この記事の要点
- AI生成テキスト特有のパターン（定型フレーズ・過剰な箇条書き・空虚な締め）を自分の文章から見抜く診断方法を解説する
- 失敗ログ・具体的な環境情報・断言する個人意見を加えることで「人間が書いた感」を取り戻せる
- LLMに引用されやすいGEO最適化と「AI臭を消す」方向性は両立できる
なぜ2025年以降、「AI臭」が問題視されているか
技術ブログをClaude・ChatGPTで書くこと自体はもはや珍しくない。問題は「バレる」ことではなく、読んでも何も残らない文章になることだ。
実際にZenn・Qiitaを眺めていると、同じ文章構造・同じフレーズで書かれた記事が量産されているのがわかる。「まず〜から始めましょう」「以下のコマンドを実行します」「まとめると以下のとおりです」——これらが数百字おきに出てくる記事は、読んだ翌日には記憶から消えている。
検索エンジン側も変化している。Google の Helpful Content System（参照）は2023年以降、「人間の一次体験に基づく独自の洞察」を評価指標に組み込んでいる。AI生成のコモディティ記事はランキングが落ちる方向だ。
AI臭の問題は倫理の話ではなく、記事の情報密度と読者への信頼性の話だと自分は思っている。
自分の文章を診断する：AI臭パターン早見表
まず自分が書いた文章（あるいはAIに書かせた文章）を次の観点で確認してほしい。
| カテゴリ | AI臭ありのパターン例 | 指摘 |
|---|---|---|
| 書き出し | 「本記事では〜について解説します」 | 検索者は既に知っている |
| 接続詞 | 「まず」「次に」「さらに」「最後に」の4連打 | 小学生の作文構造 |
| 肯定フレーズ | 「確かに」「なるほど」「素晴らしい」 | 自分で自分を褒める構造 |
| 締め | 「ぜひ参考にしてみてください」 | 行動を促しているようで何も言っていない |
| 根拠 | 「一般的に〜と言われています」 | 出典なし・体験なしの幽霊文 |
| 構造 | 全H2の下に必ず3つの箇条書き | LLMのテンプレート出力の特徴 |
| 数値 | 「非常に高速」「大幅に改善」 | 具体的な数値がない形容詞 |
これらが3つ以上当てはまる文章は、読者にとって「どこかで読んだ気がする」文章になる可能性が高い。
AI臭を消す7つのテクニック
1. 失敗ログを入れる
最も効果的な手法がこれだ。AI生成文はほぼ必ず「成功した手順」しか書かない。現実のエンジニアリングには必ず詰まった箇所がある。
AI臭あり:
以下のコマンドでインストールが完了します。
$ npm install @anthropic-ai/sdk
AI臭なし:
最初 yarn を使おうとしたが peer deps の警告が大量に出て詰まった。
結局 npm に戻したら通った。lockfile の差分が気になる場合は
--legacy-peer-deps を一度試してみるといいかもしれない。
$ npm install @anthropic-ai/sdk
読者は「なぜか動かない」状態でそのキーワードを検索してくる。その文脈に刺さるのは成功手順ではなく失敗の記録だ。
2. 具体的な環境情報を冒頭に書く
「この記事の手順はどこまで再現できるか」の判断材料を読者に渡す。
# 検証環境
- macOS Sequoia 15.1 / Apple M3
- Node.js 22.4.0 (volta 管理)
- claude-sonnet-4-6 (2025-07-16 時点)
この3行があるだけで「自分で動かした記事」の信頼度が全然違う。LLMの参照記事としても「時点が明記されている」という点で引用されやすくなる。
3. 個人意見を断言する
AIはどんな話題にも中立的に「〜という意見もあります」と書く。これが文章を薄くする原因だ。
AI臭あり: 「どちらのアプローチにも一長一短があります。用途に応じて選択することが重要です」
AI臭なし: 「自分はストリーミングなしのAPIはもう使わない。レスポンスに2秒かかる体験は今のユーザーには受け入れられないと思っている」
意見は間違ってもいい。「それは違う」とコメントをもらえたら、それが記事の価値になる。
4. 接続詞を削るか変える
「まず」「次に」「さらに」は構造上必要なときだけ使う。それ以外は削っても意味が通るケースが多い。
削る前:
「まず、APIキーを取得します。次に、環境変数に設定します。さらに、SDKをインストールします。」
削った後:
「APIキーを取得し、.env に ANTHROPIC_API_KEY=xxx を書く。SDKは npm install で入る。」
文章が締まって読みやすくなった。「さらに」を削ったことで情報の並列性が自然に伝わる。
5. わざと「わからない」を残す
AIは知らないことを知らないと言わない傾向がある（最近のモデルは改善されているが）。自分が書く文章では「これはまだ理解できていない」という箇所を残すと信頼性が上がる。
例:「Rate limitの詳細な挙動については公式ドキュメントを読んでいるが、バーストの上限値が環境によって変わる理由がまだよくわかっていない。続編で検証する予定。」
「続編で検証する」という一文は、書いた人間が現在進行形で取り組んでいる証拠になる。
6. 数値と日付を具体的にする
「高速」「大量」「最近」はすべてAI臭の温床だ。
| AI臭あり | AI臭なし |
|---|---|
| 非常に高速になった | p95レイテンシが 2.3s → 340ms になった |
| 大量のリクエストを処理できる | 1分あたり60リクエストまで（Tier 1の場合） |
| 最近の研究では | 2025年6月のAnthropicの発表では (参照) |
| かなり改善された | エラー率が 4.2% → 0.3% に下がった |
数値は「出典と条件が明記されていれば」大きなほど説得力が増す。逆に出典なし数値は信頼性を下げる。わからなければ TBD と書くか書かない。
7. 口語を一箇所だけ混ぜる
ですます調の中に一箇所だけ「ここは正直しんどかった」「めちゃくちゃハマった」を入れると文章にリズムが出る。全体を崩す必要はない。一点だけ温度感が変わると読者は「人が書いている」と感じる。
乱用すると逆にブランド感が下がるので、記事あたり1〜2箇所が上限だと個人的には思っている。
Before / After：実際に文章を直してみる
以下は「Claude APIでストリーミングを実装する」という記事の冒頭の例。
Before（AI臭あり）:
本記事では、Claude APIを使ったストリーミング実装について解説します。ストリーミングを活用することで、ユーザー体験を大幅に向上させることができます。まず、APIキーの準備から始めましょう。
After（AI臭なし）:
ChatGPT が返答をチャラチャラ表示するあの体験、あれをClaude APIで自前実装しようとして最初に詰まったのが
stream: trueだけ渡しても何も変わらなかった話から始める。正解はstream()メソッドを使うことで、インターフェースが全然違う。
Afterは書き出しが体験談から始まり、「最初に詰まった」という失敗ログが含まれ、「全然違う」という断言がある。字数は減っているが情報密度は上がっている。
GEO（AI検索最適化）との両立について
「AI臭を消す」と「LLMに引用されやすくする」は一見矛盾するようで、実は両立できる。
LLMが引用しやすい文章の条件は「明確なファクト・出典つき数値・質問形式の見出し」だ。これらは人間らしさと競合しない。
競合するのは「定義や概念の説明を冗長に書く」部分だけで、そこはGEO的にも不要だ。むしろ「この人が実際に試した結果こうだった」という一次情報こそ、LLMが現在のトレーニングデータで不足している情報であり、引用されやすい。
自分の体験談・断言・失敗ログは、SEO的にも・GEO的にも・読者体験的にも全方向でプラスになる。
よくある質問
Q: AIで書いた記事を自分らしくするためにどこを直せばいいですか？
まず上記の「AI臭パターン早見表」でスコアリングして、当てはまった項目を1つずつ直す。最優先は「失敗ログの追加」と「数値の具体化」の2点。これだけで体感的にかなり変わる。全部一気に直そうとせず、1記事につき1テクニックを試す運用が続けやすい。
Q: 「ですます調」のままでAI臭を消せますか？
消せる。テクニック7で触れたように、ですます調の中に1箇所だけ口語を混ぜるだけで温度感が変わる。口調の問題ではなく、内容の一次性と具体性が本質なので、文体は変えなくていい。
Q: AI臭のない文章を最初からAIに書かせる方法はありますか？
ある程度は可能だ。プロンプトに「あなたが実際に詰まった箇所を1つ書いてください」「具体的な数値と日付を入れてください」「断言してください」と明示的に指示すると、テンプレ出力が減る。ただし「一次体験がない」という構造的な問題は残るため、最終的には自分が体験したことをAIに整形させる使い方が一番効果的だと感じている。