--- title: AIが書いた文章は、なぜ一目で分かるのか｜佐藤伸明 description: AIをよく使う5人の多数決は300本中1本しか誤らず、多くの検出ツールより正確だった。2024年の論文要旨で急増した454語のうち379語は文体の語。AI文体が均一になる理由と、日本語のAIらしさを整理する。 image: https://nobusato.jp/hubfs/covers-2026-11/why-ai-writing-is-easy-to-spot-cover-ja-2026-10-m.png --- [佐藤伸明 Nobu Sato](https://nobusato.jp/home?hsLang=ja) [プロフィール](https://nobusato.jp/ja/profile?hsLang=ja) [方法論](https://nobusato.jp/ja/blog/method?hsLang=ja) [記事](https://nobusato.jp/ja/blog?hsLang=ja) [用語集](https://nobusato.jp/ja/blog/glossary?hsLang=ja) [お問い合わせ](https://nobusato.jp/ja/contact?hsLang=ja) [日本語](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot)[English](https://nobusato.jp/en/blog/why-ai-writing-is-easy-to-spot)[中文](https://nobusato.jp/zh/blog/why-ai-writing-is-easy-to-spot) キャリア この記事 1. [人はAIの文章を見抜けるのか](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s1) 2. [最初に表に出るのは語彙](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s2) 3. [日本語のAI文体には何があるか](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s3) 4. [なぜそう書いてしまうのか](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s4) 5. [言葉を直しても、まだ分かる](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s5) 1. [ホーム](https://nobusato.jp/home?hsLang=ja) 2. [記事](https://nobusato.jp/ja/blog?hsLang=ja) 3. [キャリア](https://nobusato.jp/ja/blog/tag/キャリア) # AIが書いた文章は、なぜ一目で分かるのか 語彙、型、そして中身 [佐藤伸明](https://nobusato.jp/ja/profile?hsLang=ja)約7分 目次5 1. [人はAIの文章を見抜けるのか](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s1) 2. [最初に表に出るのは語彙](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s2) 3. [日本語のAI文体には何があるか](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s3) 4. [なぜそう書いてしまうのか](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s4) 5. [言葉を直しても、まだ分かる](https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot#s5) AIが書いた文章は、ホテルの宴会のコース料理に似ている。どの皿もそつがなく、食べ終わると、どこで何を食べたか思い出せない。読む側もそれに気づいている。ChatGPTで日常的に文章を書く人を5人集めて記事を判定させると、多数決で300本中1本しか間違えなかったという研究がある。見抜かれること自体は、もう驚く話ではない。気になるのは、なぜAIの文章がそろって同じ顔になるのかのほうだ。 ## 人はAIの文章を見抜けるのか 見抜ける。ただし、AIをよく使う人に限る。Jenna Russell、Marzena Karpinska、Mohit IyyerがACL 2025で発表した論文は、英語のノンフィクション記事300本を使った。一部は人が書き、一部はGPT-4o、Claude、o1が書いたものだ。執筆にLLMを日常的に使う5人がそれぞれ判定し、多数決をとると、誤りは300本中1本だった。 この5人の多数決は、市販やオープンソースのAI検出ツールの大半より正確だった。言い換えや「人間らしく」する加工を施した文章でも、精度は落ちなかったという。 手がかりは主に語彙である。論文はこれを「AI語彙」と呼んでいる。その先に、もう少し測りにくいものがある。堅すぎる、独自の中身がない、明快すぎる。 逆に、検出ツールのほうは人を誤って疑いやすい。スタンフォード大学のJames Zouらが2023年に学術誌『Patterns』で報告した研究では、よく使われる検出ツール7種に、人が書いたTOEFLの作文91本を判定させた。AIが書いたと誤判定された割合は平均61.22%。91本のうち89本は、少なくとも一つのツールにAI作と判定された。米国の中学2年生の作文は、ほぼ誤判定されなかった。 英語を母語としない人の文章は、語彙が平易で、構文が型どおりになりやすい。それがツールの見る「機械らしさ」とたまたま重なる。英語で丁寧にメールを書く日本人ほど、疑われやすい側に入るということになる。 ## 最初に表に出るのは語彙 語彙については、かなり硬い数字がある。Dmitry Kobakらは、PubMedに収録された生物医学論文の要旨1,500万本以上（2010〜2024年）を調べ、2024年に急に増えた単語を洗い出した。2024年の要旨の少なくとも13.5%がLLMで処理されたと推定し、分野や国や雑誌で分けると、4割に達する部分集合もあった。論文は2025年に『Science Advances』に掲載された。 面白いのは、増えた単語の種類だ。それまでの年に急増した単語は、たいてい名詞で、その年の研究内容と結びついていた。コロナ禍のmasks（マスク）のように。2024年は違う。過剰に使われた454語のうち379語は文体の語で、その3分の2は動詞だった。delves（掘り下げる）は従来の傾向から見込まれる頻度の28.0倍、underscores（浮き彫りにする）は13.8倍、showcasing（示す）は10.7倍である。 2024年の論文要旨で急に増えた単語は、8割以上が文体の語だった 対象：PubMed収録の生物医学論文要旨1,500万本以上（2010〜2024年）。倍率＝2024年の実際の頻度÷それまでの傾向から見込まれる頻度。出典：Kobakほか（2025）、Science Advances **過剰使用の倍率**　比較的まれな語 - delves掘り下げる 28.0倍 - underscores浮き彫りにする 13.8倍 - showcasing示す 10.7倍 **2024年に過剰使用された454語**　語の性質別 - 文体の語3分の2が動詞 379語 - 内容の語研究テーマに関わる語 75語 朱色＝文体の語。論文の中身とは関係がない 増えたのは言い回しで、言いたい中身は増えていない。 図1　Kobakらは1,500万本以上のPubMed要旨から、2024年の要旨の少なくとも13.5%がLLMで処理されたと推定した。同年に過剰使用された454語のうち379語が文体の語で、delvesの頻度は見込みの28.0倍だった。 中身は同じで、上に一層、塗装がかかっている。読み手が嗅ぎ取っているのは、その塗料の匂いだ。 ## 日本語のAI文体には何があるか 英語にdelveがあるように、日本語にも定番がある。以下は研究の裏づけのない、私の観察である。 まず、です・ます調の丁寧さが均一すぎる。「〜と言えるでしょう」「〜することが求められます」が段落ごとに出てくる。断定を避ける語尾がこれだけ続くと、結局何を言いたいのかが見えなくなる。 次に、見出しと段落の型。「〜とは？」で始まり、「重要なのは〜」で要点を示し、最後に「まとめ」が来る。ひと昔前のまとめサイトの「いかがでしたか」の、行儀のよい子孫のようにも見える。 「〜ではなく〜」の言い換えも多い。わら人形を立ててから倒す型である。一本に一度なら誰も気にしないが、AIの文章では段落をまたいで何度も戻ってくる。 体言止めが続く。「変化への対応。組織の柔軟性。そして人材の育成。」テンポはよいが、主語も動詞も消えるので、誰が何をするのかが残らない。 どれも、人間でもやる。AIの文章が分かるのは、これが一度に、しかも均等に出てくるからだと思う。段落の長さがそろい、節の構成がそろい、同じ型から抜いたように並ぶ。 ## なぜそう書いてしまうのか 私の理解では、理由は二段ある。一段目は仕組みから素直に言えること、二段目には研究がある。 一段目。LLMがしているのは、次に来る確率の高い語を予測することだ。確率の高い語とは、皆が使う語である。確率の高い構成とは、作文の授業で習う構成である。皆の書き方を平均すると、誰にも似ていない書き手ができあがる。 二段目は、仕上げの訓練だ。公開前のモデルは、人のフィードバックによる強化学習（RLHF）で、人に好まれる応答に寄せられる。Robert KirkらがICLR 2024で発表した研究によれば、RLHFを経たモデルは、教師ありの微調整だけのモデルに比べて、出力の多様性がはっきり下がる。応答は安定し、互いに似てくる。 ここから先は推測になる。応答を評価する人は、構成が明快で最後にまとめのある答えに、高い点を付けやすいのではないか。その好みが何度も増幅されると、いつも「まとめ」で終わる文章になる。 ## 言葉を直しても、まだ分かる 「重要なのは」を消しても、文章はやはりAIに見える。語彙は表面の一枚にすぎない。 本当に足りないのは具体だ。誰が、いつ、どの会社で、いくらで、が出てこない。書き手本人しか知らない細部がない。迷いもない。どの文も同じ強さで言い切っている。[面接記録をAIで整理する](https://nobusato.jp/ja/blog/ai-interview-notes-limits?hsLang=ja)話でも書いたが、AIの要約は滑らかすぎて、「私たちがやった」をいつのまにか「彼が主導した」に書き換える。文章でも同じことが起きている。 書く人にとって、AIが平らにしたのは表現の層である。値打ちが残るのは、自分で経験したことや、自分で計算して外したことのほうだ。[AIのあと、どの層から値が下がるか](https://nobusato.jp/ja/blog/which-layer-loses-value-first?hsLang=ja)で書いたのは人の能力の話だが、文章にもそのまま当てはまると思う。 簡単な試し方がある。自分の書いた一段落の会社名を、競合の名前に差し替えてみる。それでも意味が通るなら、その段落は誰にでも書ける。当然、AIにも書ける。 出典（2026年11月時点） - [Jenna Russell, Marzena Karpinska, Mohit Iyyer「People who frequently use ChatGPT for writing tasks are accurate and robust detectors of AI-generated text」ACL 2025](https://aclanthology.org/2025.acl-long.267/) - [Dmitry Kobak, Rita González-Márquez, Emőke-Ágnes Horvát, Jan Lause「Delving into LLM-assisted writing in biomedical publications through excess vocabulary」Science Advances 11巻27号 eadt3813、2025年7月](https://doi.org/10.1126/sciadv.adt3813) - [Weixin Liang, Mert Yuksekgonul, Yining Mao, Eric Wu, James Zou「GPT detectors are biased against non-native English writers」Patterns、2023年](https://arxiv.org/abs/2304.02819) - [Robert Kirkほか「Understanding the Effects of RLHF on LLM Generalisation and Diversity」ICLR 2024](https://proceedings.iclr.cc/paper_files/paper/2024/hash/5a68d05006d5b05dd9463dd9c0219db0-Abstract-Conference.html) --- 筆者 [佐藤伸明](https://nobusato.jp/ja/profile?hsLang=ja)Nobu Sato 日本市場の立ち上げを、人と仕組みから。組織・営業・技術組織の立ち上げについて、日本語・英語・中国語で書いています。 [プロフィール](https://nobusato.jp/ja/profile?hsLang=ja)[お問い合わせ](https://nobusato.jp/ja/contact?hsLang=ja) ## 次に読む 1. 01[転職の前に、自分を四層で見ておく](https://nobusato.jp/ja/blog/four-layer-self-portrait-before-changing-jobs?hsLang=ja)約4分 エージェントから、年収二割増の案件の連絡が来た。履歴書を直す前に、過去三回の転職の本当の理由を並べて、自分の内核が何を求めているかを見る。六つの動機に優劣はなく、順位だけがある。繰り返し出てくる二つが、次の仕事が満たすべき条件だ。 2. 02[AIのあと、どの層から値が下がるか](https://nobusato.jp/ja/blog/which-layer-loses-value-first?hsLang=ja)約7分 人を四つの層で見ると、AIで先に値が下がるのは装備の層の書き出せる部分だ。スタンフォード大学の2025年の研究では、影響の大きい職種で22〜25歳の雇用が相対的に13%減った。パターンと内核はむしろ目立つ。 3. 03[「慣れ」が強みでなくなる日](https://nobusato.jp/ja/blog/experience-repriced?hsLang=ja)約9分 AIネイティブな組織で、個人の準備は何が変わるのか。経験が分解され値段をつけ直されていること、判断力と「一人でどれだけ引き受けられるか」という新しい物差し、そして採用の現場から見た答えの出ていない論点。 [コラムの読み方：キャリア](https://nobusato.jp/ja/blog/guide-career?hsLang=ja) · [用語集](https://nobusato.jp/ja/blog/glossary?hsLang=ja) · [記事の土台：方法論](https://nobusato.jp/ja/blog/method?hsLang=ja) [← 記事一覧へ](https://nobusato.jp/ja/blog?hsLang=ja) ## 日本市場での立ち上げについて、三言語で書いています。 [プロフィール](https://nobusato.jp/ja/profile?hsLang=ja) [お問い合わせ](https://nobusato.jp/ja/contact?hsLang=ja) 佐藤伸明 / Nobu Sato 日本市場での立ち上げについて、三言語で書いています。 [info@nobusato.jp](mailto:info@nobusato.jp) [note](https://note.com/nobusato5888)[X](https://x.com/nobusato5888)[Facebook](https://www.facebook.com/profile.php?id=61595570232740)[NewsPicks](https://newspicks.com/user/12904929/)[LinkedIn](https://www.linkedin.com/in/realnobusato/) [RSS](https://nobusato.jp/ja/blog/rss.xml?hsLang=ja) [プロフィール](https://nobusato.jp/ja/profile?hsLang=ja)[方法論](https://nobusato.jp/ja/blog/method?hsLang=ja)[記事](https://nobusato.jp/ja/blog?hsLang=ja)[用語集](https://nobusato.jp/ja/blog/glossary?hsLang=ja)[お問い合わせ](https://nobusato.jp/ja/contact?hsLang=ja) 記事の内容は個人の見解で、所属する組織の立場を示すものではありません。 © 2026 佐藤伸明·[プライバシーポリシー・免責事項](https://nobusato.jp/ja/privacy?hsLang=ja) ```json { "@context" : "https://schema.org", "@type" : "BreadcrumbList", "itemListElement" : [ { "@type" : "ListItem", "item" : "https://nobusato.jp/home", "name" : "ホーム", "position" : 1 }, { "@type" : "ListItem", "item" : "https://nobusato.jp/ja/blog", "name" : "記事", "position" : 2 }, { "@type" : "ListItem", "item" : "https://nobusato.jp/ja/blog/tag/キャリア", "name" : "キャリア", "position" : 3 }, { "@type" : "ListItem", "item" : "https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot", "name" : "AIが書いた文章は、なぜ一目で分かるのか", "position" : 4 } ] } ``` ```json { "@context" : "https://schema.org", "@id" : "https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot", "@type" : "WebPage", "about" : { "@type" : "Thing", "name" : "キャリア" }, "author" : { "@id" : "https://nobusato.jp/#person" }, "description" : "AIをよく使う5人の多数決は300本中1本しか誤らず、多くの検出ツールより正確だった。2024年の論文要旨で急増した454語のうち379語は文体の語。AI文体が均一になる理由と、日本語のAIらしさを整理する。", "inLanguage" : "ja", "isPartOf" : { "@id" : "https://nobusato.jp/ja/blog", "@type" : "Blog", "name" : "記事" }, "keywords" : "キャリア", "name" : "AIが書いた文章は、なぜ一目で分かるのか", "url" : "https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot" } ``` ```json { "@context" : "https://schema.org", "@id" : "https://nobusato.jp/#person", "@type" : "Person", "alternateName" : [ "佐藤伸明", "Nobu Sato", "左滕" ], "description" : "日本市場の立ち上げ（組織・営業・技術）", "knowsAbout" : [ "Japan market entry", "Organization design", "Talent acquisition", "Sales organization building", "Technology organization building", "Japanese labor law" ], "name" : "佐藤伸明", "sameAs" : [ "https://www.linkedin.com/in/realnobusato/", "https://x.com/nobusato5888" ], "url" : "https://nobusato.jp/ja/profile" } ``` ```json { "@context" : "https://schema.org", "@type" : "BlogPosting", "author" : { "@type" : "Person", "name" : "Nobu Sato", "url" : "https://nobusato.jp/ja/blog/author/nobu-sato" }, "dateModified" : "2026-11-04T17:40:36.528Z", "datePublished" : "2026-11-04T17:46:02.000Z", "headline" : "AIが書いた文章は、なぜ一目で分かるのか", "image" : [ "https://nobusato.jp/hubfs/covers-2026-11/why-ai-writing-is-easy-to-spot-cover-ja-2026-10-m.png" ], "mainEntityOfPage" : { "@id" : "https://nobusato.jp/ja/blog/why-ai-writing-is-easy-to-spot", "@type" : "WebPage" }, "publisher" : { "@type" : "Organization", "logo" : { "@type" : "ImageObject", "url" : "https://nobusato.jp/hubfs/seo/logo-nobusato-2026-10.png" }, "name" : "nobusato.jp" } } ```