human-writing

ユーザーリクエスト: $ARGUMENTS

以下の研究に裏づけられた文章作成の原則を、現在のタスクに適用してください。特定のリクエストがない場合は、コンテキスト内で書かれているあらゆる散文コンテンツに適用してください。

核心となる洞察

根本的な問題は統計的な均一性です。 AI のテキストは測定可能なほど予測しやすく（パープレキシティが約50%低い）、文の長さの変化に乏しく（バースト性が約38%低い）、語彙も狭くなっています（タイプ・トークン比：人間 55.3 対 AI 45.5）。人間らしく聞こえる文章への道は、出力を完璧にすることではなく、不完全さを受け入れることを通じて開けます。

最も信頼できる単一の手がかりは均一性です。 人間の文章は雑で、変化に富み、驚きがあります。AI の文章はなめらかで、一貫しており、予測可能です。

10-20-70 の法則

プロンプトは出力品質の約10%、編集は約20%、そして書き手自身のドメイン専門知識とインプットが約70%を占めます。どれだけプロンプトエンジニアリングを重ねても、言いたいことがあることの代わりにはなりません。コンテンツを生成する前に、書き手自身の真の洞察、意見、経験を求めましょう。

影響度の階層

文章を人間らしく聞こえるようにするうえでの影響度が高い順から低い順：

優先度	テクニック	理由
1	まず自分自身の思考を入れる	AI は真の洞察、実体験、独自の分析を生成できません
2	独自の声を育てる	声は究極の差別化要因です — 一貫しており、編集では偽装できません
3	容赦なく編集する	4層システム：単語 → 文 → 構造 → コンテンツ
4	ワークフローを設計する	一つの作品を一気に書き上げないこと
5	制約付きでプロンプトする	禁止語 + ペルソナ + 文章サンプル
6	不完全さを受け入れる	断片。脱線。意見。粗さが文章を生き生きとさせます。

語彙のキルリスト

書くときにこれらの語を避けてください — 何百万もの文書を対象とした査読済み研究において、AI 生成であると統計的に判定される語です。（既存の文章を読むレビュアーは、単一の出現ではなく密度とクラスタリングで判断すべきです。ai-tells-and-fingerprints.md と、writing-reviewer エージェントの頻度を考慮したしきい値を参照してください。）

名詞：delve、tapestry、landscape、realm、testament、journey、insight、resilience、ecosystem、milestone、prowess、utilization

動詞：embark、endeavor、leverage、harness、navigate（比喩的な用法）、unlock、foster、catalyze、bolster、underscore、showcase、elucidate、encompass、unveil

形容詞：seamless、robust、groundbreaking、transformative、pivotal、vibrant、compelling、crucial、invaluable、holistic、multifaceted、meticulous、commendable、intricate

副詞：seamlessly、meticulously、notably、profoundly、predominantly、subsequently、thereby、ultimately、moreover、furthermore

フレーズ：「ever-evolving landscape」「in today's fast-paced world」「as we navigate the complexities」「It isn't just X, it's Y」「it's important to note」「it's worth noting that」「without further ado」「in conclusion」「at the heart of」

誇大表現 / 宣伝的な傾き：「breathtaking」「stunning」「must-see」「must-visit」「iconic」「world-class」「rich cultural tapestry」「hidden gem」

偽の強調語：「genuinely」「truly」「actually」（確信を装うために使われる場合）

時代ごとに追跡される語彙：AI の語彙は時代とともに変化します — 「delve」は2023年〜2024年初頭にピークを迎えてその後減少し、一方で「align with」「fostering」「showcasing」はより後のモデルとともに増加しました。時代別のリスト（GPT-4 時代 対 GPT-4o 時代）とスナップショットの日付については、ai-tells-and-fingerprints.md § Era-tracked vocabulary を参照してください。

4層編集システム

表面から実質へと順に適用します：

第1層：単語レベル

キルリストの語彙を見つけ次第、検索置換または削除します。段落から形容詞を削り、具体的な情報を運んでいるものだけを復元します。「Robust system」→「handles 10k req/s without data loss」。

レイヤー2: 文レベル

連続する文の最初の数語だけを読みます — 3つ以上が同じパターンに従っている箇所では、削るか統合します。文の長さは意図的に変化させます。衝撃には短く、ニュアンスには長く。この対比がインパクトを生みます。意図的な不完全さを加えます。断片、くだけた補足、会話的な言い回しです。

レイヤー3: 構造レベル

メタ的な解説(「このセクションでは、〜について説明します」)を排除します。先行する要点を繰り返すだけのまとめ結論は削除します。パターンの対称性を崩します。反復的な小見出しを格下げし、重複するセクションを統合し、各段落の書き出しが構造的に直前の段落と異なるようにします。

レイヤー4: 内容レベル

実体験を加えます。逸話、直接の観察、具体的な失敗です。具体性に根ざします — すべての文に対して問いかけます:「これはどのトピックにも当てはまるか?」もし当てはまるなら、根ざす必要があります。正直な意見を注入します。「多くの専門家」が信じていることではなく、あなた自身が実際にどう考えるかを述べます。

最終チェック

音読します。 つまずく、息が続かない、ぎこちないと感じる箇所は、文章に手を入れる必要がある印です。

AI が構造的に生み出せない7つの執筆の基本

これらは統計的なテキスト生成の構造的限界です — 人間の書き手が埋められない距離を生み出す領域です:

1. 見せる vs 語る — 読者が感情を追体験できる具体的な感覚的ディテールを描きます。AI は(「穏やかで静謐」と)要約するのがデフォルトであり、(静かな水面にホバリングするトンボのように)見せることはしません。

2. 実体験に根ざした具体性 — AI は(統計的に最も確率の高い)「そよ風」や「咲き誇る花」を生成します。一般的な描写を、誰もしたことのない観察に置き換えます。カフェの名前、特定の料理、その瞬間を具体的に描写します。

3. 戦略的な省略 — AI は完全性と結末に向かう傾向があります。共鳴する文章は、語られないものの中に生きています。質問をかわす登場人物は、どんな直接的な発言よりも多くを明かします。AI はテキストを生み出すよう訓練されており、伏せるようには訓練されていません。

4. リズムの変化 — AI は似た長さと構造の文を生成します。リズムを意図的に使います。緊張が高まるにつれて文を短くします。長い文がいくつか続いた後に短い文を落とします。こんなふうに。

5. 意図的なルール破り — よりよく響くからという理由で、あえて間違った言葉を選びます。断片を宙に浮かせます。不完全な文。強調のために。完全な文がその瞬間を台無しにする場合があるからです。

6. ユーモア — 「AI完全問題」に分類されています。20人のコメディアンを対象とした Google DeepMind の研究では、AI は「独創的で、刺激的で、そして — 決定的に — 面白い素材を生み出すのに苦労した」とされています。ユーモアには本物の脆弱性と文化的な境界破りが必要です。

7. 真の洞察 — AI は要約を提供し、人間は分析を提供します。反復的に「なぜ?」と問い続けます。データは「何を」を示し、洞察は「なぜ」を語ります。

構造的なアンチパターン

パターン	見分け方	修正
均一な段落の長さ	重要度に関係なく、すべてのセクションが同じ扱いを受ける	重要なものにより多くのスペースを割き、そうでないものには少なくする
リスト中毒	物語の積み上げなしに番号付き・箇条書きリストに飛びつく	流れるような文章を使う。リストは本当に並列な場合のみ
定型的な足場	人間の2〜5倍の頻度で「第一に…第二に…最後に」	つなぎ表現を変化させるか、排除する
文法の完璧さ	断片、長すぎる文、慣習的でない書き出しが一切ない	完璧さは疑わしい — 時折ぎこちない言い回しを含める
コロン付きタイトル	「トピック: 説明」形式	タイトルの構造を変える
対称的な構造	すべてのセクションが同じ内部構成を反映している	パターンを崩す

句読点と書式のルール

• em ダッシュ (—) と en ダッシュ (–): 最も信頼できる AI の痕跡のひとつです。ChatGPT は 573 語あたり 8 個、Deepseek は 555 語あたり 9 個使用します。これらは完全に禁止し、代わりにカンマ、ピリオド、括弧、コロンを使用してください。
• 曲がった引用符 (" " ' '): ChatGPT と DeepSeek は曲がった引用符を生成する傾向があり、Gemini と Claude はまっすぐな引用符 ("..." '...') を生成する傾向があります。曲がった引用符だけでは証拠にはなりません（ワープロや組版ツールは自動的に曲げます）が、他の痕跡と組み合わさると確信度が高まります。AI の初稿ではまっすぐな引用符を優先し、曲げることが媒体に適しているかは編集者に判断を委ねてください。
• 見出しの大文字化: AI は、文書の他の部分が sentence case を使用していても、見出しのすべての主要語を title case にする傾向があります（「How to Write Better Prose」など）。周囲の文書の見出しスタイルに合わせ、デフォルトで title case にしないでください。
• 過剰な太字（「重要なポイント」パターン）: AI は強調のために機械的にフレーズを太字にし、多くの場合、同じ語が現れるたびに毎回太字にしたり、箇条書きで太字のフレーズをその直後に再説明したりします（**Scalability:** The system is designed to scale...）。太字は控えめに、読者の役に立つ真の強調にのみ使用してください。
• 絵文字: AI は感情の代替として絵文字を過剰に使用し、特にカジュアルなコンテンツやマーケティングコンテンツで顕著です。ユーザーが明示的に要求しない限り、絵文字を追加しないでください。過剰な絵文字の使用は、AI 生成であることを即座に示すシグナルになります。
• セミコロン: AI はほとんど使用しません。いくつか含めることで人間らしい質感が加わります。
• 短縮形: AI は避けます。会話的な文章では自由に使用してください。
• オックスフォードカンマ: AI は一貫して適用します。時折そのパターンを崩してください。

修辞的なアンチパターン

パターン	痕跡	修正
三項の強迫	アイデアを 3 つにまとめる：「Time, resources, and attention」	2 つ、4 つ、7 つといった項目で不規則に崩す
完璧な対置	「Not just X, but Y」——整いすぎた二項対立	実際の議論はもっと雑です
舞台装置としての修辞的疑問	「How do we solve this?」→ あらかじめ用意された答え	本物の疑問を問いかけるか、単に主張を述べる
過剰なヘッジング	「may potentially offer what could be considered significant benefits」	「this works」まで削ぎ落とす
強迫的な道案内	「It's worth noting」「It's important to remember」	読者を信頼する
意見を避ける枠組み	「commonly described as」「many find」「generally considered」	見解を直接述べる
過剰な接続詞	「Moreover」「Furthermore」「Additionally」「In addition」が AI 特有の密度で段落をまたいで積み重なる	つなぎを削り、文に論理を運ばせる。つなぎは段落ごとではなくページごとに 1 つ
「神話を打ち砕く」／対比と訂正	神話が実在するかどうかに関わらず、デフォルトの書き出しとして使われる「While many think X, in fact Y」パターン	具体的な主張から始め、ストローマンの前置きを省く
主題の誇張	恣意的な細部が「a microcosm of [larger theme]」／「a window into [broader cultural moment]」へと格上げされる	具体的なところで止める。その記事が正当化しない限り外挿しない
平均への統計的回帰	具体的な細部（名前、数字、日付）がカテゴリーレベルの言葉にぼやける	具体性を取り戻す。わからなければ「わからない」と言う

トーンの原則

• 文体を変化させる。 AI はひとつのレーンを選んだらそこに留まります。フォーマルと口語の間で切り替えましょう。トーンの変化を通じて個性を表に出します。
• 際限なくポジティブでないこと。 AI はすべてをポジティブに枠づけます。弱いもの、不十分なもの、悪いものは、そうであると指摘しましょう。
• 熱意に差をつける。 AI はすべての題材を等しいプロフェッショナルな距離感で扱います。自分が関心を持つ話題には熱を上げましょう。退屈な話題には目に見える苛立ちを示します。
• リスクを取る。 AI は広い受け入れやすさを優先します。必要に応じて、混乱を招く文、鋭い観察、論争を呼ぶ主張を書きましょう。
• 百科事典的でありながら宣伝的なドリフトを拒否する。 中立または百科事典的な文体を求められた場合でも、AI は広告のような文章へとドリフトします——場所については旅行ガイドの文章、製品についてはマーケティングコピーです。上記のような誇張語彙（「息をのむような」「必見の」「豊かな文化的タペストリー」）に注意しましょう。中立とは、磨かれて無難であることではなく、具体的で、事実に基づき、無理のないことです。

必ず存在すべきもの（ネガティブスペース）

AI のテキストは、存在するものと同じくらい、存在しないものによっても識別されます：

• 生きた経験 — 「汎用的な具体性」ではなく、具体的な個人的逸話
• 感覚的な具体性 — 統計的にありそうな描写ではなく、予想外の観察
• 沈黙とサブテキスト — 登場人物が言わないこと、語られずに残されること
• 本物の乱雑さ — やり直し、方向転換、生産的な脱線
• 視点 — 他のどのプロンプトにも当てはまらないような見方

プロンプティング技法（生成するとき）

ティア 1（最も強い根拠）

• 禁止語リスト：キルリストの語彙を明示的に禁止します。制約ベースのプロンプティングは、願望を述べる指示よりも優れた結果を出します。
• ペルソナの割り当て：「これを同僚にコーヒーを飲みながら説明して」は、「X について書いて」とは根本的に異なる出力を生み出します。
• 文体サンプルのマッチング：自分の文章を貼り付け、トーン、構成、感情の深さに合わせるよう指示します——構成をコピーするのではありません。

ティア 2（良好な根拠）

• 会話的な枠づけ：命令ではなく会話として枠づけます。
• 否定指示：「フォーマルなつなぎ言葉を使わないで。段落を『注目に値するのは』で始めないで。」
• 感情のターゲティング：「古いやり方への苛立ちから書いて」——感情のレジスターを指定します。

ティア 3（補助的な根拠）

• 短文のリクエスト：多重節になりがちな傾向を打ち消します。
• 段落の長さを劇的に変化させる：強調のために一文だけの段落を入れます。
• 複数の技法を重ねる：ペルソナ＋禁止語＋感情のターゲティング＋サンプルを組み合わせます。

ワークフローの原則

• 一発で完全な作品を書かないこと。 セクションごとに、間にレビューを挟みながら進めます。
• ブックエンド・アプローチ：始めにアイデア出し、終わりに仕上げとして AI を使います。核心となる創造的な中間部分は人間がコントロールします。
• 乱雑な下書きアプローチ：あなたの散らかった思考＋独自の切り口 → AI が読みやすい文章に整える → あなたが声のために編集する。
• あなたのオリジナルの思考は、AI が触れる前に投入します。

統計的シグネチャ（検出の文脈）

検出器が何を測定しているかを理解すると、それらを発火させないテキストを書くのに役立ちます：

指標	人間	AI	意味
パープレキシティ（驚き）	約8.2	約4.2	AI は約50%予測しやすい
バースティネス（文の変化）	0.61	0.38	AI は変化が約38%少ない
トークン確率エントロピー	4.56	3.11	AI はより均一な語の選択をする（d=3.08）
タイプ・トークン比	55.3	45.5	人間はより広い語彙を使う
後半の変動性	一貫している	24〜32%減衰する	AI は続けるにつれてより予測しやすくなる

重要な含意：本物の予測不可能性を導入しましょう——多様な語彙、驚くような文の長さ、予想外の語の選択、一貫しない構成。

検出手法（参考）

• 統計的・ゼロショット: パープレキシティ、バースト性、エントロピー、確率曲率（DetectGPT）、クロスパープレキシティ比（Binoculars）、方向性記憶（BiScope）
• 学習済み分類器: GPTZero、Originality.ai、Turnitin、Copyleaks — 編集されていない AI テキストに対して 65～96% を達成
• 電子透かし: 語彙分割、SynthID トーナメントサンプリング
• 計量文体論: タイプ・トークン比、ストップワード数、ハパックス・レゴメノン率
• 検出を無効化するもの: パラフレーズ（87～99% 減少）、単純な修正、人手による編集、ニュークリアスサンプリング
• 理論的限界: モデルが改善するにつれて、検出はランダムな確率に収束していく（Sadasivan ら）

検出科学の詳細については、detection-science.md を参照してください。

モデル固有のシグネチャ

モデル	主な特徴
ChatGPT	フォーマルで臨床的。em ダッシュを多用（573 語中 8 個）。「delve」「align」「noteworthy」を過剰使用。無味乾燥でロボット的
Gemini	会話的で説明的。平易な言葉を好む。em ダッシュの過剰使用なし
Claude	より自然で文学的。em ダッシュは最小限（948 語中 2 個）。トーンの柔軟性。時折、促されずにフィクションを生成する
Deepseek	em ダッシュを多用（555 語中 9 個）。構造的には ChatGPT に類似

参照ファイル

これらの原則を裏付ける詳細な調査:

ファイル	内容	参照すべきとき
ai-tells-and-fingerprints.md	語彙のフィンガープリント、構造的・修辞的・トーン的パターン、統計的シグネチャ、モデル固有のシグネチャ	AI の特徴がないかテキストをレビューするとき、検出器が何を探しているかを理解するとき
humanizing-playbook.md	4 層の編集システム、声の開発、7 つの技巧の基礎、プロフェッショナルなワークフロー、編集者が注目する点	AI 支援テキストを編集するとき、文章の声を開発するとき、編集基準を理解するとき
prompting-and-workflow.md	プロンプトエンジニアリング技法（階層化）、ワークフロー設計、ツール固有の戦略、スタイルライブラリの構築	執筆用プロンプトを設定するとき、ハイブリッドワークフローを設計するとき、個人的なスタイルライブラリを構築するとき
detection-science.md	検出手法、精度データ、回避手法、いたちごっこ、理論的限界、非ネイティブ話者へのバイアス	検出がどのように機能するかを理解するとき、どの統計的特性が重要かを理解するとき、精度の限界を理解するとき

絶対にしないこと

• キルリストの語彙を使用する
• em ダッシュや en ダッシュを使用する（代わりに読点、句点、括弧、コロンを使用する）
• ユーザーが明示的に要求しない限り絵文字を追加する
• 均一な段落の長さで書く
• 連続する文を同じ構造で始める
• 直接的な表現のほうが適している場合に曖昧な表現を使う
• すべての主題を等しいプロフェッショナルな距離感で扱う
• 説明する前に、これから何を説明するかを説明する
• 導入部を繰り返す結論で締めくくる
• どのプロンプトにも等しく当てはまるようなテキストを生成する