
AIの文章が「AIっぽく」なるのはなぜか ― 仕組みから分かる、直す場所の見つけ方
ChatGPTでnoteの記事を書くようになってから、本文もタイトルも見出し画像のプロンプトも、かなりの部分をAIに任せてきました。それでいちばん困ったのが、出てくる文章に毎回同じ癖があることです。短い文を三つ並べたり、同じ語尾を続けたり、最後をきれいな問いかけや結論の言い換えで締めたり。
指示文に「こう書かないで」と入れても、直りきりませんでした。なぜ毎回同じ癖になるのか。仕組みを調べてみると、癖は偶然ではなく、AIの作り方から出やすくなっているものだと分かった。仕組みが分かれば、どこを直せばいいかも見えてきます。
AIは「次に来る語」を予測している
文章を書くAI(大規模言語モデル)は、まず大量の文章で「事前学習」を受ける。Anthropic の公式用語集では、事前学習を「前の文脈から次の語を予測するように学習させること」と説明しています。
つまり、AIの文章は「ここまでの文に続く語として、いちばんありそうなもの」を一つずつ選んで並べたものです。意味を理解して文章を組み立てている、というより、膨大な文章から学んだ「続き方のパターン」をなぞっている、と考えたほうが実際の挙動に近いです。
ここから一つめの癖の理由が分かります。日本語の解説文で、段落の最後に来やすいのは「〜が重要です」「〜と良いでしょう」のような締めです。段落ごとに「ありそうな締め」が選ばれやすいので、記事全体で見ると、似た締めが何度も出てきます。毎回必ず同じになるわけではありませんが、偏りは数えれば見えるくらいはっきり出ます。
「ありそうな言い回し」に寄せる設定がある
AIには temperature(温度)という設定もある。公式用語集によると、温度を低くすると「最も確率の高い言い回しと答えに寄った」保守的な出力になり、高くすると言い回しの幅が広がる、とのことでした。
記事として破綻しない文章を出すには、ある程度「ありそうな言い回し」に寄せる必要がある。その結果、語尾や接続詞の選び方が似通ってくるので、同じ語尾が3文続いたり、語尾の3割以上が「です」になったりという偏りが生まれます。
「人が好む答え方」も学習している
事前学習のあと、AIは人間の評価を使った追加の学習(RLHF)を受けています。公式用語集の説明では、人が2つ以上の例文を順位付けし、順位の高い出力に似せるように学習させる仕組みです。
整理されていて、丁寧で、最後にまとめがある答えは、評価で好まれやすい形だろうと思う。AIが最後に全体を言い換えて締めたり、問いかけで終えたりしたがるのは、この「好まれる答え方」を覚えているからだと考えられます。チャットの答えとしては親切でも、記事として続けて読むと型どおりに見えてしまう。
一文ずつは自然でも、並べると不自然になる
ここまでの3つに共通するのは、AIが「その場でいちばん良さそうな一文」を選んでいる、ということ。一文ずつ見れば、どれも自然です。
問題は並べたときに出ます。語尾の偏り、同じ締めの繰り返し、長い記事で前の節と同じ言い回しが後の節にも出てくること。どれも記事全体を見ないと気づけません。指示文で直りきらなかったのは、これが理由でした。AIは書いている最中に、記事全体で「です」が何割になっているかを数えていません。
この図で分かること:なぜ一文ずつは自然でも、並べると不自然になるのか

直す場所は「数えれば」見つかる
逆に言えば、全体を並べて数えれば、直す場所ははっきりする。私は自分の記事の品質チェックで、次のような数を見ています。
「重要です」「良いでしょう」型の締めが、文全体の何%あるか
同じ語尾が文全体の何%を占めるか、何文続いているか
25字以上の同じ言い回しが、別の文にも出ていないか
たとえば、3つの段落がこう終わっていたとします。
まず、目的を決めることが重要です。
次に、読む人を想定することが重要です。
最後に、見直しをすることが重要です。
一文ずつなら問題はありませんが、並べると3文とも「ことが重要です」で終わっています。締めの文を、その段落で具体的にすることに書き換えると、こうなります。
まず、記事で伝えたいことを1文で書きます。
次に、読んでほしい人を1人決めます。
最後に、声に出して読み直します。
この図で分かること:同じ締めが続く文章は、どこを、どう直せばよいのか

基準を超えた記事は、そこだけ読み直して直します。感覚で「なんかAIっぽい」と探すより、ずっと早いです。
この図で分かること:AIっぽさを直す場所は、どうやって見つけるのか

これらの基準(9つ)と、それを数える Python のチェッカーを、有料記事「AIで書いた記事の『AIっぽさ』を数えて直す」にまとめました。チェッカーは追加ライブラリなしで動き、本文を外部に送りません。自分の記事でAIの癖を探すのに時間がかかっている人は、そちらも見てみてください。
出典:Anthropic「Glossary」(Pretraining、Temperature、RLHF)https://platform.claude.com/docs/en/about-claude/glossary(2026年10月17日確認)