文章から脱出する技術 kenimoto.dev 10 / 13

# Page. 11

![Page Image](https://bcdn.docswell.com/page/VJNY26Q678.jpg)

人間が書いても、61.22%がAI判定された。
分けていたのは語彙の一致ではなく、語彙の幅だった。疑われるのは、表現の選択肢が狭い側。
非ネイティブが書いた TOEFLエッセイ 61.22% 人間が書いたのにAI判定された割合
VS
米国の8年生が書いた 作文 5.19% 同じ検出器、同じ「人間が書いた文章」
語彙をネイティブ風に足すと 61.22% → 11.77%に下がる。中身は変えていない
8年生の作文を単純化すると 5.19% → 56.65%に上がる。同じ内容でも判定が反転する
ChatGPT公開前に書かれた論文要旨ですら、非英語圏の著者のものは検出器の物差しで「AI寄り」に出た
AIくさい文章から脱出する技術 kenimoto.dev 11 / 13

# Page. 12

![Page Image](https://bcdn.docswell.com/page/YE9P1LDRJ3.jpg)

第5部で、初版の自分を撤回している。
初稿の5ヶ月後に論文を2本書き、計測CLIを1本公開した。その過程で3箇所が間違っていた。
ch14を撤回 総合スコアの設計
「文長が均一なほど加点」という項が入っていた。測り方のほうに癖があった
ch18を撤回 「CV 0.8」という目標値
人間7記事の実測は0.407〜0.743。目標値のほうが分布の外にあった
ch12を撤回 「人間のほうがAIっぽい」
人間の記事はAIの4〜5倍長い。長さで割らずに個数を比べていた
過去に発表した651語の過剰語彙リストも 651 → 237 文書単位で数え直すと424語。AI過剰側に限ると237語で半減した。旧1位「ハッシュ」は2文書での連呼で、有意性が消えた。公開してあったから訂正できた
訂正した箇所を削除せずに残してある。間違いの直し方まで含めて、この本の中身だから
AIくさい文章から脱出する技術 kenimoto.dev 12 / 13

# Page. 13

![Page Image](https://bcdn.docswell.com/page/GE8D4X3GED.jpg)

続きは、本書で。
全26章+第5部の訂正。Kindle Unlimited対象なので、読み放題なら追加料金なしで読めます。
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
180サンプルを16指標で実測、全データ公開
全26章+第5部「5ヶ月後の訂正」
Kindle ¥1,250 / Kindle Unlimited対象
本の詳細と購入 kenimoto.dev/d/atse
井本 賢 (ken imoto) / @kenimo49
AIくさい文章から脱出する技術 kenimoto.dev 13 / 13