ClaudeとChatGPTは同じようには書きません。一度その違いに気づくと、もう見なかったことにはできません。Claudeはより多くのヘッジを使い、修飾語の多い長い文を組み立てます。ChatGPTは整ったリスト、対称的なつなぎ言葉、emダッシュを好んで使います。どちらが劣っているというわけではありません。どちらも、見つけて編集で取り除けるようになる指紋を残します。
主なポイント
- Claudeはヘッジし、限定し、節を入れ子にする傾向があります。ChatGPTは構造化し、列挙し、つなげる傾向があります。
- emダッシュ、「さらに」、「注目に値するのは」、3項目のリストは、最初に確認すべき最も速い手がかりです。
- つなぎ言葉とリストの癖だけで、どのモデルがその文章を生成したかを推測できることがよくあります。
- 検出ツールはこうした信号を証明ではなく確率として読むため、どんなスコアも編集すべき箇所のヒントとして扱ってください。
- 編集すべきはパターンであり、個性ではありません。アイデアは残し、リズムを変えましょう。
なぜClaudeはChatGPTと違って読めるのか？
まず、2つのモデルが何をするように調整されたかから始めましょう。Claudeの出力は慎重で会話的になりがちです。主張を限定し、注意書きを加え、しばしば単独で段落になるような文を書きます。ChatGPTの出力は整理され協力的になりがちです。早い段階で構造を求め、どこへ向かうかを示し、話を回収します。
これらは傾向であり、ルールではありません。短いプロンプトにはどちらも短い答えを返します。曖昧なプロンプトにはどちらもヘッジを返します。違いが最もはっきり現れるのは中程度の長さの文章です。ブログの一節、レポートの一段落、どちらかに下書きを頼んだメールなどです。
実践的なバージョンはこちらです。文章を読んで、3つの質問を投げかけてください。主張する前にヘッジしているか？列挙しているか？自分なら選ばないつなぎ言葉で接続しているか？答えはたいてい、ひとつのモデルを指し示します。
主要モデル間で異なる文体の指紋
それらを最も確実に区別する4つの癖があります。ヘッジ、リストの癖、つなぎ言葉、emダッシュの使用です。いずれも編集可能です。
| 指紋 | Claudeの傾向 | ChatGPTの傾向 | 対処法 |
|---|---|---|---|
| ヘッジ | 頻繁な限定表現：「おそらく」「ある程度は」「状況による」 | ヘッジが少なく、より自信のある枠組み | 主張が本当に不確かな箇所にヘッジを1つ残し、残りは削る |
| リストの癖 | リスト項目を文に吸収する散文 | 番号付きまたは箇条書き構造、しばしば3つ組 | 読者に手順が必要でない限り、無理なリストを散文に戻す |
| つなぎ言葉 | より柔らかい接続詞：「とはいえ」「それでも」 | より重い接続詞：「さらに」「そのうえ」「加えて」 | 半分削除し、論理は段落に担わせる |
| emダッシュ | 控えめに使用、しばしば補足に | 頻繁、時に1段落に2つ | コンマ、コロン、句点に置き換える |
emダッシュについての注記。それ自体はAIの目印ではありません。多くの人間の書き手も頻繁に使います。見分け方は密度と均一性です。他の何も変化しない草稿で、同じダッシュが毎回同じ役割を果たしていることです。
DeAIzeの検出器について、2026-09-19にローカルアンサンブルでフラグ閾値30%として実行した独自の測定で、ここで役立つことが分かりました。手書きのDeAIzeガイド46件では、AIスコアの平均は27%、中央値は25%、範囲は0～55%で、46件中17件がフラグされました。未編集のモデル文章12件は、平均35%、中央値34%、範囲25～49%でした。2つの分布は大きく重なっています。これが正直な姿です。モデル出力と人間の文章は近接しており、だからこそスコアを追うよりも自分の声で編集することが重要なのです。
どのモデルが書いた文章かを見分けるには？
多くの場合、1分以内に推測できます。次の順序で文章を確認してください。
- 最初の文を見てください。何かを述べる前に歯切れの悪い前置きがあれば、Claude寄りです。
- 箇条書きを探してください。目に見える列挙、特に3つの並びはChatGPT寄りです。
- すべての接続詞に印をつけてください。「Moreover」や「furthermore」はChatGPT寄り、「that said」や「even so」はClaude寄りです。
- 段落ごとにダッシュの数を数えてください。密度が高く、かつ均一ならChatGPT寄りです。
- 文の長さの変化を確認してください。Claudeの文は長く入れ子になりがちで、ChatGPTの文はより均一で、セクションの最後に印象的な締めが来る傾向があります。
これはヒューリスティックであり、テストではありません。モデルは更新され、プロンプトが出力を形作り、良いプロンプトならどちらももう一方のように聞こえさせられます。これは編集すべき箇所を決めるために使い、非難するために使わないでください。
編集を始める前に、どの文が機械生成のシグナルを帯びているかを確認したい場合は、まず下書きをAI検出器にかけてください。文単位のスコアは、漠然とした不安を修正すべき行の短いリストに変えてくれます。
これらのパターンが検出と読みやすさにとって重要な理由
検出器はモデル名を探しているわけではありません。見ているのは統計的な規則性です。次の単語がどれだけ予測可能か、文のリズムがどれだけ変化するか。ヘッジ表現、均一な接続詞、さらにはemダッシュの間隔まで、あらゆる要素が文章を予測可能な側へと押しやります。
むしろ読みやすさのほうが重要です。二度ヘッジし、三つの項目を列挙し、「さらに」で始まる段落は、人間ではなくテンプレートのように読めます。読者は流し読みし、編集者は削ります。同じ内容でも、文の長さを変え、道しるべを減らして書けば、より強く響きます。
気にかけるべき第二の理由があります。二つのモデルで書き、その癖を編集で取り除かなければ、公開されるあなたの声は両方のデフォルトが混ざったものになります。あなたの署名記事なのに、リズムは誰か別のもの。解決策はツールを避けることではなく、一貫した編集パスを実行することです。AIで一貫したライティングボイスを構築するためのガイドでは、締め切りを乗り越えられるよう、その編集パスを書き留める方法を解説しています。
Claudeの出力を自分の声に編集する方法
Claudeの指紋はほとんどが文レベルなので、作業も文レベルになります。
- 積み重なった限定詞を削る。「これはおそらく示唆するかもしれない」は「これは示唆する」になります。本当に意図する場合にのみ限定詞を残しましょう。
- **入れ子になった文を分割する。**動詞の前に従属節が二つある文は、分割しましょう。短い文二つのほうが、慎重な文一つより優れています。
- 但し書きを条件に変換する。「状況による」は曖昧です。「短い下書きには有効だが、長いレポートには向かない」は有用です。
- **自分らしく聞こえる会話的な補足は残す。**Claudeはしばしば自然な話し言葉のリズムを生み出します。それは削るのではなく、保存する価値があります。
Claudeの文体で作った例文を使った実例:
変更前: 「短い文がほとんどの文脈で読みやすさを向上させる傾向があると主張されるかもしれませんが、これは読者層に大きく依存することに留意する価値があります。」
変更後: 「短い文のほうがたいてい読みやすい。いつもとは限らない。技術系の読者なら長い文も許容する。」
意味は残った。曖昧な表現は残らなかった。
ChatGPTの出力を自分の文体に編集する方法
ChatGPTの痕跡は構造的なものなので、編集も構造的になる。
- 箇条書きの癖を断つ。 3つの項目が箇条書きで示されていても、読者がチェックする必要がないなら、文に書き直す。
- 接続詞の半分を削除する。「Moreover」「furthermore」「additionally」は足場にすぎない。段落が妥当な順序になっていれば、そのほとんどは不要だ。
- リズムに変化をつける。 ChatGPT はしばしば短く断定的な一文でセクションを締めくくる。時々はそうするが、毎回ではない。
- emダッシュを減らす。 およそ半分をコンマ、コロン、ピリオドに置き換え、どれを使うかにも変化をつける。
ChatGPT の文体で作った例文を使った実例:
修正前:「Moreover, the process is efficient — it saves time — and it also reduces errors, which is important for teams.」
修正後:「The process saves time and cuts errors. Teams notice both.」
過剰に修正してはいけないもの
ここが、多くの自己編集が失敗するポイントだ。モデルの癖を剥ぎ取った結果、切り詰められ、均一で、相変わらず機械的に読めるだけの、短くなった何かが出来上がってしまう。
すべてのヘッジ表現を削除してはいけない。本物の書き手はヘッジを使う。「おそらく」「およそ」「私が知る限りでは」は、誠実な人が使う言葉だ。それらをすべて削除すると、証拠が許す以上に自信があるように聞こえてしまう。
emダッシュを禁止してはいけない。禁止すべきは繰り返しだ。段落に1つのemダッシュなら問題ない。4つあればパターンだ。
すべてのリストを散文に平坦化してはいけない。本当の手順は番号付きリストに属する。指紋となるのは、散文で済むはずの箇所にあるリストであり、リストが正しい箇所にあるリストではない。
スコアを追い求めてはいけない。どんな検出器も返すのは確率の推定値であり、著者性の評決ではない。2つのツールが同じ段落で異なる判定を下すこともあり、どちらも嘘をついているわけではない。数字を動かすためだけに編集すれば、モデルを満足させて読者を退屈させるテキストが出来上がる。
そして、編集によって自分の判断を消し去ってはいけない。アイデア、データ、結論はあなた自身のものでなければならない。編集とは草稿の所有権を自分が持つための方法であり、他人の仕事を自分のものとして渡す方法ではない。
どちらのモデルの出力にも効く短いルーティン
どのモデルが下書きを生成したかに関わらず、同じパスを実行してください。
- 音読してください。つまずく箇所はすべて、分割または削除すべき文です。
- ヘッジ、つなぎ言葉、ダッシュに印をつけてください。見るべきは存在ではなく密度です。
- 最もひどい3つの文を手書きで書き直してください。手書きで書き直すことで、残りのリズムが定まります。
- 下書きを再採点し、フラグが立った行がすでに疑っていたものかどうかを確認してください。そうであれば、自分の弱点がわかったことになります。
- 短いスタイルメモを保ってください。決して使わない言葉、好む文の長さ、セクションの始め方などです。
機械的なパターンに対処した二次パスが必要なら、ドラフトエディターがテキストを採点し、フラグが立った文だけを書き直し、意味が保たれた場合にのみ書き直しを保持します。契約前に料金を確認できます。無料プランでは、サインアップ時にクレジットカード不要で200語まで利用できます。
これがより広い編集スタックのどこに位置するか
モデル固有の指紋は一つの層です。その下には、あらゆる検出器が読み取る一般的なシグナルがあります。バースト性、パープレキシティ、そしてテキストが情報をどれだけ均等に配分しているかです。仕組みを知りたい場合は、バースト性とパープレキシティに関する解説記事でその層を扱っています。
その上には、何が自分の成果とみなされるかという問題があります。開示ルールのあるコース、ジャーナル、クライアント向けに書いている場合、使用したモデルよりも、論拠と証拠が自分のものかどうかのほうが重要です。AI検出を回避することはカンニングかに関するガイドでは、スローガンではなく開示テストを通じてその問題を掘り下げています。
2つか3つのモデルを使っているほとんどのライターにとって、実用的な答えはもっとシンプルです。下書き用に1つのモデル、批評用に1つのモデルを選び、両方の出力を同じボイスパスで編集しましょう。編集ルーティンがそれらを上書きできるほど一貫していれば、指紋は問題にならなくなります。
どの文が機械製に読めるか、見てみませんか？
どのモデルが一行を書いたかを推測するのは役に立ちます。どの行がシグナルを運んでいるかを知る方が速いです。下書きをAI検出器に貼り付けると、ドキュメントスコアと文ごとの内訳が得られるので、ヘッジ、トランジション、リスト癖のどこがダメージを与えているかを正確に確認できます。
それらの行を見つけるだけでなく修正する準備ができたら、下書きエディタが完全なループを実行します：スコアリング、フラグが立った文の書き換え、意味が保たれたかの検証、そして再スコアリングとビフォーアフターの表示。サイトでは、ヒューマナイズ後のAIスコア平均削減率が60%以上、最良ケースで71%と報告されています。これらは製品自身の予測スコアであり、サードパーティ検出器による判定ではありません。サイトで使用されている例の段落では、92%のAIスコアが4%になります。
無料プランから始めましょう：サインアップで200語、クレジットカード不要。アップロードは.txt、.docx、.pdfに対応し、Word文書の書き換えではフォント、スタイル、表が保持されます。テキストは現在のタスクのみに処理され、トレーニングに使用されることも再販されることもありません。
最後に一つ。目標は検出器を打ち負かすことではありません。スピードアップしてくれるツールを使いながらも、自分らしく聞こえることです。指紋を見つけ、編集して消し、アイデアは残す。それがすべての仕事です。