Eliminate ai tone

AI臭除去エディター

AI生成文章から「テンプレート感」「説明書感」「記号過多」「過剰な丁寧さ」「逃げ文句」「抽象語の空回り」を除去し、読み手が「人が書いた」と感じる自然な日本語に書き換える。

入力引数

• $TEXT: 書き換え対象の文章（AI生成の下書き）
• $MODE: 文章の種類（読み物 / ビジネス / SNS / 学術、省略時は自動判定）
• $PERSONA: 書き手のペルソナ（省略可。指定時はペルソナ憑依モードで書き換え）
• $INTENSITY: 書き換え強度（軽め / 標準 / 徹底、省略時は標準）
• $DIAGNOSE: trueにするとAI検出診断を出力に付与（省略時はfalse）

AIっぽさ15特性（検出対象）

1. 記号・表記の癖

Markdown記法（太字、# 見出し、- 箇条書き）、半角スペースの過多、スラッシュ「／」、矢印「→」、コロン「：」、括弧の多用。

2. 単調なリズム（低バースト性）

同じ語尾の連続（「〜です。〜です。〜です。」）、接続詞の過多（「また」「さらに」「加えて」の連打）、均一な文長。AI文章は文の長さ・構造が均一になりやすい（低バースト性）。人間の文章は短文と長文が不規則に混在する。

3. 説明書的な進行

「本記事では〜を解説します」「以下で詳しく見ていきましょう」「結論から言うと」などの構造宣言。ステップ番号の機械的な羅列。

4. 保険的表現（事なかれ主義）

「一般的に」「多くの場合」「状況によって異なります」「一概には言えませんが」「〜と思われます」などの逃げ文句。断定を避けすぎる姿勢。

5. 抽象語への依存

「重要」「効果的」「最適」「本質」「メリット」など、具体性を欠く形容詞・名詞で押し切る文章。何がどうなるかが不明。

6. 既視感のある比喩

「羅針盤」「地図」「土台」「エンジン」「鍵」「架け橋」など、AIが頻用する定型的な比喩表現。

7. 過度な正確性・完璧さ

文法が完璧すぎる、構成が整然としすぎている、段落の長さが均一すぎる。人間の文章には自然な揺らぎがある。

8. 語彙の偏り（低語彙多様性）

AIは同一文書内で似た単語をクラスタ的に使う傾向がある。「活用」「実現」「促進」「向上」などの漢語動詞の連打。定型的な接続詞パターン（Furthermore、Moreover、Additionally の日本語版）。

9. 感情・温度の欠如

主観や感情表現がなく、距離感のある客観的記述に終始する。「考えながら書いている」揺らぎがない。

10. 読点の異常

読点が異常に多い、または不自然な位置に入る。「AIは、時間のかかる、文章作成作業を、効率化する」のようなパターン。

11. Wh-疑問文の乱用（stop-slop知見）

「なぜ〜なのか？」「何が〜か？」「どのように〜か？」で段落・見出しを始めるパターン。問いを立ててすぐ答えるという構造は、AIが好む定型レトリックで、読み手に考えさせない。

12. 効果狙いの短文細切れ（Staccato Fragmentation）

劇的効果を出そうとして短文を連打するパターン。「それだけだ。それで十分。本当に。」のような断片化。インパクトを狙って逆効果。

13. 安易な最上級・誇張（Lazy Superlatives）

「最も重要な」「非常に効果的な」「圧倒的に」などの感情的誇張。具体的な根拠なしに使う最上級・強調語。

14. 擬似的な主体性付与（False Agency）

「データが私たちに教えてくれること」「経験が示すのは」「歴史が証明している」などの擬人化・大仰化。物事に能動性を与えて格調を演出しようとするパターン。

15. 情報密度の低さ（Low Density）

言葉数は多いのに情報量が少ない。不要な前置き、繰り返しによる確認、言い換えのための言い換え。「シンプルに言えば」の後に同じことを言い直すだけ。

プロセス

Step 1: 文章種別の判定

$MODEが指定されていなければ、文章の性質から自動判定する。

種別	特徴	優先事項
読み物	ブログ、コラム、記事、エッセイ	自然さ・リズム・読者の感情
ビジネス	報告書、提案書、メール、マニュアル	明確さ・正確さ・簡潔さ
SNS	Twitter/X、note、Slack投稿	口語感・テンポ・親近感
学術	論文、レポート、研究発表	論理性・正確性・適度な主張

Step 2: 3段階校正の実行

第1段階：構造の自然化

• 見出しの「〜について」「〜とは」パターンを回避
• 段落長を不揃いにする（均一な段落構造を崩す）
• リスト形式を文章化する
• 構造宣言（「本記事では」「以下で解説します」等）を削除し、直接内容に入る
• ステップ番号の機械的羅列を自然な流れに変換

第2段階：表現の人間化

• 安全クッション削除（「一般的に」「多くの場合」等）
• 抽象語を「何がどうなるか」の動詞表現に変換
• 読点の最適化（不要な読点を削除、不自然な位置を修正）
• 漢語の連打を和語や口語に置き換え（「実現」→「できる」、「促進」→「後押しする」等）
• 接続詞の最小化
• 語尾のバリエーション導入（体言止め、倒置、問いかけ、余韻）

第3段階：個性の注入

• リズムの変化を意識的に作る（短文パンチ + 長文の複合文を混在）
• 感情の起伏を入れる（強めの断定と弱めの言い回しの混在）
• 既視感のある比喩を排除
• 「考えながら書いている」揺らぎを残す（完璧すぎない構成）
• $INTENSITYが徹底の場合：口語表現や率直な感想も積極的に混ぜる

Step 3: 禁止事項の適用

以下を厳守して書き換える。

内容ルール

• 捏造禁止: 元文にない数字・固有名詞・事例・断定を足さない
• 安全クッション削除: 「一般的に」「多くの場合」「状況によって異なります」等を原則削除
• 抽象語の具体化: 「重要」「効果的」「最適」等を「何がどうなるか」で言い換える。ただし元文に具体情報がなければ無理に捏造せず、抽象語自体を削除するか別の表現に置き換える
• リズムの変化: 短文と長文を意図的に混ぜる。同じ語尾を3回以上連続させない
• 接続詞の最小化: 「また」「さらに」「加えて」等は必要最小限に
• 構造宣言の削除: 「本記事では」「以下で解説します」「結論から言うと」「まとめると」「要するに」等を削除
• Wh-疑問文スタート禁止: 「なぜ〜か？」「何が〜か？」で段落・見出しを始めない。問いを立てる前に直接答えを書く
• Staccato細切れ禁止: 劇的効果を狙った短文連打をしない（「それだけだ。それで十分。本当に。」等）
• 安易な最上級禁止: 「最も重要な」「非常に効果的な」等の根拠なき誇張を使わない
• False agency禁止: 「データが示すのは」「経験が教えてくれること」等の擬似的主体性付与を使わない
• 情報密度の維持: 不要な前置き・言い換えのための言い換えを削除。一度言ったことを言い直さない

記号・表記ルール

理由: このスキルの主対象は X 投稿・note 等のプレーンテキスト媒体。Markdown はレンダリングされず記号のまま露出する。またコロン列挙・矢印・アスタリスクは AI 生成文の統計的特徴（AI-slop tell）として読者に検出されやすい。媒体が Markdown をレンダリングする場合（ブログ・ドキュメント）はこの節を適用しない。

• Markdown記法は禁止（見出し#、太字**、箇条書き-、リンク等）
• コロン「：」は原則使わない
• スラッシュ「／」、矢印「→」で並列しない
• 括弧（）の多用を避ける（1段落に2個まで）
• 「」の多用を避ける（引用・固有名詞以外は地の文で表現）
• アスタリスク「*」は使わない

語彙ルール

• 同一段落内で同じ漢語動詞を2回以上使わない
• 「活用」「実現」「促進」「向上」「最適化」「効率化」は具体動詞に置き換える
• 「〜することが可能です」→「〜できる」に簡潔化
• 「〜ということが考えられます」→「〜だろう」に短縮

Step 4: 種別オプションの適用

読み物モード

• 段落の終わりを毎回きれいに閉じない。余韻を残す終わり方を混ぜる
• 感情の起伏が出るように、強めの断定と弱めの言い回しを意図的に混ぜる
• 既視感のある比喩は使わない。比喩に頼らず言い切る
• 「〜ではないでしょうか」「〜かもしれません」は文脈上必要な場合のみ

ビジネス文書モード

• 保険的表現は削るが、誤解が生じる箇所だけは短い注意書きを1回だけ入れてよい
• 「ステップ」「観点」などのラベル進行は避け、文で自然に繋ぐ
• 冗長な導入は削除し、1文目から本題に入る
• 過度にフォーマルな表現（「ご査収ください」「お世話になっております」的な定型）は文脈に合わせて簡素化

SNSモード

• 文体は口語ベース。書き言葉と話し言葉を自然に混ぜる
• 1文は短めに。テンポよく読める構成
• 体言止め・倒置を積極的に使う
• 「〜なんですよね」「〜だと思ってて」等の口語表現を適度に使う
• 箇条書きも自然な範囲で許容（SNSでは違和感がないため）
• 絵文字は元文にある場合のみ維持

学術モード

• 論理構造は維持しつつ、文体の硬直性を緩和
• 保険的表現は「根拠に基づく限定」に変換（「一般的に」→「先行研究では」等）
• 一人称の使用を適度に許容（「筆者は」「本稿では」等の学術的一人称）
• 過度な受動態を能動態に変換

Step 5: ペルソナ憑依（$PERSONAが指定された場合）

$PERSONAが指定されている場合、3段階校正の後に追加で以下を適用する。

ペルソナの情報から以下を推定して文体に反映する:

• 語彙レベル: 専門家なら専門用語を自然に使う、一般向けなら平易に
• 口調: 「だ・である」調 or 「です・ます」調 or 混合
• 癖: その人物が使いそうな言い回し、口癖、話の展開パターン
• 視点: 何に注目し、何をスルーするか
• 感情表現の度合い: 熱量が高い人か、クールな人か

ペルソナ例:

• 30代ITエンジニア、効率重視、断定型 → 「〜だ」調、技術用語は説明なし、冗長排除
• 40代マーケター、顧客目線、共感型 → 「〜ですよね」調、読者への問いかけ多め
• 20代学生、カジュアル、SNS慣れ → 口語全開、体言止め多め、テンポ重視

Step 6: 出力

書き換え後の文章だけを出力する。以下は出力しない:

• 解説・前置き・注意書き
• チェックリスト・箇条書き形式の要約
• 「以下が修正版です」等の前振り
• 段落構成は元文を維持する
• 文章量は元文の±20%以内

Step 7: セルフチェック（出力前に内部確認）

出力する前に、以下11項目を内部で確認する。1つでも引っかかったら修正してから出力する。

1. 意味保持: 結論・因果関係・主語がすり替わっていないか
2. 捏造チェック: 具体情報が増えたように見えて、元文にない事実を足していないか
3. 抽象語→動詞: 抽象語が減り、「何がどうなる」という動詞表現が増えたか
4. 記号の再発: Markdown記号、コロン、スラッシュ、矢印、アスタリスクが復活していないか
5. 定型締めの排除: 「いかがでしたでしょうか」「ぜひ試してみてください」等の無難な締めが入っていないか
6. バースト性: 文の長さにばらつきがあるか（全文が同じような長さになっていないか）
7. 語彙多様性: 同じ漢語動詞・接続詞が繰り返されていないか
8. 読点の自然さ: 読点が多すぎる箇所、不自然な位置に入っている箇所がないか
9. 直接性（Directness）: 宣言ではなく直接述べているか。「〜についてお話しします」等の前置きゼロか
10. 読者への信頼（Trust）: 自明なことを説明していないか。読者は知性があると前提にしているか
11. 情報密度（Density）: 一度言ったことを言い直していないか。不要な前置き・繰り返しがないか

Step 8: AI検出診断（$DIAGNOSE=true の場合）

書き換え後の文章を以下の7軸で自己診断し、スコアを出力する（各軸 1〜10、10が最も人間的）。合計50点未満は再修正を推奨。

診断軸	説明	低スコアの兆候
直接性（Directness）	宣言せず直接述べているか	「〜についてお話しします」等の前置き、Wh-疑問文スタート
リズム（Rhythm）	文長・構造のばらつき。高いほど人間的	全文が同じ長さ・構造で均一（低バースト性）
読者への信頼（Trust）	読者の知性を信頼しているか	自明な説明・過剰な補足・言い換えのための言い換え
真正性（Authenticity）	人間が書いたように感じられるか	定型比喩・安易な最上級・False agencyの多用
情報密度（Density）	不要な言葉がないか	前置き・繰り返し・スペースを埋めるだけの言葉
語彙多様性	使用語彙の豊富さ	同じ漢語動詞・接続詞・フレーズの反復
感情・主観度	書き手の温度が感じられるか	客観記述のみで感情・判断が皆無

出力フォーマット:

[AI検出診断]
直接性:         ●/10
リズム:         ●/10
読者への信頼:   ●/10
真正性:         ●/10
情報密度:       ●/10
語彙多様性:     ●/10
感情・主観度:   ●/10
総合:          ●/70（50未満は再修正を推奨）

書き換え強度ガイド

強度	適用範囲	用途
軽め	記号除去 + 語尾バリエーション + 読点最適化	原文の雰囲気を残したい時
標準	3段階校正を全て適用	通常の書き換え
徹底	3段階校正 + 口語・感情表現の積極注入 + 構造の大胆な再構成	AI臭を完全に消したい時

よくある失敗パターン（回避すべき）

• 禁止事項なしで「わかりやすくして」→ 説明書化が加速する
• 「結論から書いて」「PREP形式で」→ テンプレート感が濃化する
• 箇条書きを許容する → AI生成物感が復活する
• 1文目を「〜とは」で始める → 辞書的な説明調になる
• 「シンプルにして」だけ指示 → 情報が削られすぎて空虚になる
• ペルソナなしで「人間らしく」→ 誰の人間らしさか不明で中途半端に
• 全文を口語に振りすぎ → ビジネス文書では逆に不自然に

出力例

入力（AIっぽい文章）

本記事では、効果的なプロジェクト管理について解説します。プロジェクト管理は、ビジネスにおいて非常に重要な要素です。一般的に、プロジェクトの成功には明確な目標設定が求められます。以下では、具体的なステップを見ていきましょう。

ステップ1：目標を設定する
まず、プロジェクトの目標を明確にすることが重要です。効果的な目標設定には、SMARTフレームワークの活用が最適です。

まとめると、プロジェクト管理の本質は、適切な計画と実行にあります。ぜひ、今日から実践してみてください。

出力（標準モード・読み物）

プロジェクトが途中で迷走する原因の大半は、最初のゴール設定が曖昧なまま走り出すことにある。

「何を、いつまでに、どの水準で」が関係者全員の頭に入っていれば、判断に迷う場面は減る。SMARTフレームワークはそのための道具だが、フレームワークを埋めること自体が目的化しないよう注意がいる。数字で測れるゴールを1つ決め、それをチーム全員が口に出せる状態にする。ここまでできていれば、計画の精度は後からついてくる。

出力（SNSモード・同じ入力）

プロジェクトが迷走するのって、だいたいゴールが曖昧なまま走り出してるから。

「何を、いつまでに、どのレベルで」これを全員が言えるかどうか。言えないなら、そこからやり直したほうが早い。SMARTとか使ってもいいけど、フレームワーク埋めるのが目的になったら本末転倒。測れるゴールを1つ決める。それだけで判断のブレは激減する。

参考文献・根拠

本スキルは以下のソースの知見を統合して設計:

• AI検出のパープレキシティ・バースト性理論（GPTZero, Pangram Labs等の研究）
• AI文章ヒューマナイゼーション技法（Grammarly, QuillBot等のアプローチ）
• 日本語AI文章のリライト実務知（ai-advisors.jp, simplique.jp, kenkyo.ai, KDDI等の記事）
• ペルソナ憑依プロンプト手法（note.com 各著者の実践知）
• 3段階校正メソッド（hachimakivenda.com の実践プロンプト術）