人間とAIの混合ライティングは今や普通のことです。冒頭は自分で書き、中盤はプロンプトを貼り付け、最後は編集した。その結果、文章は不揃いに読め、どの文が生成されたものか分からなくなります。このガイドでは、継ぎ目を見つけ、どのセクションが実際に機械製的に読めるかを判断し、それらだけを修正する方法を紹介します。
混合AI人間ドラフトの継ぎ目をどう見つけるか？
継ぎ目は通常、文の長さが変わるところに現れます。人間のドラフトは凸凹しています。長く絡み合った文を書いたかと思えば、次は短い文。正しい言葉だから同じ語を繰り返す。機械のテキストは均一化する傾向があります。節の数が似たり、リズムが似たり、段落の形が似たりします。
ドラフトを音読し、自分の声が落ちるところに印を付けます。それらの落ち込みは固まって現れます。通常、きれいな一本の線ではなく、二つか三つのゾーンが見つかります。AIテキストは貼り付けた箇所の前後の段落ににじみ出ることが多いからです。
より速い方法は、ドラフトを全体としてではなく文ごとにスコアリングすることです。DeAIze (https://deaize.com) は各文をAI確率でハイライトするので、継ぎ目は文書全体の一つの数値ではなく、フラグが立った行の帯として現れます。ここではそれが重要です。文書レベルのスコアは何かがおかしいと教えてくれますが、どこに手を入れるべきかは教えてくれません。
2026年9月13日に、手書きのDeAIzeガイド23本を独自の検出器でスコアリングしたところ、AIスコアの平均は21%で、範囲は0から46%でした。23本のうち5本が30%のしきい値でフラグが立ちました。人間の文章は均一にクリーンではありません。それが、切り始める前にまず受け入れるべきことです。
機械が書いた文章を見分ける手がかりは何か？
主に3つの手がかりが役立つ。
均一なリズム。 連続する5つの文の単語数を数えてみよう。それらが狭い範囲に収まっているなら、その文章はおそらく機械によって形作られたものだ。人間の文章には外れ値がある。
曖昧な主張。 機械が作成した草稿はデフォルトで曖昧な表現を使う：「役立つ可能性がある」「貢献するかもしれない」「しばしば～と見なされる」。自分の文章は明確に断言する。段落が何もはっきりと述べていないなら、疑ってかかろう。
一般的な例。 「例えば、ある企業がこのアプローチを使って結果を改善するかもしれない」。企業名もなく、アプローチもなく、結果もない。自分の例には固有名詞が含まれている。
逆の方向に働くため、知っておく価値のある第4の手がかりがある。同じ2つのコーパスでAIの痕跡頻度を測定したところ、手書きのサンプルは100語あたり4つの痕跡があったのに対し、未編集のモデル出力は100語あたり1つだった。emダッシュや「さらに」といった痕跡は、それだけでは弱い証拠にすぎない。機械のテキストは人間のテキストよりもしばしばきれいであり、汚いわけではない。痕跡を探すのではなく、均一性を探そう。
| シグナル | 人間が書いたセクション | 機械が書いたセクション |
|---|---|---|
| 文の長さ | 不揃いで、外れ値がある | 平均値の周辺に集中する |
| 主張 | 断定的で、具体的 | 曖昧で、一般的 |
| 例 | 固有名詞・日付・出典がある | 例示的なプレースホルダー |
| 段落の形 | 変化に富む | 似た長さ、似た構造 |
| つなぎ | 時に唐突 | 一貫して滑らか |
何かを書き直す前に、まずフラグが実際にどこに立っているかを確認しよう。下書きをAI検出器にかけて、どの文がシグナルを帯びているかを見る——目標は短いリストであって、全面的な書き直しではない。
なぜ全体を書き直すのが間違った一手なのか？
なぜならその大半はあなた自身のものであり、自分の文章を書き直すことは、それを読む価値のあるものにしていたものを失う方法だからだ。
全面的な書き直しは下書きを平坦にする。あなたは自分の具体的な例を、少しだけ違う具体的な例に置き換え、すでに問題なかった文を滑らかにし、何の問題もなかった段落に新たな問題を持ち込む。あなたが直そうとしていた不揃いさこそ、人間が書いたという唯一の証拠であることが多い。
実務上のコストもある。2026年9月13日に行った、未編集のモデル文章12件の測定では、AIスコアの平均は33%、範囲は4%から46%だった。これは第三者による判定ではなく私たち自身の計測器であり、有用なことを示している。手を加えていないモデル出力でさえ、常に高いスコアになるわけではないのだ。すべてを書き直すことは、下書き全体が汚染されていると仮定することだ。通常、そうではない。
ここで正直に言える反論はこうだ。検出器があなた自身が手書きした段落にフラグを立てることがあるなら——我々のサンプルでは23件中5件がそうだった——「フラグが立った部分だけを直す」という方針は、まったく問題のない文章を書き直させることになりかねない。答えは、スコアを盲信しないことだ。スコアは候補リストを作るために使い、フラグが立った各文は自分で判断する。フラグは確率の推定値であり、著者性に関する判決ではない。そして、それに同意しないことも許されている。
フラグが立ったセクションだけをどう手直しするか？
作業はパスに分けて行い、各パスは小さく保つ。
- 下書きをスコアリングし、フラグが立った文を別のリストにコピーする。 文書の残りの部分には手を付けない。
- それらを仕分ける。 本当に機械的な形をしているためにフラグが立つものもあれば、短い、平易、あるいは技術的であるためにフラグが立つものもある。それぞれを手直しまたはそのままとマークする。
- 手直しリストを手作業で書き直す。 あなたが知っていてモデルが知らなかった具体的な詳細を加える。リズムを崩す。一文を分割し、別の二文を統合する。
- つなげた段落を音読する。 書き直した文が気取って浮いて見えるなら、簡素化する。修正は問題よりも大げさであってはならない。
- 再スコアリングして比較する。 フラグが立った帯域が縮小し、意味が保たれていれば、そこで止める。
以下は実例であり、実際のクライアントの下書きではない。修正前：「構造化されたレビュープロセスを導入することで、書面による成果物の全体的な品質を大幅に高めることができ、チーム全体の成果の改善につながる可能性があります。」修正後：「我々のレビュープロセスは3人と共有ドキュメントだ。3月に価格設定の誤りを発見した。これは旧システムが1年間で達成した以上の成果だ。」
2番目のバージョンは主張を明確にし、人数を明示し、具体的な出来事に言及している。また短い。これがパターンだ。機械的な形の文は長く、曖昧で、抽象的になりがちなので、修正は通常、より短く、より具体的で、より断定的にすることである。
長い文書を修正する場合、このAI長文記事編集ガイドのセクションごとの方法がこのワークフローにうまく当てはまります。
継ぎ目を見つけるための音読テストとは？
草稿を最初から普通の話す速さで音読し、つまずいたり、速度が落ちたり、話の筋を見失ったりする箇所すべてに印をつけます。
それらの印があなたの継ぎ目です。人間も自分の書いた文章でつまずくので、すべてのつまずきを警告と見なしてはいけません。探すべきなのは、強調も意外性もなく、滑らかで平坦に読めてしまう3文以上の連続です。その平坦な連続が機械の領域です。
このテストが機能するのは、あなたの口が自分のリズムを覚えているからです。自分が書いていない箇所に差しかかると、脳が追いつく前に読み方が単調になります。平坦な連続の始まりと終わりに印をつけ、その印を検出器の候補リストと照合します。両者が一致した箇所には、修正する価値のあるものがあります。一致しない箇所では、自分の耳を信じて先に進みましょう。
その背後にある仕組み——なぜリズムと予測可能性がスコアに現れるのか——を知りたい場合は、AI検出の仕組みが、それらのシグナルを過大評価せずに解説しています。
フラグが付いた文をそのままにしておくべきなのはどんなときか？
正確で、具体的で、自分のものであるなら、そのままにしておこう。
テクニカルライティング、定義、引用資料は、本質的に均一な読み口になる。“The threshold is set at 30%” のような文は、人が書いたようには決して聞こえない。そもそもそういうふうに聞こえるべきではないからだ。より人間らしく聞こえるように書き直すと、かえって悪くなる。
フラグがわずかで、その文が実際に重要な役割を果たしている場合も、そのままにしておこう。主要な論点を支える文がぎりぎりの判定になったからといって、論点を書き直す理由にはならない。それは、周囲の段落がそれを十分に支えているかどうかを確認する理由である。
より広い原則はこうだ。生成されたように読める箇所を直すのであって、スコアが高い箇所を直すのではない。両者は重なるが、同じ集合ではない。あなたの仕事は、原稿が一人の人間によって書かれたように聞こえるようにすることであり、時にはそれは、まとまりのある文章と引き換えに、むらのあるスコアを受け入れることを意味する。
計測に関する注記：本記事の数値は、2026-09-13に当社独自の検出器を実行して得られたものです — 手書きガイド n = 23 対 未編集のモデル出力 n = 12、AIスコアの中央値はそれぞれ22%と34%でした。手法：/methodology/。