Geminiを使って書くときに自分の声を保つ方法は、判断が宿る部分を決してGeminiに書かせないことです。構成の整理、圧縮、トーンの確認、退屈なつなぎの下書きに使ってください。主張、具体例、意見、書き出しは自分で書き、そのうえで全体を音読します。誰にでも当てはまりそうに聞こえる文は、まだあなたらしくはありません。
これが短い答えです。居心地の悪い部分は、この質問をするほとんどの人がすでに声を失っており、書き直さずに取り戻す方法を探しているということです。そんな方法はありません。声とは最後に施す仕上げではありません。書いている間に行った判断の残りかすなのです。
そもそもなぜGeminiはあなたの声を削り取るのか？
Geminiは、プロンプトに対して最も確率の高い次の語を生成するように訓練されています。それが仕組みのすべてです。生産性についての段落で最も確率の高い言い回しとは、最も多くの生産性の段落に現れてきた言い回しであり、それはまさに個人的な信号を一切帯びない言い回しです。
つまり、この平板化はプロンプトで消せるバグではありません。それは習慣として現れます：
- 均一なリズム。 文が似た長さで次々と着地します。
- 曖昧な主張。 「私は3月にこれをやめた」ではなく「多くの人はこう感じている」となります。
- 釣り合いの取れた構造。 論点が一つしかないときでも、すべての論点に対応する反論が付きます。
- 抽象名詞。 「午前10時前にSlackを開くのをやめた」と言いたいところで「効率の向上」となります。
これらは、私たちの検出器が探しているのと同じパターンです。2026-09-28 の独自の測定では、12 件の未編集のモデル出力（固定プロンプト、人手による編集なし）を DeAIze 検出器で 30% のフラグ閾値でスコアリングしました。平均 AI スコアは 33%、中央値は 34% でした。同じ実行で、709 件の手書きの DeAIze ガイドをスコアリングしたところ、平均 26%、中央値 25% でした。そこから二つのことが導かれます。第一に、未編集のモデル出力は平均して人間の文章よりも高いスコアになります。第二に、その差はそれほど大きくなく、人間の文章のかなりの割合が同じ帯域に入ります。検出器の出力は確率の推定値であり、著者性の証明ではありません。私たち自身の数値がその理由を示しています。
Gemini を使いながら、実際にあなたの声を保つものは何か？
うまくいく方法は地味です。あなたにしか提供できないもののリストを保ち、Gemini がその文書を見る前に、それらを自分で書きます。
- まず背骨を書く。 自分の言葉で、自分の順序で、自分の例を使って、5 ～ 8 個の箇条書き。まだ Gemini は使わない。ここが記事になる部分です。
- Gemini にはトピックではなく背骨を与える。「火曜日のスタンドアップの問題について箇条書き 3 を 2 段落に展開して」は、「リモートワークについて書いて」よりもあなたに近いものを生み出します。
- 要約文を禁止する。 Gemini は段落を言い換えて終わらせるのが大好きです。それをすべて削除します。あなたの声は、要点の後の文に宿り、その要約にはありません。
- 各段落の抽象名詞を一つ、具体的な名詞に置き換える。「ステークホルダーの合意」は「プリヤに予算の承認をもらうこと」になります。
- 音読する。 平坦な箇所はすぐに聞こえます。それらはたいてい、あなたが書いていない部分です。
書き直す前に、どの文が機械的な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。文ごとにスコアを付けるので、フラグが立った行を修正し、自分の文章はそのままにできます。
Gemini に絶対に触らせてはいけない文はどれか？
文書の中には、読者の記憶に残る部分ほど、声が不釣り合いに強く出る箇所があります。そこを手放してしまえば、他のすべての文があなたのものであっても、その作品は失われます。
| 文書の部分 | Gemini に下書きさせる？ | 理由 |
|---|---|---|
| 冒頭の一文 | いいえ | その後のすべての文体を決めるから |
| あなたの中心的な主張 | いいえ | Gemini が論を書いたら、それはあなたの論ではない |
| 具体的な例と数字 | いいえ | これらはあなたが持つ唯一の証拠 |
| セクション間のつなぎ | はい | 重要度が低く、確認しやすい |
| 構成の初稿 | はい | どうせ並べ替えるから |
| 自分で書いた段落の推敲 | はい | 編集は生成より安全 |
| タイトルと件名 | 両方試す | 声に出して自分らしく聞こえる方を残す |
役立つテスト：あなたを知る読者が、どの文をあなたが書いたか見分けられないなら、あなたはあまりにも多くを手放しすぎています。
あなたの下書きは実際どこでフラグが立つのか？
人はこの問いに、検出を心配しながらたどり着きますが、その心配はたいてい的外れです。私たちの2026-09-28の実行では、709件の手書きガイドのうち239件が30%のしきい値でフラグが立ちました。これは、完全に人間によって、モデルのように聞こえさせようとしていなかった人々によって書かれた文章のおよそ3分の1です。フラグそのものは、何かの弱い証拠にすぎません。
フラグと相関するのは均一性です。似た文の長さが長く続き、短縮形がなく、余談もなく、未完成の思考もない。Gemini は、あなたがそれに逆らわない限り、その文体をデフォルトにします。つまり、フラグへの対処と失われた声への対処は同じ対処法です：人間だけが導入するような変化を取り入れることです。
つまり、短い文になります。時には断片文も。ぎこちないことを認める挿入句も。現実のものだからこそ妙に具体的な数字も。編集作業そのものについてもっと詳しく知りたい場合は、AIを使って書くときに自分の声を保つ方法のガイドで、セクションごとに解説しています。
Geminiが完全に間違った選択となるのはどんなとき？
これについては正直になりましょう。時間の節約になるからです。
書くこと自体が思考であるときはGeminiを避けましょう。 求職のカバーレター、お悔やみの手紙、辞表、結論がまだ自分でも明確でない分析などです。自分が何を考えているかわからないとき、モデルは自信を持って、もっともらしい考えを提供します。そして、それを解きほぐすのに、自分で書くよりも長い時間を費やすことになります。
声そのものが商品であるときは避けましょう。 フィクション、個人的なエッセイ、オピニオンコラム、創業者から従業員への手紙などです。読者は情報を買っているのではなく、あなた特有の情報の捉え方を買っているのです。
内容を検証できないときは避けましょう。 Geminiは、もっともらしく感じられる具体的な内容を生成します。すべての事実主張、名前、引用、数字を確認できないなら、あなたは負債を公開しているようなものです。
構造そのものが成果物である場合には、自由に使ってよい。 議事録、社内ドキュメントの初稿、表の整形、自分の箇条書きを文章化すること、900語のセクションを400語に削ることなど。
元の問いに対する気まずい答えは、声と便利さはトレードオフの関係にあり、どんなプロンプトでもそれは解決できないということだ。重要な部分を自分で書くか、その文章が凡庸に聞こえることを受け入れるか。Geminiに作業をさせても自分の声に聞こえる、という第三の選択肢は存在しない。
実例による説明
ここに一文のビフォーアフターを示す。どちらのバージョンも同じことを言っている。
ビフォー（Geminiのデフォルトの文体）：「ステークホルダーとの効果的なコミュニケーションがプロジェクトの成果を大幅に高め、チーム間のより大きな連携を促進し得ることを考慮することが重要である。」
アフター（自分の声、同じ意味）：「毎週金曜日にプリヤへ2行のアップデートを送り始めた。プロジェクトの遅れが止まった。」
2番目のバージョンはより短く、名前が含まれ、特定の習慣を認め、間違っている可能性のある主張をしています。その最後の性質が、文章を人間らしく聞かせるものであり、モデルが生み出す理由がない唯一のものです。
書き換えが実際に意味を保持しているか確認したい場合は、私たちのAIテキストを人間化するワークフローがテキストを採点し、フラグが立てられた文だけを書き換え、意味的類似性が保たれているかを確認してから再採点します。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。これらは私たち自身の予測スコアであり、第三者の検出器からの判定ではなく、他の誰かのツールで特定の結果を保証するものではありません。
10分で実行できる短いルーティン
Geminiの近くにあったものを公開する前にこれを行ってください。
- 作品を声に出して読む。顔をしかめるすべての文に印を付ける。
- 段落の最後にある要約文をすべて削除する。
- 最も抽象的な3つのフレーズを見つけ、それぞれを具体的な名詞や数字に置き換える。
- 少なくとも2つの文が8語未満であることを確認する。
- すべての事実的主張を、指摘できる情報源と照合して確認する。
- 文レベルのチェックを実行して、検出器がそれをどう判断するかを確認し、出力を複数のシグナルの1つとして扱い、判定とはしない。
ステップ5は任意ではなく、どのツールもあなたのために行いません。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ず、テキストは一行一行を擁護する用意があるものでなければなりません。このページの他のすべては技術です。
計測に関する注記：本記事の数値は、2026年9月28日に当社独自の検出器を実行して得られたものです — n = 709 の手書きガイド 対 n = 12 の未編集のモデル出力、AIスコアの中央値はそれぞれ25%と34%でした。手法：/methodology/.